El invierno pasado recorrí un centro de cumplimiento de comercio electrónico de 800,000 pies cuadrados en Inland Empire que movía unas 20,000 unidades al día. El gerente de operaciones señaló el equipo de inspección por visión al final de la línea de empaque y dijo: "Mi, hice los cálculos. El proveedor prometió un 99.2% de precisión. Esto me está costando dos puestos extra al mes."
No exageraba. Tres meses de registros contaron la historia: el sistema marcaba más de 300 paquetes "sospechosos" al día, y el equipo de revisión abría cada uno de ellos — más de nueve de cada diez eran falsas alarmas. Mientras tanto, los fallos reales, paquetes que el sistema dejó pasar y por los que los clientes luego reclamaron, pasaron de un puñado por semana a decenas. La precisión seguía siendo del 99%. Las facturas seguían creciendo.
¿Qué mide realmente el "99% de precisión"?
Mi opinión, sin rodeos: como métrica aislada, la "precisión" es el número más inflado del negocio de la inspección por visión. Punto final.
La matemática es vergonzosamente simple. En una línea de empaque sana, el 99.5% de los paquetes está bien desde el principio. Un sistema que aprende un solo truco — "aprobar todo" — obtiene un 99.5% de precisión, superando a la IA de seis cifras que acabas de comprar. Lo que el número de precisión oculta son los dos números que los proveedores nunca ofrecen: cuántos paquetes buenos se marcaron por error (falsos positivos) y cuántos malos se colaron (falsos negativos).
Hagamos juntos un experimento mental. Digamos que envías 10,000 paquetes al día y 50 de ellos son genuinamente defectuosos. Un sistema con "99% de precisión" puede juzgar mal 100 paquetes y aún así alcanzar su número. Si esos 100 errores resultan incluir los 50 defectos reales, tu costosa IA no detectó literalmente nada — y la diapositiva de precisión en la presentación del proveedor sigue diciendo 99%. Esto no es un truco hipotético; es la trampa de la tasa base, y muerde con más fuerza justo donde los defectos son raros, que es precisamente donde viven los almacenes.
Los falsos positivos queman mano de obra. En esa instalación de Inland Empire, más de 300 alertas al día, cada una requiriendo un ciclo de abrir-verificar-resellar de tres a cuatro minutos — dos revisores dedicaban su turno entero a nada más. Son 16 horas-hombre al día. Con los salarios vigentes en los almacenes de California, estás quemando silenciosamente bastante más de veinte mil dólares al mes — con un sistema que lleva la insignia de "99.2% de precisión".
Hay un costo más que la cotización nunca desglosa: el costo de inferencia por unidad. GPU en la nube significa medición por llamada; un equipo edge significa un desembolso de capital más un ciclo de renovación cada pocos años. El volumen lo diluye; sin volumen, los "ahorros laborales" se los come el cómputo. Inclúyelo en tu costo total de propiedad antes de firmar, no después.
Las falsas alarmas cuestan mano de obra. Los fallos cuestan clientes.
Los falsos positivos y los falsos negativos son un balancín, y todo comprador debe aceptarlo antes de firmar. Afloja el umbral y las falsas alarmas bajan mientras los fallos suben; apriétalo y la estación de revisión se ahoga. La demo que te mostró el proveedor estaba ajustada a su umbral más bonito. En la vida real, la luz cambia, llega un nuevo lote de cajas con distinta impresión, y vuelves a reajustar todo.
Un fallo que se escapa cuesta un orden de magnitud más que una falsa alarma. Un artículo equivocado enviado no es solo el costo de reenviar: está el tramo de logística inversa, el ticket de servicio al cliente, las penalizaciones del marketplace y el golpe a la tasa de conversión por una mala reseña. Decenas de dólares por incidente, fácilmente. Quien venda en FBA conoce el procedimiento — un error de picking hunde la salud de tu cuenta, y las horas dedicadas a apelarlo no aparecen en ninguna factura.
El asesino más desagradable es el tercero: la fatiga de alertas. Un revisor abre 300 cajas al día; hacia la caja cincuenta, todas han estado bien, así que el instinto humano entra en juego y el botón de "aprobar" empieza a pulsarse en piloto automático. En ese almacén, al final descubrí que los dos revisores estaban sellando alertas sin abrir nada. La IA era efectivamente decorativa. Ese es el modo de fallo más caro que existe: dinero gastado, gente contratada, sistema muerto al nacer.
¿Cuándo conviene saltarse la IA de visión por completo?
La IA de inspección por visión no es mala tecnología — su barrera de entrada en el mundo real simplemente está muy subestimada. En algunas situaciones, mi consejo es simple: aún no la toques.
Primero, almacenes con una amplia mezcla de SKU y empaques que cambian a menudo. El modelo reconoce lo que ha visto; en el momento en que el empaque se renueva, tu tasa de falsos positivos se dispara. A partir de entonces, alguien tiene que seguir alimentando nuevas muestras y reentrenando — y el salario de esa persona nunca está en la cotización.
Segundo, líneas con iluminación inestable o calidad de entrada variable. Una puerta enrollable que se abre y se cierra junto a la cinta convierte el sol de la tarde y una mañana nublada en dos mundos distintos. Durante la selección, hazle al proveedor una pregunta: "¿Cuánto se desvía la tasa de falsos positivos cuando cambian las condiciones de iluminación?". Si no puede responder, vete.
Tercero, operaciones demasiado pequeñas para alimentar a la máquina. Con unos pocos miles de unidades al día, incluso una tasa de falsos positivos del 1% significa unas decenas de revisiones diarias — no lo suficiente para justificar un puesto dedicado, y el líder de turno puede echarles un ojo de todos modos. La economía de la IA es economía de volumen: sin volumen, no hay mano de obra que ahorrar.
También lo he visto hacerse bien. Un 3PL en Dallas usa inspección por visión en solo una docena de SKU fijos cuyo empaque no ha cambiado en tres años. Operaron un mes en modo sombra y solo salieron en vivo cuando los falsos positivos estuvieron por debajo del 0.3%. El secreto era una palabra: aburrido. Cuanto más aburrida la escena, más confiable la IA.
Así que deja de preguntar "cuál es la precisión". Pide cuatro números en su lugar: tasa de falsos positivos, tasa de falsos negativos, costo de inferencia por unidad y robustez ante cambios de iluminación. Consigue los cuatro por escrito y ponlos en los criterios de aceptación.
Algo que puedes hacer mañana: si ya estás operando inspección por visión — o la estás evaluando — opera dos semanas en "modo sombra". La IA marca, pero nada se intercepta; los humanos trabajan exactamente igual que antes. Después de dos semanas, haz tres multiplicaciones: falsos positivos por minutos de revisión convertidos a costo laboral, fallos por costo por reclamo, menos el costo amortizado del sistema. Positivo o negativo, lo sabrás. Eso vale más que cien diapositivas de proveedores.
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
