Nuestra bodega mide 3,000 metros cuadrados, algo más de 400 posiciones de estantería. Conteo físico completo una vez al mes: dos personas, dos días — y aun así se nos escapa mercancía. ¿Los sistemas de conteo por visión de las grandes empresas, con cámaras fijas y cotejo en tiempo real? Miré la cotización y la guardé. Los pequeños almacenes no podemos quemar ese dinero.
Pero entonces aparecieron los modelos de visión-lenguaje, y me di cuenta de que hay una versión artesanal que podemos copiar. La misma idea, a una fracción del costo.
VLM en palabras simples: es una IA que puede mirar una foto y entender el lenguaje humano al mismo tiempo. Haces una foto de una estantería y preguntas: «Este espacio debería contener botanas de arándanos, ¿es lo que aparece en la foto?» Responde, y marca los cartones equivocados. La gran diferencia con la visión por IA de la vieja escuela: lo viejo necesitaba entrenamiento — había que enseñarle cómo se veía cada SKU, y un cambio de empaque significaba reentrenar. El VLM no necesita entrenamiento. Le das el maestro de posiciones (lo que debería estar aquí) como la clave de respuestas, y él compara por su cuenta. Los pequeños almacenes nunca tuvieron a nadie para cuidar entrenamientos. Ahora no lo necesitamos.
Aquí va nuestra versión artesanal, una ronda por semana: imprime la lista de posiciones de alta rotación, planea una ruta de patrulla, una persona con un teléfono, una foto por posición. De vuelta en la oficina, pasa las fotos por el VLM en lote y haz siempre la misma pregunta: «Este espacio debería contener A. ¿Está A en la foto? ¿Hay algo fuera de lugar o faltante?» Marca los problemas y verifícalos a mano al día siguiente. Sin código, sin integración — un teléfono y un navegador.
¿Funciona? Dos historias reales.
Este marzo, una de nuestras posiciones debía contener 12 cartones de arándanos deshidratados. Tres cartones de arándanos rojos deshidratados se habían colado — el empaque era casi idéntico. Tres meses de conteos cíclicos manuales no lo vieron; los contadores vieron que la cantidad cuadraba y siguieron. La patrulla fotográfica del VLM marcó esos 3 cartones en la primera semana. Quien opera 3PL lo sabe: un error de surtido es el error más caro que existe. Un envío equivocado me cuesta más que medio año de mano de obra de conteo.
Segunda historia: posiciones fantasma. El sistema dice que hay existencias; la estantería está vacía — o al revés. Ahora fotografiamos cada semana, y el VLM simplemente reporta «este espacio está vacío», lo cotejamos con el sistema y la discrepancia salta. Antes esto solo salía a la luz cuando un surtidor llegaba con las manos vacías — momento en el que el envío ya iba tarde y el cliente ya estaba al teléfono.
Ahora las cuentas. Antes: dos personas, dos días, una vez al mes, y aun así con fallas. Versión artesanal: una persona, medio día a la semana fotografiando; las zonas de alta rotación se revisan semanalmente, las de baja rotación mensualmente. De las posiciones que la IA marca como «problema», la verificación manual confirma que entre el setenta y el ochenta por ciento son problemas reales — el resto es mala luz o mal ángulo engañando a la IA. En la otra dirección: posiciones que la IA aprueba pero que sí tienen problemas — digamos que entre un diez y un veinte por ciento se cuelan. Así que seamos directos: la IA es un primer filtro. No reemplaza la verificación humana. Quien te diga que reemplaza por completo el conteo manual te está vendiendo algo.
¿Cuánto cuesta la versión artesanal? El teléfono ya lo teníamos. El lado del VLM cobra por imagen, y nuestro lote semanal suma unos cientos de fotos — la factura mensual es menor de lo que gastamos en película estirable en una semana. Lo caro nunca fue la IA. Fue limpiar el maestro de posiciones, lo cual tomó dos tardes y una jarra de café.
¿Qué le robamos a la costosa instalación empresarial? El pensamiento, no el hardware. Ellos usan cámaras fijas disparando en tiempo real; nosotros usamos un teléfono con un calendario — la misma idea de «fotografiar y comparar». Ellos entrenan por SKU; nosotros usamos el maestro de posiciones como clave de respuestas — la misma idea de «sin entrenamiento». Las ideas son gratis. El hardware no.
Dos hallazgos contraintuitivos. Primero: cuanto más «profesional» la foto, peores los resultados. Empezamos con el personal sosteniendo el teléfono nivelado, perfectamente encuadrado, impecable — y la IA rendía peor que con fotos casuales. Entonces caímos en cuenta: los VLM han visto océanos de fotos casuales. Tu toma montada está fuera de su zona de confort. Dispara como te salga natural. No poses.
Segundo: no lo extiendas a todo el almacén el primer día. Empieza con el 20% de posiciones de alta rotación — en nuestra experiencia, el 80% de los problemas vive en ese 20%. Cuando la rutina corra sola, expande. Los pequeños almacenes son de poco personal; pon el acero donde está el filo.
Un detalle más que nos ahorró mucho retrabajo: mantén legibles las etiquetas de las posiciones. El VLM lee el número de posición en la etiqueta de un vistazo — si la etiqueta se cayó o un cartón la tapa, la IA no sabe qué posición es la de la foto. Pasamos una tarde volviendo a pegar cada etiqueta del almacén: enderezamos las torcidas, reemplazamos las faltantes. La mejor inversión del trimestre — llámalo «infraestructura de la era IA», ja.
Tres consejos para los colegas de pequeños almacenes: primero limpia tu maestro de posiciones — si la clave de respuestas está mal, la IA no sirve. Mantén consistentes la ruta y los ángulos de foto — no tomes el lado izquierdo hoy y el derecho mañana. Y verifica a mano cada alerta de la IA en un plazo de 24 horas; el muelle cambia si esperas.
Planear la ruta importa más de lo que parece: recorre las posiciones en orden de serpiente, sin retroceder; dispara en el mismo orden de la lista impresa para que cotejar las fotos después tome minutos, no una hora. Y sí, compramos dos palos para selfies para los estantes altos — ríete si quieres, la IA ve más cuando la cámara sube hasta allá.
Las grandes empresas tienen su manual. Los pequeños almacenes tenemos el nuestro. Un teléfono más una IA que puede leer fotos, y hasta un pequeño almacén como el nuestro puede mantener honestas sus estanterías.
Por Xiao Ma, propietario de pequeño almacén
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
