Déjame darte primero el veredicto, porque he visto a demasiados dueños de almacenes hacerse la pregunta equivocada. Preguntan: "¿A cuántas personas puede recortar la IA?". La pregunta correcta es: ¿qué puestos se desarman y se vuelven a armar, qué criterio se vuelve más valioso y cuánto cuesta realmente esta reorganización?

Aquí va mi respuesta en un párrafo: los puestos que más se transforman son los construidos sobre criterio repetitivo regido por reglas fijas. Los puestos más seguros son los que gestionan excepciones en la planta. Y el lugar más incómodo es la capa intermedia: gerentes que ni escriben las reglas ni tocan la mercancía. En los próximos tres años, la plantilla de la mayoría de los almacenes no caerá drásticamente. Pero la mezcla de personas cambiará mucho.

El "ahorro de plantilla" que terminó en contrataciones extra

Hace un par de años visité un distribuidor de repuestos de automóvil que había invertido mucho en un sistema de verificación de salida basado en visión. El objetivo era recortar el equipo de verificación de seis personas a dos. En el primer mes, se veía muy bien: escanear, cotejar, marcar, todo en un solo movimiento fluido. Para el segundo mes, aparecieron los problemas. Etiquetas torcidas, bolsas reflectantes, piezas mixtas de formas extrañas: el sistema las marcaba constantemente. Los verificadores atendían cientos de falsas alarmas al día, más agotador que el antiguo trabajo manual. Peor aún, los verificadores experimentados habían sido reasignados, y los nuevos contratados solo sabían leer alertas en pantalla, no mirar la mercancía. Cuando el sistema se caía, toda la línea de verificación se detenía en seco.

Míralo desde ambos lados. La ganancia fue real: los artículos estándar se verificaban más rápido y la tasa de errores sí bajó. El costo fue igualmente real: el puesto que desapareció fue "comparar contra una regla", y el puesto que apareció fue "limpiar lo que deja la IA": gestión de excepciones, ajuste de reglas, vigilancia del sistema. El dueño contó las cuatro personas ahorradas y olvidó los dos administradores de sistemas y el etiquetador de datos a tiempo parcial que se sumaron. El costo laboral neto apenas se movió, pero la fragilidad de todo el proceso se multiplicó.

Otro almacén, un distribuidor de alimentos, hizo lo contrario. No recortó a nadie. Convirtió a sus antiguos jefes de equipo de picking en "especialistas en excepciones": la IA se encargaba de la asignación de tareas y las rutas, y los jefes solo atendían lo que el sistema no podía: faltantes, mercancía dañada, conflictos de vencimiento. Tres meses después, su tasa de envíos a tiempo era la mejor entre sus pares. ¿La diferencia? Uno trató la IA como herramienta de despidos; el otro la trató como forma de empujar a las personas hacia un trabajo más valioso.

Qué puestos se transforman: divídelos en dos dimensiones

Clasifico los puestos de almacén según cuán regido por reglas es el trabajo y cuánta incertidumbre en planta conlleva:

Puesto ¿Regido por reglas? Incertidumbre en planta Perspectiva para los próximos tres años
Verificador de salida Alta Baja Absorbido en su mayor parte por sistemas de visión; quedan 1–2 personas para las decisiones finales sobre excepciones
Picker Media Media No se reemplaza, pero el puesto cambia: seguir instrucciones, confirmar con escaneo, convertirse en un equipo humano-máquina
Supervisor de programación / despacho Alta Baja Reemplazado en gran medida por la programación algorítmica; los supervisores pasan a gestionar ausencias repentinas y oscilaciones de capacidad
Inspector de calidad de entrada Media Alta Difícil de reemplazar; la mercancía de formas extrañas y las decisiones sobre daños todavía necesitan ojos y manos humanas
Analista de inventario Alta Baja El trabajo de informes pasa a modelos de pronóstico; el puesto cambia a interpretar anomalías y tomar decisiones de reposición
Técnico de mantenimiento Baja Alta Más demandado, no menos: más AMR, cintas transportadoras y clasificadoras significan más necesidad de personas que sepan tanto de mecánica como de software

Aquí va la parte contraintuitiva: los primeros puestos en transformarse no son los puestos físicos de base. Son los puestos de oficina de la capa intermedia construidos sobre criterio experimentado pero repetitivo. El día de un picker está lleno de variación —distinta mercancía, ubicaciones, excepciones— que la IA no puede tragar fácilmente. Pero ¿la persona en la oficina que hace programaciones, informes y revisiones de pedidos? Su trabajo es exactamente el material regido por reglas que la IA hace mejor. Lo regido por reglas es el terreno propio de la IA.

Y aquí va el compromiso que nadie pone en el caso de negocio: cuando la IA absorbe el trabajo regido por reglas, saca la "experiencia" de la cabeza de las personas y la escribe en un sistema. La ventaja es que la experiencia ya no se va por la puerta con un empleado. La desventaja es que cuando la experiencia del sistema se queda obsoleta, falla en lotes. Una persona comete un error; un sistema comete mil. Muchos dueños nunca calculan eso.

Cómo debe un gerente hacer realmente las cuentas

Primero, cuenta el costo total, no la plantilla. No preguntes "¿a cuántas personas puedo recortar?". Pregunta: ¿cuánto baja el costo por pedido cumplido, cuánto baja la tasa de errores y la recuperación de excepciones se vuelve más rápida o más lenta? Conozco un almacén que recortó tres personas y luego pagó penalizaciones de temporada alta equivalentes a medio año de salario de diez personas tras una caída del sistema. Esa cuenta no funciona.

Segundo, arregla el proceso antes de comprar el sistema. La IA aplicada a un proceso desordenado solo hace el desorden más grande y más rápido. El almacén de repuestos de automóvil al final volvió atrás y rehízo su proceso de verificación —ubicación estandarizada de etiquetas, reempaque de artículos de formas extrañas— y las falsas alarmas cayeron bruscamente antes de que el sistema realmente empezara a funcionar. Si te equivocas en el orden, el dinero se desperdicia.

Tercero, dale a las personas transformadas un camino, no una carta de despido. Las dos direcciones de reubicación más sensatas son especialista en excepciones —limpiar los líos que la IA no puede atender— y mantenimiento de equipos y sistemas, un puesto cada vez más difícil de cubrir a medida que se extiende la automatización. Recapacitar al personal existente es más barato que contratar fuera, y mucho más estable que recortar y volver a contratar. El dinero ahorrado en despidos suele volver duplicado en reclutamiento y capacitación.

Cuarto, no creas que "los almacenes no tendrán personas en tres años". El mundo físico de un almacén es demasiado sucio, demasiado caótico, demasiado lleno de excepciones. Lo que la IA puede hacer en los próximos tres años es masticar las partes deterministas y dejar a las personas las partes inciertas. Eso no es un trabajo más fácil: es más difícil. Cambia el puesto de "seguir la orden" a "atrapar al sistema cuando se equivoca". Si los dueños siguen contratando y gestionando con el estándar antiguo, la reorganización se atascará en el lado de las personas.

Las tres capacidades más valiosas en un almacén durante los próximos tres años serán: entender qué está calculando la IA, saber cuándo está a punto de calcular mal y poder tomar el control al instante cuando lo hace. Ninguna de esas tres es algo que la IA pueda enseñarte.

Así que si diriges un almacén, hazte ahora una pregunta: ¿cuántas personas de tu equipo ya tienen esas tres capacidades?

Por Lao Mi, Veterano de la cadena de suministro (20 años)

Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.