AI Camera: Cómo medir el flujo de clientes en retail

29/09/2026

El problema comenzó con un gesto de negación

Aún recuerdo la reunión en la planta baja de un edificio de oficinas en alquiler en el distrito 1. La persona a cargo de operaciones de una gran cadena de F&B estaba sentada frente a mí, con una libreta llena de anotaciones apresuradas. Acababan de probar una solución de conteo de clientes con sensores infrarrojos instalados en el techo. ¿El resultado? La desviación era demasiado grande. El sensor se veía afectado por la luz solar que entraba por los cristales, se bloqueaba cuando el personal pasaba por delante y, lo que es peor, no distinguía entre clientes y transeúntes. Necesitaban saber con exactitud cuántas personas entraban a la tienda y cuántas de ellas realmente compraban. Esa es la tasa de conversión, un indicador clave. Pero los datos del sensor antiguo les impedían confiar en cualquier cifra del informe mensual.

Querían usar computer vision, pero temían la complejidad. Les dije que no pensaran en el algoritmo, sino en las condiciones reales. La cámara tenía un ángulo de visión de 120 grados, la iluminación variaba desde la mañana temprano hasta la noche y el flujo de personas a veces era intenso en horas pico. No se trata de un problema teórico de laboratorio, sino de polvo, luces fluorescentes parpadeantes y la velocidad de movimiento real de las personas.

Condiciones reales y limitaciones del hardware

Antes de hablar de implementar la AI Camera, tuvimos que enfrentar la realidad más cruda: la infraestructura antigua. Muchas sucursales de esta cadena aún usaban redes internas inestables. Las cámaras analógicas viejas no tenían suficiente resolución para reconocer rostros o comportamientos detallados, pero sí bastaba para identificar formas y movimiento. Decidimos no reemplazar todo el sistema de cámaras existente, sino integrar una capa de procesamiento de IA en el extremo. Esto minimizó la inversión inicial, pero exigió que el algoritmo fuera lo suficientemente potente para procesar datos de diversas fuentes.

El ángulo de la cámara también fue un gran desafío. Si se colocaba alta, la imagen se distorsionaba y era difícil determinar la posición de los pies para contar con precisión. Si se colocaba baja, era fácil que quedara obstruida por decoraciones o el mostrador de pago. Tuvimos que mover cada cámara, probando decenas de posiciones diferentes en cada tienda. En algunos casos, solo una desviación de 5 grados reducía notablemente la precisión. Esta fue la parte más tediosa, pero también la más importante. El hardware no es perfecto y la IA no es una varita mágica que corrija todos los errores de instalación.

Proceso de implementación de un punto a toda la cadena

Comenzamos con una sucursal piloto en el centro de la ciudad. El objetivo no era obtener una cifra absoluta de inmediato, sino establecer un flujo de trabajo estable. La AI Camera se conectó a la plataforma de procesamiento en la nube, pero los datos brutos se mantuvieron en el servidor local para garantizar la privacidad. El sistema identifica a una persona cuando cruza una línea virtual que dibujamos en el software. Cada cruce genera un evento. Si la persona permanece en el área de ventas más de 30 segundos, se cuenta como cliente potencial. Si pasa por el área de pago, se cuenta como cliente comprador.

Después de tres semanas de prueba, descubrimos un problema menor que causaba grandes desviaciones: los niños que iban con sus padres a menudo se contaban junto con los adultos debido a su menor estatura. Ajustamos el umbral del tamaño del cuadro delimitador (bounding box) para separar estos casos. Este es un ejemplo típico de ajuste del modelo basado en datos reales, no en teoría.

Cuando la sucursal piloto se estabilizó, expandimos el proyecto a toda la cadena. Esto no fue tan simple como duplicar la configuración. Cada tienda tiene un diseño diferente, iluminación diferente y flujo de personas diferente. Necesitábamos un equipo de implementación con suficiente experiencia para ajustar los parámetros de cada ubicación. El proceso tomó más tiempo del previsto, pero a cambio, la confiabilidad de los datos aumentó notablemente. Los clientes comenzaron a confiar en los informes diarios en lugar de esperar solo al final del mes.

Lo medible y lo que cambiará

Después de seis meses, el mayor cambio no fue el aumento o disminución de la cifra de flujo, sino la forma de tomar decisiones. Los gerentes de sucursal ya no se basan en la intuición para organizar los turnos. Ven claramente que de 11:00 a 12:00 hay alto flujo pero baja tasa de conversión, mientras que a las 16:00 el flujo es menor pero la conversión es alta. Esto llevó a ajustar el personal y las promociones por horario, algo que antes era casi imposible de realizar.

La precisión del sistema AI Camera varía según las condiciones ambientales, pero en promedio es lo suficientemente buena para respaldar decisiones operativas. Ninguna tecnología alcanza el 100% en un entorno de retail tan dinámico. Lo importante es entender de dónde proviene ese margen de error y aceptarlo como parte del proceso. AIVISION ha acompañado a muchas empresas en esta etapa, desde fábricas de producción hasta cadenas de retail, y la lección aprendida es la misma: la tecnología solo es efectiva cuando se integra en el flujo de trabajo diario, no cuando se cuelga en la pared para mirarla.

Si lo hiciéramos de nuevo, dedicaríamos más tiempo a preparar los datos históricos antes de la implementación. Comparar los nuevos datos de la AI Camera con los antiguos (aunque no fueran precisos) ayuda a identificar anomalías más rápido. También capacitaríamos más a fondo al personal de operaciones sobre cómo leer los indicadores de la AI Camera, en lugar de entregarles solo un número total. Entender el contexto detrás del número es más importante que el número en sí.

¿Están midiendo el rendimiento de su negocio basándose en la intuición o en datos reales? Si la respuesta es intuición, quizás sea hora de reconsiderar cómo recopilan información de los puntos de contacto más importantes con sus clientes.

Si su empresa necesita una herramienta de IA Office gratuita que funcione también on-premise, prueben Vtraks o hablen con AIVISION para recibir asesoría sobre la implementación.