Cámara AI para inventario: lecciones prácticas

13/11/2026

Contexto: El almacén no espera

El inventario periódico siempre ha sido una pesadilla para la contabilidad de materiales y los encargados de almacén.

Nos hemos asociado con una fábrica de componentes electrónicos en Bình Dương. El problema no era la falta de stock, sino la falta de información actualizada. El sistema ERP indicaba 500 pallets, pero en el suelo solo quedaban 420. Se perdieron 80 pallets en dos semanas sin que nadie pudiera explicar el motivo. El personal del almacén debía dedicar todo el fin de semana a la conciliación manual, lo que resultaba en agotamiento y errores continuos.

Fue entonces cuando propusimos aplicar visión por computadora. No para reemplazar a las personas, sino para que no tengan que realizar tareas que una máquina puede hacer 100 veces más rápido. El objetivo específico: usar las cámaras de IA existentes en las entradas y salidas del almacén para monitorear el flujo de mercancías en tiempo real. No es necesario reemplazar todo el sistema de CCTV, solo añadir una capa de procesamiento de IA a los datos de video existentes.

Por qué el monitoreo manual falla constantemente

Muchas empresas creen que basta con añadir personal para resolverlo. Pero la realidad muestra lo contrario.

• Las cifras no coinciden: Una discrepancia del 15% entre los registros y la realidad es común en almacenes con baja automatización. Cada conteo manual toma de 4 a 6 horas para un área de almacén de tamaño medio.
• Retraso en la información: Los datos solo se actualizan cuando hay una acción de entrada/salida. Si la mercancía es robada o se pierde durante el movimiento interno, el sistema no lo detecta hasta el próximo inventario.
• Costos ocultos: Además de los salarios, están los costos por retrasos en la producción debido a la falta repentina de materias primas. En la industria electrónica, un día de retraso puede causar pérdidas de miles de millones de dong por cancelación de pedidos.

El problema central es la continuidad. El conteo manual es intermitente. La cámara de IA es continua. Esa es la diferencia fundamental.

Implementación de cámara de IA: Lo que hicimos

Elegimos una solución integrada con el sistema de cámaras IP existente. No requiere nueva inversión en hardware de cámaras, solo asegurar una resolución mínima de 1080p y un ángulo de visión amplio del pasillo.

Nivel 1: Definición de regiones de interés (ROI).

Dibujamos marcos alrededor de las áreas de pallets y las entradas y salidas. La IA se centrará en procesar estas áreas, ignorando las zonas muertas para ahorrar recursos de GPU.

Nivel 2: Sensibilidad al movimiento y reconocimiento de códigos de barras.

En lugar de intentar identificar cada producto dentro del pallet (lo cual es muy difícil y costoso), nos centramos en contar la cantidad de pallets que pasan y leer el código de barras en la etiqueta externa del pallet. Este es un compromiso razonable. No necesita saber exactamente qué tipo de componente está dentro del pallet número 12 si solo necesita saber que el pallet 12 salió del almacén a las 14:30.

Nivel 3: Integración de alertas inmediatas.

Cuando un pallet pasa por la entrada/salida sin una orden de salida correspondiente en el sistema, AIV Camera enviará una alerta a través de Telegram al supervisor de turno y al contador en menos de 1 segundo. Esta es la función más importante. Convierte un incidente de fin de día en un problema que requiere atención inmediata.

Durante la fase de prueba piloto en este proyecto, nos encontramos con un error de iluminación en la tarde cuando el sol entraba de lado al almacén. La precisión del reconocimiento de códigos de barras disminuyó a aproximadamente el 92%. Tuvimos que ajustar el ángulo de la cámara y añadir un filtro para reducir el deslumbramiento. Lección: el entorno físico siempre es más importante que el algoritmo.

Medición de resultados y limitaciones a aceptar

Después de 3 meses de operación estable, medimos las siguientes métricas:

• Tiempo de detección de discrepancias: Reducido de un promedio de 14 días (inventario mensual) a menos de 5 minutos.
• Discrepancia de inventario: Reducida del 15% a menos del 2%. Esta cifra no es 0%, pero es suficiente para eliminar la mayor parte del riesgo significativo.
• Costo de personal de inventario: Reducción de aproximadamente el 60% en la carga de trabajo de conciliación diaria.

Pero hay limitaciones que no ocultamos.

La cámara de IA no es mágica. No puede detectar si la mercancía se retira gradualmente, sin pasar por la entrada/salida monitoreada, o si el pallet se abre y se retiran algunos productos sin cambiar la posición general. Para productos de alto valor, aún se necesita combinar con sistemas RFID o inventarios de muestra aleatorios.

Además, el mantenimiento del sistema requiere cuidado. Lentes de cámara sucios, ángulos de cámara desviados por golpes o cambios de luz afectan la precisión. Establecimos un programa de limpieza de lentes semanal. Este es un costo operativo real, no un costo ficticio.

Creamos que la cámara de IA es una herramienta de monitoreo poderosa, pero solo es efectiva cuando se coloca en un proceso de trabajo claro. No reemplaza a las personas, libera a las personas de tareas repetitivas y agotadoras.

Una pequeña acción que pueden hacer esta semana: Elijan una entrada/salida de almacén con el mayor flujo de mercancías, verifiquen si la cámara IP allí tiene suficiente resolución y un ángulo de visión claro para leer el código de barras del pallet. Si es así, planifiquen probar un módulo de reconocimiento básico. Verán la diferencia desde las primeras alertas sobre pallets en movimiento anómalo.

¿Quieren aplicar IA en su operación? El equipo de AIVISION puede revisar su caso y proponer un piloto realista. Escríbannos aquí.