Implementar la auditoría de anaqueles con IA: checklist de 30 días

05/10/2026

Los proyectos de IA en el punto de venta rara vez tropiezan solo por el modelo de reconocimiento. Tropiezan con cosas muy cotidianas: planogramas regados en correos, promotores que no entienden por qué de pronto tienen que tomar mejores fotos y un dashboard muy bonito que nadie tiene asignado leer. Los treinta días iniciales son cuando esos problemas salen a la luz, o se resuelven.

El checklist de abajo divide la implementación de la auditoría de anaqueles con IA en etapas semanales. Está pensado para equipos de trade marketing y sales ops que se preparan para llevar VTraks a una red con muchas tiendas. No es la única forma correcta de hacerlo. Es el orden que me parece más sensato para no tener que rehacer trabajo.

Antes del día 1: definir el problema y el alcance

• Elegir una pregunta principal: cumplimiento del planograma, anaqueles vacíos o fotos fraudulentas. Se pueden medir las tres, pero conviene tener una métrica principal que todo el equipo mire.
• Elegir regiones piloto: dos regiones con canales distintos, por ejemplo una con muchas tiendas de conveniencia y otra con muchas tienditas.
• Elegir categorías: una o dos categorías con programas de exhibición realmente activos, para tener planogramas reales contra los cuales calificar.
• Nombrar responsables: una persona de trade marketing, una de sales ops y un gerente de zona en cada región piloto.

Si necesitan un resumen de funciones para la junta de alcance, la página de VTraks en aivision.mx es el punto de partida más compacto.

Días 1 a 7: limpiar la base

Esta semana nadie toma fotos. Suena aburrido, pero es la semana que define todo lo que sigue.

• Revisar el catálogo de SKU y separar con claridad los propios de los SKU de la competencia que quieren seguir.
• Cargar los planogramas en la plataforma de VTraks y definir las reglas para aplicarlos según fecha, ubicación y tienda. La plataforma maneja miles de planogramas, así que no fuercen varios tipos de anaquel en un solo planograma nada más por orden.
• Reescribir los requisitos vagos como criterios medibles: número de frentes, nivel de charola, qué producto va junto a cuál.
• Armar la lista de tiendas piloto, etiquetadas con el canal, la región y el responsable correctos.

Días 8 a 14: capacitar al equipo de campo

• Hacer una sesión corta en una tienda real, no en una sala de juntas. Tomar una foto mal y luego ver el resultado es la forma más rápida de aprender.
• Acordar un estándar de foto: de frente, con toda la altura del anaquel y sin nada que estorbe. Los anaqueles largos se fotografían en serie, ya que VTraks acepta hasta 200 fotos por escaneo y cuenta cada producto una sola vez.
• Decir claramente que las fotos duplicadas, falsas y tomadas a una pantalla se revisan automáticamente. Dicho desde antes, es una regla. Dicho después, se siente como una trampa.
• Explicar para qué sirven los resultados de Pasa y No pasa. Si el equipo cree que es una herramienta para cachar a la gente, va a tomar fotos para pasar, no para mostrar la realidad.

Días 15 a 21: correr en paralelo y calibrar

Es la semana para cuestionarlo todo, incluida la IA.

• Tomar una muestra de tiendas y pedir a los supervisores que las califiquen a mano en paralelo con los resultados de VTraks. Donde no coincidan, buscar la causa: la foto, el planograma, la persona que califica o el propio reconocimiento.
• No se apresuren a decidir quién se equivocó. Revisen si el planograma se configuró bien y si las fotos cumplen el estándar antes de mirar el reconocimiento.
• Sentarse con los gerentes de zona a revisar las fotos marcadas por posible fraude. Distinguir un descuido de una trampa intencional antes de hablar con nadie.
• Medir el tiempo de cada visita antes y después. Si las fotos alargan mucho la visita, corrijan el proceso en lugar de presionar a los promotores para que corran.

Días 22 a 30: integrarlo al ritmo de operación

• Armar dashboards por región sobre el data lake compartido. Cada pantalla debe responder una pregunta concreta; si no, fuera.
• Llevar la lista de tiendas que no pasan a la junta del lunes, con un responsable y una fecha límite para cada una.
• Empezar a leer los datos de competencia y precios. Vienen del mismo escaneo, pero necesitan a alguien que conozca el mercado para interpretarlos.
• Acordar los criterios para escalar: porcentaje de fotos que cumplen el estándar, qué tanto coinciden la IA y la calificación manual en la muestra y cuántos problemas se corrigieron de verdad en tienda.

Lo que conviene dejar para después del día 30

No liguen bonos ni sanciones a la calificación de la IA en estos treinta días, y aun después, que la decisión final la tome una persona. El equipo necesita tiempo para confiar en los números, y ustedes también. No amplíen a todas las categorías al mismo tiempo solo porque el piloto salió bien. La escala rara vez es el cuello de botella: según las cifras publicadas en vtraks.com, el sistema ha atendido a más de 1 millón de tiendas. El cuello de botella suele estar en las personas y en los procesos que las rodean.

Y no midan el éxito por el número de fotos escaneadas. Un millón de fotos nunca ha arreglado un solo anaquel por sí mismo. La pregunta que vale la pena hacerse el día 30, y también el día 300, es cuántos anaqueles se corrigieron de verdad gracias a esos datos.