Proceso de control de góndola: el impacto de la AI Visibility en FMCG

09/10/2026

Introducción: La realidad cruda del 'Share of Shelf' y el proceso de Display Scoring

En cualquier supermercado de Ciudad de México o Guadalajara, verán que las góndolas suelen estar en un estado de desorden caótico. Los productos de la competencia sobresalen, mientras que los suyos quedan ocultos tras capas de empaques. Este es un fenómeno que todos los distribuidores de FMCG conocen, pero pocos pueden medir con precisión la frecuencia con la que ocurre. El Share of Shelf no es solo una estadística, sino un indicador de supervivencia de la marca en el punto de venta. Si el producto no está presente en la posición correcta y con la proporción adecuada, las ventas caerán de inmediato, y probablemente no se den cuenta de la causa hasta que llegue el informe de ventas del siguiente trimestre.

El problema central reside en el proceso de puntuación de exhibición (display scoring). Este es el paso decisivo en la cadena de valor desde la fábrica hasta la góndola. Si esta etapa es débil, todos los esfuerzos de marketing previos serán en vano. Actualmente, la mayoría de las empresas aún dependen de procesos manuales o semiautomáticos ineficientes. Analizaremos este proceso, examinaremos los errores fatales que suelen cometer los gerentes y en qué punto de la cadena la AI Visibility (a través de la tecnología de Visión Artificial) puede intervenir de manera más efectiva.

Error 1: Depender del 'ojo' del empleado y de hojas de cálculo obsoletas

Este es el error más común, especialmente en las pequeñas y medianas empresas. El proceso suele ser así: el supervisor recorre la tienda, toma algunas fotos con su celular personal y luego se sienta en la oficina para 'ver con el ojo' y llenar un archivo de Excel. Una sola foto puede tardar de 5 a 10 minutos en analizarse manualmente si se requiere detalle por cada SKU.

¿Cuál es la consecuencia? Primero, la velocidad es demasiado lenta. La información sobre si la competencia está invadiendo el espacio llega al departamento de marketing cuando ya es demasiado tarde para actuar. Segundo, el error humano. Cuando están cansados, los empleados pueden pasar por alto un SKU faltante o evaluar incorrectamente la proporción del área de exhibición. La brecha entre la realidad en la góndola y los datos en el informe puede llegar a ser del 20 al 30%. En una cadena con miles de tiendas, el riesgo de que los empleados modifiquen los datos a su antojo o incluso 'maquillen' los informes para mostrar progreso es significativo. Están tomando decisiones estratégicas basadas en datos distorsionados.

Error 2: Creer que tomar fotos es suficiente e ignorar la validación de los datos de entrada

Muchas empresas piensan que solo con recopilar imágenes pueden procesar la información. Ignoran un detalle técnico crucial: la calidad y la autenticidad de los datos de entrada. En la práctica, los empleados pueden capturar pantallas de internet, usar fotos antiguas para reportar o tomarlas desde ángulos ocultos donde la cámara no puede reconocer el código de barras o el nombre del producto.

La falta de una capa de validación automática hace que todo el proceso sea frágil. Si el sistema de IA recibe una imagen falsa, emitirá un resultado incorrecto y el equipo de gestión perderá tiempo valioso verificando manualmente. Es aquí donde la tecnología de Visión Artificial (AI Visibility) demuestra su valor. En lugar de ser solo un reconocedor de rostros o escritura, las soluciones especializadas para retail como VTraks de AIVISION se centran en detectar imágenes duplicadas, falsas o capturas de pantalla desde la entrada. Si la imagen no cumple con los estándares, el sistema rechazará el procesamiento o emitirá una alerta, garantizando que todos los datos que llegan al tablero de control sean 'sustancia' y no 'basura'. Esto ahorra horas de trabajo al equipo de operaciones.

Error 3: Puntuación manual y falta de sincronización en los criterios del Planogram

Incluso con imágenes de calidad, la puntuación del cumplimiento del planogram (dibujo de disposición de la góndola) suele presentar desviaciones debido a criterios no uniformes. El empleado A podría dar 8/10 porque hay suficiente stock, mientras que el empleado B da 5/10 porque la posición no es la correcta. Esta subjetividad elimina el significado de comparar el rendimiento entre tiendas o regiones.

La solución radica en automatizar completamente la puntuación. Con una precisión declarada del 99,97% en vtraks.com, las soluciones de IA actuales pueden procesar cada imagen en menos de 1 segundo. El sistema comparará la imagen real con el planogram estándar definido previamente y dará un resultado de 'Aprobado' o 'No aprobado' de manera objetiva. Ya no hay debates sobre el ojo humano. Los datos de millones de tiendas se recopilan en un tablero de control común, permitiendo a la gerencia ver el panorama completo del Share of Shelf en tiempo real. Al detectar una región con una tasa de cumplimiento inusualmente baja, el equipo de ventas puede intervenir el mismo día, en lugar de esperar al fin de semana.

Compensaciones y aspectos pendientes en el proceso de Visión Artificial

La implementación de AI Visibility no es una varita mágica que lo convierta todo en verde. Hay compensaciones que deben aceptarse. El costo inicial de integrar el sistema y capacitar a los empleados para tomar fotos correctamente sigue existiendo. Además, la Visión Artificial solo resuelve las etapas de 'ver' y 'medir'. No organiza automáticamente los productos en la góndola. Las personas aún deben bajar al campo para mover productos, pegar precios y gestionar productos vencidos. La IA es una herramienta de apoyo para la toma de decisiones, no un robot de limpieza.

Además, la calidad del planogram original es un factor clave. Si el planogram que ingresan al sistema está incorrecto o no se adapta a la realidad del local, los resultados de la puntuación reflejarán esa desviación. Las empresas deben actualizar y ajustar continuamente el planogram basándose en los datos de retroalimentación del propio sistema de IA. Este es un ciclo de mejora continua que requiere una estrecha coordinación entre los departamentos de marketing, ventas y TI. Actualmente, aún no existe una solución que automatice por completo la etapa de 'acción' tras detectar una desviación. La integración con aplicaciones de gestión de ventas o software de control de asistencia para generar automáticamente tareas para el equipo de ventas sigue siendo un vacío que debe llenarse. Pero a cambio, obtener datos precisos, rápidos y honestos a través de la Visión Artificial ha resuelto el 80% del dolor de la transparencia en el canal minorista tradicional. Este es un fundamento sólido para que cualquier estrategia de crecimiento pueda sostenerse.

AIVISION acompaña a empresas en México y Asia con soluciones de IA en producción. Agenden una llamada para ver si encaja con su caso.