Un grupo de emprendedores en Chile decidió integrar inteligencia artificial en máquinas expendedoras para crear una experiencia innovadora, automatizada y sin fricciones. Pero lo que parecía una apuesta tecnológica brillante terminó costándoles cientos de dólares. ¿La razón? Un algoritmo de visión artificial mal calibrado que confundía productos, activaba entregas erróneas y nunca detectaba robos. La historia dejó una gran pérdida, pero también varias enseñanzas de valor para quienes lideran productos basados en IA.
La promesa rota de la automatización total
El proyecto apostaba por eliminar por completo la intervención humana: sin supervisores, sin reabastecimiento asistido y con pagos 100% digitales. Sin embargo, cuando el algoritmo comenzó a fallar en reconocer si el producto había sido efectivamente tomado o no, el sistema perdió el control del inventario. Esto provocó que clientes se llevaran productos sin pagar o que, tras un error, se repitieran entregas al intentar solucionarlo de forma remota.
Además, la falta de datos reales y pruebas controladas llevó a confiar ciegamente en un sistema no preparado para operar en entornos variables. El modelo no distinguía sombras, cambios de luz ni comportamientos anómalos de los usuarios.
Del mismo modo en que una startup no lanza sin testear su MVP, la IA necesita entrenamiento constante con datos reales y entornos de prueba exigentes. El equipo aprendió que la automatización no es mágica ni lineal: requiere iteración, monitoreo y ajustes continuos. También entendieron que eliminar al humano de la ecuación puede salir más caro que incorporarlo estratégicamente.
Profundiza en la conversación con: Amazon invierte en inteligencia artificial
