Mantener un control preciso del inventario y su correcta exhibición es un verdadero desafío logístico para empresas cerveceras que distribuyen diversas marcas en decenas de miles de puntos de venta.
Este fue el reto al que se enfrentó nuestro cliente, que realizaba el control manualmente, analizando miles de fotos enviadas por las tiendas. Esto suponía un equipo humano dedicado a validar la disposición de los productos en neveras y estanterías, una tarea que se vuelve abrumadora al manejar hasta 5.000 imágenes por día.
En este caso de uso, te contamos cómo resolvimos este problema operativo con nuestra innovadora solución de IA busca resolver.
Qué hicimos
Para transformar este proceso, empleamos el poder de la visión por computadora. Nuestra solución automatiza la mayor parte del trabajo, permitiendo al equipo humano enfocarse solo en un pequeño porcentaje de casos complejos, reduciendo su carga a menos de 100 revisiones diarias.
Diseñamos un flujo de trabajo basado en un sistema de múltiples modelos de detección de objetos y OCR (Reconocimiento Óptico de Caracteres). Cada uno de estos modelos fue entrenado y optimizado por nuestro equipo, lo que nos permitió:
- Detectar imágenes falsas (capturas de pantallas o fotos a pantallas).
- Detectar y leer etiquetas de precios.
- Identificar todas las latas y botellas.
- Diferenciar entre las distintas marcas.
No nos apoyamos en grandes modelos genéricos o soluciones preexistentes. En su lugar, personalizamos cada parte del proceso para ofrecer una solución a medida, garantizando la máxima precisión y eficiencia para las necesidades específicas de nuestro cliente.
Retos
Los principales desafíos en este proyecto fueron dos: minimizar los costos operativos y lograr leer carteles con escritura a mano.
Optimización de costos y eficiencia
El primer reto, la optimización de costos, fue el que supuso mayor esfuerzo. Al tener que ejecutar tres tareas de visión por computadora en paralelo (detección de precios, latas/botellas y diferenciación de marcas), necesitábamos una solución extremadamente eficiente para procesar miles de imágenes sin demoras excesivas.
Para superar esto, seleccionamos modelos de IA que, aunque no eran los más grandes o complejos, ofrecían una alta eficiencia computacional. Esto implicó un entrenamiento más complejo por nuestra parte, ya que el objetivo era la velocidad sin sacrificar precisión crítica. Además, para exprimir hasta el último bit de rendimiento, convertimos estos modelos al formato ONNX. Esto optimiza el modelo para ser ejecutado de forma más rápida en diferentes plataformas, lo que es crucial para un procesamiento masivo y de bajo costo.
Reconocimiento de escritura manuscrita
El segundo reto, la lectura de carteles manuscritos, nos obligó a realizar un análisis exhaustivo. Cada cartel presentaba una caligrafía única, lo que hacía que el reconocimiento fuera muy variable. Identificamos patrones de fallo en el modelo de OCR y, mediante la aplicación de técnicas de programación y un conjunto de reglas lógicas, logramos cubrir con éxito el 87% de los casos.
- Baja calidad y decimales ilegibles
- Texto confuso
- 1 confusos (muy habitual)
- Tinta poco nítida
Aunque modelos más grandes como GPT-4o o similares habrían simplificado esta tarea, su uso no era viable debido a los requisitos fundamentales de eficiencia y costos bajos del proyecto. La clave fue encontrar un equilibrio entre la precisión y la viabilidad económica.
Beneficios obtenidos
Nuestra solución de IA ha generado beneficios significativos.
Para nuestro cliente, el impacto es directo: la optimización del proceso de análisis. Al automatizar la revisión de imágenes, han logrado un aumento sustancial en la eficiencia. Esto no solo se traduce en una reducción de los costos humanos en tareas repetitivas, sino que también les proporciona la capacidad de escalar sus operaciones y expandir su alcance sin las limitaciones de la validación manual.
A nivel interno, este proyecto ha sido fundamental para nuestro crecimiento. Hemos logrado desarrollar todo el proceso de forma ordenada y modular. Esto significa que, en el futuro, seremos capaces de entrenar nuevos modelos de detección de objetos de forma mucho más rápida y sencilla, aplicando esta metodología a otros desafíos y clientes.
KPIs del proyecto
El éxito de nuestra solución se mide a través de varios KPIs tangibles. Hemos logrado una reducción de más del 95% en el número de imágenes que requieren revisión humana, pasando de miles a menos de 100 casos complejos diarios. Esto se traduce directamente en una optimización del tiempo de procesamiento y una reducción significativa en los costos operativos asociados a la validación manual. Además, la precisión del 87% en el reconocimiento de escritura manuscrita asegura una alta fiabilidad en la lectura de precios, minimizando errores y retrabajos para el equipo de nuestro cliente.
¿Quieres aprovechar el poder de la IA Generativa para afrontar tus retos de control de stock y automatización? Contamos con un equipo experto en IA Generativa y Data que han desarrollado GenIA Ecosystem, un ecosistema de soluciones propias de IA conversacional, generación de contenido y data adaptadas a las necesidades del sector. Trabajamos conjuntamente con el área de Retail y distribución para aportar valor con tecnología. ¡Cuéntanos tu desafío!
¿Quieres más información sobre nuestros servicios de inteligencia artificial para control de stock?
Contacta con nuestro equipo experto de Data e IA
