Esta semana volvió a circular en LinkedIn un post de Boris Verbitsky sobre Just Walk Out, la tienda sin caja de Amazon. No es noticia fresca, el reporte que cita es de abril de 2024. Pero acumuló 264 reacciones y 252 comentarios en pocos días, y el motivo por el que un caso de 2024 sigue generando conversación en 2026 me interesa más que la anécdota en sí.

Lo automático se lleva lo visible, no lo difícil

Automatizas la fila, la caja, la tarjeta. Eso es lo que el cliente ve y lo que el proveedor te enseña en la demo. El trabajo que la cámara no puede resolver sola no desaparece. Se muda a alguien que revisa la excepción en una pantalla, normalmente donde la mano de obra cuesta menos que en el país donde vendes.

Antes de firmar con cualquier proveedor de automatización con IA, hay cuatro preguntas que importan más que el pitch de las cámaras y el deep learning. ¿Cuál es la tasa de excepción real? ¿Quién la resuelve? ¿Dónde vive esa persona o ese equipo? ¿A qué costo por hora? Si el proveedor contesta con seguridad, buena señal. Si titubea, ahí está el margen que no te mostró en la propuesta.

Lo que pasó realmente con Just Walk Out

Amazon Go, la primera tienda con Just Walk Out, abrió como beta interna para empleados el 5 de diciembre de 2016 en Seattle. Al público general no abrió sino hasta el 22 de enero de 2018, más de un año después, según Wikipedia. No en 2016, como dice el post que hoy circula.

Amazon vendió Just Walk Out como visión artificial, sensor fusion y aprendizaje profundo, sin caja ni fila. En abril de 2024, reportes basados en The Information revelaron que más de 1.000 personas en India etiquetaban video y revisaban las transacciones que las cámaras no podían resolver solas, según Retail Technology Innovation Hub.

Amazon respondió en su propio sitio que los reportes eran “erróneos” y que sus asociados “no observan video en vivo de los compradores para generar el recibo, eso lo hace automáticamente el algoritmo de visión artificial”. Dijo que el trabajo de esas personas es etiquetar y anotar video después de los hechos, “no distinto de cualquier otro sistema de IA que valora la precisión, donde los revisores humanos son comunes”, según su propio comunicado.

Fíjate en lo que Amazon negó y en lo que confirmó. Negó que alguien mirara en vivo. Confirmó que existe un equipo humano revisando y corrigiendo lo que el modelo no resolvió solo, como parte normal del sistema. Las cámaras eran reales. El aprendizaje automático era real. Lo que faltaba en la historia que Amazon contaba era ese equipo.

Ese mismo abril, Amazon anunció que retiraba Just Walk Out de sus tiendas Amazon Fresh y las pasaba a los carritos Dash Cart, donde el comprador escanea sus propios productos con una cámara en el carrito, según Digital Commerce 360. La tecnología no desapareció. Amazon la mantuvo en tiendas Amazon Go y la sigue vendiendo a terceros. Pero en el formato de supermercado, donde el volumen de excepciones sube con cada producto nuevo en el estante, decidió que no valía la pena.

La versión chica: el dueño es el fallback

En los comentarios del post de Verbitsky, alguien identificado como Abdullah M. bajó el caso a la escala de un negocio que no tiene 1.000 personas en India de respaldo. Si no las tienes, el fallback eres tú. Escribió algo que se me quedó grabado: “The tell shows up in the support inbox before the P&L does” (la señal aparece en la bandeja de soporte antes que en el estado de resultados). Su prueba: si después del tercer mes tus respuestas manuales a excepciones superan a las automáticas, el sistema nunca estuvo terminado.

Esa prueba sirve para cualquier tamaño de empresa. No preguntes solo si el sistema funciona. Pregunta cuántas veces por semana alguien de tu equipo, o tú mismo, termina resolviendo a mano lo que se suponía que la IA resolvía sola.

El mapa que hace esa pregunta antes de que compres

Ya escribí sobre cómo la IA mueve el cuello de botella en lugar de quitarlo. Just Walk Out es el mismo patrón con nombre y apellido: el atasco no desapareció, se movió a un cuarto en India donde nadie lo veía desde Seattle.

Por eso la primera fase de AI Maestro no empieza preguntando qué modelo usar. Empieza con el Mapa de la Realidad del Proceso, que responde dónde vive cada excepción, quién la resuelve hoy, cuánto tiempo le toma y qué pasaría si esa persona se enferma mañana. Ese mapa es el que te habría dicho, antes de firmar con cualquier proveedor de “cero fricción”, cuánta gente de verdad hace falta detrás de la cámara.

La próxima vez que un proveedor te muestre una demo perfecta, pregúntale por el cuarto al fondo del pasillo. Si no tiene una respuesta con números, la excepción te la vas a comer tú.