Cero errores de alérgeno entre referencias

El problema

El error de alérgeno nunca es un fallo único.

El dolor capital de una fábrica de croquetas gourmet con 18 referencias y venta a gran distribución es siempre el mismo: cero errores de alérgeno o etiquetado erróneo entre referencias.

• Es la suma de una hoja de formulación mal cuadrada, una limpieza firmada de prisa, una bolsa del estuche anterior que quedó en la envasadora y un lote que nadie contrastó con la etiqueta.
• Cada eslabón por separado parece aceptable y pasa su propio control. Juntos producen la bolsa que declara «sin crustáceos» y lleva traza de marisco.
• Con 18 referencias, lotes cortos y varios formatos de la misma receta, los cambios se acumulan y la exposición con ellos.
• Y la consecuencia no se queda en la planta: una retirada de producto en gran distribución cuesta el lineal, la certificación y la marca, que en gourmet es el activo que sostiene el precio.

Cómo encaja con el sistema IRIS

Agents — los once casos anteriores, cruzados en seis anillos.

La orden de fabricación y el pedido de tienda definen la referencia y sus alérgenos desde el origen, ya validados por Connect. El arranque de lote valida que la formulación corresponde a la referencia planificada; la cámara Edge sobre el envasado lee lo que se está empaquetando y lo cruza con la referencia activa. Si no coincide, JIDOKA AI bloquea la línea.

Ningún anillo por separado resuelve el problema: cada uno ya existe hoy en alguna forma y aun así la bolsa se escapa. La fuerza está en el cruce, porque lo que delata la concatenación es que varias fuentes independientes dejen de concordar sobre el mismo lote, y eso ningún control aislado lo puede ver.

Ver la arquitectura IRIS completa →

Antes y después

Los seis anillos, y qué cierra cada uno

Anillo	De qué casos sale	Qué cierra
1 · Origen	Arranque de lote (1) + recepción (7)	Qué referencia y qué alérgenos declara el lote
2 · Demanda	Tienda online (8) + aviso de proveedor (3)	Qué se produce, para qué canal y con qué ingrediente
3 · Proceso	Túnel IQF (2) + Excel de calidad (6)	Curva, tiempo de residencia y controles del lote
4 · Línea	Defecto de empanado (9) + limpieza (10)	La pieza mala y el arranque sin limpieza validada
5 · Verificación	Tableta (5) + voz del jefe de producción (4)	Que ningún dato entra sin que una persona lo vea
6 · Evidencia	Dossier IFS (11)	El expediente del lote, cerrado sin trabajo posterior

Riesgo latente de mezcla de alérgeno en cada cambio de referencia → Discrepancia detectada en línea, antes de salir a distribución.

Estimación de impacto

Estimación de impacto — a validar con vuestros números.

El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Payback estimado 6-12 meses, medido frente a la primera retirada evitada.
• Protección frente a una retirada de producto, cuyo coste único se cuenta en decenas o cientos de miles de euros entre destrucción, logística inversa, penalización del distribuidor y daño de marca.
• La discrepancia entre la referencia activa y lo que se está envasando se detecta en línea, antes de que el palé salga a distribución.
• Y la relación con el distribuidor de gran superficie deja de depender de que no pase nada.

Payback 6-12 meses · protección frente a retirada de producto. El retorno estimado es de 6 a 12 meses frente a la primera retirada evitada, protegiendo además la relación con el distribuidor de gran superficie. Estimación a validar con dirección y calidad.

Y la duda razonable del responsable de producción

«¿Hay que desplegar los doce casos para tener esto?» — no, y plantearlo así es la forma de no empezar nunca. Los anillos se construyen por capas y cada caso paga solo desde el primer mes. Con el arranque de lote y la tienda online ya tenéis los anillos 1 y 2, que es donde nace la referencia con su lista de alérgenos. Las capas de línea se apoyan en la misma verificación de dos toques, con la extracción anclada que baja del 1,5% de error [1].

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.