Picking en papel, dato digital en el segundo cero

El problema

El documento que dice lo que ha salido pasa horas en una bandeja.

El mozo la marca a mano mientras recorre los pasillos con la carretilla, y luego la deja en una bandeja hasta que alguien la transcribe al cierre del turno — si es que le da tiempo ese mismo día. Si hay una discrepancia entre lo preparado y lo que llevaba el pedido, hoy se descubre normalmente cuando el cliente llama para reclamar, no antes de que el camión salga.

• La hoja de picking es la única prueba de lo que de verdad se preparó: qué referencia, qué cantidad, de qué ubicación y para qué cliente. El mozo la marca a mano mientras recorre los pasillos con la carretilla, y ahí apunta también la rotura, la falta o el cambio de ubicación.
• Terminado el pedido, la hoja va a una bandeja del muelle y espera a que alguien la transcriba al cierre del turno, si es que da tiempo ese mismo día. Con picos de expedición, la bandeja pasa al día siguiente.
• Durante esas horas el palé ya está precintado y el camión puede haber salido, pero en el WMS la preparación todavía no existe tal y como se hizo: existe tal y como se pidió.
• Una discrepancia entre lo preparado y lo pedido se descubre cuando el cliente llama para reclamar, no antes de que el camión salga del muelle, y entonces ya es una devolución.

Cómo encaja con el sistema IRIS

Connect en modo foto — el mozo sigue marcando su hoja como siempre.

El mozo hace una foto a la hoja completada antes de precintar el palé. Un LLM anclado extrae referencia, cantidad, ubicación y cliente de cada línea, y lo guarda en memoria central en el segundo cero. No hay pantalla nueva que aprender ni proceso que cambiar: sigue marcando la hoja como siempre. Lo único distinto es que ahora, además del papel, existe el dato digital al instante.

No hay pantalla nueva ni proceso nuevo: el mozo añade una foto a lo que ya hacía antes de precintar. En un almacén con mozos de tres clientes a la vez y rotación de personal en temporada alta, lo que no cambia el hábito es lo único que se adopta desde el primer día. Por eso este suele ser el primer caso que se aprueba.

Ver la arquitectura IRIS completa →

Antes y después

El picking en bandeja frente al picking capturado

Aspecto	Hoy, en papel	Con iLEAN Connect
Cuándo existe la preparación en el sistema	Al cierre de turno, si da tiempo	Segundo cero, con la foto
Línea marcada a mano por rotura o falta	Se pierde en la transcripción	Extraída y atada al pedido
Error de preparación	Lo descubre el cliente	Visible antes de cargar
Trabajo de administración	Teclear hojas una a una	Revisar lo que se marca dudoso
Ubicación de la que salió cada línea	En el papel, en una bandeja	Consultable por pedido y cliente
Hábito del mozo	—	Sin cambios: una foto

Antes: la hoja de picking vive en una bandeja del muelle horas hasta la transcripción manual. Después: el dato de la preparación existe en el sistema central en el segundo cero, en cuanto se hace la foto.

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 4-9 meses, según el número de pedidos preparados al día y de hojas que hoy se transcriben.
• Se recupera el tiempo de transcripción administrativa de las hojas de picking, que en temporada alta es el primero que se acumula.
• De horas de latencia al segundo cero en cada preparación, también en el turno de noche y en fin de semana.
• Y desaparece la ventana en la que un error de preparación viaja sin que nadie lo vea, que es la que acaba en reclamación.

Payback 4-9 meses · de horas de latencia al segundo cero en cada preparación. Se recupera el tiempo de transcripción administrativa y se elimina la ventana de horas en la que un error de preparación viaja sin que nadie lo vea.

Y la duda razonable del responsable de producción

«¿Y si lee mal una cantidad tachada a boli?» — leer líneas de una hoja de picking cuya estructura sale de vuestro propio WMS es tarea anclada: el sistema ya sabe qué referencias y cantidades se pidieron y busca la diferencia, no adivina. En tareas así los mejores modelos bajan del 1,5% de error [1]. Y hay segunda red: lo que no cuadra con el pedido o llega con poca confianza se marca, y el jefe de muelle lo confirma en la tableta antes de que cruce al sistema.

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