Un gerente de Circle K llega a su tienda y, antes de abrir la cortina, ya sabe qué anaquel se va a quedar vacío ese día. Ese es el gancho con el que Arkham Technologies y Circle K México presentaron lo que llaman el primer “Agente Operador de Tienda” con inteligencia artificial de la región: un sistema que promete anticipar la demanda, evitar quiebres de inventario y mandar recomendaciones diarias al celular de miles de gerentes y supervisores.
Suena bien. Suena, de hecho, a exactamente lo que el retail lleva pidiendo desde hace rato, dejar de reaccionar cuando el anaquel ya está vacío y empezar a anticiparse. Pero como cualquier nota que mezcla comunicado corporativo con anuncio de producto, vale la pena pararse un momento antes de repetirla tal cual, y hacernos las preguntas que un comunicado de prensa casi nunca responde por sí solo.
Quitando el envoltorio de marketing, la idea es relativamente sencilla de explicar. Circle K y Arkham llevan más de dos años trabajando juntos ordenando datos: unieron su ERP, su punto de venta y otras plataformas transaccionales en una sola plataforma, algo que en el mundo de la tecnología empresarial se conoce como “unificación de datos”. Ese trabajo de plomería digital (poco vistoso, pero que es literalmente donde se atoran la mayoría de los proyectos de IA) es el que permitió después construir un agente, es decir, un sistema de inteligencia artificial capaz de leer esos datos y generar recomendaciones sin que un analista tenga que cruzar reportes a mano.
¿Y qué hace concretamente? Según el material difundido, identifica riesgos de quiebre de stock, detecta productos que no rotan o están por caducar, sugiere qué pedir y cuándo, y avisa qué promociones sí están funcionando. Todo eso llega en forma de prioridades diarias al teléfono del encargado de tienda, en vez de un reporte que alguien tiene que interpretar.
Aquí va el primer punto que vale la pena subrayar, no es un robot que reemplaza al gerente, ni una inteligencia artificial “autónoma” tomando decisiones solas por la tienda. Es, en el fondo, un sistema de recomendación con esteroides, apoyado en datos históricos y en tiempo real. La diferencia entre eso y un tablero de Business Intelligence tradicional está en la proactividad: uno te obliga a ir a buscar la información, el otro te la manda antes de que la pidas.
El material cita tres cifras: 15% menos ventas perdidas por quiebres de inventario, 9% más en el ticket promedio y un retorno de inversión que el director de TI de Circle K, Carlos Guerrero, resume así: “10X ROI. Resultados transformadores.” Isaac Cañas, CEO de Circle K México, lo pone en términos parecidos: “Mayor visibilidad. Menos stock-outs. Mejores márgenes.”
Son cifras atractivas, sin duda. El problema, y esto aplica a prácticamente cualquier caso de éxito que una empresa de tecnología publica sobre sí misma, es que no vienen acompañadas de metodología. No se especifica sobre qué período se midió el 15% menos de ventas perdidas, ni contra qué línea base se compara el 9% de incremento en ticket promedio, ni qué significa exactamente ese “10X” en el retorno, es… ¿10 veces la inversión en la plataforma? ¿10 veces algún indicador operativo puntual? Tampoco hay una auditoría externa o un tercero independiente que valide los datos, algo cada vez más común que las consultoras piden antes de tomar un caso de éxito como referencia seria.
Esto no significa que las cifras sean falsas; de ninguna manera; significa, simplemente, que hoy son un dato de marketing, no un dato verificable, y ambas cosas pueden convivir: una alianza puede estar generando resultados reales y, al mismo tiempo, estar comunicándolos sin el rigor que un análisis periodístico serio necesitaría para tomarlos como verdad absoluta.
Antes de avanzar, hay que ser transparentes con algo, se buscó un comunicado de prensa independiente, ya sea de Circle K México o de su matriz Alimentation Couche-Tard, que confirmara esta alianza de forma corporativa y oficial. No existe tal comunicado. Lo que sí existe es contenido publicado directamente por Arkham en su sitio, en su blog de Medium y en publicaciones de LinkedIn de Retailers Magazine que daba a conocer la noticia.
Esto es relevante porque cambia el estatus de la información, no estamos ante un anuncio corporativo verificado por dos partes de forma independiente, sino ante un caso de éxito redactado por el proveedor de la tecnología (Arkham) sobre su propio cliente (Circle K), con declaraciones de directivos de Circle K incluidas para darle peso. Es una práctica común y legítima en la industria (así funciona buena parte del marketing B2B), pero conviene nombrarla por lo que es.
El material menciona, de pasada, un estudio del MIT según el cual el 95% de las iniciativas empresariales de inteligencia artificial no generan retorno. Es real, y vale la pena entender de dónde sale porque se ha vuelto la estadística más citada del año en el mundo corporativo.
Se trata del reporte “The GenAI Divide: State of AI in Business 2025”, publicado por el proyecto NANDA del MIT Media Lab en julio de 2025. El equipo de investigación revisó más de 300 iniciativas públicas de IA, entrevistó a decenas de ejecutivos y encuestó a más de 150 líderes de negocio. La conclusión central fue que, pese a una inversión empresarial de entre 30 mil y 40 mil millones de dólares en IA generativa, solo el 5% de los proyectos logró un impacto financiero medible; el resto se quedó estancado sin generar resultados de negocio comprobables. El estudio bautizó esa brecha como la “GenAI Divide”.
Lo importante es que el reporte del MIT no concluye que la IA “no sirve”. Concluye que la mayoría de los proyectos fracasan por razones organizacionales, no tecnológicas: herramientas genéricas que se ven bien en una demo pero no aguantan la fricción de un proceso real, falta de aprendizaje continuo del sistema, y equipos que compran tecnología sin rediseñar cómo trabajan alrededor de ella. Justo el argumento que, según recoge la propia nota, el empresario Mark Cuban repitió después: el problema no es la IA en sí, es implementarla sin cambiar los procesos que la rodean.
Ahora, para ser justos con el tema, la preocupación por los quiebres de inventario no nace con esta alianza ni es un problema inventado para vender software; es uno de los dolores de cabeza más caros del retail mexicano.
De acuerdo con datos del INEGI retomados en análisis del sector durante este año, el sobrestock le costó a las empresas mexicanas más de 87 mil millones de pesos en 2025, mientras que los quiebres de stock (el problema inverso, no tener producto cuando el cliente lo busca) generaron pérdidas superiores a los 62 mil millones de pesos en ventas no concretadas. Son las dos caras de la misma moneda: comprar de más o comprar de menos, ambas maneras de perder dinero por no leer bien la demanda.
Ese mismo diagnóstico aparece en el estudio Perceptive Retail de Tata Consultancy Services, publicado a inicios de 2026 tras encuestar a 817 ejecutivos senior de retail en 18 países: la resiliencia de la cadena de suministro y la gestión de inventario se consolidaron entre las prioridades más altas del sector para este año, por encima incluso de otras apuestas más vistosas como los asistentes conversacionales de cara al cliente. El reporte plantea algo que conecta directamente con el caso de Circle K: la inteligencia artificial en retail dejó de vivir solo en el escaparate digital y empezó a mudarse hacia la trastienda, hacia la operación diaria.
Especialistas del Tecnológico de Monterrey, en un webinar de su Escuela de Negocios realizado el año pasado, documentaron un caso con una reducción de 15% en quiebre de inventario gracias a IA aplicada a la predicción de demanda por tienda, una cifra, vale decir, casi idéntica a la que ahora presume Circle K, aunque también señalaron un obstáculo que casi nunca aparece en los comunicados: la IA sigue siendo percibida por consumidores y empleados como una tecnología sin empatía ni intuición, lo que puede frenar tanto su adopción interna como su aceptación de cara al cliente.
La respuesta corta es que sí, probablemente funciona, y el enfoque tiene sentido dentro de un problema real del sector, la combinación de datos unificados con un sistema de recomendaciones diarias es de lo más sensato que puede hacer hoy una cadena con presencia física amplia y descentralizada, sobre todo en un país donde el sobrestock y los quiebres de inventario le cuestan al retail mexicano más de 149 mil millones de pesos al año, según las cifras ya citadas. El reto, más que de la tecnología o de la ambición del proyecto, está en cómo se comunica: sería un buen siguiente paso que las próximas actualizaciones del caso vinieran acompañadas de un poco más de metodología (el periodo medido, la línea base de comparación), algo que sin duda le daría todavía más solidez a una historia que, de entrada, ya tiene un caso de uso genuino detrás.
Para quien trabaja en retail y está evaluando si subirse a este tipo de proyectos, las preguntas que en verdad conviene hacerse son: ¿qué proceso específico vamos a rediseñar antes de meter un agente encima?, ¿cómo vamos a medir el avance conforme pase el tiempo?, ¿qué lugar le dejamos al criterio de la persona que lleva quince años reponiendo ese anaquel?
Hay algo casi aristotélico en todo esto, si se me permite mencionarlo, y es que la diferencia entre tener una herramienta y saber usarla bien no está en la herramienta, está en la práctica repetida y consciente de quien la usa. Un agente de IA puede decirle a un gerente qué anaquel se va a quedar vacío. Lo que sigue construyendo él (con o sin IA) es qué tipo de tienda y qué tipo de servicio quiere ofrecer con esa información. Esa parte sigue siendo, afortunadamente, humana.
Imagen: GPT Images 2.0
Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *
Δ