Lavado de Agentes: Por qué algunos operadores de restaurantes desconfían de la IA sobrevalorada

Para quienes están en la industria de los restaurantes, parece que los despliegues de IA han encontrado un camino accidentado.

En la primavera, Starbucks desactivó un sistema de visión por computadora para contar inventario antes de que cumpliera un año. Ese mismo mes, los mayores franquiciados de Pizza Hut demandaron a la cadena por 100 millones de dólares, alegando que una plataforma de IA obligatoria se averió en más de 110 restaurantes. Leer estos titulares puede llevar a una conclusión sencilla: la IA no está preparada para este negocio.

No ayuda que la otra IA que encuentra un operador sea mayormente hype. En la National Restaurant Association Show de este año, el piso estaba plagado de afirmaciones sobre IA, incluyendo un proveedor que vendía un servicio de desengrase de campanas que, de alguna manera, funcionaba con inteligencia artificial. Khara Mangiduyos, propietaria de Kalei’s Kitchenette en San Diego, no se lo creyó. “¿Quién va a raspar ese aceite?” preguntó a un reportero de Restaurant Business. “No es un bot. No es IA.”

Tanto la táctica del proveedor como los titulares de fracasos generan una desconfianza razonable y de doble capa hacia la propia tecnología. Pero si se profundiza, el éxito de IA que actualmente está escalando la industria no se parece en nada ni a los fracasos de marcas reconocidas ni a los productos lavados de IA.

Cometer errores es parte del envío. Comprar lo equivocado no lo es

Los sistemas que fallan de manera más visible suelen ser los ambiciosos, dirigidos a los trabajos más difíciles e impredecibles. A menudo, crear una nueva tecnología implica lanzarla al mundo, observar sus tropiezos y corregirlos.

Taco Bell es un ejemplo reciente. La cadena recientemente amplió un sistema de pedidos por voz con IA a más de 890 autoservicios, aproximadamente dos años después de que una versión anterior se volviera viral por tomar un pedido de 18 000 vasos de agua. Pero estos despliegues fallidos pueden venir con una etiqueta de precio considerable que, en su mayoría, solo las empresas de nivel empresarial pueden asumir. Es un riesgo que no todos pueden absorber.

En ocasiones, la brecha entre la afirmación y la realidad no es un tropiezo sino una fabricación. En enero de 2025, la SEC acusó a la empresa de voz para autoservicio Presto Automation por declaraciones de que su sistema había “eliminado la necesidad de que los humanos tomaran pedidos”. De hecho, los reguladores descubrieron que la compañía dependía de trabajadores en Filipinas e India para completar la mayoría de los pedidos.

Presto es un caso extremo del mismo impulso detrás del problema creciente conocido como lavado de agentes. En su caso, la “IA” era parcialmente gente. El lavado de agentes significa específicamente comercializar algo como un agente de IA autónomo cuando no lo es.

El engaño radica en el nivel de capacidad de la IA. Ese es el entorno que Gartner advierte a los compradores que deben navegar, en un mercado donde la palabra “agente” se vende como la mejor herramienta de IA nueva disponible. Discutiblemente, con una etiqueta de precio más alta.

“Los líderes de SCP deben prepararse para un futuro de IA agente, pero necesitan separar la capacidad significativa del ruido del mercado”, dijo Jan Snoeckx, analista senior director en la práctica de cadena de suministro de Gartner. “La prioridad hoy no es la autonomía total, sino construir la disciplina operativa, la flexibilidad arquitectónica y los marcos de decisión que permitan que la IA agente escale a medida que la tecnología madure”.

El problema no es que la IA ambiciosa a veces falle; es que esos fracasos moldean la percepción pública de toda la categoría, incluidos los herramientas modestas que nunca intentaron hacer lo difícil desde el principio.

Aquí es donde el lavado de agentes se convierte en lo que a menudo se llama “saltarse el tiburón”, el punto en que una tendencia lleva un truco tan lejos que la audiencia deja de comprarlo. Cuando suficientes proveedores ponen “IA” en suficientes productos, la etiqueta se infla hasta que termina en algo absurdo, como un desengrasante.

Gartner aconseja a los compradores no aceptar la palabra del proveedor de que una herramienta es autónoma. Mucho de lo que se vende como agente no puede funcionar por sí mismo. Sigue un guion y lo llama inteligencia.

En su lugar, utilice automatización simple para trabajos repetitivos, reserve los agentes para tareas de alto volumen donde un error sea barato, y no otorgue autonomía total a problemas complejos todavía.

La IA que a menudo funciona no es tan glamorosa

Las herramientas que entregan silenciosamente para los restaurantes son aquellas dirigidas a una única tarea delimitada.

Mariano Jurich, líder senior de producto en Making Sense que asesora a compañías de mercado medio y respaldadas por capital privado sobre qué IA comprar realmente, dice que el problema comienza con la propia palabra en una industria que nunca ha acordado qué es un “agente”.

“Si puedes describir lo que hace la herramienta con una frase del tipo si-entonces-hacer, entonces probablemente no sea agente al 100 por ciento”, dice. Eso no es una crítica a las herramientas más simples. Para la mayor parte de lo que algunos equipos necesitan, añade, “el agente probablemente sea un exceso”. Si la tarea es repetitiva y basada en reglas, la automatización la maneja sin el costo o el riesgo de liberar a una máquina para que decida por sí misma.

El riesgo existe al introducir un modelo agente para gestionar consultas de clientes o decisiones financieras, sin la supervisión humana adecuada cuando importa. A menudo improvisará, lo cual es lo último que se desea cerca de un cliente o de una cuenta.

La cafetería de Estocolmo que permitió que una IA dirigiera la oficina trasera es una buena ilustración de cómo se ve eso como parte de un experimento. En primavera, el laboratorio de investigación Andon Labs entregó a un agente impulsado por Gemini llamado Mona el control de todo excepto la máquina de espresso, pedidos, permisos, contratación, contratos con proveedores, y le permitió tomar sus propias decisiones. Compró 3 000 guantes de goma y 6 000 servilletas para una pequeña cafetería, almacenó tomates enlatados que nada del menú utiliza, y envió mensajes a los baristas por Slack después del horario. El laboratorio atribuyó los errores a la corta memoria del agente.

James Tice trabajó en pisos de restaurantes antes de pasar a la tecnología y ahora, como jefe de crecimiento en Tab Commerce, una plataforma financiera utilizada por algunas de las mayores marcas de la industria restaurantera, dedica su tiempo a conectar con operadores para entender qué funciona y qué no, todavía.

“‘Mantener a un humano en el circuito’ se ha dicho tantas veces en relación con la IA, en tantas industrias, que ha empezado a sonar como relleno”, dice Tice, quien cree que muchas empresas tecnológicas luchan por comprender cómo trabajan los operadores.

La IA que supera ese umbral, dice, es el tipo del que nadie escribe: conciliar una factura, detectar un sobrecargo de un proveedor, cerrar los libros más rápido. “Los operadores se preocupan específicamente por las finanzas. Necesitan que el trabajo rutinario desaparezca para poder volver al piso”.

Añadiendo que la eficiencia no es el objetivo; es lo que la eficiencia permite. “Se trata de aumentar el tiempo humano”, dice Tice. “No se trata de eliminar a los clientes ni de eliminar la experiencia. Se trata de sobrevalorar la experiencia”.

Por eso él cree que Silicon Valley a menudo mide la tecnología de forma equivocada. “No existe tal cosa como ahorro de tiempo en un restaurante. Sólo hay asignación de tiempo”.

Una herramienta que devuelve al operador treinta minutos solo ha cumplido la mitad del trabajo si no puede responder la siguiente pregunta: “¿De qué estamos quitando tiempo efectivamente, y en qué estamos poniendo tiempo efectivamente?” Una buena, añade, “debe quitar $1 de tiempo y devolver $10 de tiempo. Pero también debe encontrar los $10 de tiempo, así como necesita encontrar el $1 de tiempo”.

Para Tice, todo ese tiempo recuperado apunta a un lugar específico, y es lo único que él insiste en que ningún software debe tocar. Lo que un cliente compra nunca fue realmente la comida. “Gastás 50 dólares en un plato de comida, no estás comprando $50 de comida, estás comprando $50 de experiencia”, dice.

Él argumenta que una sala donde otra persona te sirve solo se vuelve más valiosa, “la importancia del restaurante sigue siendo la misma”. Las herramientas que intentan eliminar a la persona de eso, en su opinión, han interpretado mal todo el negocio. “Cada vez que la IA intenta quitar eso, dice que no entiende nuestra industria”.

Ni Jurich ni Tice están argumentando en contra de la IA, solo buscan entender qué IA corresponde a cada lugar.

“La IA es solo otra herramienta que tienes en tu caja de herramientas para resolver un problema”, dice Jurich. “Y por eso debe ser tratada como tal”.