Visión por computadora para negocios: dónde se aplica y cuánto cuesta
La visión por computadora (Computer Vision, CV) es cuando cámaras y modelos de IA miran fotos o vídeo y responden preguntas de negocio: ¿hay un defecto en la pieza?, ¿está libre el aparcamiento?, ¿la estantería coincide con el planograma?, ¿quién entró al local? No es “magia de la cámara”, sino la cadena cámara → modelo → regla → acción en el sistema de gestión. Abajo - dónde la CV realmente se amortiza, de qué se compone el presupuesto y cuánto cuesta un piloto, una API en la nube y un despliegue industrial en 2026.
- Esencia - el modelo reconoce objetos, defectos, texto, rostros o eventos en imágenes y vídeo
- Dónde funciona - fabricación, retail, logística, seguridad, documentos, agricultura
- Presupuesto API - desde $0,50-3 por 1 000 fotogramas en la nube; SaaS - $100-2 000/mes
- Piloto (MVP) - suele ser $3 000-15 000 y 3-8 semanas
- Producción en planta / cadena de tiendas - $20 000-120 000+ con cámaras, integraciones y formación
- Riesgo principal - comprar una “cámara con IA” sin datos, métricas de calidad ni dueño del proceso
Qué es la visión por computadora en palabras simples
Una cámara normal graba la imagen. La visión por computadora extrae sentido para decidir:
- «hay una pieza agrietada en la cinta»;
- «en la estantería falta el producto A»;
- «matrícula ABC123 en la entrada»;
- «cola de más de 5 personas en caja»;
- «en el escaneo del pasaporte se reconocieron nombre y serie».
Técnicamente es una familia de modelos: clasificación, detección de objetos (a menudo YOLO y similares), segmentación, OCR, seguimiento de personas y vehículos, a veces reconocimiento facial. Para el negocio importa menos el nombre de la red que la precisión con sus datos, la latencia y el enlace con ERP, CRM, WMS o MES.
A diferencia de la “videoanalítica de un proveedor”: la caja lista sirve para escenarios típicos (perímetro, aforo). El desarrollo a medida en Python hace falta cuando el objeto es específico, la precisión es exigente o hay que integrarse profundamente en el proceso.
Dónde se aplica en el negocio
| Sector | Tareas típicas | Valor para el negocio |
|---|---|---|
| Fabricación | Control de calidad, piezas faltantes, posicionamiento | Menos scrap, menos QC manual |
| Retail | Estantes vacíos, planograma, colas, merma | Mejor disponibilidad, reacción más rápida |
| Logística y almacén | Palés, códigos, embalaje dañado, carga | Menos errores de envío, recepción más rápida |
| Seguridad | Zonas de acceso, objetos abandonados, EPP | Menos incidentes y multas |
| Documentos | OCR de facturas, albaranes, ID, tickets | Entrada más rápida, menos errores |
| Auto y transporte | Matrículas, parking, telemática por vídeo | Automatización de accesos y tarifas |
| Agricultura | Enfermedades, madurez, conteo de frutos | Mejores decisiones de tratamiento y cosecha |
| Salud / laboratorios | Etiquetado, conteos (bajo control clínico) | Acelera rutina - no sustituye al médico |
No todas las tareas rembolsan igual. Mejor ROI donde el error humano es caro y repetido: defectos en línea, SKU vacíos, equivocaciones en almacén.
Escenarios típicos y efecto orientativo
1. Control de calidad en producción
Una cámara sobre la línea captura el producto; el modelo marca el defecto; la línea rechaza o llama al operador.
- Efecto: reducción de scrap del 20-70% frente al QC manual con iluminación estable y muestra etiquetada.
- Piloto: 4-10 semanas.
- Riesgo: cambios de luz, nuevos artículos, “demo bonito” sin turno de noche.
2. Retail: disponibilidad en estantería (OSA)
Fotos 2-4 veces al día o cámaras de techo → informe «falta / poco / mal colocado».
- Efecto: subida de ventas por disponibilidad - a menudo 1-3% de la categoría donde los huecos eran crónicos.
- Plazo: 3-8 semanas en 1-3 tiendas.
- Riesgo: muebles distintos, brillos, personal tapando la estantería.
3. Almacén y logística
Lectura de códigos, comprobación de palés, daños en recepción.
- Efecto: menos horas de escaneo manual, menos reclamaciones.
- Plazo: 4-12 semanas con integración WMS.
- Riesgo: polvo, reflejos de film, embalaje no estándar.
4. OCR de documentos
Escaneo → reconocimiento de campos → borrador en 1C / ERP / hoja.
- Efecto: alta de factura en 30-90 segundos en lugar de 5-15 minutos.
- Plazo: 2-6 semanas para formularios típicos.
- Riesgo: malos escaneos, manuscrito, normas de datos personales.
5. Seguridad y compliance
Casco en obra, entrada a zona prohibida, equipaje abandonado.
- Efecto: menos multas y paradas; a veces menos riesgo asegurador.
- Importante: marco legal (avisos, retención de vídeo, biometría) - partida aparte.
De qué se compone el coste
El presupuesto completo de CV no es solo “la red neuronal”.
| Bloque | Qué incluye | Peso en un proyecto típico |
|---|---|---|
| Datos | Captura, etiquetado, aumentos, set de test | 15-35% |
| Modelo | Entrenamiento / fine-tuning, métricas, regresión de calidad | 15-30% |
| Software e integraciones | API, panel, enlace ERP/MES/WMS/CRM | 15-35% |
| Hardware | Cámaras, iluminación, edge PC / GPU, red | 10-40% |
| Implantación | Montaje, calibración, formación, procedimiento | 10-20% |
| Explotación | Nube, energía, reentrenamiento, soporte | recurring |
Sin el bloque datos el proyecto casi siempre falla: un modelo entrenado con fotos ajenas ve mal sus defectos y sus estanterías.
Cuánto cuesta: rangos 2026
Cifras orientativas de mercado (CEI / Europa del Este / proveedores remotos). El presupuesto exacto depende de cámaras, FPS, precisión e integraciones.
Nivel A - APIs en la nube y servicios listos
| Solución | Precio orientativo | Cuándo basta |
|---|---|---|
| Google / AWS / Azure Vision, OCR | $0,50-3 por 1 000 imágenes | OCR típico, etiquetas, detección básica |
| Face / SafeSearch / moderation | según proveedor, a menudo $1-10 / 1 000 | Moderación, controles simples |
| SaaS retail / personas / parking | $100-2 000/mes + instalación | Escenario típico sin objeto único |
| Plataformas no/low-code CV | $200-1 500/mes | Piloto rápido, poca lógica custom |
Plus: arranque rápido. Minus: los datos pueden ir al proveedor; un defecto custom puede no funcionar sin modelo propio.
Nivel B - piloto / MVP ($3 000-15 000)
Suele incluir:
- 1 sitio, 1-4 cámaras o paquete de fotos;
- recogida y etiquetado de 500-5 000 ejemplos;
- modelo con informe de precision/recall;
- UI simple o webhook a Telegram / hoja / ERP;
- informe: si se puede escalar y en qué condiciones.
Plazo: 3-8 semanas.
Nivel C - producción industrial ($20 000-120 000+)
Cuándo hace falta: varias líneas / tiendas, SLA, 24/7, decisiones legalmente relevantes, latencia dura (edge), rechazo en cinta.
Se añade al piloto: iluminación estable, inferencia edge, monitor de deriva del modelo, roles, log, integración MES/WMS, procedimiento de reacción en 2 minutos.
Hardware (además del software):
| Concepto | Rango |
|---|---|
| Cámara industrial + óptica | $200-2 000 / punto |
| Iluminación / carcasa / soporte | $100-800 / punto |
| Edge PC con GPU | $800-5 000 |
| Servidor de inferencia en planta | $3 000-20 000+ |
Nivel D - enterprise y R&D ($100 000-500 000+)
Varias plantas, plataforma de etiquetado, MLOps, reentrenamiento semanal, equipo dedicado. Aquí la CV es un producto de la empresa.
Tres escenarios de presupuesto el primer año
Escenario A - OCR de facturas (pyme)
| Partida | Importe |
|---|---|
| OCR en la nube / SaaS documental | $600-2 400/año |
| Configuración e integración contable | $1 000-4 000 |
| Ajustes de formularios | $500-2 000 |
| Total año 1 | ~$2 500-8 000 |
Amortización a menudo en 1-3 meses si contabilidad dedica horas al tecleo.
Escenario B - calidad en una línea
| Partida | Importe |
|---|---|
| Piloto + puesta en producción | $10 000-35 000 |
| Cámaras, luz, edge | $2 000-10 000 |
| Integración línea / MES | $3 000-15 000 |
| Soporte y reentrenamiento | $3 000-12 000/año |
| Total año 1 | ~$20 000-70 000 |
El ROI se calcula por coste de scrap y paradas: si la línea pierde $2 000-10 000/mes por defectos - el proyecto puede valer la pena.
Escenario C - red de 20 tiendas (estantes + colas)
| Partida | Importe |
|---|---|
| SaaS o plataforma propia | $10 000-40 000 |
| Cámaras / edge en tiendas | $15 000-60 000 |
| Implantación y formación | $5 000-20 000 |
| Nube / conectividad / soporte | $6 000-24 000/año |
| Total año 1 | ~$40 000-140 000 |
Suele empezarse con 3-5 puntos piloto, no con las 20 de golpe.
Costes ocultos que se olvidan
| Partida | Orientación | Si se ignora |
|---|---|---|
| Etiquetado de datos | $0,05-0,50 por objeto/fotograma o paquetes $500-5 000 | El modelo “miente” en prod |
| Reentrenamiento con nuevos SKU | $500-5 000 / ola | La precisión cae en un mes |
| Iluminación y montaje | a menudo más caro que el modelo al inicio | Falsos positivos |
| Almacenamiento de vídeo y compliance | $50-500+/mes + legal | Multas, reclamaciones |
| Alertas falsas (ruido) | tiempo de turno | La gente apaga el sistema |
| Internet en edge | VPN, enlace de respaldo | Parada de analítica |
El coste oculto más caro es un sistema que nadie usa: llueven alertas y el jefe de turno las ignora. CV sin dueño de proceso = un salvapantallas caro.
Cuándo no conviene (o aún no)
- No hay KPI claro: “queremos IA en cámaras” sin coste del error.
- Pocos ejemplos de defectos / huecos - no hay con qué entrenar.
- El proceso es caótico: ni la mejor cámara arregla la falta de procedimiento.
- Se exige 99,99% sin presupuesto de hardware, datos y control humano.
- No se puede filmar legalmente - primero consentimientos y carteles.
En esos casos es más barato un checklist manual + OCR puntual o un piloto aplazado.
Cómo elegir: API, SaaS o modelo propio
¿Tarea típica (OCR de factura, personas, matrícula)?
│
├─ sí → API nube / SaaS (piloto rápido)
│
└─ no → defecto / estante / pieza únicos
│
├─ pocos fotogramas, sin SLA → piloto SaaS + etiquetado
│
└─ SLA duro, planta, datos no pueden salir
→ modelo propio + edge + integraciones
En la práctica muchas empresas empiezan con API/SaaS 4-6 semanas, montan su propia muestra y luego deciden si hace falta custom y fine-tuning.
Conclusión
La visión por computadora para negocios se amortiza donde los ojos se cansan y el error cuesta dinero: scrap, estantes, almacén, papeleo, seguridad. El presupuesto va desde céntimos en la nube por mil fotogramas hasta cientos de miles de dólares en una red industrial con MLOps.
Tres cifras antes de empezar:
- Coste mensual del error (scrap, out-of-stock, errores de picking) - de ahí el ROI.
- Presupuesto del piloto - suele ser $3 000-15 000, no “fábrica llave en mano” el día uno.
- Métrica de calidad (precision/recall / tasa de alertas falsas) sin la cual no se debe pasar a prod.
El camino óptimo es un escenario, un piloto medible y luego más cámaras y sedes. Comprar “cámaras inteligentes” sin datos ni dueño de proceso casi nunca se amortiza.
Preguntas frecuentes
¿En qué se diferencia la visión por computadora de la videovigilancia normal?
La videovigilancia graba y muestra la imagen a una persona. La visión por computadora extrae eventos y objetos sola: un defecto, un estante vacío, alguien sin casco - y puede crear una tarea o parar la línea. Las cámaras a menudo son las mismas; cambia la capa analítica y la integración con el proceso de negocio.
¿Cuánto cuesta un piloto mínimo de CV?
Para una tarea y un sitio, el rango realista es $3 000-15 000 y 3-8 semanas: datos, modelo base, alerta/informe simple. El OCR de documentos típicos vía nube puede quedar en $1 000-5 000 con configuración. Si el proveedor pide $80 000 sin métricas de piloto - pida partir el alcance en MVP y fase 2.
¿Son obligatorios GPU y servidor propio?
No. Muchos escenarios (OCR, fotos ocasionales de estantería, moderación) viven en una API en la nube sin GPU propia. Edge/GPU propio hace falta con muchos fotogramas por segundo, si el vídeo no puede salir o la latencia es crítica (rechazo en cinta). El piloto suele ir en la nube; la inferencia de prod se lleva a planta.
¿Se puede implantar visión por computadora sin dataset?
Casi nunca en tareas únicas. Los modelos y APIs listos cubren lo típico (texto, personas, objetos comunes). Su scrap, su estante, su pieza necesitan sus ejemplos etiquetados - al menos cientos, mejor miles. Sin datos solo queda un experimento caro de “a ver si funciona” - normalmente no funciona.
¿Cómo saber si el proyecto se amortiza en un año?
Estime el daño mensual (scrap × coste, ventas perdidas por huecos, horas de tecleo). Compárelo con el TCO del piloto + el primer año de explotación. Si el daño es 3-5 veces mayor que el presupuesto anual de CV de ese escenario - el piloto tiene sentido. Si “se siente pero no hay cifras” - mida un baseline manual 2-4 semanas y luego calcule el ROI.