Una cámara frigorífica puede permanecer fuera del rango adecuado durante horas sin que nadie lo advierta. Un lote de materia prima próximo a vencer puede quedar olvidado detrás de otro. Una fábrica puede utilizar cantidades similares de ingredientes para elaborar dos tandas del mismo producto y obtener cien unidades menos en una de ellas sin saber por qué. En los tres casos, el producto todavía no fue descartado, pero la pérdida ya empezó.
Esas pérdidas silenciosas se acumulan a lo largo de toda la cadena y terminan teniendo un peso enorme para las empresas. Un informe publicado por Avery Dennison en 2026, elaborado junto con el Centre for Economics and Business Research, estimó que su costo económico global alcanzaría los US$ 540.000 millones durante el año. Aun así, el 61% de los 3.502 responsables consultados admitió que no tenía una visión completa de dónde se producían dentro de sus operaciones.
En Argentina, la FAO informó en abril de 2026 que cada persona desperdicia un promedio de 91 kilos por año. El organismo destacó que medir las mermas permite identificar fallas de infraestructura, problemas logísticos y oportunidades para redistribuir excedentes.
Frente a esta situación, empresas como Alephius, Trazal y Sensify desarrollaron sistemas que intervienen en distintos momentos del recorrido. Las soluciones incluyen sensores que controlan la temperatura, plataformas que priorizan los lotes con menor vida útil y modelos capaces de anticipar la demanda o detectar puntos de venta con baja rotación.
Índice de temas
Por qué una falla en la cadena de frío puede pasar inadvertida
El control de una heladera, un freezer o una cámara frigorífica suele realizarse mediante mediciones manuales algunas veces al día. El registro permite conocer la temperatura en un momento puntual, pero no muestra qué ocurrió durante las horas que transcurrieron entre una revisión y la siguiente.
En ese intervalo pueden aparecer problemas operativos como una puerta abierta, una carga excesiva o una mala distribución de los productos. También pueden producirse fallas en el compresor, roturas o errores en la configuración del equipo. Cuando el inconveniente se descubre tarde, resulta difícil reconstruir cuánto tiempo estuvo expuesta la mercadería y determinar si todavía conserva las condiciones necesarias para su consumo.
Para cubrir esos períodos sin información, Alephius utiliza sensores IoT autónomos que registran la temperatura cada 15 minutos y generan 96 mediciones diarias. Las alertas se envían por WhatsApp o correo electrónico según la gravedad del caso. La compañía también cuenta con Alephius Assist, que orienta al responsable del local frente a una incidencia, y con Alephius Cloud, donde se centralizan los registros y el historial de cada equipo.
Al referirse a las mediciones manuales, Sebastián López Isnardi, cofundador de Alephius, advirtió que “en general, no queda un registro continuo y concreto. Es un procedimiento reactivo”. La diferencia entre ambos métodos no pasa únicamente por medir con mayor frecuencia. El historial permite conocer cómo evolucionó la temperatura y establecer qué ocurrió antes de que alguien detectara el problema.
De acuerdo con cálculos internos de la empresa realizados junto con distintos clientes, la automatización permitió reducir cerca de un 90% la mano de obra directa destinada a registrar temperaturas en planillas. Daniel Nahmod, vicepresidente de Alephius, aseguró que “el costo de enviar personas a cada freezer para relevar esa información es diez veces mayor que el de nuestro sistema”.
A ese resultado puede sumarse el valor de la mercadería que una alerta permite preservar ante una falla. El impacto cambia según la cantidad de equipos y los productos almacenados, pero contar con información a tiempo puede evitar que el problema termine en un descarte. Por eso, el control de la cadena de frío también repercute de forma directa sobre los costos.
Del vencimiento al rendimiento de cada producción
Otra fuente frecuente de pérdidas aparece cuando los datos sobre stock, lotes y fechas de vencimiento se encuentran repartidos entre papeles, archivos de Excel, aplicaciones de mensajería y sistemas que no se comunican entre sí. Esa fragmentación dificulta conocer qué mercadería está disponible, dónde se encuentra y cuánto tiempo resta para utilizarla.
“La información está, pero está dispersa”, explicó Florencia Scarlato, cofundadora de Trazal. La plataforma reúne esos registros, permite configurar alertas con semanas o meses de anticipación y aplica el criterio FEFO al iniciar una orden de producción. Esta metodología prioriza las materias primas cuya fecha de vencimiento está más próxima.
Utilizar primero esos lotes reduce el riesgo de que queden olvidados en un depósito. También evita que continúen perdiendo días de vida útil y permite que el producto elaborado llegue a la góndola con más tiempo disponible para su comercialización.
Las mermas también pueden producirse durante la elaboración. Si dos tandas del mismo producto utilizan cantidades similares de ingredientes, pero una termina con cien unidades menos, la diferencia puede revelar que se descongeló demasiada materia prima, que una fermentación se extendió más de lo previsto o que algún paso se realizó de manera diferente.
Trazal analizó más de 10.000 producciones de uno de sus clientes durante aproximadamente dos años. Según los datos compartidos por la empresa, el rendimiento promedio pasó de alrededor del 73% a valores sostenidos de entre el 83% y el 84%, con semanas en las que superó el 85%. La mejora permitió que ese cliente aprovechara mejor las materias primas y redujera las mermas durante la elaboración.
Para Scarlato, la clave está en volver visible un problema que antes era difícil de detectar. “Cuando tenemos ese dato, podemos empezar a preguntarnos por qué una producción rinde más que otra, dónde se generó la diferencia y qué podemos hacer para mejorar”, explicó. El seguimiento permite revisar cada elaboración y corregir los puntos en los que se pierden materia prima, tiempo y dinero.
Cuando el stock está en el lugar equivocado
En supermercados y puntos de venta, una parte de las pérdidas se origina cuando la mercadería se distribuye sin considerar la demanda de cada local. Un establecimiento puede acumular productos con baja rotación mientras otro enfrenta faltantes del mismo artículo.
Sensify aborda ese problema mediante controladores instalados en las heladeras comerciales que transmiten por 4G datos de temperatura, ubicación, consumo energético y actividad. La información se procesa en CoolerCloud. La compañía también utiliza una cámara dentro de la puerta del equipo para reconocer los productos disponibles, estimar el stock y medir su velocidad de rotación.
“Nuestros modelos de inteligencia artificial aprenden cómo se comporta normalmente cada punto de venta y anticipan picos de demanda, faltantes de producto y locales que venden poco”, explicó Matías Cottone, cofundador y COO de Sensify.
La comparación entre establecimientos similares permite detectar dónde sobra mercadería y dónde la demanda no llega a cubrirse. Esa información puede utilizarse para redistribuir los productos antes de que se acerque su vencimiento y para ajustar los próximos envíos. La aplicación forma parte de una tendencia más amplia de IA aplicada al retail para mejorar pronósticos, inventarios y reposición.
En implementaciones realizadas para compañías cerveceras, Sensify detectó que tres de cada diez heladeras estaban asignadas a una ubicación diferente de la registrada. También informó que el 18% de los equipos considerados de bajo rendimiento volvió a generar retorno después de utilizar los datos comerciales y que hasta el 60% de determinadas fallas pudo resolverse de forma remota.
Uno de los ejemplos de implementación es la transformación digital de Cervecería y Maltería Quilmes, que conectó heladeras comerciales para controlar la refrigeración y obtener información de ventas en tiempo real. El caso muestra cómo los mismos datos pueden utilizarse para cuidar los productos y mejorar la distribución del stock entre los puntos de venta.
Los algoritmos necesitan datos conectados
Un informe de ReFED, publicado en mayo de 2026 analizó más de 40 entrevistas, investigaciones académicas, casos y programas piloto sobre el uso de inteligencia artificial para reducir pérdidas. La organización concluyó que los resultados más comprobados aparecen en aplicaciones operativas, mientras que las herramientas dirigidas a los hogares todavía se encuentran en una etapa temprana.
En cocinas comerciales, los sistemas que combinan inteligencia artificial con seguimiento de residuos registraron reducciones de entre el 20% y el 53%, según los casos recopilados en el estudio. También existen proyectos de automatización en cocinas hoteleras que utilizan pronósticos para ajustar compras y porciones.
El informe advierte que el desempeño técnico no garantiza la adopción. Una predicción pierde valor si la empresa carece de un procedimiento para responder, si los responsables no reciben la alerta o si los sistemas de depósitos, tiendas y centros de distribución utilizan formatos incompatibles.
La dificultad se repite en los tres casos analizados. Los sensores necesitan conectarse con equipos de diferentes marcas y antigüedades. Los registros de producción deben reunir información que antes estaba repartida entre distintos soportes. Las alertas también tienen que llegar a una persona con la capacidad y el tiempo necesarios para intervenir.
Cómo comprobar si una implementación funciona
Antes de incorporar una solución, la empresa necesita establecer una línea de base. La evaluación debería considerar los siguientes indicadores.
- Los kilos o unidades descartados según producto, causa y etapa de la operación.
- El valor de la mercadería perdida y su incidencia sobre los costos de producción o venta.
- La cantidad de fallas de refrigeración, el tiempo de respuesta y los casos resueltos antes del descarte.
- Los lotes próximos a vencer, las alertas atendidas y la proporción utilizada dentro del plazo previsto.
- El rendimiento de cada producción, el costo por kilo y las diferencias entre elaboraciones del mismo producto.
- La precisión de los pronósticos, los quiebres de stock y la mercadería trasladada entre puntos de venta.
Los casos analizados muestran que el impacto puede medirse en menos horas destinadas a controles, un mayor rendimiento de las materias primas, fallas resueltas a distancia y una distribución más precisa del stock. Aunque cada tecnología actúa en un tramo diferente, todas buscan ampliar el margen de tiempo disponible antes de que la pérdida sea irreversible.
La diferencia entre aprovechar un alimento y descartarlo puede depender de que la información llegue a la persona indicada cuando todavía existe la posibilidad de actuar.
