Cuando imagina a un trabajador en una tienda minorista, probablemente piense en alguien en una caja registradora o ayudando a un cliente. Pero los empleados también pasan gran parte de su tiempo revisando los almacenes y las plantas, cumpliendo solicitudes o pedidos en línea y, en general, tratando de realizar un seguimiento de todo su inventario.
Hacer un seguimiento del inventario lleva mucho tiempo, en parte porque los minoristas no siempre saben dónde está ubicado todo. Por eso, cuando le pides a un empleado de la tienda que verifique si tiene una camisa de tu talla, es posible que tarde 20 minutos en responderte.
Cartesian está ayudando a los minoristas a realizar un seguimiento del inventario con una tecnología inventada en el MIT. El sistema utiliza señales inalámbricas de etiquetas de identificación por radiofrecuencia (RFID) adheridas a los artículos para encontrar su ubicación precisa en una tienda, desde el almacén hasta el piso de la tienda.
El año pasado, Cartesian realizó un estudio con un minorista y descubrió que su plataforma generaba ahorros anuales significativos a nivel de tienda al optimizar el seguimiento del inventario, optimizar los flujos de trabajo y mejorar las experiencias de los clientes.
“El gran problema que estamos resolviendo es que alrededor del 50 por ciento de las horas de trabajo en las tiendas minoristas se destinan a la gestión del inventario”, dice el cofundador Fadel Adib SM ’13, PhD ’17, profesor asociado del MIT. “Ese es un problema de aproximadamente 15 mil millones de dólares sólo en los EE. UU. Usamos algoritmos para descifrar ubicaciones interiores utilizando señales inalámbricas. La tecnología central permite un nuevo nivel de localización en interiores”.
Cartesian ya está presente en más de 700 tiendas en 15 países y está trabajando con uno de los grupos de moda más grandes del mundo, Inditex, que es la empresa matriz de marcas como ZARA, Pull&Bear y Oysho.
Más allá de los minoristas y los almacenes, la plataforma de Cartesian también podría mejorar el seguimiento de la ubicación en interiores para fabricantes, operadores logísticos y empresas de robótica.
“La visión amplia de lo que estamos haciendo es la IA espacial”, afirma Adib. “Hoy en día, la IA funciona extremadamente bien en el mundo digital. Ahora tiene que pasar al mundo físico. Eso significa permitir que las máquinas perciban su entorno de tal manera que puedan interactuar con él. Ahí es donde entra la IA espacial y donde se ubica lo cartesiano”.
De la tecnología al producto
Adib, que ocupa un cargo conjunto en el Laboratorio de Medios y el Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT, ha estado estudiando señales inalámbricas en el Instituto durante más de 15 años, desde sus investigaciones durante su maestría.
“Hoy mi grupo investiga cómo utilizar señales inalámbricas para detectar el mundo de maneras que antes no eran posibles”, dice Adib. “Desarrollamos la tecnología fundamental y luego construimos sistemas a su alrededor. Nuestro objetivo es ver estos sistemas implementados en el mundo real para generar impacto”.
Cuando Adib se unió al cuerpo docente del MIT, el primer proyecto en el que trabajó fue la localización de interiores mediante etiquetas RFID. Isaac Perper ’20, MEnG ’21 se unió más tarde a su laboratorio como estudiante y juntos desarrollaron algoritmos de aprendizaje automático para procesar datos RFID y traducirlos en patrones de ubicación, con un enfoque inicial en ayudar a los robots a localizar RFID en interiores.
En 2021, Adib pasó por el programa I-Corps de la Fundación Nacional de Ciencias, que desafía a los investigadores a entrevistar a clientes potenciales para encontrar los problemas adecuados que resolver con sus tecnologías. Fue entonces cuando se dio cuenta del gran problema que supone la gestión de inventarios para los minoristas.
Cartesian fue fundada oficialmente por Adib y Perper a principios de 2023, después de recibir un premio para pequeñas empresas de la Fundación Nacional de Ciencias. La pareja trabajó con la Oficina de Licencias de Tecnología del MIT para obtener licencias de patentes del laboratorio de Adib. También recibieron apoyo del Venture Mentoring Service del MIT.
“Nuestro objetivo era reducir el coste de la tecnología para hacerla escalable”, recuerda Adib. “Isaac se centró en simplificar el producto, aprovechar el progreso en el aprendizaje automático y hacerlo más rápido. Fueron muchas iteraciones y pruebas desde el principio”.
Los trabajadores del comercio minorista dedican gran parte de su tiempo a localizar artículos por diversas razones. Es posible que deban cumplir con un pedido en línea, necesitar reabastecer los estantes de la tienda o recibir una consulta de un cliente sobre los artículos en la parte posterior.
Las tiendas difieren en cómo organizan su inventario. La mayoría de los artículos separan por categorías en estantes y contenedores específicos y luego utilizan códigos de barras o sistemas de inventario que tienden a quedar obsoletos rápidamente.
“Es un gran problema para las tiendas porque los clientes pueden irse antes de pedirle a un empleado que busque su talla, o los clientes pueden frustrarse y irse si tardan demasiado”, dice Adib. “El asociado también pierde el tiempo buscando artículos que podría utilizar en trabajos de mayor valor”.
La plataforma de Cartesian funciona con los lectores RFID portátiles existentes de los minoristas, que los empleados de las tiendas ya utilizan para gestionar el inventario. Cada tienda instala el software de Cartesian en sus aplicaciones de inventario existentes o utiliza una aplicación personalizada para que los empleados accedan directamente.
“Los lectores RFID son la forma en que las tiendas indican qué hay en stock y qué no”, dice Perper. “Descubrimos una manera de aprovechar los mismos escaneos que ya están usando con el lector, poner los datos que generan en nuestros algoritmos de aprendizaje automático y generar mapas de dónde están todos los elementos”.
Los clientes pueden crear análisis sobre la tecnología de Cartesian para realizar un seguimiento de los niveles de inventario, mostrarles mapas de dónde se encuentra cada artículo y crear otros servicios.
“Usan nuestra plataforma de inteligencia de ubicación y construyen diferentes productos sobre ella”, dice Adib. “Podemos trabajar con cualquier dispositivo, cualquier tienda, cualquier tipo de RFID. Es una interfaz sencilla. Todos los sofisticados algoritmos de ubicación se encuentran en la nube”.
Más allá del comercio minorista
Cartesian firmó su primer gran contrato en 2025 y pronto se expandió a varios cientos de tiendas. Una de las ventajas de Cartesian es su capacidad de escalar rápidamente. Perper dice que pueden agregar una tienda en aproximadamente un minuto. El equipo de Cartesian ni siquiera tiene que viajar a una nueva tienda para encender su sistema si ya está trabajando con la empresa.
“Es tan sencillo como accionar un interruptor, preparar los datos y enviarlos a nuestros clientes”, afirma Perper. “Una de nuestras primeras grandes apuestas fue: ‘¿Podemos construir esto completamente en hardware existente?’ Esa apuesta está empezando a dar sus frutos”.
Los modelos de Cartesian también pueden funcionar con señales de Wi-Fi y Bluetooth, que la empresa planea utilizar con clientes de otros sectores verticales.
“En este momento, nos centramos en aplicaciones en el comercio minorista, pero esta tecnología tiene mucho valor en la fabricación, los almacenes y otras ubicaciones”, afirma Adib.
El equipo de Cartesian pretende desplegarse en decenas de miles de tiendas durante el próximo año y luego comenzar a expandirse más allá del comercio minorista hacia industrias como la manufactura y la robótica.
“Para mí, lo más interesante de Cartesian es que hemos construido gran parte de la base tecnológica y ahora que tenemos los fundamentos establecidos, esperamos construir capas de aplicaciones específicas”, dice Perper. “Luego podremos preguntar a los clientes de diferentes sectores sobre sus problemas y aplicar nuestra tecnología de diferentes maneras para resolverlos”.
Publicado originalmente en news.mit.edu el 4 de junio de 2026.
Ver fuente original
