Una IA gestionó una cafetería: lecciones reales
Una IA gestionó una cafetería real en Estocolmo y el experimento dejó una conclusión incómoda: los agentes autónomos ya pueden ejecutar muchas tareas operativas de un negocio, pero todavía fallan en aspectos básicos de sentido común, memoria contextual y coordinación diaria. El caso gira en torno a Andon Café, un local experimental donde los baristas humanos preparan el café, mientras una agente de IA llamada Mona, basada en Google Gemini, se encarga de gran parte de la administración: permisos, proveedores, contratación, inventario, atención de consultas y comunicación interna. La experiencia ha generado ventas reales, pero también pedidos absurdos, problemas de inventario y decisiones que muestran que automatizar gestión no es lo mismo que entender un negocio.
Qué ocurrió en la cafetería gestionada por IA
El experimento fue impulsado por Andon Labs, una startup de San Francisco que prueba agentes de IA en entornos reales. La empresa alquiló un local en Norrbackagatan 48, en Estocolmo, y lo entregó a Mona para comprobar hasta dónde podía llegar una IA con herramientas, presupuesto y capacidad de acción en el mundo físico. Según Andon Labs, la cafetería generó 44.000 coronas suecas en ventas durante sus primeras dos semanas de operación, una cifra que demuestra que el experimento no fue solo una simulación de laboratorio.
El planteamiento resulta llamativo porque Mona no se limitó a recomendar decisiones. La IA participó en gestiones concretas como contratación de personal, acuerdos con proveedores, organización de pedidos, comunicación con clientes y tramitación de requisitos operativos. Associated Press reportó que Mona supervisaba casi todos los aspectos del negocio, mientras los humanos seguían preparando y sirviendo las bebidas.
Qué tareas pudo hacer bien la IA
El caso muestra que los agentes de IA ya tienen capacidad para ejecutar tareas administrativas de cierta complejidad. Mona pudo ayudar a poner en marcha un negocio real, gestionar comunicaciones, coordinar proveedores y responder consultas. También negoció un acuerdo con un cliente que quería prepagar 300 cafés para repartirlos mediante códigos QR, generando una operación comercial concreta dentro del local.
Esto indica que la IA puede ser útil en procesos donde existen instrucciones, formularios, correos, plantillas, tareas repetitivas y decisiones operativas de bajo o medio riesgo. En ese terreno, un agente puede actuar como una especie de asistente administrativo avanzado: lee, responde, coordina, registra y ejecuta. La novedad es que ya no se trata solo de generar texto, sino de conectar ese texto con acciones reales.
El problema: la IA también cometió errores absurdos
Lo interesante del caso no está solo en lo que Mona logró, sino en lo que hizo mal. Associated Press reportó que la IA realizó pedidos excesivos y poco coherentes: 6.000 servilletas, cuatro botiquines de primeros auxilios, 3.000 guantes de goma y hasta tomates enlatados que no se usaban en ningún plato de la cafetería. Además, el sistema fallaba con el pan: a veces pedía demasiado y otras veces no alcanzaba a cumplir los horarios de pedido de las panaderías, lo que obligaba a retirar sándwiches del menú.
Estos errores son muy reveladores. Una IA puede redactar correos, firmar pedidos y coordinar proveedores, pero todavía puede perder el control de cantidades, contexto y continuidad operativa. Es decir, puede parecer competente en tareas administrativas y, al mismo tiempo, fallar en algo tan básico como entender que una cafetería pequeña no necesita miles de guantes de goma.
La memoria contextual como límite crítico
Uno de los problemas señalados por el equipo de Andon Labs fue la ventana de contexto limitada. Según la explicación recogida por Associated Press, cuando los pedidos anteriores salían de la memoria activa del sistema, Mona podía olvidar lo que ya había comprado. Eso explica parte de los errores de inventario y de las compras repetidas o desproporcionadas.
Este punto es central para entender los límites actuales de los agentes autónomos. Gestionar un negocio no implica solo responder bien en un momento específico. Implica recordar decisiones pasadas, proyectar necesidades futuras, ajustar inventarios, interpretar patrones de demanda, respetar tiempos, entender restricciones humanas y actuar con prudencia. Una IA con memoria operativa frágil puede ejecutar tareas, pero no necesariamente sostener una gestión fiable.
La IA como gerente intermedio: el punto más incómodo
El barista humano sigue siendo necesario para preparar café, atender clientes y resolver situaciones físicas. Pero el experimento sugiere que algunos puestos administrativos o de coordinación podrían verse más presionados por este tipo de automatización. Uno de los empleados citados por Associated Press afirmó que los trabajadores estaban bastante seguros por ahora, pero que quienes deberían preocuparse más son los mandos intermedios y perfiles de gestión.
Esa observación es importante. Durante años se habló de automatización como reemplazo de tareas manuales. Sin embargo, los agentes de IA empiezan a apuntar hacia otro tipo de trabajo: gestión, coordinación, comunicación, seguimiento, compras, reportes y administración. No reemplazan todo, pero sí pueden presionar funciones que dependen de información, decisiones repetitivas y comunicación digital.
El choque con normas laborales y cultura organizacional
Mona también cometió errores de contexto social. Según la cobertura de Associated Press, la IA enviaba mensajes por Slack a los baristas fuera del horario laboral, algo culturalmente problemático en Suecia. Este detalle puede parecer menor, pero revela un problema profundo: una IA puede optimizar tareas sin comprender plenamente normas laborales, límites culturales o expectativas humanas.
Gestionar personas no es solo asignar turnos y enviar mensajes. También implica criterio, tacto, empatía contextual, respeto por horarios, negociación y comprensión de dinámicas humanas. Un agente autónomo puede coordinar operaciones, pero todavía necesita límites claros para no cruzar fronteras que una persona con experiencia laboral entendería con más facilidad.
Qué enseña este caso sobre los agentes autónomos
La cafetería de Estocolmo funciona como una demostración muy concreta de lo que puede y no puede hacer la IA actual. Mona no es simplemente un chatbot conversando con usuarios. Es un agente con herramientas, tareas, dinero y capacidad de actuar sobre un negocio real. Ese salto es importante porque la IA deja de ser solo interfaz y se convierte en ejecutora.
El aprendizaje principal puede resumirse así:
| Capacidad observada | Resultado |
|---|---|
| Gestionar comunicaciones | Funciona razonablemente bien en tareas estructuradas |
| Tramitar permisos y contratos | Puede avanzar con instrucciones y formularios |
| Coordinar proveedores | Funciona, pero con errores de cantidad y tiempos |
| Gestionar inventario | Todavía presenta fallos importantes |
| Comunicarse con empleados | Necesita límites culturales y laborales |
| Tomar decisiones autónomas | Requiere supervisión humana y controles |
El caso muestra que los agentes de IA pueden ahorrar tiempo, pero también amplificar errores si se les da autonomía sin restricciones, memoria robusta y mecanismos de supervisión.
Por qué este experimento importa más allá de una cafetería
Una cafetería es un entorno pequeño, pero suficientemente complejo para revelar problemas reales. Hay proveedores, horarios, clientes, inventario, productos perecederos, empleados, permisos y dinero. Esa mezcla la convierte en un laboratorio interesante para probar agentes autónomos.
Lo que se observa allí puede trasladarse a otros sectores: pequeñas empresas, restaurantes, ecommerce, oficinas administrativas, agencias, logística ligera y servicios profesionales. Si una IA puede coordinar parte de una cafetería, también podría asumir tareas en muchos negocios. Pero si compra miles de guantes sin sentido o no recuerda pedidos anteriores, también puede generar pérdidas, conflictos o decisiones absurdas en otros entornos.
La diferencia entre automatizar tareas y administrar un negocio
Este caso deja una distinción esencial: automatizar tareas no equivale a administrar bien. Una IA puede hacer muchas acciones aisladas con rapidez, pero un negocio exige coherencia acumulada. La gestión requiere memoria, priorización, aprendizaje situado, sentido de proporción, sensibilidad humana y control de consecuencias.
Por eso, el uso de IA en empresas debería diseñarse con tres capas:
| Capa | Función |
|---|---|
| Automatización | Ejecutar tareas repetitivas o administrativas |
| Supervisión | Revisar decisiones antes de que generen costos o riesgos |
| Gobernanza | Definir límites, permisos, responsabilidades y auditoría |
Sin estas capas, la autonomía puede volverse peligrosa. El problema no es que la IA falle; el problema es que falle ejecutando decisiones reales con dinero, empleados o clientes involucrados.
Qué deberían aprender las empresas pequeñas
Para una pyme, este caso es especialmente útil. No demuestra que se deba poner una IA a gestionar todo el negocio. Más bien muestra que la IA puede ser útil si se integra de forma gradual y controlada.
Una empresa podría empezar con usos más seguros:
- responder consultas frecuentes;
- redactar correos a proveedores;
- organizar pedidos sugeridos, pero no confirmarlos automáticamente;
- generar reportes de ventas;
- analizar inventario;
- preparar borradores de promociones;
- crear listas de tareas operativas.
Lo importante es mantener una regla clara: la IA puede sugerir y preparar, pero las decisiones con impacto económico, legal o humano deberían pasar por revisión humana.
Los riesgos de dar autonomía sin límites
El experimento de Mona también sirve como advertencia. Cuando un agente tiene capacidad de comprar, contratar, negociar o comunicarse con empleados, sus errores dejan de ser simples respuestas equivocadas en una pantalla. Se convierten en acciones reales.
Los principales riesgos son:
| Riesgo | Ejemplo |
|---|---|
| Sobrecosto | pedidos excesivos o innecesarios |
| Fallo operativo | no cumplir plazos de proveedores |
| Conflicto laboral | mensajes fuera de horario o instrucciones inadecuadas |
| Responsabilidad legal | decisiones sin claridad sobre quién responde |
| Pérdida reputacional | errores visibles ante clientes |
| Dependencia técnica | falta de criterio humano cuando el sistema falla |
Por eso, los agentes autónomos en negocios reales deben tener permisos escalonados, límites de gasto, reglas de aprobación, registros auditables y posibilidad de intervención humana.
El futuro no será “IA o humanos”, sino IA supervisada
La lectura más razonable no es que la IA vaya a sustituir de inmediato a todos los gerentes, ni que estos experimentos sean simples bromas tecnológicas. Lo que se observa es el inicio de una nueva etapa: sistemas de IA que ejecutan trabajo administrativo real, pero que todavía necesitan supervisión.
En ese escenario, la ventaja no estará en entregar todo el negocio a la IA, sino en diseñar flujos híbridos: humanos definiendo criterios, IA ejecutando tareas repetitivas, humanos revisando decisiones críticas y sistemas registrando todo para auditar errores. Esa combinación puede ser muy potente si se aplica con prudencia.
Preguntas frecuentes sobre la cafetería gestionada por IA
¿Una IA gestionó realmente una cafetería?
Sí. Andon Labs puso a una agente llamada Mona, basada en Google Gemini, a cargo de buena parte de la operación de Andon Café en Estocolmo. Los baristas seguían siendo humanos, pero la IA gestionaba tareas como contratación, inventario, proveedores y comunicación.
¿La cafetería funcionó bien?
Funcionó parcialmente. La cafetería generó ventas reales, pero la IA cometió errores importantes en inventario, pedidos y comunicación interna. Andon Labs reportó 44.000 coronas suecas en ventas durante las primeras dos semanas.
¿Qué errores cometió la IA?
Entre los errores reportados están pedidos excesivos de 6.000 servilletas, 3.000 guantes de goma, cuatro botiquines y productos no usados por la cafetería. También falló en la gestión del pan, pidiendo demasiado algunos días y perdiendo plazos de pedido otros.
¿Por qué la IA cometía esos errores?
Una explicación dada por el equipo fue la ventana de contexto limitada: cuando los pedidos previos salían de la memoria activa del sistema, la IA podía olvidar lo que ya había solicitado.
¿Esto significa que la IA puede reemplazar gerentes?
No de forma completa todavía. El caso muestra que la IA puede ejecutar muchas tareas administrativas, pero también que necesita supervisión, límites y memoria operativa más confiable. Su impacto inmediato parece más fuerte en tareas de coordinación y gestión intermedia que en trabajos físicos de atención directa.
Recuerde que…
Una IA gestionó una cafetería: lecciones reales no es solo una anécdota curiosa sobre tecnología. Es una señal de hacia dónde se mueven los agentes autónomos: de responder preguntas a ejecutar tareas reales. El experimento muestra avances impresionantes, pero también límites muy concretos. Una IA puede tramitar, escribir, coordinar y negociar; pero todavía puede pedir miles de guantes de goma para una cafetería pequeña o olvidar que ya hizo un pedido. Por eso, el futuro inmediato no debería ser entregar negocios completos a la IA, sino aprender a usarla con supervisión, reglas claras y criterio humano.
Pueden leer más contenido en https://fernandojuca.com así como videotutoriales y podcast en youtube.com/fernandojucamaldonado.
Ingeniero en Sistemas de Información y docente universitario en el área de tecnología. Especialista en el desarrollo de sitios web, plataformas e-commerce y entornos virtuales de aprendizaje basados en Moodle. Experiencia en soluciones tecnológicas aplicadas a la educación y a la transformación digital de organizaciones.
