Qué sucede cuando la IA dirige una tienda minorista

La mayoría de las demostraciones de agentes de IA operan en entornos controlados con dinero falso y usuarios simulados. Andon Labs decidió adoptar un enfoque diferente: poner a un sistema de IA a cargo de una tienda minorista real en San Francisco.

En su experimento más reciente, la empresa otorgó a un agente de IA llamado Luna un presupuesto de 100.000 dólares, una tarjeta de crédito corporativa y un contrato de arrendamiento de tres años. La IA recibió plena autonomía sobre la contratación, las operaciones y las decisiones estratégicas, convirtiéndose efectivamente en la jefa de la tienda.

Una IA con tienda física

El proyecto se basa en un experimento anterior de Andon Labs que involucró una máquina expendedora impulsada por IA en Anthropic. Esta vez, las apuestas eran significativamente más altas.

• Un contrato de arrendamiento minorista de tres años en San Francisco.
• Un presupuesto operativo de 100.000 dólares.
• Autonomía total para tomar decisiones empresariales.

La única directriz de Luna era simple: generar ganancias.

A partir de ahí, la IA creó el concepto de la boutique, publicó ofertas de empleo y realizó entrevistas por Zoom, con la cámara apagada. Gestionó decisiones operativas y de personal, funcionando como lo que podría ser el primer empleador de IA del mundo.

Cómo funciona el sistema

Luna funciona con una combinación de importantes modelos de IA:

• Claude Sonnet 4.6 para razonamiento y toma de decisiones.
• Gemini 3.1 Flash-Lite Preview para capacidades de voz.

Para supervisar la tienda, la IA observa capturas de pantalla tomadas por las cámaras de seguridad, lo que le proporciona una visión visual de la actividad dentro del establecimiento.

Errores iniciales y limitaciones

Como muchas implementaciones de IA en el mundo real, Luna demostró tanto competencia como claras deficiencias.

• Al contratar a un pintor a través de TaskRabbit, Luna seleccionó accidentalmente Afganistán en un menú desplegable.
• También gestionó mal el horario del personal durante el fin de semana de apertura de la tienda.

Estos errores ponen de relieve la brecha entre las capacidades de razonamiento de la IA y las realidades desordenadas y llenas de detalles de las operaciones físicas.

Por qué este experimento es importante

Experimentos como este muestran de manera constante el mismo patrón: los agentes de IA pueden ser impresionantemente capaces en tareas estructuradas y, sin embargo, sorprendentemente frágiles en la ejecución en el mundo real. Aun así, cada nueva actualización del modelo, mejora de memoria y función agéntica reduce esa brecha.

Si la versión actual de Luna comete errores operativos evitables, una iteración futura —apenas una o dos generaciones de modelo por delante— puede que no lo haga. El experimento ofrece un vistazo a un futuro en el que los sistemas de IA podrían asumir roles directivos mucho antes de reemplazar por completo a los trabajadores de primera línea.