Picking por voz: cuándo compensa, cómo se calcula y qué pedir al proveedor

- El picking por voz guía al preparador con instrucciones habladas por auriculares y él confirma de palabra: manos y ojos quedan libres para el producto, lo que pesa mucho en frío, con guantes y con cargas que exigen las dos manos.
- La voz no acorta el recorrido. Según Bartholdi y Hackman (Georgia Tech), el desplazamiento supone el 55 % del tiempo de preparación; la voz actúa sobre la búsqueda, la confirmación y el papeleo, que suman el 35 %.
- Frente al terminal de radiofrecuencia, Fontin y Lin (Applied Sciences, 2020) recogen un estudio en el que la voz fue más productiva y cometió de media un 21,4 % menos errores.
- No es la tecnología más rápida en todo: en el ensayo de laboratorio de la tesis de Baumann (Universidad de Bremen) la guía por audio tardó 71,0 s por tarea frente a 44,3 s con gafas de realidad aumentada y 51,1 s con lista gráfica en papel.
- Antes de decidir, mide ruido y temperatura: el INSST fija el primer valor de acción en 80 dB(A), y en cámaras de frío la destreza manual cae con fuerza, lo que explica por qué la voz es habitual en congelado.
En el picking por voz el preparador lleva unos auriculares con micrófono y un pequeño terminal en la cintura. El sistema le dice a qué pasillo y a qué ubicación ir, él lee en voz alta un dígito de control pegado en la ubicación para confirmar que está en el sitio correcto, y después confirma la cantidad que ha cogido. No mira pantallas ni papeles. Tiene las dos manos y la vista en el producto.
Esa es su ventaja y también su límite. La voz elimina la parte del trabajo que consiste en leer, buscar y anotar, pero no acorta el camino entre ubicaciones, que es lo que más tiempo consume en casi cualquier almacén manual. Por eso hay almacenes donde la voz es la mejor opción y otros donde la luz, la pantalla o la mercancía a persona rinden más.
En este artículo explicamos cómo funciona, en qué entornos destaca, qué dicen los estudios publicados, cómo calcular su efecto con tus propios datos y qué preguntar al proveedor antes de firmar. Al final hay un ejemplo con supuestos para estimar las horas que ahorraría en una cámara de congelado, con la fórmula a la vista.
Cómo funciona el picking por voz paso a paso
El flujo típico de una línea de pedido es siempre el mismo:
- El sistema anuncia el pasillo y la ubicación.
- El preparador llega y lee el dígito de control de la ubicación. Si no coincide, el sistema le avisa antes de que coja nada.
- El sistema dice la cantidad. El preparador la coge y la confirma hablando.
- Si falta producto, lo dice con una palabra clave y el sistema registra la rotura de stock y pasa a la siguiente línea.
- Al terminar el pedido o el palé, el sistema indica el muelle o la zona de consolidación.
El dígito de control es la pieza clave. Sin él, el sistema solo sabe que el operario dice que está en una ubicación. Con él, hay una verificación física parecida a la que hace un escáner, pero sin soltar el producto.
Detrás hay un software de voz que se conecta al WMS. Recibe las tareas, las convierte en diálogos y devuelve las confirmaciones en tiempo real. Si tu almacén aún no tiene un WMS capaz de entregar tareas de una en una, ese es el primer paso, y lo tratamos en WMS para pymes: cómo elegirlo, nube o local, integración con el ERP y coste total.
Dónde destaca y dónde no
La voz gana cuando las manos y los ojos son el recurso escaso:
- Cámaras de refrigerado y congelado, donde se trabaja con guantes gruesos y las pantallas táctiles fallan.
- Preparación de palé completo o cajas pesadas, en la que el preparador necesita las dos manos y conduce una transpaleta o un recogepedidos.
- Pedidos con muchas líneas por ubicación y referencias grandes, en los que el tiempo de búsqueda pesa más que el de desplazamiento.
- Plantillas multilingües, porque cada usuario puede trabajar en su idioma.
Pierde terreno cuando el trabajo es muy denso y rápido. En una zona con muchas referencias pequeñas juntas, con varios picks por metro de estantería, escuchar una instrucción completa lleva más tiempo que ver una luz encendida. En ese caso el pick-to-light suele ser más rápido, como explicamos en Qué es el pick to light, cómo funciona y cuándo compensa en la preparación de pedidos.
También pierde si el ruido de fondo es alto y constante o si el preparador debe hablar con compañeros continuamente. El reconocimiento actual es robusto, pero cada palabra mal entendida es una repetición y unos segundos perdidos.
Qué dicen los datos publicados
Conviene separar lo que la voz puede mejorar de lo que no. Bartholdi y Hackman, en su manual de la Universidad Georgia Tech, reparten el tiempo de un preparador típico así: 55 % en desplazamiento, 15 % en búsqueda, 10 % en extracción y 20 % en papeleo y otras tareas. La voz actúa sobre búsqueda y papeleo. El desplazamiento depende del layout, del slotting y del método de preparación.
El peso económico es grande. La revisión de De Koster, Le-Duc y Roodbergen, publicada en el European Journal of Operational Research, estima que la preparación de pedidos puede llegar al 55 % del coste operativo total de un almacén.
Sobre errores, Fontin y Lin recogen en su revisión un estudio según el cual la voz es significativamente más productiva que el terminal de radiofrecuencia y produce de media un 21,4 % menos errores.
Pero la voz no es la más rápida en todo. En el ensayo de laboratorio de la tesis doctoral de Baumann en la Universidad de Bremen, con 12 participantes, la guía por audio tardó de media 71,0 s por tarea, frente a 44,3 s con gafas de realidad aumentada, 51,1 s con lista gráfica en papel y 64,0 s con lista de texto. El mismo trabajo cita un caso industrial con un 8 a 15 % más de velocidad frente a terminales de escaneo y solo un 3 a 4 % frente a la lista de papel. Lectura de ingeniero: la voz gana mucho cuando sustituye a un terminal que obliga a soltar la carga y gana poco frente a un papel bien diseñado en tareas ligeras.
Voz, escáner, luz o papel: tabla de decisión
Ninguna tecnología gana en todos los criterios. Esta tabla resume cuándo elegir cada una.
| Criterio | Picking por voz | Terminal con escáner | Pick-to-light | Lista en papel |
|---|---|---|---|---|
| Manos libres | Sí | No, salvo escáner de anillo | Sí, con pulsador | No |
| Verificación de ubicación | Dígito de control hablado | Lectura de código | Luz en la ubicación | Ninguna |
| Verificación de artículo o lote | Limitada, salvo que se combine con escáner | Sí | No | No |
| Picking denso de muchas referencias pequeñas | Medio | Medio | Alto | Bajo |
| Frío y guantes | Alto | Bajo | Medio | Bajo |
| Palé completo y cajas pesadas | Alto | Medio | Bajo | Medio |
| Inversión en estantería | Ninguna | Ninguna | Módulo por ubicación | Ninguna |
| Cambios de layout | Solo software | Solo software | Mover módulos | Solo impresión |
La combinación más frecuente en almacenes con trazabilidad es voz para guiar y escáner para validar el lote o el número de serie. Si tu problema principal son los errores, revisa antes de qué tipo son: los criterios para medirlos están en Errores de picking: causas, coste real y cómo eliminarlos.
Frío, ruido y ergonomía: lo que hay que medir antes
Dos variables del entorno deciden si la voz va a funcionar bien: el ruido y la temperatura.
Ruido. El INSST recoge los valores del Real Decreto 286/2006: 80 dB(A) como valor inferior de exposición que da lugar a una acción, 85 dB(A) como valor superior y 87 dB(A) como valor límite. Los auriculares de voz no son protectores auditivos. Si tu zona de preparación está por encima del primer valor, hay que evaluar el conjunto: el nivel de la instrucción en el oído, la protección y la inteligibilidad.
Frío. La NTP 1036 del INSST sobre estrés por frío indica que los movimientos amplios de las manos se reducen considerablemente por debajo de 20 °C de temperatura de las manos, y que el contacto prolongado con superficies metálicas por debajo de 15 °C produce problemas de destreza. En congelado eso significa guantes gruesos, y con guantes gruesos un teclado o una pantalla táctil se vuelven lentos. Ahí está la principal razón de que la voz sea tan común en frío. Si estás valorando automatizar la propia cámara, lo tratamos en Shuttle en cámara frigorífica: más palés con menos frío.
Carga física. La voz no reduce el peso que se mueve. Según el INSST, en 2024 hubo 162.753 accidentes de trabajo por sobresfuerzos, el 29,3 % de los accidentes con baja en jornada. Si tus pedidos son de cajas pesadas, la voz ayuda a no soltar la carga, pero el puesto y las alturas de ubicación siguen siendo lo que más protege la espalda.
¿Cuántas horas ahorraría el picking por voz en tu almacén?
Cronometramos tu preparación, separamos recorrido, búsqueda y confirmación y te decimos con números si la voz, la luz o un cambio de layout es lo que más rinde.
Pide un estudio de tu preparaciónEjemplo con supuestos: horas ahorradas en una cámara de congelado
Ejemplo con supuestos. Todos los valores son hipotéticos y sirven solo para mostrar el método. En un proyecto real salen de cronometrar tu operación.
Situación: cámara de congelado con preparación de cajas. Hoy se trabaja con terminal de mano con escáner y guantes.
Fórmula del tiempo por línea:
t_línea = t_desplazamiento + t_búsqueda + t_extracción + t_confirmación
Horas de preparación por turno = líneas por turno × t_línea / 3.600
Supuestos para la situación actual con terminal:
- 1.500 líneas por turno.
- t_desplazamiento = 22 s, t_búsqueda = 6 s, t_extracción = 8 s, t_confirmación = 9 s, porque hay que soltar la caja, sacar el terminal y leer con guantes.
- t_línea = 22 + 6 + 8 + 9 = 45 s.
Horas actuales = 1.500 × 45 / 3.600 = 18,75 h por turno.
Supuestos con voz:
- El desplazamiento no cambia: 22 s.
- La búsqueda baja a 4 s, porque la instrucción llega mientras se camina.
- La extracción no cambia: 8 s.
- La confirmación baja a 4 s: dígito de control y cantidad dichos sin soltar la caja.
- t_línea = 22 + 4 + 8 + 4 = 38 s.
Horas con voz = 1.500 × 38 / 3.600 = 15,83 h por turno.
Ahorro = 18,75 − 15,83 = 2,92 h por turno, un 15,6 % del tiempo de preparación.
Ahora la prueba de estrés. Si en tu operación la confirmación con terminal ya es rápida, por ejemplo 5 s, el t_línea actual es 41 s y el ahorro baja a 1.500 × (41 − 38) / 3.600 = 1,25 h por turno. El resultado depende casi entero de cuánto tiempo pierdes hoy en confirmar y buscar, no de la tecnología. Y fíjate en que el desplazamiento, la mitad del tiempo, no se ha tocado. Si quieres atacar esa parte, la palanca es el slotting, explicado en Slotting almacén: cómo ubicar cada referencia por rotación, COI y afinidad para caminar menos, o el método de preparación.
Si quieres hacer este cálculo con tus tiempos reales, pide tu estudio gratuito y lo medimos contigo en planta.
Errores habituales al implantar voz
Estos son los fallos que más vemos:
- Implantar voz en una zona de picking denso de piezas pequeñas, donde la luz rinde más.
- No poner dígitos de control en todas las ubicaciones, o ponerlos ilegibles en altura. Sin ellos la voz pierde su verificación.
- Diálogos demasiado largos. Cada palabra de más se repite miles de veces al día. El diálogo se diseña y se prueba con usuarios reales.
- No prever cómo se gestionan las incidencias: rotura de stock, ubicación vacía, producto dañado, cambio de lote.
- Olvidar la cobertura de red en cámaras frigoríficas y en pasillos altos, o la autonomía de baterías en frío.
- No medir la línea base. Sin tiempos ni errores de antes, no se puede demostrar el resultado después. Los indicadores a medir están en KPI picking: los indicadores que de verdad importan en la preparación de pedidos.
- Pensar que la voz arregla un layout malo. Si el preparador camina demasiado, seguirá caminando, solo que con auriculares.
Checklist: qué medir y qué preguntar al proveedor
Antes de decidir, mide en tu almacén:
- Líneas por turno, líneas por pedido y unidades por línea, por zona.
- Tiempo por línea cronometrado y desglosado en desplazamiento, búsqueda, extracción y confirmación.
- Tasa y tipo de errores actuales: ubicación equivocada, cantidad, artículo, lote.
- Nivel de ruido en la zona de preparación y temperatura de trabajo.
- Idiomas de la plantilla y rotación de personal.
Y pide al proveedor respuesta por escrito a estas preguntas:
- Cómo se integra con tu WMS: tareas de una en una, confirmaciones en tiempo real, gestión de incidencias.
- Si el reconocimiento funciona en local en el dispositivo o depende de la red, y qué pasa si la red cae.
- Idiomas disponibles y si cada usuario puede trabajar en el suyo.
- Cómo se diseñan y modifican los diálogos y quién lo hace después de la puesta en marcha.
- Autonomía de batería y comportamiento de auriculares y terminales a la temperatura de tu cámara.
- Si se puede combinar con escáner para validar lote o número de serie.
- Cómo se mide el resultado: qué indicadores entrega el sistema y con qué detalle.
Cómo lo resolvemos en Shuttlia
No empezamos por la tecnología, sino por el tiempo que pierde hoy cada preparador. Nuestro método:
- Toma de datos: pedidos, líneas, referencias, ubicaciones y cronometraje de la preparación real, separando desplazamiento, búsqueda, extracción y confirmación.
- Layout y simulación: comparamos voz, luz, escáner y combinaciones con tus pedidos reales, y vemos cuánto gana cada opción y si el cuello de botella es el recorrido.
- Propuesta cerrada con rango de inversión, que incluye hardware, software, diálogos, integración y formación.
- Integración con tu WMS o ERP, puesta en marcha por zonas y servicio posventa con ajuste de diálogos y seguimiento de indicadores.
Si estás valorando el picking por voz, pide tu estudio gratuito y comprobamos con tus datos si es la opción que más rinde en tu almacén.
Conclusión
El picking por voz libera manos y ojos y reduce los tiempos de búsqueda y confirmación. Brilla en frío, con guantes, con cajas pesadas y frente a terminales que obligan a soltar la carga. No acorta el recorrido, que según los datos publicados es más de la mitad del tiempo de preparación, y en picking denso de piezas pequeñas suele perder frente a la luz.
La decisión correcta sale de medir: cronometra tus líneas, separa sus componentes y calcula. Con eso sabrás si la voz es tu mejor palanca o si lo es el layout.
¿Lo aplicamos a tu almacén?
Cuéntanos tus palés, referencias y picos. Te devolvemos sin coste el cuello de botella, la solución que encaja y un rango de inversión.
Pide tu estudio gratuitoPreguntas frecuentes
¿Qué es el picking por voz?
Es un método de preparación de pedidos en el que el sistema da las instrucciones por auriculares y el preparador confirma hablando, normalmente leyendo un dígito de control de la ubicación y diciendo la cantidad cogida. Tiene manos y vista libres para el producto.
¿Es más rápido que el escáner?
Suele serlo cuando el escáner obliga a soltar la carga o se usa con guantes. Fontin y Lin recogen un estudio con la voz más productiva que el terminal de radiofrecuencia y con un 21,4 % menos errores. Frente a un papel bien diseñado en tareas ligeras, la diferencia es pequeña.
¿Funciona con ruido?
Los sistemas actuales filtran bien el ruido de fondo, pero hay que medirlo. Si la zona supera los 80 dB(A), primer valor de acción del Real Decreto 286/2006, conviene evaluar a la vez la inteligibilidad de las instrucciones y la protección auditiva.
¿Funciona en varios idiomas?
Sí. Cada usuario puede trabajar en su idioma y el sistema se adapta a su voz. Es una ventaja clara con plantillas multilingües o con mucha rotación.
¿Necesita red wifi?
Normalmente sí, para recibir tareas y enviar confirmaciones en tiempo real. Algunos sistemas reconocen la voz en local en el dispositivo y aguantan cortes breves. Hay que comprobar la cobertura en cámaras y pasillos altos.
¿Cómo sé si compensa en mi almacén?
Cronometra el tiempo por línea y sepáralo en desplazamiento, búsqueda, extracción y confirmación. La voz actúa sobre búsqueda y confirmación. Si esas partes pesan poco, la palanca está en el layout o en el método. Si quieres hacerlo con tus datos, /#estudio y lo calculamos contigo.
Fuentes
- Bartholdi y Hackman - Warehouse & Distribution Science, Georgia Institute of Technology
- De Koster, Le-Duc y Roodbergen - Design and control of warehouse order picking: a literature review, European Journal of Operational Research 182 (2007)
- Fontin y Lin - A Joint Comparative Analysis of Routing Heuristics and Paperless Picking Technologies, Applied Sciences 10(24), 8777, 2020
- Baumann (2013) - Order Picking Supported by Mobile Computing, tesis doctoral, Universidad de Bremen
- INSST - Ruido: valores de exposición del Real Decreto 286/2006
- INSST - NTP 1036: Estrés por frío (I)
- INSST - Accidentes de trabajo por sobresfuerzos. Datos 2024
