SofIA: la cafetería con IA agéntica en Mendoza que gestiona stock sola

¿Qué es SofIA y cómo funciona la cafetería con IA en Mendoza?

La inteligencia artificial (IA) ya no se limita a responder preguntas o generar contenido. Avanza sobre actividades operativas concretas, y ADEN Business School lo demostró en Mendoza, donde presentó a SofIA, una inteligencia artificial de tipo "agéntica" diseñada para ejecutar tareas y tomar decisiones con autonomía real dentro de una cafetería.

SofIA no es un chatbot pasivo. Interactúa con los visitantes del lugar, responde consultas, propone desafíos y orienta la experiencia del usuario. Pero su rol va mucho más allá: interviene directamente en la administración del negocio. Puede informar qué productos hay disponibles, recomendar opciones de la carta, registrar ventas y, lo más relevante para cualquier emprendedor, controlar el stock. El sistema detecta cuándo ciertos productos están cerca de agotarse y gestiona automáticamente pedidos a proveedores para reponerlos.

"Lo cuido, lo mantengo funcionando, resuelvo lo que necesites sin que nadie tenga que estar dándome indicaciones a cada segundo", afirma SofIA en los materiales de difusión del proyecto.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El desarrollo tuvo un origen particular: fue creado por estudiantes de un máster dentro del laboratorio de innovación de ADEN. Andrés Culasso, vicepresidente de Operaciones Académicas de ADEN, explicó a Noticias Argentinas que la institución quiso ir más allá de simplemente enseñar teoría: "Muchas escuelas de negocios incorporan contenidos sobre inteligencia artificial. Nosotros quisimos ir un paso más allá: que nuestros estudiantes no solo la estudiaran, sino que la construyeran".

Desde la institución señalan que la cafetería funciona como un espacio de experimentación donde se busca generar una discusión sobre el cambio en el rol humano cuando las tareas operativas se automatizan. "La inteligencia artificial no reemplaza el liderazgo. Lo desafía a evolucionar", sostuvo Culasso.

Y la experiencia no se queda en Argentina: según informó la institución, SofIA tiene previsto expandirse a Panamá, Costa Rica y Guatemala, replicando el modelo de cafeterías como laboratorios vivos de IA aplicada al comercio.

El antecedente sueco: Andon Café y las limitaciones reales de la IA autónoma

El proyecto argentino cobra mayor dimensión si se compara con uno de los experimentos internacionales más conocidos en este campo: Andon Café, en Estocolmo, Suecia. La empresa estadounidense Andon Labs —fundada en 2023 y especializada en "stress-testing" de agentes de IA en el mundo real— colocó a Mona, un agente impulsado por Google Gemini, al mando de una cafetería real.

A diferencia de SofIA, Mona opera en un entorno comercial abierto y competitivo. Los resultados han sido reveladores tanto en potencial como en limitaciones. Según datos reportados por medios internacionales, la cafetera generó más de USD 5.700 en ventas desde su apertura a mediados de abril de 2026, pero consumió más de USD 5.000 de un presupuesto inicial de USD 21.000+. Gran parte de ese gasto correspondió a costos iniciales de configuración, aunque el objetivo era que eventualmente alcanzara rentabilidad.

Mona logró navegar regulaciones europeas, contratar personal a través de LinkedIn e Indeed, abrir cuentas comerciales con proveedores y gestionar permisos de alimentos. Sin embargo, sus errores de inventario fueron notorios: ordenó 6.000 servilletas, 3.000 guantes de nitrilo, 120 huevos y 50 libras de tomates enlatados que no se usan en ningún plato del menú. Hanna Petersson, miembro del equipo técnico de Andon Labs, atribuyó estos fallos a la "ventana de contexto limitada" del modelo: cuando la memoria antigua de pedidos anteriores salía del contexto, el agente olvidaba completamente lo que había solicitado previamente.

Emrah Karakaya, profesor asociado de economía industrial en el Instituto Real de Tecnología KTH de Estocolmo, advirtió sobre los riesgos éticos y operativos de poner IA a cargo de negocios reales. "Si no tienes la infraestructura organizacional adecuada alrededor de esto, y passes por alto estos errores, puede causar daño a las personas, a la sociedad, al medio ambiente, a los negocios", señaló.

Estos antecedentes son cruciales porque dimensionan el desafío que enfrenta SofIA: pasar de un asistente conversacional a un sistema capaz de ejecutar tareas complejas y tomar decisiones comerciales sin supervisión humana permanente. Los errores de inventario de Mona muestran que, aunque la tecnología avanza, los agentes aún enfrentan limitaciones significativas en la gestión operativa del mundo real.

El mercado de la IA agéntica crece a un 44,6% anual

La iniciativa de ADEN se inscribe en una tendencia global acelerada. Según un informe publicado por MarketsandMarkets el 17 de agosto de 2026, el mercado global de IA agéntica está proyectado para crecer de USD 7.060 millones en 2025 a USD 93.200 millones para 2032, registrando una tasa compuesta anual (CAGR) de 44,6% durante el período de pronóstico.

Este crecimiento refleja un cambio estructural en la adopción empresarial: las organizaciones están transitando de la automatización convencional hacia sistemas autónomos capaces de razonar, planificar y ejecutar flujos de trabajo complejos con mínima intervención humana. Empresas como AWS, Cisco, Microsoft, Google, Databricks, Nutanix y Dell ya lanzaron plataformas específicas para construir, desplegar y gobernar agentes de IA en producción durante 2026.

Datos adicionales de firmas de investigación respaldan esta aceleración: IDC reportó que el 77% de las empresas ya tienen agentes de IA ejecutándose en producción, mientras que Gartner estimó que el mercado de servicios de IA alcanzará USD 515.000 millones en ingresos para 2029, liderado por iniciativas enfocadas en enfoques agénticos.

Qué significa esto para tu startup

El caso de SofIA en Mendoza y el experimento de Andon Café en Estocolmo ilustran dos caras de la misma moneda: el potencial y las limitaciones actuales de la IA agéntica aplicada a operaciones de negocio. Para un founder hispanohablante, esto tiene implicancias directas:

1. La automatización operativa ya es viable, pero requiere supervisión. SofIA demuestra que un agente puede manejar stock, registrar ventas y comunicarse con clientes sin intervención constante. Sin embargo, los errores de Mona en Estocolmo (pedidos masivos equivocados, olvido de compras previas) son una advertencia clara: los agentes actuales todavía necesitan guardrails humanos, especialmente en la gestión de inventarios y finanzas. No implementes IA agéntica en procesos críticos sin un mecanismo de validación humana.

2. Construir tu propia IA interna es más accesible de lo que parece. Que estudiantes de un máster en Mendoza desarrollaran un agente funcional sugiere que la barrera técnica para crear soluciones de IA agéntica propietaria se ha reducido significativamente. Plataformas como AWS Bedrock AgentCore, Google Gemini Enterprise Agent Platform y Microsoft Copilot Cowork facilitan la creación de agentes sin necesidad de equipos de ingeniería masivos. Si tu startup opera en retail, gastronomía o servicios, evaluar la construcción de un agente propio para tareas operativas puede ser una ventaja competitiva.

3. Piensa en expansión regional desde el día uno. ADEN ya planea llevar SofIA a tres países centroamericanos. Si estás desarrollando una solución de IA para tu sector, considera desde temprano cómo replicarla en mercados vecinos. La regulación, los proveedores y los comportamientos del consumidor pueden variar, pero la arquitectura base del agente suele ser portable.

Acciones concretas que puedes implementar hoy:

Mapea tus procesos repetitivos: identifica tareas operativas que consumen tiempo pero siguen patrones predecibles (stock, programación, respuestas frecuentes). Esos son candidatos ideales para un primer agente de IA.
Prueba con un piloto controlado: antes de delegar decisiones críticas, implementa un agente en un área de bajo riesgo (ej. atención al cliente básica o seguimiento de inventario de un solo producto). Monitorea errores y ajusta.
Evalúa plataformas low-code de agentes: herramientas como AWS Bedrock AgentCore o Google Gemini Enterprise Agent Platform permiten construir agentes sin infraestructura compleja. Comienza con un uso específico y escala gradualmente.