La inteligencia artificial está entrando al negocio del cannabis por un lugar menos espectacular que las granjas autónomas: las tareas repetitivas que consumen horas de trabajo. Un reportaje de mg Magazine, basado en entrevistas con responsables de siete empresas estadounidenses, describe usos en cultivos, laboratorios, marcas y dispensarios. No se trata en ningún caso de una encuesta representativa, sino de una serie de experiencias empresariales que permiten observar dónde se está aplicando esta tecnología y cuáles son sus límites.
En el cultivo, Motley Terpz emplea herramientas de IA para revisar programas de nutrientes e informes de suelo, analizar el riego y modelar costos por superficie o insumo. Su director ejecutivo, Matthew Schneider, no les atribuye un aumento directo de beneficios, pero sí sostiene que permite trabajar con mayor rapidez y ampliar lo que puede asumir el equipo existente.
Una lógica similar aparece en el comercio minorista. La marca neoyorquina Jaunty utiliza previsiones para anticipar pedidos y reducir faltas de existencias, mientras NatureMed analiza velocidad de venta, precios y segmentación de clientes. Kaya Bliss, un dispensario de Brooklyn, incorporó un asistente virtual para orientar las compras antes de la visita. La empresa reconoce, sin embargo, que el sistema puede equivocarse y requiere entrenamiento y ajustes técnicos.
Estos casos amplían un proceso que ya se viene observado en el marketing, la recomendación de productos y la personalización de mensajes. Ahora la IA también se utiliza para preparar informes, detectar errores en sistemas de venta y producir primeros borradores. La ganancia más visible no aparece en la caja sino en la capacidad de manejar más productos y tareas sin aumentar sus plantillas al mismo ritmo.
Con respecto a la eliminación de puestos de trabajo producto de la IA, ninguna de las compañías entrevistadas informó despidos vinculados con la IA, pero algunas reconocieron que han evitado nuevas contrataciones. El efecto inmediato puede no ser la eliminación de puestos existentes, sino un crecimiento con menos empleos de los que habría requerido la misma expansión.
El límite común está en la calidad de la información. CannMenus, una plataforma de datos del sector, advierte que un mismo producto puede aparecer escrito de numerosas formas entre menús y sistemas de venta. Sin una limpieza previa, los modelos pueden transformar inconsistencias en respuestas convincentes y falsas. Por eso, las empresas consultadas coinciden en reservar la decisión final para personas capaces de detectar errores ya que en una industria regulada de forma fragmentaria, acelerar procesos puede ser útil, pero delegar el criterio resulta arriesgado.
