Del piloto a otras plantas: los datos desconectados frenan la expansión de la IA industrial
Por Redacción
Periodistas Unidos. Ciudad de México a 19 de octubre de 2026.- Una solución de inteligencia artificial puede ofrecer buenos resultados en una planta y, aun así, resultar difícil de implementar en otras instalaciones. Cuando cada despliegue exige nuevas integraciones, ajustes y trabajo de ingeniería, las empresas enfrentan un desafío que va más allá del desempeño del modelo: convertir un proyecto exitoso en una capacidad que puedan repetir con beneficios sostenidos.
Para AVEVA, una de las principales barreras está en la fragmentación de los datos industriales. La información puede existir, pero estar distribuida entre sistemas que describen de manera distinta los mismos equipos y procesos. Conectar esos datos y darles un significado consistente resulta fundamental para extender las soluciones entre plantas.
“La verdadera escalabilidad significa dos cosas: que el costo incremental por planta disminuya y que el beneficio incremental por planta aumente. Si cada instalación requiere su propia implementación de IA a medida, nunca se llega a ese punto”, explica Sree Hameed, estratega de la industria de manufactura inteligente de AVEVA.
El mismo equipo en sistemas que hablan distinto
Una máquina de llenado puede aparecer con un nombre en una planta, con una abreviatura diferente en otra y con un número distinto en la base de datos de ingeniería. Aunque los registros se refieran al mismo tipo de equipo, esas diferencias dificultan relacionar la información y reutilizar aplicaciones entre instalaciones.
A ello se suma la convivencia de tecnologías incorporadas durante décadas. Los sistemas de planificación, control de procesos, ejecución de manufactura, mantenimiento y gestión empresarial pueden utilizar estructuras y convenciones distintas. Según Hameed, reemplazarlos todos no es una meta realista ni necesariamente conveniente. El trabajo consiste en lograr que la información pueda interpretarse y utilizarse de forma consistente entre ellos.
Crear una plataforma de datos aislada exclusivamente para IA puede añadir otra capa de fragmentación. AVEVA plantea que una base de información conectada debe servir también a otras necesidades operativas, como el análisis de procesos y la gestión de la producción. Esto permite aprovechar el trabajo de integración en distintos usos.
De 26 a cinco semanas para replicar una solución
El caso de Syensqo ilustra el valor de preparar los datos para reutilizar soluciones digitales. La compañía de materiales buscaba extender aplicaciones entre las 30 plantas de su división de polímeros, conservando flexibilidad para atender las necesidades de cada instalación. Para ello, se enfocó en estructurar su información industrial de manera que las soluciones pudieran transferirse con mayor facilidad.
La empresa logró multiplicar por cuatro la velocidad de replicación de soluciones entre plantas. En uno de los ejemplos reportados, el tiempo para replicar una aplicación de seguimiento de la eficiencia global de los equipos, conocida como OEE, pasó de 26 a cinco semanas.
La experiencia muestra cómo una estructura de datos reutilizable puede facilitar la expansión de capacidades digitales. Ese mismo principio es relevante para la IA industrial: reducir el trabajo que debe repetirse en cada instalación y conservar el significado de la información al trasladar una solución.
Primero el problema operativo
AVEVA recomienda que las organizaciones definan el resultado que necesitan mejorar antes de seleccionar una tecnología. Puede tratarse de elevar la calidad, cumplir los plazos de entrega o aumentar la capacidad de producción. A partir de ese objetivo, deben identificar qué datos necesitan, dónde se generan y cómo conectar los sistemas que los contienen.
La preparación de los datos también debe evaluarse según el caso de uso. Una empresa puede disponer de información detallada sobre materias primas y, al mismo tiempo, tener registros incompletos de sus equipos. Del mismo modo, un análisis de sostenibilidad requiere mediciones consistentes de los recursos que pretende optimizar. La IA no puede compensar información que no existe.
“Los pilotos pueden demostrar que la IA funciona. El impacto en toda la empresa llega cuando se consigue que funcione una y otra vez, con un menor costo incremental y un mayor beneficio incremental en cada ocasión”, señala Hameed.
Para las empresas industriales, avanzar requiere probar las soluciones en un alcance acotado, evaluar sus resultados y preparar las condiciones para reutilizarlas. Conectar los datos y entender su contexto permite que el aprendizaje de una planta contribuya a las siguientes implementaciones, en lugar de quedar limitado a un proyecto aislado.