¿Está tu empresa industrial preparada para la IA? Las seis dimensiones que importan

La pregunta que más nos hacen las empresas industriales no es “qué herramienta de IA compramos”, sino “por dónde empezamos”. La respuesta corta: por medir. Antes de elegir tecnología conviene saber cuánto trabajo diario es automatizable, dónde está expuesta la empresa frente a un competidor que opere mejor y qué falta para mejorarlo en 90 días.

Nuestro diagnóstico de madurez en IA industrial mide seis dimensiones. Este artículo explica cuáles son, qué preguntas hacemos en cada una y qué significa cada respuesta.

Estar preparado para un caso concreto

No hace falta tener datos perfectos ni IA en todos los departamentos. Hace falta delimitar el proceso, acceder a información suficiente y contar con alguien capaz de validar el resultado. Una empresa puede estar preparada para recopilar documentos y no para automatizar una decisión crítica.

Las señales son prácticas: procesos relativamente estables, referencias compartidas, uso consistente de ERP/MES/CRM y tareas repetidas con volumen suficiente. Tener una herramienta no demuestra que el flujo esté digitalizado; el dato relevante puede seguir en un papel o una hoja personal.

Dos empresas hipotéticas, dos primeros pasos

Un fabricante registra órdenes digitalizadas e incidencias homogéneas. Calidad aporta una muestra y puede validar. Aquí se puede probar recopilación, clasificación y preparación de borradores de no conformidad, con decisiones humanas.

Otro fabricante recibe incidencias por WhatsApp, correo y conversaciones. Cada planta utiliza un Excel distinto y no existe codificación común de productos, proveedores o causas. Primero conviene definir entrada, campos, responsables y una fuente de seguimiento. Ordenar la captura puede aportar valor antes de introducir generación.

Son ejemplos ficticios. La diferencia no implica que una empresa sea capaz y otra incapaz de usar IA: indica trabajos previos distintos.

Situación	Próximo paso
Fuentes accesibles y referencias comunes	Probar recopilación y extracción
Datos suficientes pero permisos pendientes	Resolver acceso antes de evaluar
Registros incompatibles entre plantas	Definir campos y correspondencias
Resultado sin criterio de aceptación	Acordar cómo comprobarlo
Sin responsable disponible	Asignar tiempo y capacidad de decisión

Migraciones de ERP o MES: avanzar sin duplicar trabajo

Cambiar sistemas no impide necesariamente empezar, pero condiciona las dependencias. Hay que conocer qué se retira, qué datos estarán disponibles y qué parte del cuello de botella resolverá el proyecto previsto.

Se pueden trabajar casos desacoplados, reglas reutilizables o documentación mientras se diseña la conexión futura. Evitaríamos invertir en un conector muy dependiente de la plataforma antigua sin valorar su vida útil y coste de retirada.

Una funcionalidad prevista debe comprobarse con el responsable: alcance, fechas y adopción. Cambiar la interfaz no garantiza resolver la visibilidad entre departamentos. La guía de priorización industrial desarrolla esa comparación.

Datos suficientes y un responsable real

Si referencias, lotes, proveedores o estados están mal definidos, automatizar puede trasladar errores más rápido. El piloto debe distinguir errores de origen y del sistema. Las ausencias pueden convertirse en excepciones visibles cuando existe una forma de resolverlas.

El responsable interno necesita conocimiento, autoridad y disponibilidad. Asignar un nombre sin tiempo mantiene el proyecto bloqueado. Operaciones valida reglas, IT confirma interfaces y dirección resuelve prioridades. El proveedor hace visibles dependencias y propone soluciones.

Un cálculo hipotético: 60 casos mensuales a 30 minutos consumen 30 horas. Reducir el proceso completo a 20 minutos libera diez horas, antes de operación y mantenimiento. El diagnóstico identifica una oportunidad; no demuestra ese ahorro.

Un plan a 90 días sirve para ordenar hitos, no para garantizar una automatización completa. Accesos, riesgo y disponibilidad condicionan la puesta en producción. La prueba debe generar evidencia para continuar, corregir o detener.

La guía de calidad industrial muestra un candidato cuando existe trazabilidad. Para empresas industriales, el punto de partida es el trabajo real y sus condiciones, no comprar una herramienta por adelantado.

¿Qué mide cada dimensión?

Dimensión	Qué mide	Pregunta típica
Integración	Cuánta información se mueve a mano entre sistemas	¿Con qué frecuencia alguien copia información manualmente entre sistemas?
Datos	Si la información existe, se encuentra y está al día	¿Cuánto tarda alguien en encontrar el procedimiento o documento técnico correcto?
Adopción	Cuánta gente usa ya herramientas de IA y para qué	¿Qué porcentaje del equipo utiliza herramientas de IA cada semana?
Gobernanza	Si hay reglas y herramientas oficiales	¿Cómo se controla la información sensible que se introduce en sistemas de IA?
Cultura	Quién impulsa el cambio y qué pasa tras una prueba	¿Qué suele pasar después de probar una herramienta de IA?
Medición	Si se mide el impacto de lo que se prueba	¿Medís el impacto de las iniciativas de IA?

Integración: el coste del re-tecleo

Es una dimensión importante cuando el trabajo cruza herramientas y equipos. Copiar información del ERP a una hoja o transcribir un albarán consume tiempo y puede introducir errores. Su peso depende del proceso evaluado.

Las señales que buscamos son concretas. ¿El reporting operativo se prepara a mano cada semana? ¿Las herramientas hablan entre ellas o hay una persona que hace de puente? Cuando la respuesta es “hay una persona”, esa persona es el primer cuello de botella y el primer candidato a automatizar.

Datos: existir no es lo mismo que estar disponible

Casi todas las empresas industriales conservan datos históricos de incidencias, decisiones y resultados. Muy pocas pueden recuperarlos en minutos. La diferencia entre las dos situaciones marca si un sistema de IA puede apoyarse en la experiencia de la empresa o solo en la del modelo.

Preguntamos tres cosas: cuánto se tarda en encontrar el documento técnico correcto, si se conservan datos históricos útiles y quién garantiza que estén actualizados. Sin un responsable de la última pregunta, cualquier automatización acaba trabajando sobre información caducada.

Adopción y gobernanza: uso real frente a uso oficial

Conviene comprobar quién utiliza IA y con qué reglas, sin presuponer adopción por disponer de herramientas. Medimos uso semanal y tareas, junto a herramientas oficiales y controles sobre información sensible.

La combinación más frecuente es adopción media con gobernanza baja. No es un problema de tecnología, sino de decisión: quién puede usar qué, con qué datos y con qué límites.

Cultura y medición: qué pasa después de la prueba

Las dos últimas dimensiones explican por qué muchas iniciativas se quedan en piloto. Preguntamos quién impulsa la adopción, qué ocurre después de probar una herramienta y cuánto se tarda en poner en marcha una nueva herramienta transversal. Y, sobre todo, si se mide el impacto.

Sin medición no hay forma de distinguir una herramienta útil de una moda, ni de defender la siguiente inversión ante dirección.

Qué sale del diagnóstico

El resultado no es una puntuación suelta. Es un perfil con tres indicadores, madurez, presión competitiva y capacidad de respuesta, las evidencias concretas que lo justifican, una estimación del coste actual del trabajo manual y un plan a 90 días con fecha.

Un ejemplo de lo que puede salir de ahí es el caso de Nabla Wind Hub, una ingeniería del sector eólico cuyos ingenieros dedicaban cientos de horas a redactar informes técnicos extensos. La automatización de esos informes con IA generativa les ahorró más de mil horas, y lo que antes llevaba días ahora se genera en minutos.

Por dónde empezar

Si solo vas a hacer una cosa este trimestre, que sea medir. El diagnóstico tarda menos de diez minutos, no requiere conocimientos técnicos y las respuestas no son públicas. Con el resultado en la mano, la conversación sobre herramientas deja de ser abstracta.