Por qué la mayoría de los proyectos de IA en manufactura no llegan a producción
No es por falta de tecnología. Tampoco por falta de presupuesto. La razón más frecuente es más simple: se elige el proceso equivocado.
En los últimos dos años, hemos trabajado con empresas industriales de tamaño medio en España y Latinoamérica. El patrón se repite: el equipo directivo identifica diez procesos candidatos, elige el que parece más visible o más urgente, y seis meses después el agente existe en una demo pero no en producción.
El problema no es el agente. Es que el proceso no estaba listo.
Estos cinco criterios permiten evaluar cualquier proceso de manufactura antes de comprometer tiempo, dinero o credibilidad interna.
Criterio 1: Volumen repetitivo suficiente
Un agente de IA justifica su existencia cuando el proceso ocurre con frecuencia. No hay un número universal, pero como referencia práctica: si el proceso ocurre menos de cincuenta veces al mes, el retorno difícilmente compensa la inversión inicial en los primeros seis meses.
Los procesos con mayor potencial en manufactura suelen ser: validación de órdenes de compra contra catálogo, conciliación de albaranes con ERP, alertas de desviación en línea de producción, o seguimiento de incidencias de calidad.
Si el proceso ocurre una vez a la semana y tarda veinte minutos, el ahorro anual es de dieciséis horas. Si ocurre cien veces al día y tarda tres minutos, el ahorro potencial supera las mil horas anuales. La diferencia entre ambos escenarios determina si el proyecto tiene sentido económico.
Criterio 2: Los datos existen y tienen estructura mínima
Un agente necesita datos para operar. No necesita datos perfectos, pero sí datos accesibles.
La pregunta concreta es: ¿la información que usa este proceso está en algún sistema — ERP, MES, hoja de cálculo compartida, correo electrónico — o vive en la cabeza de una persona?
Si la respuesta es "en la cabeza de alguien", el proceso no está listo. No porque sea imposible, sino porque el primer paso sería documentar ese conocimiento, y eso es un proyecto diferente.
Si los datos están en un ERP como SAP, Dynamics o incluso en archivos Excel con estructura consistente, hay base suficiente para construir. La integración puede ser más o menos compleja, pero es resoluble.
Criterio 3: Las reglas de decisión son explicables
Este criterio es el que más proyectos descarta — y el más importante.
Un agente puede ejecutar reglas. No puede reemplazar el juicio de un operario con veinte años de experiencia que "sabe" cuándo una pieza está fuera de tolerancia aunque los números digan lo contrario.
La prueba práctica: pídale a la persona que ejecuta el proceso que explique, paso a paso, cómo toma cada decisión. Si puede hacerlo en treinta minutos con ejemplos concretos, el proceso es candidato. Si la respuesta es "depende de muchas cosas" sin poder especificar cuáles, el proceso requiere un análisis más profundo antes de automatizar.
Esto no significa que los procesos complejos no sean automatizables. Significa que primero hay que hacer el trabajo de documentar las reglas — y ese trabajo tiene valor independientemente de la IA.
Criterio 4: El costo del error es tolerable o verificable
Todo agente comete errores. La pregunta no es si los cometerá, sino qué ocurre cuando ocurren.
En manufactura, hay procesos donde un error tiene consecuencias menores y reversibles: un reporte generado con un dato incorrecto que alguien revisa antes de enviar. Y hay procesos donde un error tiene consecuencias graves: una orden de parada de línea ejecutada sin validación humana.
Los procesos con mayor madurez para agentes son aquellos donde existe un punto de verificación humana antes de que la acción tenga efecto irreversible, o donde el costo del error es bajo comparado con el costo de la intervención manual continua.
No se trata de evitar los procesos críticos para siempre. Se trata de no empezar por ellos.
Criterio 5: Hay un responsable interno que va a usar el resultado
Este criterio parece obvio. No lo es.
Hemos visto proyectos técnicamente bien ejecutados que nadie usa porque el agente fue diseñado para resolver el problema de alguien que no participó en el diseño, o porque el responsable del proceso cambió durante la implementación, o porque el output del agente no encaja en el flujo de trabajo real del equipo.
Antes de iniciar cualquier proyecto, debe haber una persona con nombre y apellido que diga: "yo voy a usar esto, y esto es lo que necesito que haga". Sin ese compromiso, el riesgo de entrega sin adopción es alto.
Cómo aplicar los cinco criterios en la práctica
Una empresa fabricante de componentes industriales en España — con operaciones en tres plantas y un equipo de operaciones de doce personas — tenía un proceso de conciliación de albaranes que consumía entre cuarenta y sesenta horas mensuales entre tres personas.
Al evaluar el proceso con estos cinco criterios: volumen alto (más de doscientas transacciones mensuales), datos en SAP con estructura consistente, reglas explicables en menos de una hora, costo de error tolerable con revisión humana en casos de discrepancia, y un responsable de operaciones comprometido con el resultado.
El proceso cumplía los cinco criterios. En ocho semanas, el agente procesaba el ochenta por ciento de los albaranes sin intervención. Las excepciones — el veinte por ciento restante — llegaban al equipo ya clasificadas por tipo de discrepancia. El ahorro estimado: entre treinta y cuarenta horas mensuales, con una reducción de errores de conciliación de aproximadamente el cuarenta por ciento en los primeros tres meses.
No todos los procesos candidatos en esa empresa cumplían los cinco criterios. Dos fueron descartados en el diagnóstico inicial. Eso evitó invertir en proyectos que no habrían llegado a producción.
Conclusión
La pregunta no es si la IA puede aplicarse a manufactura. Puede. La pregunta es qué proceso específico, en qué condiciones, con qué datos y con qué equipo.
Los cinco criterios — volumen, estructura de datos, reglas explicables, costo de error tolerable y responsable interno — no garantizan el éxito de un proyecto. Sí permiten descartar los que tienen baja probabilidad de llegar a producción antes de comprometer recursos.
Si tiene procesos candidatos en su operación y quiere evaluar cuáles cumplen estos criterios, el diagnóstico gratuito de OuroAI lo hace en una sesión de trabajo. Sin propuesta previa, sin compromiso de compra.
