Transformación digital
Análisis e indicadores clave de rendimiento (KPI)

Datos y conocimientos: los dos pilares de la fabricación inteligente

Nishika Makwana
Datos y conocimientos: los dos pilares de la fabricación inteligente (ilustración)

AI Summary

Operations Calling 2025 showcased how modern manufacturing depends on open ecosystems, with dozens of partners demonstrating integrated AI, hardware, and software solutions. The event emphasized that collaboration and interoperability—not single all-in-one systems—are key to scalable, future-ready operations.

En una sesión de formación en la planta de producción, un operario veterano le dice a un nuevo empleado: «Oirás un ruido de vibración procedente de la máquina».
«No oigo nada», responde el aprendiz.
«No, lo notarás», explica el experto. «Es una intuición que he desarrollado tras 30 años trabajando aquí».

Esa conversación, compartida por Siva Lakshmanan, director ejecutivo de DeepHow, refleja lo que está ocurriendo en las plantas de fabricación de todo el mundo. Por un lado, décadas de experiencia operativa se están perdiendo a medida que los trabajadores con más experiencia se jubilan. Por otro, hay montañas de datos de producción atrapados en sistemas desconectados, que no pueden utilizarse para tomar las decisiones más importantes.

En el evento « Operations Calling » de 2025, líderes del sector de DeepHow, Hexagon y NVIDIA se reunieron para debatir cómo la inteligencia artificial está transformando las fábricas inteligentes. La conversación se centró en una carencia fundamental: la mayoría de los fabricantes se centran bien en la infraestructura de datos, bien en la captura de conocimientos, pero rara vez en ambas cosas. Este artículo analiza por qué la inteligencia artificial solo funciona cuando estos pilares se construyen conjuntamente, y cómo dar los primeros pasos.

Fundación Uno, La crisis del conocimiento

Por qué se está perdiendo el conocimiento operativo

La falta de mano de obra cualificada en el sector manufacturero no se limita a los puestos vacantes, sino que tiene que ver con la «fuga de cerebros» que se produce a medida que los trabajadores con experiencia abandonan el sector. Las previsiones del sector estiman que para 2030 podrían quedar sin cubrir hasta 30 millones de puestos de trabajo en el sector manufacturero, pero la crisis más grave es la pérdida de conocimiento tácito: esas décadas de intuición operativa que nunca se documentaron y que, a menudo, resultan imposibles de expresar con palabras.

El colapso de la transferencia natural

Durante décadas, los conocimientos técnicos se transmitían a través de períodos de aprendizaje prolongados. Ese modelo se ha desmoronado debido a dos factores:

  • Antigüedad en el puesto: La antigüedad media en el sector manufacturero ha descendido a menos de cinco años, lo que significa que los trabajadores con más experiencia abandonan la empresa antes de poder formar adecuadamente a sus sucesores.
  • Complejidad: Las operaciones actuales implican tolerancias más estrictas y equipos más sofisticados, lo que aumenta la diferencia entre «seguir el procedimiento operativo estándar» y «hacerlo bien» de verdad.

Definición de la brecha de «conocimientos técnicos»

«Este conocimiento es de naturaleza tácita... no es algo que se pueda plasmar fácilmente por escrito ni siquiera explicar con facilidad». — Siva Lakshmanan, director ejecutivo de DeepHow

El conocimiento no se encuentra en un manual; es la intuición operativa necesaria para mantener el flujo de la producción:

  • Señales sensoriales: Reconocer una vibración que indique un problema antes de que se active un sensor.
  • Los entresijos de la máquina: Dominar las secuencias de configuración específicas que permiten que una máquina caprichosa funcione sin problemas.
  • Trucos de Tribal: Saber qué códigos de error son realmente importantes y qué soluciones alternativas resuelven los problemas recurrentes.

Por ejemplo, se puede comparar con enseñar a un niño a montar en bicicleta: puedes explicarle la física, pero el niño tiene que verlo y sentirlo para entenderlo.

«El conocimiento es lo que tienes en la cabeza», explicó. «La experiencia práctica es cuando lo transmites, y eso no es nada fácil». — Siva Lakshmanan, director ejecutivo de DeepHow

Sin un método sistemático para plasmar estos «conocimientos prácticos», la experiencia que se ha tardado 30 años en adquirir desaparece, en la práctica, en una sola entrevista de salida.

Segundo pilar: Por qué los datos por sí solos no bastan en el sector manufacturero

Las plantas de producción generan una variedad asombrosa de datos, desde señales de PLC y series temporales hasta grabaciones de vídeo y lecturas de sensores. Sin embargo, este volumen suele quedar sin aprovechar debido a varios obstáculos fundamentales:

  • El problema de los «silos»: los datos suelen quedar aislados en departamentos concretos, lo que da lugar a una colaboración puntual en lugar de a una estrategia unificada.
  • La brecha del valor: Disponer de datos no es lo mismo que utilizarlos; el valor solo surge cuando los datos se convierten en conocimientos que sirven de base para otras disciplinas.
  • La crisis del contexto: la IA genérica carece de los «conocimientos técnicos» específicos sobre los procesos y las máquinas de tu fábrica local.
  • Si entran datos erróneos, salen datos erróneos: las GPU de alta velocidad y los centros de datos no sirven de nada si no se les proporcionan datos relevantes y de alta calidad.

«Recopilamos una cantidad ingente de datos, ya sea a través de nuestro software o de los dispositivos que instalamos en la planta… Una cosa es disponer de los datos y otra muy distinta es ser capaz de utilizarlos». — Hiren Kumbhojkar, director de Gestión de Productos de la cartera de software de fabricación de Hexagon

La solución: El objetivo es ir más allá de la simple recopilación de datos y avanzar hacia una estrategia de datos en la que la información esté estructurada, sea accesible y tenga suficiente relevancia contextual como para facilitar la toma de decisiones en tiempo real.

Cómo están conectando realmente los fabricantes los datos y el conocimiento

Los fabricantes que más avances están logrando no persiguen una transformación radical, sino que aplican modelos específicos que conectan los conocimientos de primera línea con los datos operativos de forma práctica y escalable.

Así es como se ve:

Modelo 1: Recopilar los conocimientos de las personas mientras trabajan

El manual de estrategias:

  • Registra las tareas reales a medida que se realizan, como preparaciones, cambios de producción, resolución de problemas e inspecciones.
  • Utilizar la IA para convertir contenido no estructurado (vídeo, voz, gestos) en instrucciones estructuradas
  • Convertir los conocimientos tácitos en una guía digital que permita realizar búsquedas y sea reproducible
  • Incorpora comprobaciones, traducciones y asistencia en tiempo real para que los nuevos empleados puedan ponerlo en práctica de inmediato

El resultado:

  • El conocimiento se hace visible y se puede aprovechar sin tener que apartar a los expertos de sus tareas habituales
  • En lugar de una formación puntual, los equipos cuentan con un sistema de orientación integrado al que pueden acceder en cualquier momento.
  • Los conocimientos especializados se distribuyen entre turnos, funciones y ubicaciones sin que se produzcan cuellos de botella en la documentación

Patrón 2: Convertir los flujos de datos en apoyo a la toma de decisiones en tiempo real

El manual de estrategias:

  • Combina datos multimodales, como los ajustes de las máquinas, las imágenes de las cámaras y los registros de calidad, en una única capa de inteligencia
  • Entrena la IA con tus propios datos históricos (programas, inspecciones, resultados) para que reconozca patrones
  • Ofrece orientación en tiempo real en el momento de la toma de decisiones: «Esta es la solución», no solo «Este es el problema».
  • Utiliza esta información para ayudar a los operadores, no para sustituirlos, y así respaldar los flujos de trabajo en los que participa el ser humano.

«La información debe ser en tiempo real, ¿no? Esperar dos días para recibir un informe… eso no supone un valor empresarial tangible». — Alvin Clark, director global de relaciones con desarrolladores para los sectores de fabricación e industrial, NVIDIA

El resultado:

  • Los operadores reciben ayuda relevante y contextual en el momento mismo, y no horas más tarde.
  • Los ingenieros disponen de vías más rápidas para identificar la causa raíz y de puntos de referencia más sólidos para la mejora continua
  • Tus sistemas dejan de limitarse a informar sobre el rendimiento y empiezan a contribuir a mejorarlo

El hilo conductor

Estos enfoques pueden partir de puntos de partida distintos, pero funcionan por la misma razón:

  • Utilizan el contexto local, no modelos genéricos
  • Hacen que el conocimiento sea visible y que los datos sean útiles
  • Incorporan la inteligencia allí donde se realiza el trabajo
  • Y se encargan de que la gente esté al tanto de todo y no se quede al margen

Así es como los fabricantes están haciendo realidad la inteligencia artificial: conectando los cimientos con los que ya cuentan.

Primeros pasos: una guía práctica para avanzar

No hace falta disponer de datos perfectos ni de una recopilación completa de conocimientos para empezar. Empieza por un problema real y recurrente, y luego ve sentando ambas bases en paralelo. La mayoría de los fabricantes siguen un proceso sencillo:

  • Evalúa tus carencias en materia de accesibilidad a los datos y de conocimientos no documentados
  • Elige un caso de uso de gran impacto, como los cambios de producción, la resolución de problemas o la formación.
  • Recopila conocimientos y conecta datos como parte de un flujo de trabajo específico
  • Otorga a los equipos una responsabilidad clara y las directrices necesarias para actuar con rapidez. Cuando las personas ven reflejada su experiencia en los sistemas que utilizan, la adopción se produce de forma natural y la mejora no tarda en llegar.

Cómo ayuda « Tulip » a sentar ambas bases

Tulip reúne datos y conocimientos en una única plataforma diseñada para adaptarse a las realidades de las operaciones de primera línea.

Con el compositor de IA de Tulip , los equipos pueden convertir los procedimientos operativos estándar (SOP) estáticos y los conocimientos implícitos en instrucciones de trabajo digitales e interactivas en cuestión de minutos, sin necesidad de programar. Basta con subir un documento para que el sistema extraiga los pasos, las imágenes y la lógica necesarios para generar una aplicación funcional. Se trata de una forma rápida y repetible de poner los flujos de trabajo de los expertos al alcance de todos los operarios.

Si a esto le sumamos AI Agent, el asistente de IA integrado en Tulip, los operarios obtienen respuestas al instante sin interrumpir su flujo de trabajo. Ya sea para consultar especificaciones de par, solucionar problemas en una máquina o revisar el historial de rendimiento, Copilot ofrece al instante la información adecuada a partir de tus propios procedimientos operativos estándar (SOP), manuales y datos de producción.

En conjunto, estas herramientas crean un ciclo cerrado: el conocimiento se recopila, se convierte en aplicaciones, se enriquece con datos en tiempo real y se pone a disposición allí donde se necesita. Y dado que « Tulip » forma parte de un ecosistema de fabricación más amplio, esa inteligencia va más allá de una única plataforma. A través de colaboraciones con empresas innovadoras como DeepHow, Hexagon y NVIDIA, los fabricantes pueden integrar la recopilación de conocimientos especializados, la simulación avanzada y las capacidades de gemelos digitales, así como una infraestructura de IA acelerada, en un mismo flujo de trabajo operativo.

Tulip sienta las bases para una fábrica más conectada e inteligente, en la que la inteligencia artificial respalda tanto a las personas como a los procesos, y un ecosistema abierto permite que esa inteligencia se extienda a todas las operaciones.

Transforma digitalmente tus operaciones con Tulip

Descubre cómo los sistemas de aplicaciones permiten llevar a cabo operaciones ágiles y conectadas

Solicita una demostración
Ilustración de «Un día en la vida» (CTA)