Transformación digital
IA para operaciones
Análisis e indicadores clave de rendimiento (KPI)

Pasar de los sistemas de registro a los sistemas de comprensión

Mike McKay

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.

Durante las últimas décadas, el sector manufacturero ha dado prioridad al «sistema de registro». Las empresas han invertido miles de millones en plataformas ERP y MES diseñadas con un único objetivo: documentar las transacciones. Estos sistemas destacan por su capacidad para registrar lo que ha ocurrido: se ha fabricado una pieza, se ha dado por finalizado un lote o se ha enviado un pedido.

Sin embargo, a medida que nos acercamos al año 2026, muchos responsables de operaciones se están dando cuenta de que, aunque disponen de más datos que nunca, les falta claridad. La estructura tradicional de la fabricación es pasiva. Requiere que las personas introduzcan los datos manualmente, interpreten los informes manualmente y salven manualmente la brecha entre una lectura bruta del sensor y una acción correctiva.

El sector está llegando a un punto de inflexión en el que el modelo transaccional de datos ya no basta para seguir el ritmo de la complejidad operativa. Para avanzar, hay que pasar de limitarse a registrar el historial a crear un sistema que permita comprender los datos.

La carga administrativa que suponen los datos históricos

Se suponía que el impulso a la transformación digital liberaría capacidad de ingeniería y de liderazgo. En muchos casos, ha ocurrido justo lo contrario. Según un estudio de CoLab Software, los ingenieros dedican ahora entre el 23 % y el 25 % de su tiempo a tareas que no aportan valor añadido, como buscar archivos y gestionar el control de versiones.

En la planta de producción, la fricción es aún más pronunciada. Un estudio de ScreenCloud y Unily indica que los trabajadores de primera línea pierden aproximadamente el 22 % de su turno —más de 90 minutos al día— buscando información o esperando a recibirla. Cuando un sistema es meramente un sistema de registro, los datos permanecen inactivos hasta que una persona interactúa con ellos. Esto crea una cultura en la que los empleados altamente cualificados dedican sus turnos a alimentar el software en lugar de optimizar el proceso.

Reducción de la pirámide DIKW

Para resolver este problema, debemos analizar la forma fundamental en que se estructuran los datos industriales, que a menudo se visualizan mediante la pirámide DIKW (datos, información, conocimiento, sabiduría).

En una estructura tradicional ISA-95, el software suele encargarse de la base de la pirámide. Recopila datos brutos (por ejemplo, una temperatura de 100 °C) y los organiza en forma de información (por ejemplo, un gráfico lineal de las temperaturas a lo largo del tiempo). A partir de ahí, el sistema se detiene. Una persona, normalmente un supervisor o un ingeniero, debe aplicar sus propios conocimientos para analizar la tendencia y, finalmente, llegar a la sabiduría, que es la decisión de detener la máquina o ajustar el caudal de refrigeración.

Cómo se transforman los datos industriales en información útil

Un sistema de comprensión cambia esta dinámica al eliminar estas capas. Al integrar la inteligencia artificial y una arquitectura de datos más flexible, el sistema puede pasar de los datos brutos al conocimiento casi al instante. No se limita a mostrar un pico de temperatura, sino que comprende que «100 °C es una temperatura demasiado alta para este producto concreto en esta máquina concreta» y envía una recomendación inmediata al operario.

Aprovechamiento de los datos no estructurados

Una de las principales razones por las que los sistemas MES y ERP tradicionales tienen dificultades para ofrecer un marco de comprensión es su dependencia inherente de los datos estructurados. Estos sistemas están diseñados para tablas, números y campos rígidos, es decir, tipos de datos que encajan perfectamente en una base de datos. Sin embargo, la gran mayoría de lo que ocurre realmente en la planta de producción carece de estructura.

En las fuentes que los sistemas tradicionales consideran ruido se esconde una valiosa información contextual operativa:

  • Notas de voz de un jefe de turno saliente en las que explica una solución alternativa basada en el «conocimiento tribal».
  • Fotografías de un defecto tomadas con un smartphone que muestran los matices de un problema de calidad.
  • El ruido de un motor que un técnico experimentado reconoce como un indicio de que se va a producir una avería.
  • Notas escritas a mano en pizarras blancas sobre ajustes temporales en los procesos.

Según McKinsey, más del 90 % de los datos de las organizaciones son datos no estructurados, que incluyen este tipo de imágenes, grabaciones y texto sin formato. Dado que los sistemas ERP y MES tradicionales se diseñaron para bases de datos rígidas, esta gran cantidad de información ha pasado desapercibida para las empresas a lo largo de la historia.

El resultado es un volumen ingente de «datos oscuros», es decir, datos que se han recopilado pero que nunca se han utilizado para el análisis ni para la toma de decisiones estratégicas. Splunk señala que el 55 % de los datos de una organización se consideran oscuros, sin explotar, ocultos o desconocidos. Se ha diseñado un sistema de interpretación para salvar por fin esta brecha, utilizando inteligencia artificial multimodal y visión artificial con el fin de convertir estas señales físicas inactivas en información útil.

Reducción del impuesto de coordinación

El principal lastre para la productividad del sector manufacturero en 2026 no es la velocidad de las máquinas, sino la «carga de coordinación», es decir, el coste oculto que suponen la planificación manual, las comprobaciones de estado y el traslado de datos. Cuando un sistema se limita a ser un registro histórico, las personas deben actuar como nexo de unión entre los distintos silos.

El cambio hacia un sistema basado en la comprensión no consiste en sustituir el criterio humano, sino en potenciarlo. Cuando el sistema se encarga de la interpretación rutinaria de los datos —como identificar un patrón de defectos o verificar una configuración—, el ser humano deja de ser un componente intermedio. En su lugar, se le da la capacidad de gestionar las excepciones en lugar de las normas.

Este cambio arquitectónico aborda una realidad estructural fundamental: la falta de talento. A medida que los sistemas automatizan las tareas rutinarias, las funciones de primera línea pasan de ejecutar pasos repetitivos a tomar decisiones inteligentes e interdepartamentales. Para un responsable de operaciones, el valor reside en la rapidez en la toma de decisiones. Al eliminar las trabas administrativas que supone esperar a recibir información, permites que tus empleados más cualificados vuelvan al trabajo para el que fueron contratados: resolver problemas y optimizar la producción.

El papel de la combinabilidad

Un sistema de comprensión no puede existir como una herramienta monolítica y cerrada. Requiere una arquitectura modular, ya que la comprensión es un problema que implica múltiples señales. Los sistemas de registro tradicionales están diseñados para cambios lineales, basados en hitos, y funcionan bien en ciclos de planificación largos y procesos estables. Sin embargo, tienen dificultades en un entorno en el que el contexto es continuo y fragmentado.

La composibilidad facilita esta transición de tres formas fundamentales:

  • Separación de los datos de la lógica: Los fabricantes pueden incorporar señales desordenadas y no estructuradas sin poner en riesgo la integridad del sistema ERP central, separando la capa de datos de la capa de aplicación.
  • Evolución gradual: Las aplicaciones modulares permiten a los equipos de operaciones incorporar tecnologías inteligentes, como la visión artificial, en una sola estación o célula de forma gradual, en lugar de tener que esperar a que se lleve a cabo una implantación en toda la planta.
  • Interoperabilidad: Solo una arquitectura flexible puede integrar señales dispares, como instantáneas de visión, registros de máquinas y notas de voz de los operadores, en una visión operativa compartida que se transmita entre las distintas funciones.

Al crear una capa de interacción modular sobre los sistemas existentes, los equipos pueden, por fin, resolver las excepciones al ritmo de la planta de producción, en lugar de al ritmo del ciclo de lanzamiento de las tecnologías de la información.

Una auditoría de liderazgo para 2026

Ahora que los responsables de operaciones planifican la inversión en tecnología para el próximo año, el objetivo no debería ser recopilar más datos, sino acelerar la toma de decisiones.

Para evaluar si tu estructura actual avanza hacia un sistema de comprensión, plantéate las siguientes preguntas:

  1. La prueba de espera: ¿Cuánto tiempo pasan nuestros operadores de primera línea esperando a que un supervisor interprete una alerta del sistema o les dé las siguientes instrucciones?
  2. La prueba de los datos ocultos: ¿Qué parte de nuestros conocimientos operativos más valiosos se encuentra en cuadernos, pizarras o conversaciones no grabadas?
  3. La prueba del administrador: ¿Dedican nuestros ingenieros más tiempo a resolver problemas de producción o a depurar datos para el ERP?

El paso de la mera recopilación de datos a su comprensión no consiste en la simple adquisición de un programa informático. Se trata de un cambio en la forma en que valoramos los datos, alejándonos de la documentación histórica para avanzar hacia el conocimiento operativo en tiempo real.

Preguntas frecuentes

No. El ERP sigue siendo el sistema de registro imprescindible para las transacciones financieras y la planificación a largo plazo. El sistema de comprensión actúa como una capa de interacción modular que se sitúa por encima del ERP para gestionar en tiempo real los datos desordenados de la planta de producción, que los ERP no fueron diseñados para procesar.

Los datos estructurados son cualquier dato que pueda incluirse en una tabla, como números de referencia, marcas de tiempo y cantidades. Los datos no estructurados incluyen fotos, notas de voz, registros de turnos y patrones de vibración de las máquinas. Los sistemas de registro ignoran estos últimos; los sistemas de interpretación se nutren de ellos.


La pirámide DIKW hace referencia a los datos, la información, el conocimiento y la sabiduría. Tradicionalmente, los seres humanos tenían que ir ascendiendo manualmente por cada nivel de la pirámide. La inteligencia artificial y las entradas multimodales, como la visión y la voz, acortan la pirámide al saltarse los pasos intermedios y proporcionar sabiduría directamente al usuario.

No. Cambia el papel del supervisor, que pasa de ser un intérprete de datos a un solucionador de problemas. En lugar de dedicar los turnos a explicar qué significa un código de error, el supervisor utiliza el sistema para identificar patrones recurrentes en datos no estructurados, como las notas de turno o las fotos de defectos, con el fin de abordar las causas fundamentales.


Un sistema de gestión de la información es, en realidad, la solución para los datos desordenados. No hace falta una base de datos perfecta para empezar; lo primero es recopilar los datos no estructurados —como fotos, grabaciones de voz y notas— que tu equipo ya está utilizando. A partir de ahí, el sistema ayuda a estructurar esos «datos ocultos» con el paso del tiempo.

Una plataforma modular permite a los responsables de los procesos crear la capa de interacción que recoge datos no estructurados a través de una cámara o de la voz y los conecta con la lógica de la fábrica. De este modo se crea el contexto en tiempo real del que carecen los sistemas estáticos.

Descubre las principales tendencias del sector manufacturero que marcarán el año 2026

Descubre cómo los fabricantes utilizan « Tulip » para dar respuesta a las prioridades emergentes, vincular los datos con la ejecución e impulsar el rendimiento durante el próximo año.

Más información
Ilustración de «Un día en la vida»