¿Por qué la IA industrial fracasa?

En 2026 no hay feria ni post de LinkedIn que no hable de IA industrial. Agentes que reprograman el mantenimiento solos, copilotos que le explican al operario una alarma, modelos que ajustan consignas en tiempo real. La promesa es enorme y, en parte, real. El problema empieza cuando uno de esos proyectos aterriza en una planta de verdad.

Una investigación del MIT muy citada este año dejó una cifra incómoda: solo alrededor del 5% de los proyectos de IA generativa llega a escalar. Gartner calcula que más del 40% de los proyectos de IA agéntica podrían abandonarse antes de 2027 por costes disparados, valor poco claro y problemas de implantación. Y cuando haces la autopsia de uno de ellos, el informe casi nunca dice "el modelo era malo". Dice que los datos no estaban, que la red no aguantaba, que nadie podía conectarse a la máquina sin abrir un agujero.

El problema de la IA industrial casi nunca es la IA. Es todo lo que hay debajo, lo que no sale en la demo. Lo dicen hasta los fabricantes de infraestructura: según el informe State of Industrial AI 2026 de Cisco, el 97% de los fabricantes reconoce que su red necesita modernizarse para soportar la IA autónoma. Hay mucha gente comprando el techo antes de tener paredes.

La planta genera datos, pero casi ninguno sirve

Cualquier planta moderna produce una cantidad absurda de datos. Así que cuando llega el consultor y dice "necesitamos datos para la IA", la reacción natural es: datos me sobran. Ahí está el malentendido.

Un valor crudo de un PLC no es información. TT_4021 = 78,3 no significa nada por sí solo. ¿Temperatura o presión? ¿De qué equipo, en qué unidades, durante qué lote, qué producto, qué turno? Un dato sin contexto es ruido con decimales.

Historizar es guardar el valor con su marca de tiempo. Contextualizar es saber qué representa dentro del proceso: a qué activo pertenece, con qué orden de fabricación se relaciona, qué parada coincide con qué causa. Estándares como ISA-95 existen justo para eso, para que un dato tenga un modelo detrás y no dependa de que Pedro, el de la línea 3, recuerde qué era la variable 4021. Sin esa capa, el modelo más avanzado aprende correlaciones que no existen. Te dirá que la merma sube los martes, sin saber que los martes cambiáis de SKU.

Con la IA va a pasar lo que ya pasa con tanto software industrial que acaba en el cajón: no porque sea malo, sino porque se montó sobre datos que nadie ordenó primero.

Una red plana no aguanta la IA industrial (ni NIS2)

Supongamos que tienes los datos en orden. Ahora hay que moverlos, y aparece la capa que nadie mira hasta que falla: la red.

La mayoría de redes OT siguen siendo planas. Todo habla con todo, sin segmentar, montado a parches durante quince años de ampliaciones. Funciona para arrancar máquinas. No para llevar datos en tiempo real al borde, que es donde la IA necesita decidir rápido. Y una red plana es, a la vez, un cuello de botella y una superficie de ataque enorme.

Aquí la actualidad regulatoria deja de ser un trámite. NIS2 obliga precisamente a abandonar esas redes planas. En España la transposición va con retraso: se aprobó de forma parcial con el Real Decreto-ley 7/2025 y la ley completa sigue en tramitación, con la Comisión Europea apretando por el incumplimiento del plazo. Pero lo que importa en planta es esto: NIS2 aplica a sectores como energía, agua, alimentación o fabricación crítica con 50 empleados o más de 10 millones de facturación, con multas de hasta 10 millones o el 2% de la facturación mundial. Y si eres proveedor de una de esas empresas, las obligaciones te llegan por contrato aunque no estés en el ámbito directo.

Lo interesante, y casi nadie lo dice, es que el trabajo que exige NIS2 es el mismo que necesita la IA. Segmentar la red. Inventariar los activos. Controlar quién accede a qué y desde dónde, cambiando la VPN corporativa, que abre la red entera, por accesos pensados para OT con mínimo privilegio. Lo haces una vez y resuelves dos cosas: cumples la norma y construyes la autopista por la que circularán tus datos.

Si el sensor miente, la IA miente con elegancia

Queda la capa de la que nadie se acuerda hasta que da guerra: la física. Sensores, autómatas, instrumentación. El nivel donde el proceso real se convierte en señal.

Todo lo demás vive aguas abajo. Si un sensor está mal calibrado o la señal llega tarde, la IA no se entera: recibe el dato malo y lo trata como bueno. El resultado es lo más peligroso que puede dar un modelo, una recomendación perfectamente argumentada y perfectamente equivocada. No puedes analizar lo que no mides bien, y validar el dato en origen no es un lujo de ingeniería: es la condición para que lo demás tenga sentido.

Los cimientos no son un producto

El mercado te vende rodajas. El del software da por hecho que la red está resuelta. El de la red supone que los datos ya tienen contexto. El del modelo asume que todo lo anterior funciona. Y tú te quedas con tres mitades que no encajan.

Opertek trabaja en las tres capas a la vez. La física y de control, donde se adquiere una señal fiable. La de datos, donde esa señal se historiza y se contextualiza para ser utilizable. Y la de conectividad y ciberseguridad, donde la red se segmenta y el acceso remoto se hace compatible con NIS2. Los cimientos de la IA industrial no son algo que se compra: son la forma en que esas tres capas se montan juntas y se hablan entre ellas. Esa integración es el trabajo de verdad, el que no sale en ninguna demo, y el que decide si tu proyecto acaba en el 5% que escala o en el 40% que se abandona.

La pregunta correcta

Medio sector se pregunta este año "qué IA compro". Es la pregunta equivocada.

La buena es más aburrida y más útil: ¿mi planta es legible? ¿Puede una máquina leerla de forma precisa, segura y con contexto? Si la respuesta es no, no hay modelo que lo arregle ni presupuesto que lo compense. Lo único que consigues gastando en inteligencia sobre cimientos que no existen es automatizar el error y pagar más por equivocarte.

Hay una paradoja en todo esto. Las plantas que sacarán partido a la IA en los próximos años son, muchas veces, las que en 2026 apenas hablaron de ella. Estaban con otra cosa: ordenando datos, segmentando la red, arreglando la instrumentación. Construyendo la base sobre la que, cuando llegue el momento, cualquier modelo funciona casi solo.

¿Tienes dudas sobre cómo está de preparada tu planta para todo esto? Contacta con el equipo de Opertek.