Cómo la IA generativa y el IoT están cambiando las operaciones industriales

¿Cuál es el cambio más significativo en el IoT hoy en día y en qué ámbitos sigue encontrando dificultades el sector?

La evolución más transformadora en el IoT es la integración de la IA generativa en los flujos de trabajo operativos. Se ha ido más allá de la monitorización remota básica para avanzar hacia el mantenimiento predictivo y prescriptivo, donde la IA analiza datos en tiempo real para prever fallos en los equipos o la optimización de procesos. Sin embargo, el sector todavía afronta dificultades a la hora de escalar estas soluciones.

Trabajar con conjuntos de datos masivos introduce riesgos como las alucinaciones de la IA, situaciones en las que los modelos generan predicciones inexactas. Además, el despliegue de la IA generativa en el extremo (edge), es decir, en redes locales con una capacidad de cómputo limitada, añade complejidad. Se necesitan marcos de trabajo sólidos para garantizar la fiabilidad, especialmente en entornos críticos como buques en alta mar o plantas de fabricación.

¿Qué tecnologías están causando el mayor impacto en los proyectos?

estacan dos plataformas: Databricks y Microsoft Fabric. Estas herramientas permiten una ingesta de datos en tiempo real sin interrupciones, sustituyendo al tradicional procesamiento por lotes (batch processing). Las empresas clientes pueden ahora pasar de los informes estáticos a la obtención de información dinámica e impulsada por la IA.

Por ejemplo, se están utilizando agentes de operaciones como asistentes virtuales con IA para monitorizar la telemetría y ejecutar acciones predefinidas, como alertar al personal de ingeniería o ajustar parámetros. Estos agentes actúan como perfiles junior de ingeniería virtual, guiándose por manuales de actuación para garantizar la consistencia. Esto reduce la intervención manual al tiempo que mantiene el control operativo.

¿Es posible compartir algún proyecto reciente donde estas tecnologías hayan resuelto un desafío crítico?

ecientemente se ha desarrollado un gemelo digital para una empresa cliente del sector de alta mar que necesitaba visibilidad en tiempo real de las operaciones de sus buques. Anteriormente, la gestión dependía de correos electrónicos con retraso e informes manuales. La solución implementada unificó en un solo modelo la posición de los barcos en directo, la telemetría de los equipos y los datos ambientales.

El desafío consistía en diseñar un motor de reglas flexible que pudiera adaptarse a cambios imprevistos, como las interrupciones meteorológicas o la indisponibilidad de los equipos. Al desacoplar las reglas y aprovechar la IA en el extremo, se creó un sistema que se actualiza de forma dinámica. La empresa cliente ahora obtiene información en tiempo real sobre la duración de las actividades, lo que optimiza los plazos de los proyectos y la asignación de recursos.

¿Cuál es el mayor obstáculo que afrontan las organizaciones al escalar la IA generativa en el IoT?

Escalar la IA generativa desde la prueba de concepto hasta el despliegue a nivel corporativo es el principal obstáculo. Los proyectos piloto a pequeña escala tienen éxito con conjuntos de datos seleccionados y limpios, pero las aplicaciones en el mundo real implican datos brutos y no estructurados a gran escala. Esto introduce riesgos como alucinaciones, vulnerabilidades de seguridad y cuellos de botella en el rendimiento

Para mitigar estos problemas, el enfoque se centra en: 

• Mejores manuales de actuación y sistemas de control para guiar a los agentes de IA.
• Estrategias de datos híbridas, combinando la telemetría en tiempo real con conjuntos de datos contextuales (por ejemplo, ontologías para las jerarquías de los equipos).
• Optimización en el extremo (edge), garantizando que los modelos de IA se ejecuten de manera eficiente en el hardware local.

¿Cómo ha evolucionado el enfoque de ALTEN respecto al IoT en los últimos cinco años?

Inicialmente, la atención se centraba en el traslado de datos desde los dispositivos a la nube, un desafío técnico que requería especialización en protocolos industriales e integración en la nube. Hoy en día, el enfoque ha cambiado hacia la transformación de la telemetría en bruto en información en tiempo real mediante arquitecturas como el modelo medallón (medallion model).

Actualmente, se está avanzando aún más en el mantenimiento predictivo y prescriptivo, ayudando a las empresas clientes a anticipar fallos antes de que ocurran. Esta evolución refleja el firme compromiso de ALTEN por conectar de manera fluida las tecnologías de operaciones (OT, Operational Technology) y de la información (IT), permitiendo que las industrias operen de forma más inteligente, rápida y con mayor resiliencia.