“La IA convierte la cadena de suministro en un sistema anticipativo”

La entrevista con Gonzalo Valle, presales manager de IFS, llega en un momento especialmente interesante para la industria: la IA ya está en producción, pero aún no ha conseguido desplegarse de forma transversal en todas las operaciones.

Según el estudio State of Service 2025 de IFS, el 96% de los fabricantes utiliza IA en la prestación de servicios, pero casi tres cuartas partes no la han extendido al resto de la organización. Una paradoja que pone de manifiesto que el reto ya no es probar la tecnología, sino industrializarla sobre sistemas heredados, modelos de datos fragmentados y entornos donde la ciberseguridad y el cumplimiento normativo añaden una capa extra de complejidad.

Desde su papel como presales manager en IFS, Gonzalo Valle trabaja precisamente en ese punto de fricción entre la ambición de los fabricantes y las limitaciones reales de sus entornos tecnológicos. En la conversación con MCPRO analiza por qué la IA se adopta con rapidez en atención al cliente y gestión de la fuerza laboral, mientras que otras áreas siguen ancladas en ERPs hiperpersonalizados, soluciones satélite y modelos de datos incompatibles con una IA industrial robusta. El resultado, explica, es un ecosistema donde abundan los pilotos exitosos pero escasea la capacidad de escalarlos con garantías de seguridad, gobernanza y retorno.

Otro de los grandes ejes de la entrevista es la servitización. El estudio de IFS revela que el 39% de los fabricantes ya ve el servicio como palanca clave de beneficios a largo plazo y que el 94% asegura que los nuevos modelos de servicio están impactando sus operaciones. Gonzalo Valle describe este cambio como un viaje desde el clásico “fabrico, vendo y reparo si se rompe” hacia modelos de pago por uso en los que el fabricante comparte riesgos con el cliente y garantiza disponibilidad y rendimiento del activo, apoyándose en IoT, IA, gemelos digitales y capacidades avanzadas de servicio de campo.

El talento industrial es otro punto crítico: el 98% de las empresas del sector reconoce escasez de perfiles especializados. Lejos de plantearlo solo como un problema de falta de manos, Gonzalo Valle lo enmarca como una transición hacia perfiles híbridos capaces de combinar conocimiento profundo de la operación con competencias en IA, IoT, automatización y análisis de datos. El técnico de campo, el ingeniero de mantenimiento o el responsable de operaciones pasan a trabajar como “trabajadores conectados”, apoyados en IA y realidad aumentada, con un papel más estratégico y una mayor capacidad de diagnóstico y toma de decisiones en tiempo real.

[MCPRO] El estudio State of Service 2025 revela una paradoja significativa: el 96% de los fabricantes utiliza IA en la prestación de servicios, pero casi tres cuartas partes no la han extendido al resto de operaciones. ¿Por qué existe esta brecha tan pronunciada entre servicios y el resto de la organización? ¿Qué barreras técnicas, organizativas o culturales están impidiendo que la IA industrial escale de manera transversal en los fabricantes?

[Gonzalo Valle] La aplicación de la IA a los procesos de prestación de servicios suele concentrarse en dos áreas muy claras: la atención al cliente y la gestión de la fuerza laboral. En ambos casos, las mejoras que introduce son fácilmente medibles e impactan directamente en la cuenta de resultados. Esto no solo se debe a su relevancia estratégica, sino también a que se trata de procesos de negocio bien establecidos, con modelos de datos fiables y estructurados, lo que facilita el despliegue de casos de uso basados en IA.

En cambio, otras áreas de la empresa suelen carecer de un marco adecuado. Es habitual encontrar ERPs muy personalizados, tecnologías que dejaron de ser punteras hace tiempo y que se han ido extendiendo mediante soluciones satélite diversas. El resultado es un ecosistema formado por múltiples modelos de datos, no alineados temporalmente entre sí, con opciones de integración desfasadas y donde la incorporación de nuevas tecnologías exige desarrollos costosos, sin garantizar niveles aceptables de fiabilidad o ciberseguridad. Dicho de otra forma, presentan condiciones opuestas a las necesarias para aprovechar la IA.

Asimismo, encontramos áreas donde predominan procesos poco normalizados, sin casos de uso comunes entre empresas, lo que se traduce en una oferta limitada de soluciones de mercado. Esto suele derivar en pilotos aislados (muchos de ellos exitosos) cuya industrialización resulta difícil de justificar. Es importante señalar que la industrialización no consiste únicamente en escalar una solución: también implica abordar aspectos como la ciberseguridad y el cumplimiento normativo, factores que incrementan significativamente la complejidad y el coste del proceso.

[MCPRO] El informe señala que el 39% de los fabricantes considera la servitización como clave para impulsar beneficios a largo plazo, y el 94% afirma que los nuevos modelos de servicio ya están impactando sus operaciones. Sin embargo, la transición de modelos tradicionales de reparación y garantía a contratos basados en resultados implica cambios profundos en el modelo de negocio, pricing, métricas de éxito y cultura organizativa. Desde vuestra experiencia con clientes industriales, ¿cuáles son los principales desafíos que enfrentan los fabricantes al monetizar servicios en lugar de productos? ¿Cómo está cambiando el papel de la tecnología (IoT, IA, gemelos digitales) en hacer viable este modelo?

[Gonzalo Valle] Lo primero que debemos destacar es que la servitización es un viaje que parte del modelo tradicional (fabrico, vendo y, si se estropea y el cliente lo desea, reparo) hacia un modelo de pago por uso en el que se garantiza la disponibilidad y el rendimiento del activo. En este nuevo enfoque, el fabricante se convierte en socio de su cliente y comparte riesgos con él. Entre ambos extremos existen etapas intermedias que van desde la incorporación de logística inversa en la gestión del servicio técnico hasta la oferta de contratos de mantenimiento con servicios adaptados a múltiples casuísticas, donde el cliente conoce de antemano los costes y puede mantener bajo control sus flujos de caja.

El primer reto consiste, naturalmente, en redefinir el modelo de negocio para hacerlo atractivo al cliente. Esto implica delimitar con claridad los servicios, así como su modelo de ingresos y costes, estableciendo precios competitivos que garanticen la sostenibilidad a largo plazo. Aquí reside precisamente el principal atractivo de la servitización: asegurar un flujo de ingresos continuo en el tiempo, lo que permite planificar la evolución de los servicios sin altibajos, mejorar la capacidad de inversión en I+D+i, abordar planes de expansión y ofrecer una remuneración más estable al accionista, que valora especialmente la previsibilidad de la rentabilidad.

Una vez definido el modelo, el siguiente paso es adaptar el funcionamiento interno de la compañía, lo que implica transformar procesos, métricas y cultura. El foco se desplaza de las unidades vendidas hacia indicadores como el uptime, los SLA o la productividad del cliente. Ello obliga a alinear áreas tradicionalmente independientes y a renovar los sistemas de gestión cuando estos no permiten una adecuada adaptación a la nueva realidad.

El tercer reto consiste en evolucionar tanto las áreas de ingeniería y fabricación, donde ya no tienen cabida conceptos como la obsolescencia programada, puesto que el fabricante pasa a compartir riesgos con el cliente y a convertirse en su socio en el servicio, como las capacidades avanzadas de servicio, desde la planificación predictiva hasta el soporte remoto y la gestión de activos conectados, todo ello en un contexto en el que la escasez de talento técnico continúa siendo un desafío.

Es precisamente la tecnología la que hace viable este modelo. Por un lado, mediante software industrial específico que actúa como base y sobre el que se integran diferentes tecnologías: IoT para monitorizar equipos en tiempo real; IA industrial para detectar y predecir fallos; sistemas de prescripción en la fuerza de trabajo para determinar qué técnico debe desplazarse a un servicio en cada momento; gemelos digitales tanto de los activos como —y esto es novedoso— de la propia fuerza laboral, con los que se pueden simular escenarios de mejora de servicios existentes o de nuevos servicios; así como realidad aumentada para garantizar la calidad y rapidez de las intervenciones. Estas tecnologías permiten gestionar el modelo de servitización con garantías y de forma rentable, previsible y satisfactoria tanto para el cliente como para el fabricante.

[MCPRO] El estudio identifica que el 98% de las empresas del sector fabricante informa sobre escasez de talento, y que están adoptando estrategias como academias internas, plataformas de aprendizaje digital o asociaciones académicas para recualificar a sus equipos. Más allá de la formación técnica en IA o IoT, ¿qué perfiles y competencias serán críticos para el fabricante del futuro? ¿Cómo debe evolucionar el papel del técnico de campo, el ingeniero de mantenimiento o el responsable de operaciones en un entorno donde la IA toma decisiones predictivas en tiempo real y los servicios son el motor del crecimiento?

[Gonzalo Valle] El fabricante del futuro necesita trabajadores cada vez más especializados y formados. Esto es lógico si consideramos que los procesos de fabricación están cada vez más digitalizados y robotizados, lo que exige personal más cualificado. Se trata sin duda de un reto, pero no de un problema en un contexto en el que la mano de obra disponible se está reduciendo. El verdadero desafío es la evolución de los perfiles existentes para que adopten nuevas formas de trabajo y las tecnologías necesarias en el nuevo entorno productivo, así como la incorporación de nuevos perfiles que permitan mejorar procesos, impulsar la hiperautomatización e integrar el cumplimiento normativo y la sostenibilidad.

Se requieren perfiles con un profundo conocimiento de la operación y formación en IA, IoT, automatización… En pocas palabras, perfiles híbridos capaces de combinar conocimiento técnico, pensamiento analítico y criterio operativo. De hecho, se han convertido en competencias críticas la interpretación de datos provenientes de la sensórica de los equipos, la selección y creación de modelos predictivos, la capacidad de diagnóstico avanzado, la resolución de problemas en campo y la adaptación continua. Todo ello se ve reforzado por las soluciones de trabajador conectado que proporcionan las herramientas ideales para trabajar de forma eficiente y segura (sin descuidar los retos de seguridad laboral), conservar el conocimiento dentro de la empresa y facilitar el aprendizaje y la formación.

En este nuevo entorno, los papeles tradicionales evolucionan y obtienen mayor capacidad de control. El técnico de campo se convierte en un profesional más eficiente gracias a la digitalización, la IA o la realidad aumentada, lo que se traduce en una mejor experiencia del cliente. Esto no es baladí, ya que contribuye directamente a su fidelización, uno de los principales objetivos del fabricante en la servitización.

El ingeniero de mantenimiento puede garantizar la salud y la condición del activo, maximizando la disponibilidad y evitando los costes derivados del sobre-mantenimiento. Las capacidades de predicción, prescripción y automatización generan beneficios mutuos para cliente y fabricante, al permitir incrementar la disponibilidad de los activos a precios más competitivos.

Por su parte, el responsable de operaciones se beneficia de un mayor control gracias a la hiperautomatización, que no solo orquesta procesos, sino que también automatiza la toma de decisiones, algo que los agentes de IA facilitan de una forma inédita hasta ahora. Esto le permite adoptar un papel mucho más estratégico: supervisar la operación y tomar decisiones fundamentadas en predicciones en tiempo real. En este perfil se aprecia claramente cómo el talento industrial evoluciona hacia profesionales capaces de trabajar con la IA, no solo sobre la tecnología, aportando el criterio humano que permite escalar la automatización y generar valor real.

[MCPRO] Solo el 32% de los fabricantes se siente «muy seguro» de su capacidad para afrontar disrupciones en la cadena de suministro, y el 95% ha experimentado interrupciones durante el último año. El informe menciona la necesidad de reforzar planificación, modelización de escenarios y aprovisionamiento local. ¿Qué papel juega la IA industrial en construir cadenas de suministro más resilientes? ¿Qué casos de uso concretos están viendo en IFS (predicción de demanda, optimización de inventario, visibilidad end-to-end) que realmente marquen diferencias en resiliencia operativa?

[Gonzalo Valle] La IA industrial se ha convertido en un habilitador clave porque permite evolucionar de una gestión reactiva a una cadena de suministro anticipativa, basada en datos y en simulaciones continuas.

Desde IFS, los casos de uso que más impacto están generando son tres. El primero es la predicción avanzada de la demanda, que integra datos históricos con información externa para reducir roturas de stock y estabilizar la producción.

El segundo es la optimización dinámica del inventario, donde la IA ajusta los niveles según la disponibilidad real de materiales, los plazos y los riesgos, reduciendo excesos y mejorando la capacidad de respuesta, especialmente en empresas que aún operan con sistemas desfasados.

El tercer caso es la visibilidad end-to-end mediante modelos de simulación «what-if», que permiten anticipar impactos derivados de fallos de proveedores, cambios logísticos o cuellos de botella, y que encajan con la tendencia hacia cadenas más localizadas y resilientes destacada también en el informe. De este modo, la IA industrial actúa como una capa predictiva que conecta planificación, aprovisionamiento y operaciones, proporcionando la anticipación que define a una cadena de suministro verdaderamente resistente.

[MCPRO] El informe destaca que el 97% de los fabricantes considera la sostenibilidad una prioridad estratégica, y el 79% hace seguimiento de emisiones en servicios (37% en tiempo real). La economía circular, mantenimiento predictivo y optimización de rutas están emergiendo como palancas clave. Desde la perspectiva de IFS, ¿cómo están integrando los fabricantes la sostenibilidad en sus plataformas de gestión de activos y servicios? ¿Qué métricas están priorizando (huella de carbono, ciclo de vida de activos, economía circular) y cómo están utilizando la IA para tomar decisiones operativas que balanceen rentabilidad y sostenibilidad?

[Gonzalo Valle] Los fabricantes están incorporando la sostenibilidad a lo largo de todo el ciclo de vida del activo, un cambio especialmente significativo al que a menudo no se le otorga la importancia que merece. Cada vez con más frecuencia, la sostenibilidad se considera desde la propia concepción del producto, un hito fundamental si tenemos en cuenta que más del 60 % del gasto de operación y mantenimiento (y de su huella de carbono) queda condicionado en esta fase inicial. Al actuar sobre esta etapa mediante soluciones de Asset Investment Planning (AIP) e ingeniería y fabricación inteligente (smart manufacturing) que incorporan IA, los fabricantes pueden mejorar de manera notable la sostenibilidad, reducir su huella de carbono, maximizar la vida útil del activo y garantizar su circularidad.

Podría parecer que la IA desempeña un papel menor en el ciclo de vida del activo; sin embargo, es precisamente la tecnología que permite hiperautomatizar y activar la toma de decisiones fundamentadas en tiempo real, basadas en las métricas con las que cada cliente mide sus servicios. Merece la pena profundizar en este punto volviendo por un momento a la fase de concepción del producto, donde se analizan las variables que determinarán las distintas opciones de diseño e inversión. Estas variables incluyen criterios financieros (inversión, amortización, retorno…), exposición al riesgo, satisfacción del cliente, fiabilidad, sostenibilidad, entre otros.

Son precisamente estas variables las que el fabricante evalúa a la hora de decidir cómo invertir. A través del análisis de escenarios, donde la IA desempeña un papel crucial, es posible seleccionar la opción óptima, aquella que determine la viabilidad del producto y condicione su futura huella de carbono, su vida útil y su circularidad.