Como anuncio es poco vistoso, y merece más atención de la que va a recibir.

Por qué un plan de formación es una noticia de IA

Todos los despliegues que cubrimos en este medio chocan antes o después con la misma limitación. Un sistema de visión que señala un defecto necesita un operario que sepa cuándo creerle. Una alerta de mantenimiento predictivo necesita un técnico capaz de distinguir un fallo incipiente de rodamiento de una deriva de sensor. Las tres barreras de Jay Lee, expuestas este mes en IMTS, las deciden personas; ninguna la decide un modelo.

Hay además una dimensión regulatoria que la mayoría de operadores industriales todavía no ha presupuestado. El deber de alfabetización en IA del Reglamento europeo se aplica desde el 2 de febrero de 2025, obliga tanto a quien despliega como a quien provee, y alcanza al personal que trabaja junto a un sistema de IA. A diferencia de las obligaciones de alto riesgo, que el Ómnibus de IA aplazó a 2027 y 2028, esta ya está en vigor.

La inclusión del pensamiento crítico

Lo más interesante de la lista es lo menos técnico. Un plan que enseña a un aprendiz a manejar un gemelo digital pero no a dudar de lo que le dice produce exactamente el modo de fallo que hace desconfiar de la IA a los jefes de planta: automatización segura de sí misma, operarios acríticos y un defecto que nadie cuestionó hasta que llegó al cliente.

Siemens no ha comunicado el coste del programa ni si se extiende fuera de Alemania.

El Ómnibus Digital sobre IA se publicó en el Diario Oficial como Reglamento (UE) 2026/1744 el 24 de julio de 2026 y entró en vigor el 27 de julio, seis días antes del plazo original. Modifica el Reglamento de IA y aplaza el régimen de alto riesgo.

Las nuevas fechas

| Qué | Nuevo plazo | |---|---| | Sistemas autónomos de alto riesgo (anexo III): empleo, educación, crédito, seguridad pública, infraestructuras críticas | 2 de diciembre de 2027 | | IA de alto riesgo embebida en productos ya regulados (anexo I): maquinaria, productos sanitarios, juguetes | 2 de agosto de 2028 |

La segunda fila es la que atañe a estos lectores. Un sistema de IA que es componente de seguridad de una máquina, o que va embebido en ella, cae en el anexo I y tiene ahora hasta agosto de 2028.

El cambio de más calado

Más importante que el aplazamiento es un cambio de normativa de referencia. Con el marco modificado, la IA embebida sujeta al Reglamento de Máquinas queda fuera de la aplicación directa del Reglamento de IA, y las medidas de seguridad relativas a la IA se introducirán mediante actos delegados de aquel reglamento.

Para un fabricante de máquinas esto convierte un problema de cumplimiento con dos marcos en uno con un solo marco, y además el que sus ingenieros ya manejan. Para el operador de planta que compra esa maquinaria, la consecuencia práctica es que las garantías que hay que pedir al proveedor se formularán en términos de seguridad de máquinas, no del Reglamento de IA.

Lo que ya está en vigor

Aplazar no es eximir, y varias obligaciones ya se aplican:

• Prácticas de IA prohibidas y deberes de alfabetización en IA, desde el 2 de febrero de 2025.
• Obligaciones de los proveedores de IA de propósito general, desde el 2 de agosto de 2025.
• Deberes de transparencia del artículo 50, desde el 2 de agosto de 2026.

El deber de alfabetización en IA es el que más se pasa por alto en entornos industriales. Se aplica ya, alcanza tanto a quien despliega como a quien provee, y cubre a los operarios y al personal de mantenimiento que trabaja junto a un sistema de IA, no solo a quien lo compra.

Este artículo resume textos legales y análisis de acceso público; no es asesoramiento jurídico. El texto que da fe es el propio reglamento en EUR-Lex.

El despliegue empezó con un solo molino de acabado en 2024. Desde entonces se ha puesto en marcha en seis más: cuatro molinos de bolas de cemento y dos verticales, uno de premolienda y otro de escoria.

Qué se ha medido

• Tasa de operación automática: por encima del 90% en los molinos de acabado.
• Producción de molienda: un 3% más.
• Consumo específico de energía: un 3% menos.
• Horno: consumo específico de calor un 3% menor e intervenciones manuales de operador un 70% menores, tras una optimización anterior comunicada en 2022.

La planta señala que las mejoras se lograron manteniendo la estabilidad de la operación, que en un circuito de molienda es la mitad difícil del problema: un optimizador que sube la producción desestabilizando el molino no sobrevive al primer plan de producción.

"We decided to extend the use of the solution to the entire cement mill process." — Junya Doi, sección de ingeniería del departamento de fabricación de cemento de Tokuyama

El sistema combina control predictivo por modelo con IA, y es la misma línea de producto que ABB lleva años instalando en plantas de cemento y minerales. Hiromichi Yoda, responsable de la división de Process Industries de ABB en Japón, presentó el resultado como un paso hacia la operación autónoma de la planta, no como un proyecto puntual de eficiencia.

Por qué importa

El cemento es una de las industrias más intensivas en energía del mundo, y la molienda es donde se va buena parte de la electricidad de una planta. Un 3% menos de consumo específico parece poco hasta que se multiplica por siete molinos en marcha continua. La cifra más reveladora es el 70% menos de intervenciones manuales en el horno: describe un cambio en cómo trabaja de verdad la sala de control, no solo una línea en la factura eléctrica.

Las cifras son las comunicadas por Tokuyama y ABB. No han sido verificadas de forma independiente.

Qué hay desplegado

• Cámaras y sensores con IA a lo largo de las líneas de montaje, para control de calidad automatizado y detección de errores.
• La plataforma de datos Brilliant Factory, que monitoriza las plantas en tiempo real y genera informes de IA para los directores de planta sobre dónde están los problemas y cómo resolverlos.
• Mantenimiento predictivo, incluida la detección de motores sobrecalentados.
• Optimización de plantillas y previsión de demanda con IA.

Las personas y las cifras

Tony Gabbert, director de operaciones de fabricación de la planta de Lafayette, y Bill Good, vicepresidente de fabricación de GE Appliances, son los directivos citados. Good puede ver qué máquinas están paradas y por qué, cuántos aparatos van a reparación y qué piezas se desechan y con qué coste.

Good estima que la compañía ahorra entre 1,5 y 2 millones de dólares al año por cada punto porcentual de mejora, y sitúa el coste de una parada de línea en 300–500 dólares por minuto. El reportaje también recoge una ampliación reciente con 600 empleos y 180 millones de dólares de inversión.

La valoración de Good sobre la tecnología da título al reportaje, "It can outthink me", aunque no prevé una sustitución generalizada de la plantilla a corto plazo. Los resultados son los comunicados por la empresa a NPR.

Clientes industriales citados

• Airbus: divisiones de aviones comerciales, helicópteros, defensa y espacio.
• BMW Group: simulación de colisiones y modelos de razonamiento multimodal.
• ASML: diagnóstico de litografía; ASML es además el mayor accionista de Mistral.
• CMA CGM: la naviera usa el Search Toolkit de Mistral.

El componente de IA física emplea modelos entrenados con salidas de simuladores para predecir el comportamiento físico en segundos en una sola GPU, en lugar de horas, según el reportaje.

"We have two convictions at Mistral. The first is that in order to deploy AI in the enterprise, you actually need, as an AI provider, to own the full stack." — Arthur Mensch, CEO de Mistral AI

Mistral declaró además un objetivo de 1.000 millones de euros de ingresos en 2026, una inversión en infraestructura de 4.000 millones, unos 1.000 empleados y una valoración de 11.700 millones, con 200 MW de capacidad de centro de datos previstos para 2027 y 1 GW en 2030. No se han comunicado resultados de los clientes.

El comunicado describe también el uso propio de la tecnología por Lenovo: una célula robotizada de inspección automática de calidad desplegada en sus fábricas de Brasil, Hungría y México, y un centro en Norteamérica donde la compañía informa de una reducción del 85% en plazos de entrega, un 42% menos de costes logísticos y un 58% más de productividad.

"Manufacturers don't need more AI pilots. They need AI that runs at scale in production." — Jonathan Wu, Chief Technology Officer de Smart Manufacturing, Lenovo

Entre los productos citados están la célula robotizada de inspección, los Multi Purpose Robots, Lenovo iChain, ThinkStation PGX y ThinkEdge, este último orientado a inspección visual y mantenimiento predictivo en planta. Lenovo expuso en el pabellón 15, stand G76.

Las cifras son las comunicadas por el proveedor; Hisense no ha publicado su propia versión del despliegue.