Dónde ayuda la IA
| Trabajo | Qué se ha mostrado o informado | De dónde viene |
|---|---|---|
| Encontrar la causa de las piezas defectuosas | En una planta de chips de Hitachi Energy, un modelo de IA señaló dos pasos del proceso que estropeaban chips. Una prueba controlada redujo la pérdida de rendimiento un 21,7 %. En un segundo producto bajó un 51,3 %. | Caso de Hitachi Energy. Un estudio de campo revisado por pares. |
| Inspección visual | En una fábrica de electrónica de Siemens, los inspectores que veían dónde había detectado la IA un problema encontraron el 93 % de las placas defectuosas. Los inspectores que solo recibían la puntuación de la IA encontraron el 82 %, menos que la IA sola. | Caso de Siemens. Un experimento revisado por pares con 48 trabajadores de la fábrica. |
| Presupuestos y cálculo de costos | En Herges, una empresa de fabricación en acero, las estimaciones del tiempo de producción de un modelo de IA se acercaron cinco veces más a la cifra real que las del personal con experiencia. EIST, un taller metalúrgico de seis personas, dice que hace en unos 10 minutos presupuestos que antes le llevaban hasta dos horas. | Caso de Herges, medido por un centro público de apoyo. Caso de EIST, estimación del propio dueño. |
| Desarrollo de productos | En Procter & Gamble, una persona con IA produjo ideas de producto tan buenas como un equipo de dos personas sin ella, en un 16 % menos de tiempo, aproximadamente. | Caso de Procter & Gamble. Un experimento aún sin revisión por pares. |
| Ventas, marketing y administración | Las empresas industriales de la UE que usan IA la aplican sobre todo al marketing y las ventas (30 %) y a la administración (27 %). | Eurostat, estadísticas oficiales |
| Software de ingeniería | Siemens añadió agentes de IA a su asistente de ingeniería en 2025. Un cliente, thyssenkrupp Automation Engineering, informa de un código de mejor calidad y un desarrollo más rápido. No se dieron cifras. | Anuncio de la empresa |
| Mantenimiento | Rolls-Royce dice que los modelos digitales de sus motores de avión alargaron hasta un 50 % el tiempo entre mantenimientos de algunos motores. | La versión de la empresa, en una noticia de prensa de 2021 |
| Mantener la producción en una crisis | Entre 237 empresas industriales alemanas, las más preparadas para la IA resistieron mejor los confinamientos por la Covid-19. El efecto solo apareció por encima de cierto nivel de preparación. | Estudio con encuesta revisado por pares (Lerch y otros, 2022) |
Aún no hay pruebas controladas con personal de mantenimiento y producción. Ningún estudio controlado publicado en 2025 o 2026 ha probado la IA generativa con trabajadores de mantenimiento o de producción. Las cifras de la tabla sobre mantenimiento e ingeniería son de las propias empresas.
La habilidad de los propios inspectores puede perderse. En un estudio en cuatro centros de endoscopia de Polonia, los médicos encontraban lesiones precancerosas en el 28,4 % de las colonoscopias hechas sin IA antes de que se introdujera la IA. Tres meses después de introducirla, la tasa sin IA era del 22,4 %. El personal que inspecciona cada día junto a la IA puede perder la habilidad que necesita cuando la IA falla. Ponga a prueba de vez en cuando a los inspectores sin la IA. Vea el caso de Siemens.
El tamaño importa menos que las competencias. En Alemania, el 20 % de las pequeñas y medianas empresas usaba IA en 2022–2024, desde el 19 % de las empresas con menos de cinco empleados hasta el 36 % de las que tenían 50 o más. Cuando el banco público de desarrollo KfW tuvo en cuenta los titulados en plantilla, la innovación, la investigación y una estrategia digital, el tamaño y el sector importaban poco.
Un plan no es un resultado. En 2025, Volkswagen dijo que invertiría hasta 1000 millones de euros en IA de aquí a 2030 y que esperaba ahorrar hasta 4000 millones de euros de aquí a 2035. Vea qué no cuenta como evidencia.
Las puntuaciones de madurez son habituales en este sector. Los investigadores han publicado modelos de madurez en IA para la fabricación inteligente y para la industria de procesos. Un índice comercial para la industria, AIMRI, lo aplica un evaluador certificado y de pago, y no es una autoevaluación. Una puntuación describe dónde está usted. No se ha demostrado que prediga resultados. Vea no trate una puntuación de madurez como una previsión.
Riesgos y normas
- IA que mantiene segura una máquina. En la UE, la Ley de IA clasifica un sistema de IA como de alto riesgo cuando es un componente de seguridad de un producto cubierto por las leyes de seguridad de productos de la UE que figuran en una lista, y ese producto debe pasar el control de un organismo externo antes de venderse. Un componente de seguridad es una pieza cuya función es mantener seguro el producto. Esta clasificación se aplica a partir del 2 de agosto de 2028.
- Las máquinas se rigen por su propia ley. Una modificación de 2026 pasó el Reglamento de máquinas a otra parte de esa lista. Para los productos de esa parte, la mayoría de los requisitos propios de la Ley de IA no se aplican directamente. Los requisitos llegan a través de la ley del producto. Pregunte a su proveedor de maquinaria qué normas se aplican a sus equipos.
- IA que solo mejora el rendimiento. La Ley modificada dice que la IA que se usa solo para cosas como optimizar el rendimiento, automatizar o controlar la calidad no es un componente de seguridad. Hay una excepción: si su fallo pusiera en peligro la salud y la seguridad, sí cuenta como tal.
- IA que gestiona a trabajadores. En la UE, la IA que se usa para asignar tareas según el comportamiento o los rasgos de una persona, o para supervisar y evaluar el rendimiento de los trabajadores, está en la lista de alto riesgo. También la IA que se usa en la selección de personal. Estas normas se aplican a partir del 2 de diciembre de 2027. La Ley admite algunas excepciones, por ejemplo para tareas de procedimiento muy acotadas. En una encuesta a trabajadores de toda la UE del Joint Research Centre de la Comisión Europea, al 24 % un algoritmo le fijaba los horarios de trabajo. Donde un sistema así marcaba el ritmo del trabajo, los trabajadores declararon más estrés.
- Las personas siguen haciendo el trabajo físico. La IA llega primero a las tareas de oficina y de ingeniería. Haga el mapa de tareas antes de fijar objetivos. Vea haga un mapa de las tareas antes de decidir qué automatizar y el ejemplo práctico más abajo.
Prácticas para este sector
Las 30 prácticas de la biblioteca se aplican en este sector. Ninguna es específica de un sector. En las de abajo, un estudio, un caso de empresa o un ejemplo práctico de este sector muestra por qué importan aquí.
- Haga un mapa de las tareas antes de decidir qué automatizar El ejemplo práctico hace un mapa de 375 familias de tareas en un fabricante de 118 personas. Alrededor de una cuarta parte del trabajo está ligada a un lugar o a hacer algo con las manos.
- Presupueste el trabajo que crea la IA El ejemplo práctico de un fabricante de 118 personas cuenta 132 tareas nuevas de revisión y registro.
- Para cada tipo de tarea, compruebe si una persona con IA supera a cualquiera de las dos por separado En Procter & Gamble, una persona con IA generó ideas de producto casi tan buenas como una pareja sin ella.
- Haga que la IA muestre en qué se basa su respuesta Se probó en la inspección de placas de circuito en una fábrica de Siemens. Un fabricante de estructuras de acero muestra los diez trabajos pasados más parecidos junto a cada estimación de tiempo de la IA.
- No trate una puntuación de madurez como una previsión La industria tiene muchos modelos de madurez en IA. Una puntuación describe dónde está usted. No se ha demostrado que prediga resultados.
- Ponga en orden sus propios registros antes de pedir a la IA que prediga a partir de ellos Dos empresas metalúrgicas tuvieron que limpiar o reunir sus registros de producción antes de que la IA pudiera estimar tiempos y precios para trabajos únicos.
Elija el tamaño de su empresa
El tamaño cambia lo que resulta práctico más que el sector. Cada enlace abre la biblioteca filtrada por ese tamaño.
Casos de empresas
Cada caso es una empresa con nombre, con cifras y una fuente pública. Todos los casos.
- EIST: un taller metalúrgico de seis personas redujo el tiempo de presupuestar de dos horas a diez minutos Un taller metalúrgico con cinco empleados y un propietario usó IA para presupuestar piezas a medida a partir de archivos 3D y de su propio historial de producción. Un presupuesto que podía llevar dos horas lleva ahora unos diez minutos. La mayor parte del proyecto se dedicó a limpiar los datos de la empresa, y el propietario sigue revisando cada presupuesto.
- Herges: un modelo de IA estimó los tiempos de producción cinco veces mejor que los expertos de la empresa Un fabricante familiar de estructuras de acero presupuesta trabajos únicos a partir de lo que sus expertos estiman que durará el trabajo. Un centro público de apoyo le ayudó a registrar los tiempos reales y a entrenar con ellos un modelo de IA. Las estimaciones del modelo quedaron cinco veces más cerca de la cifra real que las de los propios expertos.
- Hitachi Energy: un modelo de IA señaló los dos pasos de producción que estropeaban chips Unos investigadores entrenaron un modelo de IA con los registros de producción de una planta de chips y le preguntaron qué pasos del proceso estropeaban más chips. Los ingenieros probaron sus dos sugerencias en un lote real, y las pérdidas bajaron un 21,7 %. En un segundo producto, el mismo método redujo las pérdidas un 51,3 %. El análisis habitual de la planta no había detectado ninguna de las dos causas.
- META-Regalbau: sensores y análisis con IA de la preparación de pedidos, amortizados en un año aproximadamente Un fabricante de estanterías con unos 300 empleados hizo que su personal llevara pequeños sensores para que una IA analizara cómo se preparan los pedidos en su almacén. Los resultados dieron forma a la distribución de un almacén nuevo y ahorran unos 22.000 € al año. Desde el principio se explicó el objetivo a los responsables, al comité de empresa y a toda la plantilla.
- Procter & Gamble: una persona con IA igualó a un equipo de dos sin IA Unos investigadores hicieron un experimento con 776 empleados de Procter & Gamble sobre tareas reales de desarrollo de productos. Las personas que trabajaban solas con IA propusieron ideas tan bien valoradas como las de equipos de dos sin IA, y más rápido.
- Siemens: los inspectores detectaron más defectos cuando la IA mostró lo que había visto Unos investigadores dieron a 48 inspectores de una fábrica de electrónica de Siemens una ayuda de IA para revisar placas de circuito. La mitad solo veía la puntuación de la IA. La otra mitad veía además una imagen que marcaba dónde había encontrado la IA un problema. El segundo grupo detectó más defectos, y la mayoría de sus miembros lo hizo mejor que la IA sola.
Estudios de este sector
Estos estudios se hicieron sobre trabajo típico de este sector.
Ejemplo práctico
Este ejemplo aplica un método de mapa de tareas a una empresa inventada que diseña, monta, instala y mantiene sistemas de supervisión industrial.
Fuentes
- Eurostat. Use of artificial intelligence in enterprises, 2025 data. ec.europa.eu
- Siemens (12 May 2025). Siemens introduces AI agents for industrial automation. Company announcement. businesswire.com
- CIO (2021). Rolls-Royce turns to digital twins to improve jet engine efficiency. A press report of the company’s account. cio.com
- Lerch, Heimberger, Jäger, Horvat and Schultmann (2022). AI-readiness and production resilience: empirical evidence from German manufacturing in times of the Covid-19 pandemic. International Journal of Production Research. doi.org
- Volkswagen Group (September 2025). Boosting innovation, reshaping mobility: Volkswagen Group invests in AI. Company announcement. volkswagen-group.com
- Chen, Liu, Xing, Peng and Yang (2021). Establishment of a maturity model to assess the development of industrial AI in smart manufacturing. Journal of Enterprise Information Management. doi.org
- Fornasiero, Kiebler, Falsafi and Sardesai (2024). Proposing a maturity model for assessing Artificial Intelligence and Big data in the process industry. International Journal of Production Research. doi.org
- INCIT. AIMRI: Industrial AI Maturity Readiness Index. incit.org
- European Union. AI Act, Regulation (EU) 2024/1689, Article 6 (classification rules for high-risk AI systems), as amended in 2026. Text on the European Commission’s AI Act Service Desk. ai-act-service-desk.ec.europa.eu
- European Union. AI Act, Article 2 (scope) and Annex I (list of EU product-safety laws), as amended in 2026. ai-act-service-desk.ec.europa.eu
- European Union. AI Act, Annex III (high-risk uses, including employment and worker management). ai-act-service-desk.ec.europa.eu
- European Union. AI Act, Article 113 (dates of application), as amended in 2026. ai-act-service-desk.ec.europa.eu
- European Union. Regulation (EU) 2023/1230 on machinery. eur-lex.europa.eu
- European Commission Joint Research Centre (2025). Digital monitoring, algorithmic management and the platformisation of work in the EU: Data from the AIM-WORK survey. Science for Policy brief. publications.jrc.ec.europa.eu
- Mariscal de Gante Martin and Villani (2026). Algorithmic management and working conditions in Europe. Evidence from the AIM-WORK Survey. JRC Working Paper 2026/05. publications.jrc.ec.europa.eu
- Zimmermann (February 2026). Einsatz von Künstlicher Intelligenz vor allem in Unternehmen mit hohen Innovations- und Digitalisierungsaktivitäten. KfW Research, Fokus Volkswirtschaft Nr. 533. kfw.de