La inteligencia artificial (IA) en la industria avanzó hacia una nueva fase caracterizada por la aparición de agentes inteligentes capaces de ejecutar tareas físicas y coordinar procesos complejos bajo la supervisión de un agente central o “gerente”. Este enfoque, que consolida la transición de la analítica a la acción autónoma, fue planteado por Alejandro Preinfalk, presidente y CEO de Siemens México, Centroamérica y Caribe, al analizar la evolución reciente de la IA aplicada a entornos manufactureros.
Evolución de la IA industrial hacia la acción autónoma
De acuerdo con el informe “Panorama y oportunidades del mercado de IA en México” de IDC Latinoamérica, el gasto empresarial en IA alcanzó 32,884 millones de pesos en 2025 y se proyectó que escalará hasta 110,535 millones de pesos en 2028. El estudio identificó como prioridades la seguridad de TI y de nube, la modernización de ERP, la gestión de nubes híbridas y, de manera creciente, la adopción de IA y de capacidades de IA generativa.
En el sector manufacturero, la IA se utilizó para optimizar líneas de producción, anticipar fallas y mejorar la eficiencia logística. La incorporación de agentes “gerentes” llevó esta evolución a un nivel superior, al permitir que las fábricas coordinen recursos, ajusten la producción y tomen decisiones en tiempo real con menor intervención humana.
Según Preinfalk, estos agentes reciben información de sensores IoT, sistemas ERP, plataformas logísticas y modelos predictivos para evaluar cuellos de botella, reasignar tareas ante fallas, activar mantenimiento preventivo y optimizar inventarios y entregas.
“La inteligencia aplicada define una nueva etapa en la manufactura, donde la coordinación autónoma de procesos permite pasar de operaciones reactivas a esquemas verdaderamente inteligentes”.
Retos tecnológicos y transformación del empleo
No obstante, la implementación de estos modelos enfrenta retos relevantes. Entre ellos destacan la falta de estándares que garanticen datos consistentes e interoperables, así como la necesidad de modelos especializados que comprendan el contexto industrial. Los modelos entrenados con datos públicos, explicó Preinfalk, no dominan el lenguaje técnico ni la complejidad de procesos industriales, por lo que se requiere el desarrollo de modelos capaces de razonar con información como planos 3D, lecturas de sensores y normativas técnicas.
En este sentido, Siemens informó que trabaja en modelos de base industrial diseñados para operar con conocimiento experto en manufactura, con el objetivo de que los agentes de IA no solo ejecuten tareas, sino que lo hagan con comprensión profunda del entorno productivo.
Peter Koerte, miembro del Managing Board y Chief Technology and Strategy Officer de Siemens, indicó que la automatización asociada a la IA no implica la eliminación de empleos, sino su transformación. “Las tareas repetitivas tenderán a reducirse, mientras que aumentará la demanda de perfiles especializados en la gestión y optimización de la fuerza laboral digital”.
En este escenario, el agente “gerente” se perfiló como un elemento central de la fábrica inteligente, al orquestar agentes especializados y habilitar operaciones más ágiles, eficientes y resilientes. Con una adopción creciente de IA y un ecosistema industrial consolidado, México es señalado como un mercado con condiciones para avanzar en este modelo.
