El 97% de las empresas ya utiliza IA industrial, pero sólo el 8% ha alcanzado la optimización continua

La publicación refleja que el 97% de las organizaciones encuestadas utiliza IA industrial en alguna medida. Sin embargo, sólo el 8% afirma haber alcanzado una fase de optimización e innovación continuas. Aunque el 37% se encuentra en etapas de escalado e integración, y otro 19% ha llegado al despliegue en toda la empresa, la transición hacia un uso plenamente integrado sigue siendo un reto.

El principal motivo para invertir en IA industrial, de acuerdo con el 53% de los participantes, es la mejora de la eficiencia operativa. Le siguen el aumento de la productividad y de la producción, con un 48%, y la reducción de costes, con un 39%. Estas prioridades también se reflejan en los beneficios que las empresas ya identifican en sus proyectos. El 61% declara mejoras en la eficiencia de la producción, el 57% en la productividad de los trabajadores y el 52% una reducción de los costes operativos. La toma de decisiones más rápida aparece como otro resultado relevante, mencionado por el 48%.

El estudio también apunta a un aumento de la inversión. Mientras que el 47% de las organizaciones declara un nivel elevado de inversión en IA industrial durante los doce meses anteriores, el porcentaje asciende al 62% cuando se pregunta por los próximos doce meses. Esta previsión sugiere que las empresas mantienen su apuesta por estas tecnologías, incluso cuando todavía tienen dificultades para extenderlas de forma sistemática.

Problemas de integración

Las empresas también necesitan conocimientos especializados, sistemas capaces de intercambiar información y datos de calidad que permitan desarrollar aplicaciones fiables. La falta de experiencia y competencias internas en IA es la principal barrera identificada por los encuestados, con un 43%. A continuación, aparecen las dificultades para integrar la IA con los sistemas existentes, señaladas por el 31%, y la falta de claridad sobre el retorno de la inversión o el valor para el negocio, con un 30%.

Otros obstáculos son la ausencia de una estrategia definida de IA industrial, mencionada por el 27%, y las preocupaciones relacionadas con la ciberseguridad y la privacidad de los datos, con un 25%.

Entre los factores que contribuyen al fracaso o al rendimiento insuficiente de las soluciones, el 43% señala la mala calidad de los datos. El 38% apunta a las limitaciones de los sistemas heredados, mientras que el 35% identifica tanto la disponibilidad insuficiente de datos como los problemas de integración con los sistemas existentes.

El escalado exige que las organizaciones resuelvan las limitaciones de sus infraestructuras, que aseguren la disponibilidad de información útil y que adapten sus procesos para que las soluciones de IA funcionen de manera consistente en condiciones reales.

Favorecer la adopción

Cuando se pregunta qué factores favorecerían una mayor adopción, el 53% de los responsables consultados sitúa en primer lugar los datos de alta calidad y una infraestructura adecuada. La colaboración entre distintas áreas de la empresa y el seguimiento del retorno de la inversión, acompañados de una mejora continua, aparecen a continuación, ambos con un 33%.

El 28% identifica el respaldo de la dirección como un factor necesario para impulsar la adopción. Por su parte, contar con objetivos de negocio claros y una estrategia que permita pasar de los proyectos piloto al despliegue a gran escala figura entre las prioridades para el 24% de los encuestados en cada caso.

Sólo el 38% afirma estar de acuerdo, en mayor o menor medida, con que su organización dispone de recursos internos suficientes para apoyar la adopción de IA industrial. Aunque el 75% considera que la dirección respalda activamente e invierte en estas iniciativas, las competencias, los presupuestos, la infraestructura y la integración de los sistemas continúan siendo limitaciones importantes.

En materia de talento, la brecha más destacada corresponde a la ingeniería de IA y aprendizaje automático, señalada por el 49%. Le siguen la ciberseguridad y la gobernanza de datos, con un 35%, y el conocimiento especializado del sector, con un 33%. Además, la formación técnica debe convivir con iniciativas que faciliten la adaptación de los equipos y la incorporación de la inteligencia artificial a los procesos de trabajo.

Ritmos distintos de implantación

En fabricación, las principales aplicaciones en producción incluyen la visión artificial para inspección, utilizada por el 43% de las organizaciones del sector, y la inspección automatizada de calidad, con un 38%. El mantenimiento predictivo alcanza el 34%. En transporte y logística, destaca la optimización de rutas. El 61% de las organizaciones consultadas en este ámbito declara tenerla en producción. La revisión de la demanda y las aplicaciones de procesamiento del lenguaje natural y analítica alcanzan, cada una, el 48%.

En energía y servicios públicos, la automatización de los centros de operaciones de seguridad (SOC) registra un despliegue en producción del 30%. El seguimiento del estado de los activos y el mantenimiento predictivo de infraestructuras se sitúan en el 25%.

La distancia entre la ambición empresarial y la capacidad real de implantación también aparece en los plazos previstos. El 48% de las organizaciones espera completar la integración de la IA industrial a gran escala en un periodo de entre tres y cinco años. Otro 15% sitúa ese horizonte entre seis y diez años, mientras que el 13% todavía no cuenta con un calendario establecido.

A pesar de la inversión y del respaldo directivo, el 42% considera que sus soluciones cumplen parcialmente con lo esperado, aunque el 56% de los encuestados afirma que lo cumplen o incluso lo superan. Sólo un 2% señala que sus soluciones no han cumplido las expectativas.