En 2024 publicamos un ebook con cinco predicciones sobre AI en manufacturing: mantenimiento predictivo, control de calidad, optimización de la supply chain, formación y asistencia, y lo que llamamos resolución de problemas «hive mind».
Poca gente evalúa sus propios deberes en público. Nos pareció que era el momento. Aquí está nuestro scorecard. Cinco predicciones, cómo se sostuvieron y lo que nos faltó por completo. Cada cifra detrás de estos veredictos está referenciada en el ebook 2026.
- Tres predicciones de 2024 acertaron, una fue a medias y una evolucionó hacia otro mecanismo.
- Según un estudio MIT NANDA ampliamente compartido, el 95 % de los pilots de generative AI en empresas no aportó impacto P&L medible.
- En ese mismo estudio, la AI comprada e integrada en workflows existentes tuvo éxito alrededor del 67 % de las veces.
- Nos faltaron dos temas mayores: la agentic AI y la EU AI Act. Ambos tienen capítulos nuevos en la edición 2026.
- Descarga el ebook gratuito 2026 con evidencia, casos de estudio y las 49 fuentes.
Dónde está la AI en manufacturing en 2026
En 2026 hay dos caras de la historia que pueden parecer contradictorias:
Fracaso
Un estudio MIT NANDA ampliamente compartido encontró que el 95 % de los pilots de generative AI en empresas no aportó impacto P&L medible. Gartner situó la generative AI en manufacturing en su «Trough of Disillusionment». A finales de 2025, al menos la mitad de los proyectos de generative AI se habían abandonado tras el proof of concept, peor que la propia previsión de Gartner del 30 %.
Adopción
Aunque la mayoría de los proyectos de AI siguen pareciendo fallar, la AI se adoptó de forma significativa en estos dos años. Alrededor del 88 % de las organizaciones usa AI en al menos una función de negocio, pero solo cerca de un tercio ha empezado a escalarla en toda la empresa. Entre fabricantes de EE. UU., el 29 % ejecuta AI o machine learning a escala de planta o de red. En Europa, Eurostat contabiliza un 20 % de empresas de la UE usando AI en 2025, frente al 13,5 % un año antes, con manufacturing ligeramente por debajo de la media en el 17,3 % y una gran dispersión nacional: 42 % en Dinamarca, menos del 9 % en Polonia.
Así que, aunque la experimentación con AI está ampliamente adoptada, escalar la AI a usos de negocio reales sigue siendo más bien la excepción.
El scorecard
| Predicción 2024 | Veredicto | Resumen rápido |
|---|---|---|
| Mantenimiento predictivo | Acertamos | Pasó de tendencia emergente a práctica por defecto. Lo difícil ahora es escalarlo, no demostrar que funciona. |
| AI para control de calidad | Acertamos | El vision QC cumplió en precisión y luego se volvió más barato y rápido de desplegar de lo esperado. |
| Optimización de la supply chain | A medias | La capacidad de forecasting llegó como se preveía. Lo que impulsó la adopción, y lo que vino después, no. |
| Formación y asistencia | Acertamos | El authoring con AI para instrucciones de trabajo se generalizó, impulsado más por la escasez de mano de obra que por el hype. |
| Resolución de problemas hive mind | Evolucionó | Que los operadores pidan ayuda a la AI es real. Llegó a través de language models, no de la base compartida que imaginamos. |
Lo que nos faltó sobre generative AI y agentic AI
Los veredictos son la parte fácil. La edición 2026 recorre lo que dijimos, lo que ocurrió y lo que nos faltó en cada predicción: las cifras detrás del mantenimiento predictivo, por qué el vision QC se commoditizó tan rápido, qué impulsó de verdad la AI de supply chain, por qué las instrucciones de trabajo digitales se convirtieron en el punto de entrada urgente, y cómo se reescribió la idea «hive mind» que esbozamos en 2024.
Pero también nos faltaron, simplemente, dos cosas mayores: el auge de los AI agents nos pilló por sorpresa, e ignoramos por completo la EU AI Act. El ebook completo añade dos capítulos nuevos sobre ambos temas.
Nuestros propios experimentos de AI
Evaluar predicciones del sector es una cosa. Ejecutar los experimentos nosotros mismos es otra. Para eso está Azumuta Labs: una división de research que conecta AI y visión con problemas reales de shop floor y publica en público lo que aprendemos.
Un ejemplo ya está live. Vision-language models que convierten una demostración filmada en instrucciones de trabajo digitales estructuradas, reduciendo el tiempo de creación hasta un 90 % en nuestros trials. Compartimos el método, los tradeoffs y los resultados en Labs para que otros fabricantes puedan juzgar el trabajo por sí mismos.
Si tienes un pilot, una pregunta de research o un problema de shop floor que quieras explorar con nosotros, queremos oírlo. Colaboramos con fabricantes e investigadores en experimentos reales, no en slideware.
Si crees que nos hemos equivocado otra vez, dínoslo. Se convierte en input para la siguiente ronda de experimentos.
Preguntas frecuentes
Quick FAQs to get you up to speed
Tres acertaron: el mantenimiento predictivo se convirtió en práctica estándar, la AI para control de calidad cumplió y luego se abarató su despliegue, y la AI para formación e instrucciones de trabajo llegó como se preveía. La optimización de la supply chain fue a medias: la capacidad llegó, pero la adopción la impulsaron la política comercial y sistemas agénticos que no anticipamos. La resolución de problemas «hive mind» evolucionó: la idea era correcta, pero llegó a través de large language models en lugar de una base de datos compartida dedicada. Evidencia completa y casos de estudio en el ebook 2026.
La experimentación está extendida; la escala sigue siendo rara. Alrededor del 88 % de las organizaciones usa AI en al menos una función de negocio, pero solo cerca de un tercio ha empezado a escalarla en toda la empresa. Entre fabricantes de EE. UU., el 29 % ejecuta AI o machine learning a escala de planta o de red. En Europa, Eurostat contabiliza un 20 % de empresas de la UE usando AI en 2025, frente al 13,5 % un año antes, con manufacturing ligeramente por debajo de la media en el 17,3 %.
Según un estudio MIT NANDA ampliamente compartido, el 95 % de los pilots de generative AI en empresas no aportó impacto P&L medible. A finales de 2025, al menos la mitad de los proyectos de generative AI se habían abandonado tras el proof of concept, peor que la previsión de Gartner del 30 %. Los chatbots autónomos del tipo «pregunta lo que sea a nuestra fábrica» fallan sobre todo cuando se apoyan en procedimientos obsoletos o contradictorios. El ebook 2026 cubre qué hizo distinto la minoría que tuvo éxito.
En el estudio MIT NANDA, la AI comprada a vendors especializados e integrada en workflows existentes tuvo éxito alrededor del 67 % de las veces. Los builds internos, mucho menos. Ese es uno de los hallazgos más accionables del ebook 2026: integrar la AI en herramientas que los operadores ya usan, en lugar de lanzar un pilot autónomo.
No. En las fábricas showcase 2025 del World Economic Forum, el 77 % de los use cases principales corría sobre AI analítica y solo el 9 % sobre generative AI. La generative AI es la capa de más rápido crecimiento encima de esa base, a través de copilots y agents, no un reemplazo del mantenimiento predictivo, la inspección de calidad o la analítica de planificación.
Los sistemas de agentic AI detectan una disrupción, replanifican, redactan acciones como órdenes de compra o prioridades de tareas y esperan la aprobación humana. Gartner espera que la mitad de las soluciones de supply chain management incluyan capacidades agentic para 2030, y prevé 53.000 millones de dólares de gasto en software de supply chain con agentic AI para entonces, frente a menos de 2.000 millones en 2025. Gartner también espera que más del 40 % de los proyectos de agentic AI se cancelen a finales de 2027. El ebook 2026 tiene un capítulo dedicado a copilots y agents.
A menudo no. Los asistentes de instrucciones de trabajo, la analítica de calidad, el mantenimiento predictivo y los copilots de scheduling no suelen ser de alto riesgo bajo la EU AI Act. Dos áreas merecen atención real: la AI como componente de seguridad de maquinaria, y la AI que monitoriza o evalúa a los trabajadores. El ebook 2026 cubre lo que los fabricantes europeos necesitan saber, incluidas las fechas de cumplimiento.
Entre 2024 y 2026, el authoring speech-to-text, la segmentación de vídeo a pasos, la traducción y la personalización pasaron de slides de roadmap a features de producto estándar. Los vendors afirman de forma rutinaria entre un 60 % y un 70 % menos de tiempo en documentación. En trials de Azumuta Labs, vision-language models convirtieron una demostración filmada en instrucciones de trabajo digitales estructuradas, con hasta un 90 % menos de tiempo en creación, edición y mantenimiento.
La edición gratuita de 32 páginas está disponible como descarga gratuita. Evalúa las cinco predicciones de 2024 con evidencia y casos de estudio, añade capítulos sobre copilots, agents y physical AI, cubre la EU AI Act e incluye checklists de acción y las 49 fuentes.
