La digitalización industrial ha seguido en la última década una secuencia reconocible: primero la automatización, después la sensorización y el IIoT, y más tarde la analítica avanzada. Todas esas capas compartían una limitación común: alguien tenía que interpretar la información y decidir qué hacer con ella. La llamada inteligencia artificial agéntica rompe ese esquema, los sistemas no se limitan a informar o recomendar, sino que ejecutan acciones dentro de flujos de trabajo previamente definidos.
La diferencia no está en la potencia del modelo, sino en el papel que ocupa dentro del proceso. Un sistema predictivo avisa de que una máquina puede fallar; un sistema agéntico comprueba la disponibilidad de repuesto, propone una ventana de parada compatible con la carga de trabajo, reprograma los lotes afectados y genera el aviso al proveedor. La IA deja de ser una herramienta de consulta para convertirse en un participante activo de la operación.
Según el informe State of Smart Manufacturing 2026, elaborado con más de 1.500 respuestas de fabricantes de 17 países, el 90 % de las empresas considera ya la transformación digital imprescindible para competir. El 59 % utiliza de forma activa tecnologías de fabricación inteligente, frente a un 18 % que permanece en pilotos y el 34 % de las operaciones están asistidas por IA, con previsión de superar el 50 % en 2030.
En España el punto de partida es más modesto: según el INE, el 21,1 % de las empresas de 10 o más empleados utiliza inteligencia artificial, casi nueve puntos más que el año anterior aunque el porcentaje baja al 13,4 % en las de menor tamaño. El crecimiento es claro, pero la adopción sigue siendo desigual.
Estas nuevas tecnologías resultarán clave en tareas relacionadas con:
- Inventarios: Los sistemas analizan consumo, estacionalidad y disponibilidad de proveedores para anticipar necesidades, reduciendo desperdicio y el capital inmovilizado.
- Calidad: La visión artificial permite inspeccionar el 100 % de la producción y generar un mapa digital de defectos que objetiviza la calidad y reduce mermas.
- Mantenimiento: La combinación de sensorización y modelos predictivos permite planificar paradas, alargar la vida útil de los activos, en línea con las estrategias de reparación y remanufactura.
El principal freno no es tecnológico, sino de base. Un sistema agéntico solo es tan fiable como los datos que recibe y muchas plantas conviven todavía con registros dispersos, formatos incompatibles o procesos críticos sin sensorizar. De hecho, el mismo informe señala que solo el 42 % de los datos recogidos se aprovechan de forma efectiva.
A ello se suma una advertencia del mercado: Gartner prevé que más del 40 % de los proyectos de IA agéntica se cancelarán antes de finales de 2027 por costes crecientes, valor de negocio poco definido o por controles de riesgo insuficientes. La lectura no es que la tecnología no funcione, sino que en muchos de estos casos realmente no es necesaria una IA agéntica.
En textil, calzado, mueble o transformación de materiales, buena parte del valor sigue residiendo en el conocimiento tácito de los equipos. Lejos de sustituirlos, la IA agéntica funciona mejor cuando esos criterios se traducen en reglas y parámetros que el sistema pueda aplicar de forma consistente. El perfil profesional que emerge tiene menos que ver con programar algoritmos y más con orquestar sistemas: definir objetivos, acotar el margen de actuación y validar decisiones.
La conclusión compartida por el sector es que la adopción gradual, empezando por un proceso acotado y medible, resulta más eficaz que los grandes despliegues. Desde PLATECMA se seguirá trabajando para acercar estas tecnologías al tejido empresarial a través de jornadas, estudios y proyectos de transferencia.