La IA en la producción: tres procesos que mantienen el saber en la empresa

Punto de partida: falta la estrategia, el saber se jubila

Solo el 17 % de las pymes tiene una estrategia digital definida, frente a casi el 50 % de las grandes empresas. Así lo muestra la encuesta de Swissmem sobre la industria 4.0 de 2020, en la que participaron 267 empresas de la Suiza alemana y 54 de la Suiza francesa.¹ En la inteligencia artificial, la distancia entre el anuncio y el taller es aún mayor. En 2024, la ETH de Zúrich preguntó al respecto, junto con Swissmem y Next Industries, a más de 200 empresas tecnológicas suizas. La mitad no ha considerado todavía la IA cercana a la producción y el 10 % realiza proyectos piloto.²

La reserva tiene buenos motivos. Swissmem menciona como obstáculos los riesgos de seguridad y las cuestiones de protección de datos, los requisitos regulatorios y la estructura y la calidad de los datos.⁴ Quien entrega datos de diseño a una nube ajena se procura un problema que ninguna ganancia de eficiencia compensa. Y quien tiene un archivo formado a lo largo de treinta años sabe que la calidad de los datos no surge pulsando un botón. La respuesta útil no es esperar, sino empezar en pequeño y de forma controlada.

Porque hay un reloj en marcha, y cuelga en la oficina de personal. La pérdida de saber cuando se marchan los especialistas con experiencia se considera un gran problema de la industria suiza. Swissmem presenta al respecto el proyecto de investigación Digitaler Wissenserhalt im Unternehmen de la HES-SO Valais-Wallis: recoge el saber de la experiencia de los empleados de muchos años y lo hace utilizable para la formación de los nuevos.³ Eso es justamente lo que su taller vive cada semana: la respuesta está en un documento que ya nadie encuentra, y el compañero que la sabe de memoria tiene dos años por delante hasta la jubilación. Un modelo de lenguaje, es decir, un programa que lee texto y redacta texto por su cuenta, puede volver a hacer localizables esos documentos.

En la producción de alimentos se añade una vía legal. El autocontrol conforme a los principios HACCP es una obligación de la empresa.⁵ Las líneas directrices sectoriales para la buena praxis de procedimiento las aprueba la Oficina Federal de Seguridad Alimentaria y Veterinaria (BLV); son una ayuda reconocida, pero el derecho alimentario vigente prevalece sobre ellas. La base para ello es el artículo 80 de la Ordenanza sobre productos alimenticios y objetos de uso.⁶ La obligación sigue siendo de la empresa. El trabajo de escritura que la rodea, no.

Caso de uso 1: el saber de la experiencia se queda en la empresa

Una instalación del año 2011 está parada en el cliente. El técnico de servicio busca la causa y está seguro de que el mismo fallo ya se produjo una vez, solo que consta en un informe de servicio que ya nadie encuentra. Dos puertas más allá, el diseñador pregunta por qué en su día una variante se construyó con ese montaje de rodamientos. A ambas preguntas puede responder el mismo empleado, y se jubila en dos años.

Los informes de servicio, las actas de ensayo, las notas sobre listas de materiales y las solicitudes de modificación entran en la base de conocimiento tal como están: en PDF, como escaneo, como estructura de carpetas formada con los años. Se pregunta en lenguaje corriente, tal como se lo preguntaría a un compañero, y no con comandos de búsqueda: qué fallo se ha presentado ya en qué serie, por qué se eligió ese montaje de rodamientos, qué decía el acta de recepción. La respuesta llega con la referencia al documento del que procede. Así la consulta en segundos en lugar de tener que creerla.

Los permisos llegan hasta cada herramienta: quien no puede ver el cálculo de costes tampoco lo ve a través de la IA. Cada acceso queda en el registro de auditoría, un registro que anota quién abrió qué documento y cuándo. Empiece con un tipo de máquina o con una serie y compruebe las primeras respuestas con casos que conoce de memoria. La calidad de las respuestas crece con la calidad del archivo, y la empresa ve en su propio ejemplo lo que vale en adelante un archivo ordenado.

Caso de uso 2: examinar a fondo el pliego de condiciones antes de la oferta

Un pliego de condiciones del cliente llega con 140 páginas. El plazo de presentación vence en diez días y el único que puede leerlo es el sénior, que de todos modos está saturado. El documento entra en el colega de IA y de ahí sale una lista estructurada de requisitos: qué se exige, en qué capítulo consta, qué norma se cita y qué tolerancia se indica.

En un segundo paso, esa lista se contrasta con sus propias especificaciones, sus listas de normas y sus ofertas anteriores de la base de conocimiento. Lo que su cartera cubre aparece como cubierto, con referencia a la especificación propia. Lo que no cubre queda marcado. Lo que está formulado de forma poco clara acaba en la lista de consultas al cliente, con el punto exacto del pliego. Así el sénior lee de forma selectiva los pasajes marcados en lugar de las 140 páginas, y la decisión de presentar oferta se apoya en una base y no en una impresión.

Lo que deliberadamente no ocurre: el colega de IA no asume ningún compromiso ni sustituye ninguna aclaración técnica. Entrega un borrador con la fuente, y un modelo de lenguaje puede pasar por alto un requisito o clasificarlo mal. Por eso la lista corresponde al departamento especializado, que juzga qué es viable. La ganancia está en que la revisión empieza el primer día y no el séptimo.

Caso de uso 3: aseguramiento de la calidad y auditoría en la producción de alimentos

La auditoría según IFS Food o BRCGS llega en marzo. El catálogo de preguntas se contrasta con el propio manual HACCP y de calidad, y de ahí sale una lista de lagunas: qué pregunta está respondida en el manual, dónde solo hay una referencia, dónde no hay nada. El aseguramiento de la calidad va resolviendo esa lista en lugar de leer el manual tres veces desde el principio.

El segundo montón son los documentos de proveedores: especificaciones, certificados, certificados de análisis. El colega de IA los resume, marca las fechas de caducidad y señala lo que falta. El tercer caso son los borradores multilingües de etiquetado y declaración, así como las instrucciones de uso. Se elaboran con su glosario de empresa, es decir, con su propia lista de términos, y emplean los mismos términos en todos los idiomas. El orden de los ingredientes y el resaltado de los alérgenos figuran como puntos de control en la lista del aseguramiento de la calidad, no como resultado de la máquina.

Aquí el límite está trazado con nitidez, y está bien que así sea. El autocontrol es una obligación legal de la empresa.⁵ El colega de IA escribe borradores y encuentra lagunas; aprobar tiene que hacerlo el aseguramiento de la calidad. En etiquetas e instrucciones de uso se añade la responsabilidad por producto: la aprobación técnica corresponde expresamente a una persona, y un texto escrito por una máquina no cumple por sí solo ningún requisito legal. Este artículo no sustituye al asesoramiento jurídico.

Conectores: qué puede enlazarse con sus sistemas

Un colega de IA es tan útil como aquello que puede alcanzar. MCP es un estándar abierto que permite a un programa de IA dirigirse a otro programa. Para ello hace falta una interfaz documentada, es decir, un punto de conexión publicado por el que dos programas intercambian datos. Cada herramienta se habilita por separado y cada llamada queda registrada. Según un análisis de Profondia de 2023 sobre las aproximadamente 13 500 mayores empresas suizas, el ERP más utilizado en Suiza es Abacus con el 17 %, por delante de SAP con el 16 % y de Microsoft Dynamics con el 8 %.⁷ La tabla muestra hasta dónde llega hoy la conexión de la IA con el software extendido en la fabricación y la producción de alimentos, verificada en agosto de 2026. En la columna central figuran los nombres técnicos de esas interfaces; la que cuenta para usted es la columna derecha.

¿Falta su software en la lista? Los tres procesos anteriores trabajan con documentos y no necesitan ninguna conexión de sistemas. Para empezar basta una exportación del MES, es decir, del sistema de conducción de la producción, o del sistema de equipos de control. Cómo funciona en principio una conexión mediante MCP y qué sistemas están preparados se explica en la página Integraciones.

Secreto empresarial: sus datos de diseño siguen en sus manos

En este sector la palanca no se llama en primer lugar ley de protección de datos, sino secreto de fabricación y secreto comercial. El artículo 162 del Código Penal castiga la revelación de tales secretos cuando existe un deber legal o contractual de secreto; el delito solo se persigue a instancia de parte.⁸ Justamente esos secretos son los que contienen sus datos de diseño, sus cálculos de costes y las especificaciones de sus clientes, a menudo protegidos además por un acuerdo de confidencialidad. Quien suministra a medtech, farmacia o aeronáutica asume además las exigencias contractuales de sus clientes contra cualquier salida de datos hacia nubes ajenas. Este artículo no sustituye al asesoramiento jurídico.

De ahí la frase central: sus datos de diseño permanecen en su propia instancia. Una instancia es la instalación que funciona solo para su empresa, con permisos por herramienta y un registro de cada acceso. Se opera en centros de datos certificados según ISO 27001 de Green en Lupfig (Suiza) o en su propio servidor. Se ofrecen los modelos actuales de OpenAI (ChatGPT) y Anthropic (Claude); se ejecutan en el centro de datos de AWS en Fráncfort. AWS es una empresa estadounidense, por lo que el US CLOUD Act se aplica incluso con servidores en Fráncfort, y lo decimos abiertamente. Para clientes con altos requisitos de protección de datos están disponibles modelos abiertos de primer nivel como GLM, Kimi y DeepSeek, operados por empresas europeas en servidores en Europa; allí el CLOUD Act no se aplica. Los datos de los clientes no entrenan ningún modelo. La telemetría, es decir, el envío de datos de uso, está desactivada de forma predeterminada. Quien por exigencias de sus clientes no puede entregar nada al exterior opera la instancia en su propio centro de datos. La base LibreChat está disponible bajo licencia MIT; el repositorio con nuestras propias extensiones llegará en breve.

Para los datos de personal rige además la ley revisada de protección de datos. La empresa sigue siendo responsable aunque una herramienta de IA trate los datos. Si interviene un proveedor, hace falta un acuerdo de encargo de tratamiento, es decir, un contrato que fija qué puede hacer ese proveedor con los datos. El acuerdo de encargo de tratamiento y la lista de subencargados están publicados abiertamente en el sitio web, y las medidas técnicas en el Trust Center.

Preguntas frecuentes de la fabricación y la producción de alimentos

Fuentes

Todas las cifras y las indicaciones jurídicas de este artículo proceden de las siguientes fuentes, revisadas por última vez en agosto de 2026.

1. Swissmem, encuesta sobre la industria 4.0 en el sector MEM (encuesta de 2020, publicada el 16 de noviembre de 2020; 267 empresas de la Suiza alemana, 54 de la Suiza francesa), estrategia digital en pymes y grandes empresas: swissmem.ch
2. Estudio de la ETH de Zúrich con Swissmem y Next Industries entre más de 200 empresas tecnológicas suizas sobre el estado de la IA (encuesta de 2024), referido por MaschinenMarkt Schweiz el 14 de noviembre de 2024: maschinenmarkt.ch
3. Swissmem, proyecto de investigación Digitaler Wissenserhalt im Unternehmen de la HES-SO Valais-Wallis, recopilación del saber de la experiencia, presentado en la conferencia de Swissmem sobre la industria 4.0 en enero de 2024: swissmem.ch
4. Swissmem, inteligencia artificial: aplicaciones actuales y retos en la industria suiza: swissmem.ch
5. Oficina Federal de Seguridad Alimentaria y Veterinaria (BLV), líneas directrices para la buena praxis de procedimiento en empresas alimentarias y autocontrol según HACCP: blv.admin.ch
6. Artículo 80 de la Ordenanza suiza sobre productos alimenticios y objetos de uso (LGV), líneas directrices sectoriales y su aprobación por la BLV: fedlex.admin.ch
7. Análisis de Profondia sobre el uso de ERP entre las aproximadamente 13 500 mayores empresas suizas, referido por Swiss IT Magazine en julio de 2023: itmagazine.ch
8. Artículo 162 del Código Penal suizo (StGB), violación del secreto de fabricación o comercial, delito perseguible a instancia de parte: fedlex.admin.ch