La IA en la producción: mantener el saber cuando la gente se va

Punto de partida: el saber se va, las obligaciones de prueba llegan

Al cierre del primer semestre de 2026, la industria manufacturera alemana ocupaba a 5,29 millones de personas, 144.100 o un 2,7 % menos que un año antes.¹ La documentación no se ha reducido por ello, solo se reparte entre menos hombros.

Así ocurre en toda Europa. En Suecia, el 87 % de las empresas tecnológicas e industriales consultadas informa de dificultades para reclutar competencias de ingeniería en electricidad, energía y automatización.² En Noruega, el 62 % de las empresas de Norsk Industri declara necesidades de competencias sin cubrir y menciona como consecuencia la pérdida de cuota de mercado.⁴ En España, la estadística oficial contó en el cuarto trimestre de 2025 13.868 vacantes solo en la industria.⁶

Del otro lado llegan las exigencias. La ley alemana sobre los deberes de diligencia en las cadenas de suministro se aplica a las empresas con, por regla general, al menos 1.000 trabajadores en el país. Hasta principios de 2024 el umbral estaba en 3.000.⁷ El proveedor de 60 personas no está sujeto, pero recibe igualmente sobre su mesa los cuestionarios de sus grandes clientes. En ciberseguridad, el mismo patrón: en Italia las medidas básicas de NIS2 deben estar implantadas antes de octubre de 2026, y quien suministra a clientes afectados recibe las exigencias por vía contractual.⁸

En la propia IA, la mayor distancia no está entre países, sino entre grandes y pequeños. En Suecia, el 30,7 % de las empresas de 10 a 49 empleados utiliza al menos una tecnología de IA; a partir de 250 empleados, el 71,9 %.³ En Francia, solo el 15 % de las pequeñas y medianas empresas de la industria alimentaria, el principal sector industrial del país, utiliza soluciones de IA.⁵

Caso de uso 1: el saber de la generación que se marcha se vuelve consultable

El técnico de mantenimiento que desde hace veinte años sabe cómo se comporta esta prensa tras un cambio de utillaje se jubila en dos años. Buena parte de su saber ya está en la empresa, solo que disperso: en informes de servicio, actas de avería y de ensayo, planes de preparación de máquina y los parámetros anotados a mano en la carpeta junto a la instalación. Una base de conocimiento formada justamente con esos documentos responde a la pregunta del turno de noche. Indica la referencia, es decir, el documento y la página de los que procede la respuesta. ¿Qué ajuste funcionó la última vez en ese lote? ¿Cómo se resolvió ese fallo?

La diferencia con un chat en el navegador está en el anclaje. La respuesta procede de sus documentos y muestra de qué informe procede. No procede de la memoria del modelo, es decir, de lo que el programa ha aprendido en general. Lo que no está escrito no lo encuentra, y una documentación desactualizada produce respuestas desactualizadas.

Lo que el colega de IA no hace: no ajusta ninguna máquina. Muestra qué estaba ajustado la última vez y quién lo documentó. La decisión se toma en la instalación.

Caso de uso 2: preparar las auditorías de clientes y los cuestionarios de proveedores

Un gran cliente envía un cuestionario de proveedores con 120 puntos: deberes de diligencia en la cadena de suministro, pruebas de origen, seguridad de la información. En paralelo avanza la preparación de la próxima auditoría según IFS o BRCGS. Casi toda respuesta está ya en algún sitio de la empresa, en la autodeclaración del año anterior, en un certificado, en una instrucción de procedimiento. Solo que nadie la encuentra en la semana previa a la cita.

El colega de IA asigna las preguntas a la documentación existente, genera una lista de lagunas para todo aquello de lo que no hay nada y deja para el resto borradores de respuesta con referencia al documento. El trabajo pasa de buscar a comprobar. La lista de lagunas suele ser la mayor ganancia: muestra antes de la auditoría lo que falta.

Aquí está el límite más nítido. Cada respuesta en un cuestionario de proveedores es un compromiso frente a su cliente, cada documento de auditoría una prueba frente a un organismo de certificación. Ambos salen tras la aprobación técnica, nunca de forma automática.

Caso de uso 3: instrucciones, etiquetas y manuales en el idioma del turno

En la producción de alimentos y en el montaje, los equipos de turno trabajan con idiomas mezclados. La norma de higiene, la instrucción de preparación de máquina y la versión breve del manual de instrucciones se elaboran a partir del documento aprobado en el idioma de los empleados. El elemento portante es un glosario de empresa: los nombres de las instalaciones, las denominaciones de los componentes y los términos técnicos se fijan una sola vez, para que el mismo conjunto no se llame de otra manera en cada versión.

El mismo glosario sostiene los textos de declaración y etiquetado y el manual de instrucciones para la exportación. Sostiene también en sentido inverso: la especificación de proveedor española y el certificado de ensayo italiano se vuelven legibles, sin un portal de traducción ajeno.

También aquí rige el límite: las traducciones son borradores. En las instrucciones relevantes para la seguridad y en las menciones exigidas legalmente sigue siendo determinante la versión aprobada, y quien aprueba es la persona especialista. 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.

Conectores: qué puede conectarse con su ERP

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. Valor predeterminado: herramientas de lectura libres, herramientas de escritura solo con confirmación. La tabla muestra hasta dónde llega hoy la conexión de la IA con el software extendido, 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.

Lo que aquí no encontrará de forma deliberada: el nivel de las máquinas y del MES, es decir, la conducción de la producción. Los controles, la captación de datos de producción y la programación fina no se han verificado. Una promesa de integración que se rompe en la primera conversación cuesta más de lo que aporta. El beneficio surge en la oficina y en la preparación del trabajo. Si falta su software, la base de conocimiento y la preparación de auditorías funcionan igualmente: solo necesitan documentos. Más información en Integraciones.

La separación tiene también un motivo jurídico. Si una IA se integra como componente de seguridad en un producto regulado, puede considerarse un sistema de alto riesgo del reglamento de IA. Según el Reglamento (UE) 2026/1744, sus obligaciones se aplican a partir del 2 de diciembre de 2027 y, para los sistemas integrados, a partir del 2 de agosto de 2028.⁹ Un asistente de oficina, por regla general, no entra ahí.

Protección de datos y del secreto: las especificaciones se quedan en la planta

Las especificaciones de clientes, las recetas, los cálculos de costes y los datos de ensayo son secretos empresariales, a menudo vinculados además por un acuerdo de confidencialidad de su cliente. Para los datos personales rige el Reglamento General de Protección de Datos. La empresa sigue siendo responsable aunque sea una herramienta de IA la que los trate. 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. Este artículo no sustituye al asesoramiento jurídico.

Si los datos salen a un país fuera de Europa, se añade el capítulo V del reglamento. Necesitará entonces una base jurídica para la transferencia y, según el instrumento elegido, una evaluación de la situación legal en el país de destino. Si el almacenamiento y el procesamiento de los modelos tienen lugar en el Espacio Económico Europeo, ese paso desaparece. El tratamiento no se vuelve lícito por ello de forma automática, pero sí más fácil de justificar.

Kisuno funciona en centros de datos certificados según ISO 27001 o en su propio servidor. 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 no pueda entregar nada al exterior opera su propia instancia en su propio centro de datos. Una instancia es la instalación que funciona solo para su empresa. La base LibreChat está bajo licencia MIT; el repositorio con nuestras extensiones llegará en breve. El acuerdo de encargo de tratamiento y la lista de subencargados están publicados abiertamente en el sitio web. Se pueden elegir 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. Cómo transcurre ese camino en detalle está en el artículo sobre los modelos de Anthropic a través de Amazon Bedrock. 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.

A ello se añade un punto que la estadística europea muestra bien: en Noruega, el 71 % de las empresas que usan IA emplea software comprado ya hecho, y en Suecia el 62 %.³ Esas herramientas están disponibles enseguida, pero no conocen la empresa: ni informes de servicio, ni actas de ensayo, ni respuestas de auditoría.

Preguntas frecuentes de la fabricación y la producción de alimentos

Fuentes

Todas las cifras proceden de estas fuentes, revisadas por última vez en agosto de 2026, con el país de la encuesta correspondiente.

1. Oficina Federal de Estadística de Alemania, nota de prensa N057 de 14 de agosto de 2026 (DE): destatis.de
2. Industrirådet, informe sobre las necesidades de competencias de la industria (SE, encuesta de mayo a octubre de 2025, 1.500 empresas), en Industriarbetsgivarna: industriarbetsgivarna.se
3. Eurostat, conjunto de datos isoc_eb_ai, año de encuesta 2025: uso de la IA por clase de tamaño y vía de obtención (SE, NO): ec.europa.eu/eurostat
4. Norsk Industri sobre el barómetro de competencias NHO 2025, 24 de febrero de 2026 (NO): norskindustri.no
5. ANIA, Nos chiffres clés, sobre la industria alimentaria (FR): ania.net; uso de la IA por sector en el Baromètre France Num 2025: francenum.gouv.fr
6. INE, Encuesta Trimestral de Coste Laboral, cuarto trimestre de 2025 (ES): ine.es
7. Ley alemana sobre los deberes de diligencia en las cadenas de suministro, artículo 1, ámbito de aplicación (DE): gesetze-im-internet.de
8. Agenzia per la cybersicurezza nazionale, plazos de la transposición italiana de NIS2 (IT): acn.gov.it
9. Comisión Europea, marco regulador de la inteligencia artificial, con los plazos modificados por el Reglamento (UE) 2026/1744: digital-strategy.ec.europa.eu