El término se usa en todos lados. En presentaciones, en membretes, en el pie de un tablero, en el nombre de proyectos que, en el fondo, son una planilla de Excel ordenada.
Casi nunca se lo define.
Cuando una palabra se usa mucho y se define poco, termina significando lo que cada uno necesita que signifique.
Que es otra forma de decir que no significa nada.
Este artículo tiene un solo objetivo: dejar sin ambigüedad qué es inteligencia industrial y qué no es.
Al final debería quedar claro qué hacer distinto un lunes a la mañana.
Lo que no es
No es tener muchos sensores
Una planta puede tener un sensor en cada motor, en cada silo y en cada línea, y seguir tomando decisiones a ciegas si nadie compara esos datos contra algo.
El sensor mide. No decide, no compara, no establece prioridades.
No es un dashboard
Un tablero con gráficos en tiempo real, colores y la última tecnología de visualización puede mostrar exactamente el mismo problema que una planilla impresa de hace veinte años: números sin contexto, sin referencia y sin un umbral que indique cuándo intervenir.
Cambia la forma de mostrar la información. No necesariamente cambia la decisión que se toma con ella.
No es inteligencia artificial
Un modelo de inteligencia artificial entrenado sobre datos mal medidos, mal etiquetados o incompletos puede producir predicciones muy sofisticadas sobre una base equivocada.
La tecnología no corrige un problema de definición previo. Lo automatiza.
Sensores, dashboards e inteligencia artificial son herramientas. Muy buenas herramientas, cuando están al servicio de algo.
Son el músculo.
Falta el criterio que decide hacia dónde moverlo.
Lo que sí es
Inteligencia industrial es la capacidad de una planta de convertir datos dispersos en decisiones que cambian el resultado económico, de forma repetible.
Tres palabras de esa definición hacen casi todo el trabajo:
Convertir. No solamente acumular datos.
Decidir. No solamente generar reportes.
Repetir. No depender de una buena decisión aislada o de la experiencia de una sola persona.
Por eso, la inteligencia industrial no es un estado que una planta alcanza y conserva para siempre.
Es una disciplina.
Y puede resumirse en cuatro acciones:
MEDIR → COMPARAR → MODELAR → DECIDIR
Medir, porque sin un dato confiable no existe diagnóstico.
Comparar, porque un número aislado dice poco. Necesita una referencia: historia, diseño, benchmark, capacidad real o condición objetivo.
Modelar, porque una planta produce cientos de variables y alguien debe determinar cuáles explican realmente su desempeño y cómo se relacionan entre sí.
Decidir, porque si todo lo anterior no modifica una acción, el proceso quedó incompleto.
Si falta cualquiera de estos cuatro pasos, no importa qué tan sofisticados sean los otros tres.
Por qué más datos no alcanzan
La confusión más común y probablemente una de las más caras, es asumir que más información produce automáticamente mejores decisiones.
No es así.
Una planta puede estar inundada de datos: sensores de vibración, consumos eléctricos, temperaturas, presiones, un ERP con quince módulos activos, análisis de laboratorio de cada lote y decenas de reportes mensuales.
Y aun así puede tomar peores decisiones que otra planta con una fracción de esa información.
La diferencia no está necesariamente en cuánto mide cada una.
Está en qué hace con lo que mide.
Es el mismo fenómeno que explica por qué duplicar la cantidad de reportes mensuales casi nunca duplica la calidad de las decisiones tomadas en una reunión de planta.
En algún punto, agregar información deja de sumar claridad y empieza a generar ruido.
Cada indicador compite por la misma atención limitada. Y cuando no existe un criterio para establecer cuál mirar primero, todos terminan teniendo aproximadamente la misma importancia.
Es decir, casi ninguna.
El problema no es ver la planta. Es entenderla.
Un dashboard puede mostrar que el consumo energético aumentó.
La inteligencia industrial debería ayudar a responder por qué aumentó, cuánto importa y qué conviene hacer.
Un sistema puede informar que una línea produjo 82 toneladas por hora.
La inteligencia industrial debería permitir determinar si 82 t/h es un buen resultado para esa línea, ese producto, esa formulación y esas condiciones de operación.
Un laboratorio puede informar que un parámetro salió fuera de especificación.
La inteligencia industrial debería relacionar ese desvío con proceso, costo, productividad y riesgo para decidir dónde intervenir primero.
La diferencia parece pequeña.
No lo es.
En un caso estamos viendo datos.
En el otro estamos entendiendo la operación.
Entonces, ¿qué cambia el lunes a la mañana?
En lugar de empezar preguntando:
¿Qué datos podemos medir?
La primera pregunta debería ser:
¿Qué decisión necesitamos tomar mejor?
A partir de ahí, el recorrido cambia.
Primero se define la decisión.
Después se identifica qué variable puede explicarla.
Luego se establece contra qué debería compararse.
Y recién entonces se determina qué información necesitamos medir, con qué frecuencia y con qué precisión.
Ese cambio de orden parece menor, pero modifica completamente la lógica.
Porque evita llenar una planta de indicadores que nadie utiliza y concentra el esfuerzo en aquellos datos capaces de cambiar una decisión.
De información a inteligencia
Inteligencia industrial no es un paquete tecnológico que se compra.
Tampoco es un proyecto que termina cuando se instala un software.
Es una disciplina que se construye y se sostiene: medir lo que realmente importa, comparar contra referencias reales, construir un modelo que permita interpretar lo que ocurre y decidir distinto a partir de esa información.
Mes tras mes.
Una planta puede tener los mejores sensores, el dashboard más elegante y el modelo predictivo más sofisticado del mercado y seguir sin inteligencia industrial si se salta cualquiera de esos pasos.
Especialmente el último.
Porque acumular datos es relativamente fácil.
Compararlos también.
Lo difícil es construir el criterio que permite distinguir una señal de un número y convertir esa señal en una decisión.
Si el dato no modifica una decisión, todavía es información. No es inteligencia industrial.
Y por eso, quizás la regla más sencilla para empezar sea también la más importante:
No empezar por el sensor.
Empezar por la decisión.
