La IA en mantenimiento pone el foco en un nuevo reto: los sesgos operativos

Esta fue una de las principales incógnitas que resolvió el evento 'Maintenance Intelligence: ¿Qué está aprendiendo realmente la IA de tus procesos'. El encuentro organizado por Fracttal en Madrid reunió a profesionales de compañías como Endesa, y Serveo para debatir sobre el impacto real de la IA en las operaciones industriales.

Durante la jornada, Álvaro Lamas, Software Engineer y experto en inteligencia artificial, explicó cómo los sistemas de IA aprenden a partir de los datos y patrones generados por las organizaciones. Lejos de ser herramientas completamente autónomas, estos modelos reproducen la realidad que encuentran en los datos con los que son entrenados. Es decir, la IA aprende de los patrones que generan las organizaciones. Y si esos patrones contienen errores, hábitos o decisiones poco cuestionadas, también puede reproducirlos si no lo detectamos a tiempo.

Fernando Sánchez, jefe de Proyectos de Serveo, puso sobre la mesa la escasez de perfiles técnicos con formación específica en mantenimiento. Explicó que gran parte del conocimiento operativo sigue dependiendo de la experiencia acumulada por los técnicos más veteranos y que herramientas basadas en IA pueden ayudar a preservarlo y acelerar la formación de nuevas generaciones.

Sin embargo, advirtió de un reto adicional: cuando ese conocimiento nunca ha sido revisado o estructurado, la IA puede convertir en estándar prácticas que simplemente se han repetido por costumbre.

Ignacio Rodríguez, del área de Soluciones y Tecnologías de Seguridad de Endesa, describió uno de los hallazgos más habituales en los procesos de transformación digital: en muchos casos, el problema no es que los procesos sean imperfectos, sino que nunca han sido formalizados.

Antes de hablar de inteligencia artificial, las organizaciones deben ser capaces de identificar, documentar y estructurar cómo trabajan realmente. Ningún sistema puede aprender aquello que nunca ha sido definido.

“Si tu dato está incompleto, disperso o sesgado, la IA no lo arregla: lo escala”, afirmó Christian Struve, CEO y cofundador de Fracttal durante su intervención. El mayor riesgo de cualquier proyecto de inteligencia artificial aplicado al mantenimiento no es la capacidad del modelo, sino la calidad del conocimiento que lo alimenta.

Struve añadió un argumento que reencuadra la conversación: el histórico de operación de una empresa no es solo la base para usar bien la IA, es la ventaja competitiva real. Los modelos se pueden comprar; el histórico se gana orden por orden, durante años.

Fue también la oportunidad para presentar las nuevas capacidades de Fracttal AI orientadas a actuar sobre ese conocimiento de forma autónoma. Ahora cubre el ciclo completo del mantenimiento a través de agentes especializados por fase, desde la detección de anomalías hasta el análisis post-intervención. Fracttal AI también permite a cualquier usuario crear aplicaciones operativas en lenguaje natural: mapas de rutas de técnicos o herramientas de gestión de campo, sin necesidad de programación. La integración vía protocolo MCP conecta toda esta capa con los modelos de IA que cada organización ya utiliza, sin lock-in y sin fricciones de implementación.

La conclusión de Struve marcó el tono del cierre: “Durante los últimos 30 años digitalizamos el mantenimiento. Durante los próximos 10, lo autonomizaremos” La diferencia en su planteamiento no es de velocidad, es de naturaleza: antes el software ayudaba a trabajar, ahora empieza a trabajar por sí solo.