Conoce las nuevas tecnologías y tendencias en datos industriales

Junio marcó el ecuador de un año lleno de acontecimientos para la tecnología industrial y de fabricación. La influencia gubernamental en los aranceles y la evaluación comparativa de la sostenibilidad han modificado la forma en que muchas empresas manufactureras prevén los próximos trimestres.

Y, por supuesto, los rápidos avances en la tecnología de la IA la han situado, como era de esperar, en el primer plano de la mente de muchos responsables de la toma de decisiones industriales. En los últimos seis meses hemos visto cómo el entusiasmo inicial por los casos de uso de la IA Generativa se ha trasladado a los pilotos de IA Agéntica entre los fabricantes.

Ahora que el segundo trimestre llegó a su fin, veamos cinco tecnologías y tendencias emergentes en el ámbito de los datos industriales. También compartiremos algunas reflexiones sobre las industrias que están logrando los mayores avances en digitalización.

Transformación digital

Aunque el concepto no es nuevo, los proyectos de transformación digital se están integrando en las operaciones y ya no están aislados en sus propios centros de costes. Esto es nuevo y parece ser una buena práctica. La transformación digital seguirá teniendo un impacto significativo en las organizaciones del mercado industrial. Las dos mayores influencias para el éxito de una empresa en la consecución de su transformación digital pueden ser la creación de habilidades blandas y la capacidad de operacionalizar los esfuerzos de transformación. Las empresas con las que hemos trabajado que tienen más éxito cuentan con equipos de profesionales con un cierto grado de fluidez digital y una clara carta de proyecto o camino hacia el éxito.

Según el Foro Económico Mundial, el 70% de los proyectos de Industria 4.0 fracasan. Las empresas industriales que construyen soluciones modernas que digitalizan sus operaciones deberían fijarse en estas dos influencias como camino hacia proyectos de transformación más exitosos.

Inteligencia Artificial

La IA es, sin duda, una tendencia en rápido crecimiento. Actualmente, parece ser más una tendencia conceptual que una aplicación directa para crear valor en la planta de producción. Pero el interés y la atención en torno a la consecución de casos de uso de la IA son evidentes. Será necesario que las empresas industriales proporcionen modelos con datos contextualizados y listos para usar.

Vemos un gran potencial en el uso de agentes de IA a nivel de fábrica. Un ejemplo es una máquina que utiliza varios agentes, cada uno con su tarea específica. Un agente supervisa las variables del proceso; otro busca las órdenes de trabajo entrantes; otro es responsable de los cambios de herramientas. La capacidad de interactuar con agentes de IA que tienen «conocimientos» profundos en áreas concretas de la fábrica podría ayudar a descubrir puntos oscuros operativos, mejorar la forma en que fluyen los procesos y simplificar la supervisión diaria de la actividad de la fábrica. Es importante señalar que estos agentes sólo se conseguirán mediante una buena higiene de los datos y una estrategia de datos industriales.

Analytics & Machine Learning

El avanzado nivel de capacidades de visualización de datos alcanzado por los LLM hace que el mercado analítico esté preparado para la disrupción. Cada vez es más fácil utilizar un LLM para generar análisis elaborados y listos para consumir, siempre que el conjunto de datos tenga suficiente contexto. Parece exagerado creer que Agentic acabará con SaaS, pero es probable que lo transforme. Los proveedores de soluciones analíticas que se adapten, adopten e integren deberían mantener su relevancia. Los demás podrían tener problemas.

El aprendizaje automático, ahora denominado IA tradicional, sigue siendo una tendencia, especialmente para casos de uso en los que es necesaria la lógica algorítmica. El mantenimiento predictivo de activos y la detección de defectos siguen siendo dos de los primeros casos de uso de DataOps más comunes entre nuestros clientes.

Arquitecturas abiertas

Vemos que los clientes desvinculan los datos de las aplicaciones y virtualizan sus datos, gracias a tecnologías como Apache Iceberg y Snowflake's Zero-Copy Cloning.

También vemos que el mercado se aleja del modelo de plataforma IIoT que promueve un enfoque vertical y de pila completa para la gestión de datos. Trabajar con un único proveedor para satisfacer las demandas de múltiples capas en su pila tecnológica puede parecer eficiente, pero este enfoque no tiene en cuenta los diversos entornos de software que ya existen dentro de una empresa multinacional.

Según muchas conversaciones con clientes, socios y analistas, el mercado industrial quiere y necesita arquitecturas abiertas que respalden una estrategia de datos industriales. Una tecnología como HighByte Intelligence Hub ejemplifica este enfoque al ofrecer un software agnóstico que cumple con la verdadera definición de una solución Industrial DataOps. Una solución Industrial DataOps orquesta, observa y gobierna los datos industriales al tiempo que integra los sistemas industriales y empresariales que una empresa ya ha desplegado. Deja los controladores de dispositivos, el almacenamiento de datos y el análisis en manos del mejor software del mercado porque es lo que más conviene al cliente.

Transición energética y sostenibilidad

Los proyectos de sostenibilidad se están dividiendo en tareas lógicas, desde el recorte de costes hasta la transición a nuevas fuentes de energía. Podemos esperar un pragmatismo implacable para las iniciativas de sostenibilidad bajo la actual administración Trump. Esto no significa que los programas de sostenibilidad vayan a colapsar, pero sí que se producirá un cambio en los mensajes. Aunque el resultado puede seguir siendo la reducción del consumo de energía y la descarbonización, el mensaje debe centrarse en los costes operativos, los márgenes y la ventaja competitiva en el mercado para que estos programas sigan avanzando. La sostenibilidad es rentable. La contabilidad del carbono puede utilizarse (y probablemente se utilizará) como herramienta comercial.

Y luego está la IA. La IA requiere grandes cantidades de potencia de cálculo y tiene un efecto gravoso sobre la infraestructura energética. Se prevé que la demanda de electricidad de los centros de datos optimizados para IA se multiplique por más de cuatro de aquí a 2030. Esto significa que debemos tener en cuenta el «rendimiento de los datos», que es el impacto descendente que tiene el software en el uso de energía para la computación. Mediante el uso de una solución Industrial DataOps que ofrezca cargas útiles de datos mejores y más centradas desde el extremo, podemos agilizar y reducir los procesos informáticos para los casos de uso posteriores, reduciendo así los residuos digitales.

Predicciones para el crecimiento de la industria

Basándose en las tecnologías y tendencias mencionadas, tres verticales industriales parecen especialmente preparados para crecer en lo que queda de 2025.

Esperamos que la industria farmacéutica mantenga su fuerte crecimiento reciente en los esfuerzos de digitalización. Estos fabricantes tienden a centrarse en planes estratégicos y a largo plazo, potencialmente debido a los mayores márgenes que son capaces de lograr como vertical. Además, pueden obtener un valor exponencial de las innovaciones incrementales, ya sea introduciendo un nuevo medicamento en el mercado, haciendo que los lotes sean más eficientes o llevando a cabo una recopilación de datos más experimental, imitando una operación de producción completa dentro de proyectos piloto.

También esperamos que crezca el vertical de la energía, dado el complicado panorama de los datos. Incluso una pequeña mejora de la productividad o un aumento del rendimiento pueden tener una enorme repercusión.

Por último, la minería -especialmente la de tierras raras- está preparada para el crecimiento y la transformación digital debido al aumento de su uso en productos manufacturados y a las restricciones geopolíticas en las cadenas de suministro.

Todas estas tecnologías y tendencias, incluida y especialmente la IA, dependen de una base de datos saludable. Implementar una base de datos ágil y resistente le garantizará que está preparado, independientemente de lo que le deparen los próximos seis meses.