.jpg "¿Qué ocurre cuando la IA aprende de procesos no documentados? Esto es lo que se debatió en el evento Maintenance Intelligence de Fracttal en Madrid.")
A medida que la IA gana protagonismo en la gestión de activos, surge una pregunta que cada vez preocupa más a los responsables de la operación: ¿qué ocurre cuando la IA aprende de procesos, datos o decisiones que arrastran ineficiencias desde hace años?
Esa fue la pregunta central de Maintenance Intelligence: ¿Qué está aprendiendo realmente la IA de tus procesos?, el encuentro que organizamos en Madrid con profesionales de Endesa y Serveo, entre otras empresas líderes en el sector, para debatir sobre el impacto real de la IA en las operaciones industriales.
La IA en mantenimiento aprende de lo que tú le das
Álvaro Lamas, Software Engineer especialista en inteligencia artificial, abrió el debate con una idea que marcó el tono de toda la jornada: los sistemas de IA no son herramientas autónomas ni objetivas. Aprenden de los patrones que generan las organizaciones. Y si esos patrones contienen errores, hábitos no cuestionados o decisiones tomadas por inercia, la IA también puede reproducirlos, a mayor escala y velocidad.
El punto de partida no es tecnológico. Es operativo.
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 las nuevas generaciones. Sin embargo, advirtió de un reto adicional: cuando ese conocimiento nunca ha sido revisado ni 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, llevó el diagnóstico un paso más allá. En su experiencia incorporando Fracttal a los procesos de la compañía, la auditoría previa a la digitalización reveló algo inesperado: en muchos casos, el problema no era que los procesos fueran imperfectos. Es que no existían.
Antes de hablar de IA, las organizaciones deben ser capaces de identificar, documentar y estructurar cómo trabajan realmente. Ningún sistema puede aprender aquello que nunca ha sido definido.
Cómo Fracttal AI actúa sobre el conocimiento operativo de tu organización
"Si tu dato está incompleto, disperso o sesgado, la IA no lo arregla: lo escala." Con esa frase, Christian Struve, CEO y cofundador de Fracttal, situó el debate en sus coordenadas estratégicas. El mayor riesgo de cualquier proyecto de IA aplicado al mantenimiento no es el modelo. Es la calidad de lo que aprende de ti.
Struve añadió un argumento que reencuadra la conversación: el histórico operativo de una empresa —sus órdenes de trabajo, sus fallos documentados, sus patrones acumulados durante años— no es solo el requisito previo 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: una capa de agentes especializados que cubre el ciclo completo del mantenimiento, desde la detección de anomalías hasta el análisis post-intervención, y que permite crear aplicaciones operativas en lenguaje natural —mapas de rutas 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 fricciones de implementación.
"Durante los últimos 30 años digitalizamos el mantenimiento", apuntó Struve al cierre. "Durante los próximos 10, lo autonomizaremos."
Tres conclusiones sobre IA y mantenimiento industrial
🔹 La calidad del conocimiento importa más que la potencia del modelo. Para 2026, lo que separará a los ganadores de los perdedores en IA industrial será el dato operacional, no el algoritmo.
🔹 La digitalización obliga a revisar los cimientos. Muchas organizaciones descubren, al intentar transferir conocimiento a la IA, que ese conocimiento nunca se formalizó. La IA es un catalizador para hacerlo bien.
🔹 El técnico no desaparece. Su trabajo cambia. La IA no elimina el trabajo: elimina el trabajo desperdiciado. El criterio experto sigue siendo la pieza que ningún sistema puede sustituir.
¿Quieres ver cómo Fracttal AI trabaja con tus datos operativos? Solicita una demo gratuita y comprueba con tus propios ojos el potencia de la IA de Fracttal en tu operación de mantenimiento.
