Los fabricantes están implementando IA en sus operaciones, pero la pregunta más difícil es si esas herramientas están produciendo beneficios mensurables en costo, rendimiento y eficiencia.
getty
Los fabricantes están adoptando la IA de manera agresiva, especialmente en las operaciones. Pero los retornos son más difíciles de demostrar y la forma en que los fabricantes compran IA puede ser parte del problema.
en Encuesta de impacto de la IA de Grant Thornton 2026Ninguno de los 100 líderes de fabricación encuestados informó un aumento significativo de los ingresos gracias a la IA. Ninguno informó ahorros de costos significativos. En otras industrias en el mismo estudio, el 12% de los encuestados informaron cada una. Cero en el tamaño de la muestra no es un error de redondeo. Esta es una advertencia.
Sobre el papel, la fabricación debería ser fácil para la IA. Las fábricas llevan décadas funcionando con datos de sensores, procesos repetitivos y automatización. Pero el sector mostró una de las brechas más amplias entre la actividad de la IA y los resultados de la IA en cualquier parte de la encuesta. La tecnología no suele ser lo que lo frena. El proceso de compra es.
La adopción nunca fue un problema
Los fabricantes no ignoran la IA. Lo han utilizado, sobre todo en operaciones. En una encuesta de Grant Thornton, el 64% de los fabricantes informaron ganancias de eficiencia y el 62% dijo que las operaciones eran donde más querían IA, la proporción más alta entre los sectores encuestados.
Lo que sucede después es el problema. El 48% todavía está estancado en proyectos piloto, frente al 34% en toda la industria, y sólo el 14% reporta una innovación rápida frente al 31% en otros lugares. Las eficiencias son reales, pero no lo mismo que el ahorro de costos. Un modelo que ahorra minutos de cambio luce genial en la demostración. A menos que se convierta en menos chatarra, menos paros no planificados, menor inventario o menos reclamos de garantía, nunca llegará a P & L en el formulario CFO.
Compran la preocupación, no el problema
Pregúntales por qué están gastando y la imagen se vuelve más nítida. El 45% dice que la presión competitiva es la principal fuerza detrás de su adopción de la IA. No es el cuello de botella lo que valoran, no es el nivel de defecto que persiguen. Preocuparse de que la competencia sea un paso adelante.
Las preocupaciones son criterios de adquisición deficientes. Los analistas de Grant Thornton dejan claro el patrón: los fabricantes compran herramientas de inteligencia artificial y luego esperan a que los proveedores descubran cómo implementarlas. Envía dinero a cualquier cosa que hagan sus pares en lugar de un puñado de decisiones que realmente mueven los márgenes.
Puedes verlo donde pasa la tierra. Las operaciones parecen una elección disciplinada, pero es el lugar más difícil para pagar por la IA. Gran parte de los datos son irregulares o están bloqueados dentro de PLC y equipos de línea más antiguos que nunca fueron construidos para ellos. Integración significa tocar la máquina que nadie quiere parar. Y en la cola, la respuesta incorrecta se vuelve costosa rápidamente. En las revisiones de adquisiciones en las que he asistido, los pasos que tienden a omitirse son los mismos: los equipos saltan de “la IA puede ayudar aquí” a “ejecutemos un piloto” sin nombrar los números que se supone que deben alcanzar. El modelo se aprueba antes del caso de negocio.
El purgatorio piloto tiene una causa
El 48% se quedó atrapado en el piloto, no atrapado en la tecnología. Están estancados porque nadie tiene un número. Los pilotos sin objetivos de pérdidas y ganancias no pueden realmente tener éxito ni fracasar. Sólo puede continuar.
Una investigación más amplia muestra lo mismo. Proyecto NANDA del MIT Media LabEn su estudio GenAI Divide, se descubrió que después de entre 30.000 y 40.000 millones de dólares en gastos corporativos en IA generativa, sólo alrededor del 5% de los pilotos integrados están obteniendo valor real. El resto no mostró ningún impacto medible en las pérdidas y ganancias. Aquellos en los que se trabaja tienden a apuntar a procesos específicos y propietarios claros, y muchos se compran en lugar de construirse. Los dispositivos de origen externo tienen un rendimiento aproximadamente el doble que los dispositivos internos. Para una industria a la que le gusta diseñar sus propias respuestas, eso duele. Construir internamente es a menudo la decisión correcta. La IA puede resultar contraproducente una vez que la integración y el mantenimiento cuesten más que el modelo.
El sector manufacturero también tiene menos paciencia con los ritmos suaves. En la función de oficinista, el asistente que ahorra a la gente una hora al día puede justificar más retoques. El piso de pruebas es más duro. El sistema debe transferir el tiempo de inactividad, la producción, el retrabajo, el inventario o el rendimiento, y hacerlo sin aumentar el riesgo de que nadie pierda el sueño. Eso es lo que hace que el sector sea una base de evidencia tan útil. No puedes disfrazar la actividad como resultado si se supone que el resultado debe salir como parte.
Existe una versión gubernamental de la misma brecha. Sólo el 7% de los fabricantes dijeron que tienen un plan para probar cuando la IA falla, el nivel más bajo de cualquier sector. Por lo tanto, la mayoría de las plantas que utilizan IA en programación, calidad o cadena de suministro nunca se entrenan para fallar. Esta es una empresa que perfora incendios y prueba de carga sus generadores de respaldo. El software actual afecta a la toma de decisiones, pero ese camino no tiene el mismo tratamiento.
La mejora es una disciplina de adquisiciones, no un modelo mejor
Los fabricantes que cierren esta brecha no serán los que posterguen la aparición de modelos más inteligentes. Serán personas que cambien su forma de comprar. Empiece por las cuestiones que ya valora, no por lo que anuncian los competidores. Mencione las métricas por adelantado, ya sea tasa de desperdicio, tiempo de inactividad no planificado o días de inventario, antes de que llegue el primer proveedor. Escriba el nombre de un ejecutivo junto a ese número. Luego ejecútelo como cualquier otra solicitud de capital, con una barrera que eliminar y la fecha en que finaliza en caso contrario. Esa última parte tiende a ser ignorada en el caso de la IA, porque la tecnología es impresionante, y lo impresionante se confunde fácilmente con lo valioso.
Antes de financiar el próximo proyecto operativo, un ejecutivo debe poder responder cuatro preguntas en una frase cada una. ¿Qué línea se está moviendo? ¿Por cuánto? ¿Quién tiene el resultado? ¿Cuándo paramos si no funciona?
Los fabricantes no tienen ningún problema con el interés de la IA. Tiene un problema de prueba de IA. La empresa de reparaciones no es la que persigue las demostraciones más brillantes. Será uno que requerirá que la IA supere el mismo listón que cualquier otra inversión en el piso: muéstrame los números, muéstrame el propietario y muéstrame cuándo paramos si no está funcionando.
