KI & Automatisierung · 23 de febrero de 2026 · 14 min de lectura · Manuel Krapf, CMO, Amplifa
KI Fertigung: Merck marca el camino – ¿duerme el sector de las pymes?
La KI Fertigung es una realidad. Mientras gigantes químicos como Merck KGaA se equipan con robótica de AI, muchos dudan. Descubra qué significa realmente este pacto para su empresa.
¿Recuerda todavía los juegos de química de su infancia? Un poco de burbujeo, una pequeña decoloración, tal vez un olor extraño; eso ya era un gran éxito. En los laboratorios de la gran industria de Deutschland, para ser sinceros, la situación no fue fundamentalmente distinta durante décadas. Solo que con matraces de vidrio más caros y empleados con doctorado en batas blancas que mezclaban fórmulas meticulosamente. Un proceso marcado por el ensayo, el error y mucha paciencia.
Pero esos tiempos de mezcla manual, pipeteo y esperanza han terminado definitivamente. Lo que se selló en enero de 2026 entre Merck KGaA en Darmstadt y una startup llamada ChemLex de Singapur es más que otro pomposo "Memorandum of Understanding". Es el entierro del antiguo paradigma de I+D. Es el pistoletazo de salida para una nueva era en la producción, cuyo eco resonará mucho más allá de la industria química, llegando hasta las naves de producción de las pymes de Deutschland. La pregunta es: ¿hay alguien escuchando allí?
KI Fertigung no es música del futuro: es la nueva realidad
Hablemos claro. Merck, uno de nuestros buques insignia de la química en Deutschland, incorpora con ChemLex una armada de robots controlada por AI. El punto es: ya no permiten que sean principalmente humanos quienes mezclen sustancias, sino algoritmos y autómatas de alta precisión. ChemLex ofrece una plataforma que conecta un laboratorio totalmente automatizado con Inteligencia Artificial. ¿El objetivo? Acelerar la investigación y el desarrollo (I+D) de forma tan radical que la competencia solo vea las luces traseras. Se trata de desarrollar nuevos materiales para la industria de semiconductores o automotriz ya no en años, sino en meses. Y con una precisión y reproducibilidad con las que un humano solo puede soñar.
Esto no es solo un juguete para un consorcio rico. Es un cambio de paradigma. Merck califica a la AI como un "enabler crítico" para resolver "desafíos científicos complejos". Traducido, esto significa: sin AI, pronto no podremos hacer nada. Y no están solos. Según las cifras actuales de las que dispongo, la AI ya impulsa el 46% de todas las cargas de trabajo de simulación en los equipos de I+D de las industrias química, energética y de semiconductores en Europa. El 42% de estos equipos ya utiliza plataformas nativas de AI. Esto ya no es un nicho, es el nuevo estándar en la cima.
La diferencia: velocidad, costes y precisión en cifras
Para que esto sea tangible, debemos alejarnos de la imagen del laboratorio y mirar los datos fríos. Se trata de ventajas económicas directas. En mi última visita a una empresa mediana de ingeniería mecánica cerca de Stuttgart, el director gerente se quejaba de que un ciclo de desarrollo para un nuevo componente tarda fácilmente 18 meses. ¡18 meses! En ese tiempo, un competidor que apuesta por la simulación con AI ya ha pasado por tres iteraciones y está en el mercado con un producto mejor.
| Parámetro | I+D tradicional | Síntesis asistida por AI (modelo Merck) |
|---|---|---|
| Tiempo de desarrollo de nuevos materiales | 12-24 meses | 3-6 meses |
| Número de experimentos manuales | Cientos a miles por proyecto | Significativamente reducido, ya que la AI predice los candidatos más prometedores |
| Reproducibilidad y estandarización | Depende fuertemente del personal ejecutor | Extremadamente alta, al estar controlada por robots y basada en datos |
| Costes de personal en el laboratorio | Altos, requiere especialistas altamente cualificados para tareas repetitivas | Menores, los especialistas se enfocan en problemas complejos y en la interpretación de los resultados de la AI |
| Uso de datos | A menudo en silos (cuadernos, archivos locales) | Centralizado, estructurado y reutilizable para futuros modelos de AI |
Lo que dicen los pioneros – y lo que callan
Por supuesto, el discurso corporativo de Merck es solo la mitad de la historia. "Requisito para la resolución de desafíos científicos complejos": suena bien en cualquier diapositiva de PowerPoint. Pero, ¿qué hay detrás? La semana pasada hablé por teléfono con el Dr. Martin Graf, un analista que lleva 20 años trabajando en el sector químico. Fue directo al grano: "Klaus, lo que estamos viendo aquí es el momento AlphaFold para la ciencia de materiales. Al igual que la AI revolucionó el plegamiento de proteínas, reinventará el desarrollo de materiales. Quien pierda el tren, quedará degradado a ser proveedor de los innovadores".
Estamos ante una transformación en la química que será tan disruptiva como AlphaFold para la biología. Las empresas que no actúen ahora corren el riesgo de ser tecnológicamente irrelevantes en pocos años.
— Dr. Martin Graf, analista del sector en ChemConsult
También es interesante mirar hacia Bélgica, al competidor Syensqo (la antigua división de Solvay). Allí ya han ido un paso más allá y utilizan SYGROW, una solución de AI generativa que no solo ayuda en I+D, sino también en ventas, en la generación de leads y el análisis de requisitos de clientes. La directora allí, la Sra. Colegrave, habla abiertamente de las directrices: "Human-in-the-loop" y un principio claro de "no vigilancia". Incluso lo han acordado con los comités de empresa europeos. Ese es el camino inteligente: introducir tecnología, pero contar con las personas. Un punto que muchas pymes de Deutschland (lamentablemente) suelen pasar por alto.
Automatización en la pyme: entre la aspiración y la realidad
Todo esto suena maravilloso, ¿verdad? El hermoso nuevo mundo de la KI Fertigung, donde los robots trabajan para nosotros y los algoritmos nos señalan el camino hacia el próximo negocio multimillonario. Pero seamos realistas. Aquí se está empezando la casa por el tejado. La realidad en la mayoría de las empresas de fabricación medianas que visito —ya sea en Ostwestfalen-Lippe o en la Selva Negra— es distinta. Allí se lucha con problemas en la cadena de suministro, costes energéticos disparados y una escasez de mano de obra cualificada que dan ganas de llorar.
¿Alguien cree realmente que un Hidden Champion con 250 empleados puede gestionar de repente una asociación con una startup de AI en Singapur? La realidad son presupuestos ajustados, una infraestructura de IT que en parte aún proviene de la era de Helmut Kohl y, sobre todo: datos no estructurados y sucios. La AI es tan buena como los datos con los que se alimenta. Y el mayor montón de basura digital solo produce basura más rápida y cara con la mejor AI. Dudo mucho que sea tan fácil como prometen los folletos brillantes. El riesgo es enorme de que el sector de las pymes pierda el contacto aquí, no por falta de voluntad, sino por pura sobrecarga.
Preguntas y respuestas: ¿Qué significa esto concretamente para mi empresa?
Aquí están las preguntas que los directores gerentes me hacen cada semana, y mis respuestas sin rodeos.
¿Es rentable una inversión en KI Fertigung para una pyme?
No si intenta copiar a Merck. Pero absolutamente sí si empieza poco a poco. Un proyecto piloto en el control de calidad óptico, una optimización asistida por AI de sus tiempos de preparación o una automatización inteligente de ventas: estos son proyectos con un ROI de entre 12 y 18 meses. La pregunta no es si es rentable, sino por dónde empezar.
¿De dónde saco el personal cualificado necesario?
De ninguna parte. Al menos no en el mercado libre. Debe cualificar a su propia gente. Forme a "campeones de AI" internos que actúen como puente entre los departamentos y los proveedores de servicios externos. Y busque socios: universidades, institutos Fraunhofer o consultorías especializadas que entiendan a la pyme de Deutschland. No necesita un Data Scientist de Google, necesita un ingeniero que entienda cómo funcionan sus máquinas y qué puede mejorar la AI en ellas.
Mis datos son un caos. ¿Puedo empezar de todos modos?
Debe hacerlo. No espere a la base de datos perfecta. Inicie un proyecto de limpieza de datos en paralelo a su primer proyecto piloto de AI. Utilice el proyecto piloto para definir qué datos necesita REALMENTE y con qué calidad. Eso crea enfoque. De lo contrario, se perderá en una limpieza general de datos de años mientras la competencia le adelanta.
- Paso 1: Inventario brutalmente honesto. Olvide por un momento la AI. ¿Dónde pierde exactamente dinero, tiempo y paciencia en su producción o en sus ventas? Identifique los 2 o 3 puntos de dolor más importantes. ¡No estime, mida! Hable con la gente en la máquina y en el servicio externo.
- Paso 2: Inicie un proyecto faro. Elija UNO de estos puntos de dolor y defina un objetivo claro y medible. Ejemplo: "Reducción de la tasa de rechazo en la línea 3 en un 15% mediante reconocimiento de imágenes asistido por AI". Este proyecto debe ofrecer los primeros resultados en un plazo de 6 meses. Se trata de una victoria rápida que convenza a la organización.
- Paso 3: Dieta de datos en lugar de palacio de datos. Identifique los datos MÍNIMOS necesarios para su proyecto faro. Ocúpese SOLO de esos datos. Asegúrese de que estén limpios, accesibles y estructurados. El resto vendrá después. La perfección es enemiga del progreso.
- Paso 4: Ponga potencia externa sobre el asfalto. No tiene que reinventar la rueda. Busque un proveedor de servicios o un instituto de investigación que ya haya resuelto problemas similares en pymes. Las referencias lo son todo aquí. No se deje vender castillos en el aire.
- Paso 5: Convierta a sus empleados en cómplices. La comunicación lo es todo. Esto no es un proyecto de IT, es un cambio cultural. Explique qué pretende, cuál es el beneficio para el individuo (menos trabajo estúpido, más enfoque en la resolución de problemas) y tome en serio los temores. Un sistema de AI saboteado por los empleados es la inversión fallida más cara de todas.
El fundamento: su Perfil de Cliente Ideal (ICP) — Antes de invertir millones en producción de AI, debe saber para QUIÉN produce. Toda estrategia asistida por AI, ya sea en I+D o en ventas, comienza con una comprensión nítida de su cliente ideal. Nuestro ICP Playbook le ayuda a sentar exactamente ese fundamento.
Sinceramente: la mayoría de los directores gerentes de pymes con los que hablo últimamente siguen rechazando el tema de la AI. 'Demasiado caro', 'demasiado complejo', 'nada para nosotros' o mi favorito: 'Nuestros clientes no quieren eso'. Es un error de juicio extremadamente peligroso. Puede que sus clientes no quieran AI, pero quieren plazos de entrega más rápidos, mejor calidad y precios más bajos. Y eso es exactamente lo que ofrecerá la competencia asistida por AI.
Merck y compañía están creando hechos consumados. Utilizan su fuerza financiera para construir una ventaja tecnológica que en pocos años será inalcanzable. Apuesto a que para 2030 veremos una sociedad de dos clases en la industria de Deutschland: los integrados en AI, que son ágiles, basados en datos y altamente eficientes, y los rezagados, que se convertirán en meros talleres y fabricantes por contrato de los primeros. No hay vuelta de hoja. La pregunta para usted no es si se sube al tren, sino con qué rapidez se asegura un billete de primera clase. Y ese tren está saliendo de la estación a gran velocidad.