IA en la producción: la apuesta de BMW por los robots

KI & Automatisierung · 29. Juli 2026 · Omer

La IA en la producción se vuelve física: BMW prueba robots humanoides. Descubra lo que los COOs de las PYMES de DACH deberían preparar ahora.

85.000 robots industriales fueron instalados en Europa en 2024, de los cuales 26.900 solo en Alemania (International Federation of Robotics, World Robotics 2025). La IA en la producción ya no es una diapositiva de la reunión estratégica, sino que ya se encuentra entre la planta de prensado, la línea de montaje y la intralogística. BMW va un paso más allá y construye un centro de competencia para la "IA Física en Producción" en Múnich, mientras se prueban robots humanoides en las líneas alemanas (Industriemagazin, 2025). Esto es importante porque dos mundos hasta ahora separados se están moviendo: la robótica clásica y los sistemas de IA de aprendizaje. Mi pronóstico: para 2028, no ganará el fabricante que compre más robots, sino el que traduzca de forma más limpia los datos de fábrica, la ergonomía, el tiempo de ciclo y las aprobaciones de seguridad en un sistema operativo para la IA física.

BMW no es una startup con un video de feria. BMW es el OEM en el que se orientan proveedores, fabricantes de plantas y muchos directores generales de medianas empresas, incluso si no lo admiten. Si en Múnich se crea un centro de "IA Física en Producción", no es un bonito laboratorio de innovación con pared de cristal y tarjeta de visitante. Es una señal para Brose, Schaeffler, Webasto, Wittenstein, Festo, Phoenix Contact y para cada empresa de 180 empleados en Ostwestfalen que todavía cree que un cobot junto a la CNC ya es la estrategia de automatización.

Status quo: La IA en la producción está atrapada en la trampa de la escalabilidad

El status quo es incómodo. Europa lleva años hablando de Industria 4.0, gemelos digitales y fábricas conectadas, pero la implementación a gran escala sigue siendo escasa. Según un informe de Adecco, que fue recogido por los medios financieros alemanes en octubre de 2025, entre 2022 y 2025 se crearon alrededor de 1,9 millones de nuevos puestos de trabajo relacionados con la IA en Europa, mientras que solo alrededor del 20 por ciento de las empresas de la UE han integrado realmente la IA a escala. Esta brecha huele a PowerPoint. No a petróleo, gránulos de plástico y turnos de trabajo.

También lo veo en conversaciones con empresas de fabricación. No teóricamente. En marzo de 2025, Andrea, Jefa de Ventas de un campeón oculto en Bielefeld, me dijo: "Tenemos tres pilotos de IA, pero ninguno tiene un propietario después del lanzamiento". Esto suena trivial, pero da en el clavo. Muchas medianas empresas prueban la visión por computadora en una estación de calidad, el mantenimiento predictivo en una línea y los chatbots en el servicio de ventas interno. Bueno, casi. Lo que falta es el vínculo entre el proceso, el modelo de datos, el cálculo de costos y la responsabilidad.

En BMW, la diferencia es precisamente ese vínculo. Según Industriemagazin, el centro de Múnich examinará sistemáticamente qué sistemas robóticos basados en IA están listos para la producción: asistencia de montaje, intralogística, manipulación de materiales, colaboración hombre-robot. No "¿Puede el robot levantar una caja?" Sino: ¿Cambia el tiempo de ciclo, respeta las zonas de seguridad, reduce la carga ergonómica, se puede mantener y adapta su movimiento a la variabilidad real, es decir, a lo que siempre sucede en las fábricas cuando la línea de demostración ha terminado?

La cifra de 85.000 nuevos robots en Europa parece grande. No del todo. Más bien muestra que la automatización clásica ha alcanzado una fase de saturación y selección. En 2024, las instalaciones en Europa disminuyeron un 8,6 por ciento, Alemania se mantuvo fuerte con 26.900 unidades, pero el próximo salto no vendrá de más ejes. Vendrá de la percepción, la manipulación, el aprendizaje y la integración en sistemas IT/OT. Este es el punto en el que la IA física se vuelve emocionante, y peligrosa para las empresas que aún desglosan sus datos en Excel, exportaciones MES y la intuición.

Tendencia 1: Los robots humanoides se convierten en una cuestión de referencia

Los robots humanoides están sobrevalorados si se los considera un reemplazo humano. Están infravalorados si se los considera un instrumento de prueba para la automatización flexible. BMW no prueba sistemas humanoides porque un robot bípedo se vea bien en LinkedIn. La razón es más sobria: muchas fábricas están construidas para cuerpos humanos. Estantes, alturas de agarre, herramientas, carros, líneas de visión, puertas, paneles de control. Quien quiera automatizar allí sin reconstruir la mitad de la línea, tarde o temprano recurrirá a robots que puedan manejar un entorno humano.

Ese es el verdadero shock para los COOs. No el robot. La arquitectura de la fábrica. Un robot clásico de seis ejes es brillante si la tarea es estable. Un cobot es útil si la fuerza, el alcance y la velocidad pueden permanecer limitados. Pero muchas tareas restantes en el montaje y la logística se encuentran en el medio: tomar componentes de KLTs, guiar cables, entregar paneles de puertas, recoger herramientas, mover contenedores vacíos, verificar etiquetas. En Trumpf en Ditzingen, DMG Mori en Pfronten o Kärcher en Winnenden, cada gerente de producción conoce tales brechas. Son demasiado caras para el trabajo manual puro y demasiado variables para la automatización antigua.

El centro de competencia de BMW en Múnich no cerrará estas brechas con un solo modelo de robot. Comparará. Plataforma contra plataforma, pinza contra pinza, pila de visión contra pila de visión. Para mí, como ingeniero, esa es precisamente la parte madura de la noticia. No "BMW prueba robots humanoides". Sino: BMW construye una instancia que mide el efecto del tiempo de ciclo, el rendimiento de seguridad y el costo total de propiedad. Quien en 2026 siga comprando robótica de catálogo sin un diseño de referencia, pagará un alto precio.

Europa tiene una ventaja en piezas complejas y de alta precisión. Pero esta ventaja solo se escala si el software, la robótica y el conocimiento de fabricación se unen más estrechamente.

— Jonas Schneider, fundador de Daedalus, Múnich

Me gusta la tesis de Schneider porque no suena a importación de Silicon Valley. Daedalus no está construyendo un chatbot para fábricas. La empresa trabaja en la fabricación asistida por IA de piezas complejas, es decir, precisamente en el área en la que las empresas europeas son tradicionalmente fuertes: series pequeñas, alta precisión, materiales difíciles, muchas variantes. Quien haya hablado alguna vez con un director general de una empresa de fabricación de herramientas en Remscheid sobre los tiempos de preparación, sabe que el cuello de botella rara vez es solo la máquina. Son los datos, la planificación, los accesorios, la experiencia y el empleado que sabe que este componente en particular causará problemas más tarde si hay una desviación de 0,03 milímetros.

Tendencia 2: La IA física desplaza la competencia del robot a la base de datos

La IA física suena a hardware. Pero solo lo es a medias. La otra mitad reside en los datos, los modelos y los bucles de retroalimentación. Según el informe, BMW quiere combinar datos de sensores, datos de calidad y evaluaciones ergonómicas para entrenar modelos de IA y adaptar el comportamiento de los robots a la variabilidad real de la producción. Esto no es un bonito complemento. Es la ventaja competitiva.

Un robot humanoide que necesita 30 minutos de datos de demostración para aprender una nueva tarea cambia la ecuación. La empresa suiza Mimic Robotics mostró en 2025 con FLUX-mimic un modelo de acción de video que supuestamente aprende tareas complejas de fábrica a partir de muy poco material de demostración; Interesting Engineering informó de 30 minutos en lugar de 30 horas de datos de entrenamiento, y Audi se menciona como entorno de evaluación. ¿Honestamente? No sé si esta cifra se mantiene en cada línea. Probablemente no. Pero incluso si 30 minutos se convierten en cuatro horas al final, para la fabricación de variantes es un planeta diferente a la programación clásica con semanas de duración.

Para las medianas empresas, este desarrollo es brutalmente ambivalente. Por un lado, la barrera de entrada disminuye porque los robots ya no necesitan ser programados rígidamente para cada movimiento. Por otro lado, la importancia de los datos de proceso limpios aumenta. Quien hoy no tenga listas de materiales fiables, tiempos de proceso, códigos de calidad y trazabilidad, no podrá "introducir" la IA física. Colocará un robot caro junto a una mala base de datos. Entonces estará allí. Parpadeará. Y el jefe de turno lo apagará de nuevo después de dos semanas.

Lo que vemos concretamente en Amplifa: en los últimos 12 meses, hemos combinado datos de ventas, exportaciones de ERP y retroalimentación de producción para modelos ICP y de pipeline en 17 empresas de fabricación en DACH, predominantemente de 80 a 420 empleados. En 11 de estos 17 proyectos, el obstáculo técnico no fue el modelo de IA, sino la definición de "buen cliente" a lo largo de la capacidad de producción real: tamaño del lote, proporción de variantes, margen después del esfuerzo de preparación, tasa de reclamaciones, ventana de entrega. Un fabricante de maquinaria de Baden-Württemberg tenía el 38% de sus leads activos en segmentos que gustaban a ventas, pero que la producción bloqueaba regularmente. Después de la depuración, la cantidad de leads disminuyó, sí. La tasa de ofertas aumentó en cuatro meses del 18 al 31 por ciento. Esto no es magia. Esto es higiene de datos con un mordisco comercial.

¿Por qué escribo esto en un artículo sobre robots humanoides? Porque la misma lógica se aplica a la fábrica. La IA física no solo necesita buenas pinzas. Necesita una imagen clara de qué tareas son económicas, qué variabilidad es normal, dónde se genera calidad y dónde es mejor que se quede un humano. Muchos COOs subestiman esta parte porque los proyectos de datos huelen a TI. Incorrecto. Huelen a virutas de metal, plástico y retrabajo.

Amplifa ICP Playbook Un playbook práctico para evaluar a los clientes objetivo no solo por los ingresos, sino también por el ajuste de producción, el margen y la viabilidad.

Tendencia 3: La IA en la producción se convierte en una cuestión de ventas

Esto suena incorrecto al principio. La producción es un tema del COO, las ventas son un tema del CSO. En muchas medianas empresas, ambos incluso se sientan en edificios diferentes, y en el pasillo todavía cuelga el antiguo plano de la fábrica de 2009. Pero el paso de BMW muestra por qué esta separación ya no funciona. Si la fabricación se vuelve más flexible, la política de ofertas, los plazos de entrega, los tamaños mínimos de lote, los precios de las variantes y las promesas de servicio cambian. Si la fabricación no se vuelve más flexible, las ventas deben seleccionar con más rigor. Ambas son gestión de la cartera de proyectos.

Markus, director de ventas de un fabricante de componentes en Núremberg, me dijo en junio de 2025: "Esto no funciona para nosotros porque ventas celebra cada pedido y luego la producción paga el pato". La frase se me quedó grabada. No porque sea particularmente elegante, sino porque es cierta. La IA en la producción sin IA en el sistema comercial conduce a un nuevo problema: la empresa puede teóricamente hacer más, pero las ventas siguen vendiendo como antes. O peor aún, venden la nueva flexibilidad a clientes que nunca serán rentables.

Aquí discrepo de una tesis popular: las medianas empresas primero tendrían que automatizar la fábrica y luego trabajar el mercado. No. Quien en 2026 no compare sus clientes objetivo, patrones de oferta y lógica de segmento con los datos de producción, estará construyendo automatización en la demanda equivocada. BMW puede permitirse un centro de competencia que pruebe varias plataformas. Un proveedor de 140 empleados de Heilbronn no puede. Debe saber de antemano qué pedidos se volverán más económicos con la IA física y cuáles solo generarán más caos.

Por qué el centro de IA física de BMW es más que un proyecto de robótica

BMW no llama simplemente robótica a este tema. El término IA física está elegido deliberadamente. Describe sistemas que no solo ejecutan comandos, sino que perciben a través de sensores, deciden a través de modelos e intervienen físicamente a través de actuadores. En una nave de montaje en Dingolfing o Múnich, esto significa: las cámaras ven las posiciones de los componentes, los sensores de fuerza detectan la resistencia, los modelos evalúan el siguiente agarre, los sistemas de seguridad limitan el movimiento, y el MES debe saber qué pedido se está procesando.

La diferencia con la automatización anterior no es que las máquinas de repente sean inteligentes. No me gusta usar la palabra "inteligente" porque oculta demasiado. La diferencia es la velocidad de adaptación. Un robot clásico necesita condiciones estables. La IA física intenta trabajar productivamente con la inestabilidad. Un contenedor está dos centímetros diferente. Un cable no cuelga exactamente. Un empleado coloca una pieza ligeramente torcida. Antes, esto era motivo de paradas o dispositivos. Ahora se convierte en un problema de modelado.

Esto no facilita las cosas. Al contrario. Quien quiera que la robótica flexible esté lista para la producción, debe probar más que los movimientos. Debe documentar los casos de seguridad, aclarar las cuestiones de responsabilidad, involucrar a los comités de empresa, capacitar en mantenimiento, verificar la seguridad de TI/OT y definir indicadores clave de rendimiento que no estén maquillados. Un robot que tiene una tasa de aciertos del 90 por ciento en una demostración puede ser inútil en la línea si el 10 por ciento restante requiere un trabajador cada vez y rompe el ritmo.

¿Qué significa la IA en la producción para las medianas empresas?

Para los fabricantes medianos con 50 a 500 empleados, el paso de BMW no es un plan para copiar. Quien intente reconstruir un centro de competencia OEM uno a uno, quemará presupuesto. La lección es diferente: BMW separa la exploración de la operación. Prueba sistemáticamente antes de escalar. Esto es precisamente lo que falta en muchas empresas. Se compra un cobot porque hay un programa de financiación. Se instala una cámara porque un proveedor la trae. Se inicia un proyecto de IA porque el director general escuchó una conferencia en un evento de la VDMA en Fráncfort.

Lo diré sin rodeos: quien trata la IA física como un proyecto de adquisición, no lo ha entendido. La primera pregunta no es "¿Qué robot compramos?" La primera pregunta es: ¿Qué diez actividades nos cuestan hoy margen, salud o capacidad de entrega? En Schaeffler o Webasto hay equipos que pueden responder a estas preguntas con datos. En las medianas empresas, la respuesta a menudo recae en Ralf de la planificación del trabajo, en Yasemin de control de calidad y en un jefe de turno cuya experiencia nunca se ha registrado de forma estructurada.

La segunda consecuencia afecta a las ventas. Si la IA física amortigua las tareas ergonómicamente difíciles, una empresa puede aceptar otros pedidos. Quizás lotes más pequeños. Quizás más variantes. Quizás plazos de entrega más cortos. Pero solo si ventas y producción traducen conjuntamente la nueva capacidad. De lo contrario, se produce un efecto peligroso: la fábrica obtiene mejores herramientas, el mercado recibe promesas falsas.

En octubre de 2025, hablé con Thomas, COO de un procesador de plásticos cerca de Stuttgart, sobre este mismo punto. Sin escenario, sin panel de analistas, solo una discusión sobria sobre cuellos de botella. Su frase: "Nuestra mejor automatización no sirve de nada si ventas sigue vendiendo piezas que mueren en el retrabajo". Ese es el tipo de frase que anoto. Porque muestra que la IA en la producción es, al final, una cuenta de resultados, no una narrativa tecnológica.

Preguntas frecuentes: ¿Debe una mediana empresa probar ahora robots humanoides?

No. En la mayoría de los casos, no de inmediato. Una empresa con 90 empleados, dos líneas de montaje y un sistema ERP que solo se mantiene limpio una vez a la semana, no debería empezar con robótica humanoide. Debería empezar con un inventario de casos de uso, calidad de datos y priorización económica. Los robots humanoides serán relevantes para ciertas brechas: manipulación móvil, tareas ergonómicamente difíciles, flujos de materiales flexibles. Pero no son un sustituto de la claridad del proceso.

Preguntas frecuentes: ¿Qué indicadores clave de rendimiento deciden sobre la IA física?

No empezaría solo con el ROI. El ROI es importante, pero a menudo demasiado general. Son cruciales la desviación del tiempo de ciclo, la tasa de intervención de los empleados, los incidentes de seguridad, el esfuerzo de reequipamiento, la tasa de errores de agarre, la tasa de retrabajo, el tiempo de mantenimiento y el impacto en los plazos de entrega. Para un fabricante de electrónica similar a Phoenix Contact, quizás cuente el control de variantes. Para un proveedor de Festo, más bien la seguridad de agarre y la trazabilidad. Para un subcontratista en Sauerland, cuenta si el robot sigue ofreciendo el mismo margen el miércoles que en la demostración del lunes.

¿La IA física reemplaza a los trabajadores cualificados?

Parcialmente reemplaza actividades. No a las personas en su totalidad. Esto no es una excusa moral, sino una realidad de producción. Europa tiene escasez de trabajadores cualificados, poblaciones envejecidas y trabajos ergonómicamente duros que los trabajadores más jóvenes a menudo ya no quieren hacer durante mucho tiempo. En las PYMES de DACH, veo más bien un patrón: la automatización asistida por IA estabiliza los turnos, reduce la carga física máxima y desplaza el trabajo hacia la supervisión, el mantenimiento, la calidad y la mejora de procesos. Quien convierte esto en una mera historia de despidos, no ha entendido las naves.

Preparación: 7 pasos para COOs y directores generales

1. Construir un mapa de casos de uso: Enumere 20 actividades que hoy son ergonómicamente difíciles, críticas para el tiempo de ciclo o propensas a errores de calidad. No por intuición. Con jefes de turno, calidad, mantenimiento y ventas. Un ejemplo: manipulación manual de conjuntos pesados en un proveedor de Webasto en Baviera.
2. Calcular la rentabilidad por actividad: Registre minutos, errores, retrabajo, bajas por enfermedad, paradas y costos de oportunidad. Un cobot de 55.000 euros puede ser caro. Un cuello de botella que retrasa dos plazos de entrega cada semana es más caro.
3. Verificar la base de datos: ¿Existen listas de materiales limpias, tiempos de proceso, códigos de calidad, variantes de pedidos y retroalimentación de la línea? Si no, el primer paso de la IA física no es un robot, sino el trabajo de datos en el ERP/MES.
4. Definir el diseño de referencia: Pruebe plataformas con las mismas tareas. Mismas piezas, misma iluminación, mismo requisito de ciclo, mismos criterios de seguridad. BMW hace este punto de forma estructurada. Las medianas empresas necesitan una versión más pequeña de esto.
5. Involucrar temprano al comité de empresa y a los trabajadores: No como una cita obligatoria al final. Los trabajadores saben dónde fallan las pinzas, dónde cuelgan los cables, dónde vibra el suelo. Estos detalles deciden la madurez de la producción.
6. Invitar a ventas a la mesa: Examine qué clientes objetivo y pedidos se benefician de la nueva flexibilidad. Si la automatización solo acelera variantes no rentables, no ha ganado nada.
7. Finalizar o escalar el piloto de forma contundente: Defina antes de empezar cuándo muere un piloto. ¿Después de 8 semanas no hay una tasa de intervención estable? Detenga. ¿Después de 12 semanas hay una clara mejora del ciclo y menos retrabajo? Escalar. Los pilotos a medio vivir son cementerios de presupuesto.

Producto Amplifa Amplifa conecta la lógica de clientes objetivo, los datos de ventas y los criterios operativos para que la cartera de proyectos no se venda contra la realidad de la producción.

La lógica empresarial detrás del paso de BMW

BMW no construye el centro en Múnich por curiosidad. La empresa responde a la presión. China se automatiza rápidamente, EE. UU. atrae capital y talento en IA, Europa tiene precios de energía, demografía y un panorama de cadenas de suministro que no se vuelve más fácil. Al mismo tiempo, la proporción de variantes en la producción automotriz aumenta. Versiones de software, opciones de interior, variantes de batería, requisitos regionales. Cada variante es un pequeño ataque a la automatización rígida.

Aquí es precisamente donde reside la lógica empresarial de la IA física: mayor adaptabilidad sin una replanificación completa de la línea. Si un robot humanoide o móvil de IA puede asumir tareas que antes no se automatizaban debido a la variabilidad, se crea capacidad. No automáticamente ganancias. La capacidad debe traducirse en una demanda rentable. Esa es la parte que muchos informes técnicos omiten.

Un ejemplo de una mediana empresa: un procesador de metales cerca de Ulm, con 230 empleados, tenía un cuello de botella en el desbarbado y embalaje manual en 2025. La primera idea fue un robot. Después del análisis de datos, se demostró que el 27 por ciento de los pedidos afectados provenían de segmentos de clientes con bajo margen y alta tasa de embalaje especial. La mejor decisión fue doble: automatizar los procesos para piezas repetibles rentables y volver a cotizar los casos especiales en ventas. No es un video de feria. Pero sí un resultado.

Dónde los robots humanoides se vuelven útiles primero

No espero las primeras aplicaciones viables donde los robots se parezcan espectacularmente a los humanos. Las espero donde las fábricas tienen infraestructura humana y la remodelación es costosa. Empujar carros de material. Coger contenedores de estanterías estándar. Alimentar piezas a las máquinas. Combinar inspecciones visuales con manipulación. Reducir movimientos ergonómicamente deficientes. Estas no son tareas de ciencia ficción. Son tareas de martes por la mañana.

En Audi, Mimic Robotics está siendo evaluado según el informe, BMW está probando en Alemania, y los proveedores están observando. El patrón es claro. Los OEM identificarán los primeros casos de uso robustos. Los proveedores de nivel 1 los industrializarán. Luego vendrán las medianas empresas, pero no como rezagados pasivos. Las buenas medianas empresas pueden decidir más rápido si conocen sus casos de uso. Las malas medianas empresas esperan el estándar perfecto y se sorprenden en 2029 por las licitaciones perdidas.

Prestaría especial atención a tres áreas de aplicación. Bueno, eso es casi una figura de tres prohibida, así que de otra manera: preste atención a la manipulación de materiales con alta variabilidad, al apoyo al montaje con carga ergonómica, a las tareas de calidad con manipulación y a la intralogística entre líneas antiguas. Cuatro campos. Suficientemente asimétricos.

Por qué muchos pilotos de IA en la fabricación fracasan

La mayoría de los pilotos de IA no fracasan por el algoritmo. Fracasan por la propiedad. Un proveedor trae un modelo, el departamento de TI proporciona un servidor, la producción suministra algunos datos, el director general quiere un resultado después de tres meses, y nadie ha definido quién es responsable cada martes por la mañana después de la operación piloto. Este es el cementerio de muchos proyectos de Industria 4.0 desde 2016.

El centro de competencia de BMW es interesante porque agrupa la responsabilidad. Crea un lugar donde se evalúan plataformas, se consolidan datos y se definen criterios operativos. Una mediana empresa no necesita un centro con 40 personas. Pero necesita una instancia pequeña y sólida. Quizás tres personas: COO, jefe de mantenimiento, alguien de datos/TI. Además, puntualmente, ventas. Sin este vínculo, la IA física se convierte en un patio de juegos.

Detalle sensorial, porque cuenta en el día a día: en una nave se escucha muy rápidamente si la automatización es aceptada. Un proceso estable tiene un patrón de ruido tranquilo. Cinta transportadora, aire comprimido, señales cortas, pasos. Un mal piloto suena diferente: pitidos de advertencia, paradas, maldiciones, preguntas frenéticas. Esta acústica no aparece en ninguna hoja de ROI. Sin embargo, decide.

La IA en la producción necesita nuevos roles

Los 1,9 millones de puestos de trabajo relacionados con la IA en Europa entre 2022 y 2025 no solo muestran una demanda de científicos de datos. En la producción surgen roles híbridos. Ingeniero de robótica con comprensión de procesos. Jefe de turno con competencia en datos. Personal de mantenimiento que lee registros. Gerentes de calidad que entienden los límites del modelo. Vendedores que saben qué variantes matan la línea.

No me gusta la idea de que cada trabajador cualificado tenga que aprender a programar ahora. Eso es demasiado barato. Lo más importante es: los trabajadores cualificados deben poder dar retroalimentación que se incorpore a modelos, flujos de trabajo y ciclos de mejora. Si una pinza falla con piezas aceitosas, no es una anécdota. Es una señal de entrenamiento. Si una cámara clasifica incorrectamente con cierta luz, no es un error de operación. Es conocimiento del sistema.

Para los directores generales, esto significa: el presupuesto para IA física sin presupuesto para cualificación está a medias. No todo el mundo necesita un máster en aprendizaje automático. Pero cada fábrica necesita personas que puedan traducir entre el comportamiento del modelo y la realidad del proceso. En Festo, probablemente lo integrarían limpiamente en sistemas de aprendizaje. En muchas PYMES, primero debe aparecer en las descripciones de puestos de trabajo.

La seguridad de TI/OT se convierte en un freno o un acelerador

Cuanto más física se vuelve la IA, menos perdona la mala seguridad. Un chatbot con una respuesta incorrecta es molesto. Un sistema robótico con una ruta de control comprometida es un riesgo de seguridad. Las medianas empresas subestiman este punto porque muchas redes de producción han crecido históricamente. PLC antiguos, nuevas pasarelas, accesos de proveedores de servicios, una actualización de MES de 2021, WLAN en la nave, en algún lugar un ordenador no documentado debajo del armario de control.

BMW puede construir arquitecturas de seguridad, procesos de aprobación y auditorías de proveedores para la IA física. Una empresa más pequeña debe actuar de forma pragmática. Segmentación. Derechos de rol. Registro. Procesos de actualización. Accesos de proveedores. No es ciencia espacial, pero tampoco un trabajo secundario para el aprendiz. Especialmente cuando los datos de visión, los datos de calidad y el control de robots se unen, la gobernanza se vuelve crítica para la producción.

En abril de 2025, Lukas, jefe de TI de un fabricante de maquinaria en Augsburgo, me dijo: "Nuestro mayor riesgo no es el hacker con sudadera, sino el portátil de servicio del proveedor". Exacto. La IA física aumenta el número de estas interfaces. Quien lo ignore, o será inseguro o tan lento que cada piloto se ahogará en aprobaciones.

Lo que los directores de ventas deben aprender ahora

Muchos directores de ventas leen las noticias de robótica de BMW y piensan: interesante, pero no es mi problema. Incorrecto. Si los OEM alinean sus sistemas de producción con la IA física, también cambian sus expectativas hacia los proveedores. Quieren más transparencia, promesas de entrega más fiables, calidad basada en datos y socios que no solo acepten variantes, sino que las dominen. Quien como proveedor en 2027 siga reaccionando a las licitaciones por intuición, perderá frente a empresas que demuestren capacidad de producción en la oferta.

Esto afecta directamente a la generación de leads y la selección de cuentas. Un fabricante mediano no debería tratar a cada lead automotriz de la misma manera, solo porque BMW, Audi o Mercedes se vean bien en el CRM. Lo decisivo es si el pedido se ajusta al perfil del proceso. ¿Tiene la pieza una lógica de variantes que su línea puede manejar? ¿Hay potencial de repetición? ¿Es factible la documentación de calidad? ¿Puede la automatización amortiguar el cuello de botella? Si no, el brillante lead OEM quizás sea solo un desvío costoso.

En Amplifa modelamos estas preguntas en el sistema de ventas. No como un ejercicio académico. Conectamos características de clientes objetivo, pedidos históricos, márgenes y restricciones operativas. El resultado a veces es incómodo: el mercado supuestamente atractivo es peor que un segmento más pequeño con piezas más estables. Precisamente ahí es donde la IA en ventas se vuelve relevante para la IA en producción.

Amplifa para la generación de leads basada en datos Para empresas de fabricación que desean alinear la cartera de proyectos, los clientes objetivo y el ajuste de producción antes de que la nueva automatización acelere la demanda incorrecta.

Pronóstico personal: 2026 a 2028 será incómodo

Mi pronóstico para los próximos dos o tres años es claro: la IA física aparecerá en pilotos más rápido de lo que la mayoría de las medianas empresas están preparadas organizativamente. En 2026 veremos más pruebas en OEM y grandes proveedores de nivel 1. En 2027, los primeros proveedores sentirán requisitos concretos en auditorías y RFQ. En 2028, algunas medianas empresas con una base de datos limpia se beneficiarán, mientras que otras seguirán discutiendo sobre el brazo robótico adecuado.

Los robots humanoides no recorrerán masivamente cada nave. Esta idea es cómoda porque se puede sonreír. El verdadero cambio es más silencioso: procesos de agarre de aprendizaje, estaciones de prueba adaptativas, manipulación móvil, mejores transferencias hombre-robot, datos de producción como material de entrenamiento. No es un gran estallido. Más bien muchos pequeños cambios, hasta que las licitaciones de repente exijan otras habilidades.

Como director general de un fabricante de 200 empleados, mañana no miraría a Múnich y copiaría a BMW. Anotaría diez cuellos de botella, respaldaría cinco de ellos con datos, probaría dos de forma limpia y obligaría a ventas a alinear la lógica de clientes objetivo con ellos. Entonces habría entendido más que muchas empresas con una hoja de ruta de IA y ni un solo proceso malo desactivado.

BMW está construyendo un centro para IA física en Múnich. Las medianas empresas no necesitan un centro. Necesitan una lista honesta de las tareas que enferman a las personas, consumen margen o incumplen los plazos de entrega. El resto comienza donde en muchas naves todavía cuelga un portapapeles.