Fabricar un automóvil ya no depende únicamente de robots, operadores y grandes líneas de ensamble. En las plantas automotrices, la inteligencia artificial (IA) se ha convertido en una herramienta que analiza miles de datos, detecta anomalías, anticipa fallas y permite probar cambios de producción antes de llevarlos al mundo real.
“La inteligencia artificial es un habilitador transversal que está presente todos los días en tres grandes frentes: manufactura inteligente y operaciones en planta, operaciones internas y soporte a las áreas de negocio, y experiencia del cliente y vehículo conectado”, explica Juan Arturo Dueñas Chávez, Chief Information Officer (CIO) y director de Tecnologías de Información para General Motors de México.
Leer también: YouTube apuesta por IA, creadores y nuevas formas de ver contenido
Una fábrica que puede anticiparse
Uno de los usos más relevantes ocurre antes de que una máquina presente una falla. El mantenimiento predictivo utiliza datos de sensores instalados en motores, bandas transportadoras, robots y otros equipos para identificar patrones que indiquen desgaste o anomalías.
La IA procesa información como vibraciones, temperatura, consumo energético y ciclos de operación. Cuando encuentra señales fuera de lo habitual, genera alertas para que los especialistas puedan intervenir antes de que un componente provoque un paro.
En GM, señala Dueñas Chávez, estos modelos permitieron durante 2024 y 2025 reducir paros no programados y mejorar la disponibilidad de los activos. El resultado se refleja en líneas más estables, un mejor aprovechamiento de los turnos y una utilización más eficiente de la capacidad instalada.
Cámaras y sensores capturan imágenes de componentes y ensambles mientras avanzan por la línea, y los algoritmos de aprendizaje automático las comparan con estándares de diseño. De esta manera, pueden identificar microdefectos, pequeñas variaciones de ensamblaje o desalineaciones que podrían pasar inadvertidas durante una inspección visual convencional. Esta detección en tiempo real contribuye a reducir retrabajos, desperdicios y costos asociados con reprocesos.
Probar sin detener la planta
Otra herramienta que gana espacio son los gemelos digitales. Se trata de réplicas virtuales de una planta, un equipo o un flujo logístico que combinan simulación avanzada con modelos de IA.
El concepto puede entenderse como tener un simulador de vuelo, indica Dueñas Chávez, pero aplicado a una fábrica. En ese entorno es posible modificar virtualmente la configuración de una línea, cambiar la velocidad o la secuencia de producción y probar nuevos layouts sin detener las operaciones.
GM ha ampliado el uso de estos modelos para evaluar escenarios y probar mejoras antes de implementarlas físicamente. Así, una modificación puede analizarse primero en un entorno virtual para reducir tiempos de despliegue, errores operativos y riesgos, explica el experto.
Robots que trabajan con personas
La automatización tampoco significa que todos los procesos queden en manos de máquinas. Una muestra son los robots colaborativos, conocidos como cobots, diseñados para compartir espacios de trabajo con los operadores.
A diferencia de los robots industriales tradicionales, que suelen trabajar en celdas aisladas y bajo parámetros fijos, los cobots incorporan sensores y límites de fuerza y velocidad para detenerse o ajustarse ante la presencia de una persona.
En GM, el Autonomous Robotics Center (ARC) desarrolla software y componentes de manipulación para robots colaborativos que se despliegan progresivamente en distintas plantas. Estos sistemas pueden integrar información de calidad, suministro de materiales y desempeño de los equipos para ajustar parámetros de producción.
Para que todo esto funcione, cuenta Dueñas Chávez, la planta necesita procesar información prácticamente al instante. La combinación de inteligencia en el borde y plataformas de analítica avanzada permite analizar datos provenientes de sensores, inventarios, sistemas logísticos y, en algunos casos, vehículos en pruebas.
Así, los algoritmos pueden identificar cuellos de botella y riesgos de desabasto, además de recomendar ajustes en la producción.
“La filosofía no es sustituir personas, sino ampliar su productividad y su capacidad de decisión. La IA se concibe como un copiloto analítico”, dice el especialista.
En este modelo, las decisiones críticas permanecen bajo supervisión humana. Ingenieras, ingenieros, operadores y especialistas evalúan las recomendaciones de los sistemas y consideran aspectos como seguridad, experiencia y contexto antes de actuar.
El desafío, por ello, no es únicamente tecnológico. También implica garantizar datos confiables, fortalecer la ciberseguridad y establecer mecanismos de gobernanza, además de capacitar a los trabajadores para utilizar estas herramientas.
El resultado, expresa Dueñas Chávez, es una manufactura en la que la IA no funciona como una tecnología aislada, sino como parte de un ecosistema que conecta máquinas, personas, datos y procesos para fabricar vehículos de manera más precisa y flexible.
Leer también: AT&T promueve cuidado digital para prevenir riesgos en niños y adolescentes
Recibe todos los viernes Hello Weekend, nuestro newsletter con lo último en gastronomía, viajes, tecnología, autos, moda y belleza. Suscríbete aquí: https://www.eluniversal.com.mx/newsletters
