Gemelo Digital: la clave para la industria española
¿Qué es un gemelo digital? El gemelo digital es una réplica virtual dinámica de un activo físico. Se actualiza mediante datos en tiempo real para reflejar su estado actual. Esta tecnología permite simular y analizar el comportamiento real sin interrumpir las operaciones productivas. Funciona conectando el mundo físico con el digital mediante sensores y análisis avanzado. De este modo, ofrece una visibilidad completa que ayuda a predecir fallos y optimizar procesos de forma eficiente y precisa. ¿Para qué sirve un gemelo digital? Los gemelos digitales se utilizan para monitorizar, simular y optimizar sistemas complejos. Sirven para anticipar fallos en maquinaria industrial, mejorar procesos de producción, probar cambios sin riesgo, y tomar decisiones basadas en datos en tiempo real. También se emplean en sectores como la construcción, la automoción, la energía, la salud o las ciudades inteligentes, donde la precisión y la predicción son críticas. Beneficios estratégicos para empresas y eficiencia operativa La implementación de estas réplicas virtuales transforma radicalmente el ciclo de innovación. Las organizaciones pueden experimentar con nuevos productos y procesos en un entorno de bajo riesgo, reduciendo la necesidad de prototipos físicos costosos. Esto acelera el tiempo de comercialización y permite refinamientos continuos basados en datos precisos sobre el comportamiento esperado de los activos. Optimización del rendimiento continuo La utilidad no termina con la fabricación; el activo digital monitoriza el equipo en uso. Esta vigilancia constante busca mantener la máxima eficiencia operativa, anticipando fallos antes de que interrumpan la producción. La capacidad de predecir el desgaste mecánico cambia el mantenimiento de reactivo a predictivo, ahorrando recursos significativos y evitando paradas no planificadas que afectan a la rentabilidad. Reducción drástica de los costes operativos mediante la eficiencia energética. Prolongación de la vida útil de los activos mediante ajustes proactivos. Mejor gestión de recursos y minimización de desperdicios industriales. Desde una perspectiva macroeconómica, estas mejoras contribuyen directamente a la sostenibilidad. Al reducir la huella de carbono y optimizar el consumo de energía, las empresas cumplen con objetivos ambientales globales sin sacrificar la productividad. Esta alineación entre tecnología avanzada y responsabilidad corporativa refuerza la imagen de marca y asegura la viabilidad a largo plazo del negocio en un mercado cada vez más exigente con el impacto medioambiental. Adopción en diferentes sectores La implementación de estas réplicas virtuales ha trascendido los límites de la industria pesada tradicional, extendiéndose con gran fuerza hacia ámbitos donde la precisión y la gestión de recursos son críticas. En el campo de la construcción civil, por ejemplo, esta tecnología se utiliza intensamente desde la fase de diseño hasta la entrega final de infraestructuras complejas. Los ingenieros pueden simular el comportamiento estructural ante eventos extremos, como sismos o vientos fuertes, antes de mover un solo ladrillo. Esto no solo garantiza la seguridad de las obras, sino que permite optimizar la cantidad de materiales utilizados, reduciendo significativamente los costes y el impacto ambiental derivado de errores de planificación. La visibilidad que ofrece el modelo permite detectar colisiones o incompatibilidades en la red de instalaciones, evitando paradas costosas durante la ejecución física del proyecto. Por otro lado, el sector sanitario ha encontrado en esta herramienta un aliado fundamental para la personalización de tratamientos médicos. Gracias a ella, es posible crear representaciones exactas de órganos específicos de un paciente, permitiendo a los cirujanos planificar operaciones delicadas con total antelación. Esta capacidad de ensayo previo en un entorno libre de riesgos mejora drásticamente los resultados clínicos y reduce la incertidumbre durante la intervención real. Asimismo, en la producción manufacturera, su uso es indispensable para mantener la competitividad global. Las fábricas de automóviles y aeronáutica monitorean en tiempo real el desgaste de las máquinas y la calidad del producto, ajustando los parámetros de producción para minimizar el tiempo de inactividad. Esta integración tecnológica asegura una cadena de suministro más resiliente y eficiente. La energía renovable también se beneficia enormemente de estas simulaciones dinámicas. En parques eólicos y plantas solares, los sistemas monitorean el rendimiento de cada turbina o panel individualmente. Ante cambios bruscos en las condiciones climáticas o fallos mecánicos incipientes, el sistema alerta al personal técnico para realizar mantenimiento predictivo. Esta proactividad evita paradas no programadas y extiende la vida útil de los activos, asegurando una generación de electricidad más estable y fiable. Del mismo modo, en la logística y el transporte, se modelan redes completas para optimizar rutas y reducir el consumo de combustible. Al identificar cuellos de botella en la distribución, las empresas pueden tomar decisiones estratégicas que mejoran la eficiencia operativa general, demostrando así que la adopción transversal de estas soluciones digitales es clave para la modernización del tejido productivo actual. Tendencias futuras y crecimiento del sector La trayectoria del mercado de las gemelías digitales muestra una curva de adopción que se consolida año tras año, impulsada por la necesidad crítica de optimización industrial. Para el año 2026, esta tecnología ha dejado de ser una opción experimental para convertirse en una infraestructura esencial dentro de los grandes parques manufactureros y de ingeniería. Las proyecciones económicas más fiables indican un crecimiento sostenido hacia cifras multimillonarias, reflejando la confianza invertida por las corporaciones globales en este activo estratégico. El sector energético renovable lidera parte de esta expansión. Las plantas eólicas y solares requieren un monitoreo constante para maximizar la captación y prevenir paradas técnicas. La capacidad de anticipar fallos mecánicos mediante el análisis de datos en tiempo real reduce drásticamente los costes operativos y garantiza una entrega de suministro más estable. Esta eficiencia se traduce directamente en una mejor rentabilidad para los operadores del sector. En el ámbito de la construcción, la complejidad de los proyectos actuales exige una precisión quirúrgica. La simulación de infraestructuras enteras antes de levantar la primera piedra permite identificar riesgos estructurales y optimizar el uso de materiales. Esta metodología no solo acorta los plazos de entrega, sino que también minimiza los desviaciones presupuestarias, ofreciendo un control sin precedentes sobre la ejecución de obras civiles y edificaciones complejas. El transporte y la logística también integran estas réplicas virtuales para gestionar redes de distribución extensas. Al modelar
aggity participa en la cena de empresarios de la Fundación Empresa y Clima en Barcelona
aggity participó ayer en la cena de empresarios organizada por la Fundación Empresa y Clima, un encuentro de referencia para el intercambio de ideas entre líderes empresariales comprometidos con la sostenibilidad y la acción frente al cambio climático. La jornada, celebrada en un ambiente de networking y reflexión estratégica, reunió a profesionales de distintos sectores para abordar los principales retos asociados a la emergencia climática y el papel del tejido empresarial en la transición hacia modelos más sostenibles. En esta edición, la cena contó con la intervención destacada de Marta Rodríguez Giró, Directora de Southern Europe Marketing & CSO de Carburos Metálicos S.A., cuya participación aportó una visión experta sobre los desafíos y oportunidades que afrontan las organizaciones en este contexto de transformación. Desde aggity, la asistencia a este tipo de encuentros refuerza el compromiso de la compañía con la innovación, la sostenibilidad y la colaboración activa con el ecosistema empresarial para impulsar soluciones que contribuyan a una economía más responsable. La velada destacó por la calidad del diálogo, el intercambio de experiencias y la voluntad compartida de seguir avanzando conjuntamente en la agenda climática.
aggity participa en la Comunidad de Mantenimiento de Burgos para analizar el papel de la IA agéntica y la simulación DES en el mantenimiento industrial
La transformación del mantenimiento industrial volvió a ser protagonista en una nueva sesión de la Comunidad de Mantenimiento de Burgos, celebrada en la Escuela Politécnica Superior de Burgos, donde profesionales del sector analizaron cómo la Simulación de Eventos Discretos (DES), los modelos predictivos y la Inteligencia Artificial están redefiniendo la gestión de activos industriales. En este contexto, Joan Rubio Mulero, Head of Industry de aggity, participó como ponente en una sesión centrada en la evolución del mantenimiento desde modelos reactivos hacia enfoques predictivos y autónomos basados en datos, simulación e inteligencia artificial. La jornada, moderada por Emilio Adrián Arroyo, se desarrolló como un espacio de debate abierto en el que se abordó una cuestión clave para la industria actual: si las organizaciones continúan gestionando mantenimiento o, en realidad, siguen gestionando las consecuencias de incidencias ya ocurridas. De los datos industriales a la anticipación de decisiones Durante la sesión, se puso de relieve que las organizaciones industriales ya operan con grandes volúmenes de información procedentes de múltiples fuentes (sensores IoT, sistemas SCADA, ERP, MES, históricos de incidencias o sistemas de alarmas), pero que el reto ya no reside en la captura de datos, sino en su aprovechamiento real para anticipar escenarios críticos. En este sentido, Joan Rubio presentó la visión DES-AI de aggity, basada en la combinación de modelos de Simulación de Eventos Discretos con una capa de Inteligencia Artificial agéntica capaz de aprender del comportamiento del sistema, identificar patrones, generar escenarios y proponer acciones de forma anticipada. Este enfoque permite representar de manera fiel el comportamiento de una planta industrial y evaluar el impacto de distintas decisiones antes de que se produzcan incidencias en la operación real. Hacia un mantenimiento industrial más predictivo y autónomo La intervención destacó cómo la convergencia entre simulación avanzada e IA está impulsando una nueva generación de mantenimiento industrial inteligente, capaz de: Este cambio de paradigma refuerza la transición desde modelos basados en la reacción hacia sistemas capaces de aprender, simular y decidir de forma continua. Un debate que refleja la evolución del sector El intercambio generado durante la jornada evidenció el creciente interés del sector industrial por evolucionar más allá de la digitalización tradicional, avanzando hacia sistemas inteligentes capaces de convertir datos en decisiones operativas de alto valor. La participación de aggity en este encuentro refuerza su compromiso con el desarrollo de soluciones avanzadas para la industria manufacturera, orientadas a mejorar la eficiencia, la sostenibilidad y la resiliencia operativa en el marco de la Industria 4.0. La sesión concluyó con un agradecimiento a la organización de la Comunidad de Mantenimiento de Burgos y a la Escuela Politécnica Superior de Burgos por acoger un foro de debate que continúa consolidándose como referente en innovación industrial y mantenimiento avanzado.
aggity participará en la Comunidad de Mantenimiento de Burgos para abordar el futuro del mantenimiento industrial inteligente
La transformación digital del mantenimiento industrial será uno de los ejes protagonistas de la próxima reunión de la Comunidad de Mantenimiento de Burgos, un encuentro que reunirá a profesionales y empresas comprometidas con la sostenibilidad, la eficiencia y la innovación industrial. En este contexto, Joan Rubio Mulero, Head of Industry de aggity, participará como ponente con una intervención centrada en cómo la Inteligencia Artificial y los modelos predictivos están revolucionando la gestión de activos industriales. La jornada, que se celebrará el próximo 19 de mayo en la Escuela Politécnica Superior de Burgos, pondrá el foco en iniciativas que están impulsando una industria más eficiente, conectada y sostenible, desde el retrofitting industrial hasta la descarbonización y la Industria 4.0. De datos industriales a decisiones inteligentes Bajo el título “De datos dispersos a decisiones inteligentes: cómo transformar la información industrial en conocimiento operativo”, Joan Rubio explicará cómo las organizaciones pueden evolucionar desde una gestión reactiva hacia modelos predictivos avanzados basados en simulación e inteligencia artificial. La ponencia mostrará cómo integrar información procedente de ERP, MES, sensores IoT, planificación o plataformas de mantenimiento dentro de modelos de Simulación de Eventos Discretos (DES), capaces de reproducir el comportamiento real de una planta industrial y anticiparse a incidencias antes de que sucedan. Además, se abordará el impacto de la Inteligencia Artificial aplicada al mantenimiento inteligente de activos, permitiendo: Tecnología para una industria más eficiente y sostenible La participación de aggity en este encuentro refuerza su compromiso con el desarrollo de soluciones industriales avanzadas orientadas a mejorar la competitividad y sostenibilidad de las compañías manufactureras. La aplicación de tecnologías como la analítica avanzada, la simulación industrial y la IA no solo permite incrementar la eficiencia operativa, sino también avanzar hacia modelos industriales más resilientes, sostenibles y preparados para los retos de la transición industrial. La Comunidad de Mantenimiento de Burgos se ha consolidado como un espacio de referencia para el intercambio de conocimiento y colaboración entre empresas industriales del territorio, impulsando iniciativas alineadas con la economía circular y la transformación digital. Detalles del evento
Advanced Factories 2026: innovación, industria y nuevas oportunidades
Tras tres intensas jornadas, cerramos nuestra participación en Advanced Factories 2026 con muy buenas sensaciones y la satisfacción de haber compartido nuestra visión sobre el futuro de la industria junto a empresas, partners y profesionales del sector. En esta décima edición de la feria, celebrada del 5 al 7 de mayo, hemos estado presentes con nuestras soluciones basadas en inteligencia artificial y analítica avanzada de datos aplicadas tanto al entorno industrial como al ámbito de la defensa dual. Desde el stand de aggity group, hemos mostrado cómo la combinación de simulación de eventos discretos, IA agéntica y modelos predictivos permite optimizar operaciones complejas y mejorar la toma de decisiones en tiempo real. Durante estos días, nuestro stand se ha convertido en un punto de encuentro para compañías interesadas en impulsar la optimización de sus operaciones mediante tecnologías avanzadas aplicadas a la producción y la logística. A través de prodex, la compañía de aggity group especializada en Industria 4.0, hemos presentado nuestra propuesta de fábrica predictiva: un modelo basado en IA diseñado para automatizar decisiones operativas en planta, optimizar el uso de recursos y mejorar la planificación mediante el análisis integrado de datos procedentes de producción, logística, planificación y cadena de suministro. A lo largo de la feria, hemos tenido la oportunidad de mostrar distintos casos de uso reales en los que estas tecnologías permiten transformar procesos complejos en decisiones más eficientes, ágiles y accionables. También hemos podido compartir cómo daliä, compañía de aggity group especializada en analítica avanzada e inteligencia artificial, ayuda a convertir grandes volúmenes de datos procedentes de ERP, MES, sensores de planta o sistemas de mantenimiento en inteligencia predictiva capaz de anticipar cuellos de botella, detectar patrones y ajustar la operativa en tiempo real. La participación en esta edición también nos ha permitido compartir conocimiento y experiencias en distintos espacios del evento. Nuestro Head of Industry, Joan Rubio, ha intervenido en el Factory Innovation Theater, donde expuso cómo convertir datos complejos en herramientas reales para la toma de decisiones estratégicas mediante simulación, analítica avanzada e inteligencia artificial. Además, durante la última jornada participamos en el set de radio oficial de Advanced Factories, donde compartimos nuestra visión sobre el impacto que estas tecnologías están teniendo en las operaciones industriales y logísticas actuales. Otro de los momentos destacados de la feria ha sido nuestra participación en la mesa redonda “Digitalizar para fabricar”, un espacio enriquecedor en el que pudimos debatir sobre los retos y oportunidades de la transformación digital junto a otros profesionales del ecosistema industrial. También tuvimos el honor de recibir en nuestro stand la visita del ministro de Industria y Turismo, Jordi Hereu, quien pudo conocer de primera mano las soluciones y novedades tecnológicas que hemos presentado este año. Esta edición de Advanced Factories también ha sido una gran oportunidad para seguir fortaleciendo colaboraciones y generar nuevas conexiones. Uno de los focos de nuestra presencia en la feria ha sido precisamente nuestra incursión en el ámbito de la defensa dual, donde actualmente lideramos un consorcio de empresas especializadas orientado al desarrollo de soluciones tecnológicas aplicadas tanto al entorno militar como al de emergencias civiles. En este contexto, hemos mostrado cómo la aplicación de la IA y los modelos predictivos puede contribuir a afrontar algunos de los grandes retos actuales del sector, como la gestión eficiente de grandes volúmenes de datos, la reducción de los tiempos de respuesta ante amenazas o el refuerzo de la capacidad de anticipación frente a ciberataques e incidencias críticas. Queremos agradecer especialmente a nuestros partners XRF y Cargo Drone Solutions, con quienes compartimos consorcio dentro del Clúster Aeroespacial de Canarias, por acompañarnos durante estos días y continuar impulsando conjuntamente iniciativas vinculadas a la innovación y la defensa dual. Por encima de todo, queremos dar las gracias a todas las personas y al más de un centenar de empresas que se han acercado a nuestro stand, han compartido su tiempo con nuestro equipo y han mostrado interés por nuestras soluciones. Nos llevamos conversaciones muy enriquecedoras, nuevas oportunidades de colaboración y la motivación de seguir desarrollando tecnologías que contribuyan a una industria más inteligente, eficiente y preparada para los retos del futuro. ¡Nos vemos en la próxima edición de Advanced Factories!
aggity participa en el IV Encuentro del Ecosistema de la Industria Nacional de Defensa impulsado por Indra
aggity ha participado en el IV Encuentro del Ecosistema de la Industria Nacional de Defensa celebrado en Barcelona, una jornada organizada por Indra que ha reunido a empresas tecnológicas, startups, universidades y centros de investigación para impulsar nuevas capacidades en tecnologías duales, ciberseguridad, analítica avanzada e inteligencia artificial aplicada al ámbito de la defensa. La participación de aggity en este encuentro se enmarca dentro del desarrollo de nuestra vertical especializada en defensa y seguridad, un ámbito estratégico en el que seguimos reforzando capacidades tecnológicas orientadas a la analítica avanzada de datos, la inteligencia artificial y los sistemas predictivos de nueva generación. En este contexto, aggity ha sido invitada por Indra para iniciar su proceso de homologación como proveedor dentro de la plataforma IndraMind, una iniciativa orientada a integrar tecnologías innovadoras y soluciones avanzadas dentro del ecosistema tecnológico de la compañía. La colaboración abre nuevas oportunidades para combinar la experiencia de aggity en analítica de datos de alto nivel, inteligencia artificial aplicada y modelos SLM (Small Language Models) de alta capacidad con las necesidades crecientes del sector en materia de seguridad, ciberdefensa y toma de decisiones predictivas. Desde aggity valoramos especialmente este tipo de iniciativas colaborativas, que favorecen la creación de alianzas estratégicas entre grandes compañías tecnológicas y empresas especializadas capaces de aportar innovación, flexibilidad y conocimiento avanzado en ámbitos críticos. El encuentro, presidido por representantes institucionales y directivos de referencia del sector, ha puesto de manifiesto el crecimiento del ecosistema industrial y tecnológico vinculado a la defensa en Catalunya, así como la importancia de las tecnologías duales como motor de innovación y competitividad. Para aggity, formar parte de este ecosistema supone un paso relevante en nuestra apuesta por desarrollar soluciones tecnológicas de alto valor añadido aplicadas a entornos de misión crítica, donde la combinación entre IA, analítica avanzada y seguridad será clave en los próximos años.
IA y empresa: cómo identificar dónde la IA va a generar valor en tu organización… y por qué no debería ser un ejercicio puntual
Conozco otras que llevan ocho meses «mapeando casos de uso». No han ejecutado ninguno. Los dos errores parecen opuestos. Son el mismo: tratar la identificación de dónde aplicar IA como un ejercicio puntual en lugar de como una capacidad interna de la organización. Las primeras lanzan pilotos sin criterio, buscando momentum: un chatbot para RRHH, un asistente para atención al cliente, un resumidor de reuniones. Seis meses después, ninguno ha escalado y nadie sabe muy bien qué hacer a continuación. Las segundas convocan un comité, producen un mapa de cuarenta casos de uso en una matriz de impacto vs. esfuerzo, y cuando quieren ejecutar, el mapa ya está desactualizado: la tecnología ha avanzado, las prioridades han cambiado, y lo que parecía obvio en enero no lo es en julio. Ejercicio puntual o capacidad: la diferencia importa Un ejercicio puntual tiene fecha de inicio y fecha de fin. Produce un entregable. Se cierra. Una capacidad es un músculo: se entrena, se mantiene, mejora con el uso y genera valor de forma continuada. Identificar dónde la IA va a generar valor en tu organización, bien entendido, es lo segundo. Y la razón es sencilla: la IA no es una tecnología estable sobre la que puedas hacer un estudio definitivo. Las capacidades del mercado cambian cada trimestre, las de tu propio equipo cada mes, y lo que era imposible o caro hace seis meses es trivial hoy. Un mapa estático de casos de uso envejece en tiempo real. Cuando una empresa lo construye como capacidad interna, no como proyecto, lo que está construyendo en realidad es un activo estratégico que compone con el tiempo: Tus competidores pueden comprar la misma tecnología que tú. No pueden comprar este activo. ¿Qué significa esto operativamente? No se trata de hacer un gran ejercicio anual. Se trata de instalar una práctica continua, liderada por el Comité de IA, que responda una y otra vez a tres preguntas —cada vez con mejor información: Estas preguntas no se responden una vez. Se reformulan cada trimestre, incorporando lo aprendido en los proyectos ejecutados y los cambios de capacidades del mercado. La condición que más se subestima: el factor humano Ningún proceso de identificación de casos de uso funciona si la organización no participa activamente. Y la organización no participa si no entiende qué se le está pidiendo, si percibe la IA como una amenaza a su rol, o si no tiene ningún incentivo para involucrarse. Aquí es donde la mayoría de las iniciativas de IA fallan silenciosamente. No por falta de tecnología. No por falta de estrategia. Por falta de acompañamiento. La gestión del cambio en este contexto no es un módulo de formación de dos horas ni una comunicación interna bien redactada. Es un proceso continuo que tiene que responder a tres realidades simultáneas: los empleados necesitan entender qué es la IA y qué no es, necesitan ver que usarla bien les hace más valiosos —no prescindibles— y necesitan tener un canal claro para proponer, sin fricción y sin riesgo percibido. Este último punto es crítico y frecuentemente ignorado: los mejores casos de uso no los encuentra la dirección. Los encuentra quien trabaja con el problema todos los días. El operario que sabe que reconciliar ese informe le cuesta tres horas cada semana. La persona de ventas que sabe que preparar cada propuesta le lleva el doble de lo que debería. El analista que sabe que la mitad de su trabajo es transformar datos antes de poder usarlos. Esa inteligencia distribuida existe en todas las organizaciones. El problema es que no tiene mecanismo de salida. Construir ese mecanismo, con incentivos visibles, reconocimiento explícito y proceso claro de evaluación, es tan estratégico como cualquier decisión tecnológica. Los incentivos no tienen que ser económicos. A menudo bastan el reconocimiento, la visibilidad del caso propuesto dentro de la organización y la participación activa en su desarrollo. Lo que no funciona es pedir contribución sin devolver nada a quien contribuye. Las herramientas como palanca, no como solución Una capacidad interna de identificación de casos de uso necesita soporte tecnológico para escalar. Sin él, el proceso depende de reuniones, correos y hojas de cálculo; y colapsa bajo su propio peso en cuanto la organización crece o el volumen de iniciativas aumenta. El mercado ofrece ya herramientas específicamente diseñadas para este propósito: plataformas de gestión de ideas e innovación que permiten a cualquier empleado proponer un caso de uso desde su área; sistemas de categorización y scoring que aplican criterios predefinidos (impacto, viabilidad, alineación estratégica) para priorizar sin sesgos; y repositorios vivos de casos de uso que documentan no solo qué se está ejecutando, sino qué se ha descartado y por qué. Este último elemento (el registro de los casos descartados) es más valioso de lo que parece. Un caso de uso que hoy no es viable por coste o madurez tecnológica puede serlo dentro de seis meses. Sin registro, esa conversación se repite desde cero. Con él, la organización aprende. La elección de herramientas es secundaria a la instalación del proceso. Una plataforma sofisticada sin cultura de participación produce un repositorio vacío. Un proceso bien diseñado con herramientas simples produce casos de uso reales. Primero el proceso, luego la tecnología que lo sostiene. La conexión con Shadow AI Hay un motivo por el que el Shadow AI prolifera precisamente en empresas que, sobre el papel, están «trabajando en IA». Cuando no existe una capacidad interna que identifique dónde aplicar IA, la organización la genera por su cuenta, pero de forma descoordinada, sin criterio y sin aprendizaje compartido. Los empleados descubren herramientas útiles, las empiezan a usar, se las pasan entre compañeros. Es una identificación orgánica, bottom-up y completamente invisible para la dirección. El resultado es el que describí en el artículo anterior: procesos críticos dependiendo de herramientas que nadie ha validado, datos viajando donde no deberían, decisiones informadas por outputs que nadie ha auditado. El Shadow AI no es solo un problema de gobierno. Es el síntoma de un vacío de capacidad. Y
aggity destaca la gobernabilidad y la observabilidad como pilares clave para impulsar la innovación en la nube
aggity participó ayer en la mesa redonda “Gobernar la nube para innovar: seguridad, control y agilidad en el ecosistema AWS”, un encuentro organizado junto a ACKstorm y Amazon Web Services (AWS), con la colaboración de MuyCanal, en el que se abordaron los principales retos y oportunidades en la gestión de entornos cloud. Durante la sesión, que reunió a expertos del sector tecnológico, se puso de relieve la creciente importancia de conceptos como la gobernabilidad, la observabilidad y la visibilidad de los recursos cloud como elementos fundamentales para garantizar un uso eficiente, seguro y escalable de la nube. En representación de aggity, participó Toni Parada, Country Manager, quien subrayó la necesidad de establecer marcos sólidos de control y supervisión que permitan a las organizaciones no solo optimizar costes, sino también acelerar sus procesos de innovación, especialmente en ámbitos como la inteligencia artificial. El debate contó con la participación de profesionales de distintas compañías, que compartieron experiencias reales en la gestión de entornos cloud y coincidieron en señalar que la combinación de seguridad, control y agilidad es clave para afrontar los desafíos actuales del ecosistema digital. Asimismo, se abordaron estrategias para mejorar la eficiencia operativa y maximizar el retorno de inversión en la nube, poniendo especial énfasis en la necesidad de herramientas avanzadas de observabilidad que permitan anticipar problemas y optimizar el rendimiento de las infraestructuras. La mesa redonda fue moderada por Verónica Cabezudo Rey, responsable de MuyCanal, quien dinamizó un diálogo enriquecedor entre los participantes, centrado en cómo las organizaciones pueden evolucionar hacia modelos más maduros de gobernanza cloud. Con este tipo de iniciativas, aggity reafirma su compromiso con el impulso de la transformación digital de las empresas, ayudándolas a aprovechar todo el potencial del cloud, la innovación y la inteligencia artificial desde un enfoque estratégico, seguro y eficiente.
IA en la empresa: la brecha que se abre mientras todos aprenden solos
Llevamos décadas luchando contra los silos de datos, sistemas que no se hablaban entre sí, información atrapada en departamentos, decisiones tomadas con visibilidad parcial. Muchas organizaciones invirtieron años y millones en romperlos: Data Lakes, Data Marts, Data Warehouses, arquitecturas integradas, plataformas de Business Intelligence…. Y justo ahora que empezamos a resolverlo, estamos construyendo el siguiente tipo de Silo, volvemos a aislar en vez de unificar. Lo llamo el Silo Cognitivo. Y a diferencia del silo de datos, este no aparece en ningún mapa de sistemas. Qué es un Silo Cognitivo Cuando una persona aprende a usar la IA — sus prompts, sus flujos, sus atajos — ese conocimiento no existe en ningún lugar de la organización salvo en su cabeza y en el historial de una aplicación que nadie más consulta. No se documenta. No se transfiere. No se mejora colectivamente. El resultado no es simplemente ineficiencia: es que la organización no aprende aunque sus individuos sí lo hagan. El valor generado en cada interacción con la IA — tanto en cómo se formula la pregunta como en la respuesta obtenida y el criterio con el que se interpreta — queda atrapado en silos que, a diferencia de los de datos, ni siquiera tienen nombre en el organigrama. Esto es diferente a lo que ocurría con cualquier tecnología anterior. Cuando alguien aprendía a usar un ERP o una herramienta de análisis, el output de ese aprendizaje era visible: un informe, un proceso documentado, una práctica que alguien podía replicar. Con la IA, el conocimiento más valioso está en cómo se formula la pregunta y en qué se hace con la respuesta. Y eso — el prompt, el criterio, el refinamiento iterativo — raramente sale del individuo. Por qué esto es un problema estratégico, no operacional Seré directo: si tu empresa lleva seis meses usando IA y no tienes ningún sistema de captura de ese conocimiento, ya has perdido algo que no está en ningún balance. El empleado que lleva tres meses refinando un prompt para analizar contratos, el equipo de ventas que ha aprendido qué tipo de briefings generan las mejores propuestas con IA, el área de operaciones que ha reducido a la mitad el tiempo de un proceso que nadie más conoce… todo ese conocimiento existe. Todo ese conocimiento es valioso. Y todo ese conocimiento desaparecerá cuando esas personas cambien de rol, de proyecto o de empresa. Los silos de datos te impedían tomar decisiones con visibilidad completa. Los silos cognitivos te impiden construir ventaja competitiva a escala. La diferencia entre una empresa que usa IA y una empresa que sabe usar IA no es cuántas licencias tiene activas. Es si ese conocimiento está siendo capturado, compartido y convertido en ventaja sistemática. La mayoría de las organizaciones que conozco están en el primer grupo creyendo que están en el segundo. El problema debajo del problema Aquí viene la parte incómoda: los silos cognitivos no se crean por mala voluntad. Se crean por ausencia de estructura. Nadie comparte sus prompts porque no hay incentivo para hacerlo, no hay canal para hacerlo, y no hay cultura que lo convierta en norma. La gente aprende sola porque así es como funciona cuando no hay un sistema que haga otra cosa posible. Un comité de IA no resuelve esto por sí solo. Una política de uso responsable tampoco. Lo que rompe los silos cognitivos es una combinación de tres cosas: primero, que la organización nombre el problema — lo que no se nombra no se gestiona; segundo, que haya espacios explícitos donde el conocimiento de IA se comparte y se mejora colectivamente; y tercero, que quienes generan ese conocimiento perciban que compartirlo tiene valor para ellos, no solo para la organización. Dicho de otra manera: es un problema de diseño organizacional, no de tecnología. Lo que las empresas más avanzadas están haciendo Las organizaciones que están gestionando bien esta transición no son necesariamente las que tienen más herramientas o más presupuesto. Son las que han entendido antes que el conocimiento sobre IA es un activo que hay que gestionar como cualquier otro activo estratégico. Eso se traduce en cosas concretas. En el plano organizacional: espacios explícitos de transferencia de aprendizaje entre equipos, métricas que miden no solo cuánto se usa la IA sino qué se aprende de ese uso, y roles con mandato explícito de convertir el aprendizaje individual en capacidad colectiva. En el plano tecnológico: plataformas que unifican el acceso a la IA bajo una única interfaz corporativa, con capacidad de categorizar y reutilizar automáticamente los prompts y respuestas que generan valor — convirtiendo lo que hoy es conocimiento individual en activo organizacional. La tecnología no resuelve el problema de diseño, pero sin ella la escala es imposible. La pregunta que deberías hacerte esta semana ¿Qué sabe tu mejor usuario de IA dentro de la organización que el resto no sabe? ¿Y qué sistema tienes para que ese conocimiento no desaparezca con él? Si no tienes respuesta clara para ninguna de las dos preguntas, tienes un Silo Cognitivo. Lo cual no es una catástrofe — es el punto de partida de una conversación que muchas organizaciones todavía no han tenido. (Si llegaste aquí sin leer los artículos anteriores: el primero aborda por qué el Comité de IA debe existir antes de escalar cualquier herramienta, y el segundo explora los cinco riesgos de la Shadow AI que ya están dentro de tu organización. Ambos en el primer comentario.) Autor: Toni Parada
Inteligencia Artificial sin control: los 5 riesgos que ya están dentro de tu empresa
En el artículo anterior de esta serie hablé de por qué el gobierno de la IA tiene que ser el primer paso antes de escalar su adopción. De por qué un Comité de IA no es un freno, sino exactamente lo contrario: el mecanismo que permite moverse rápido con criterio. Hoy quiero ir un paso atrás. Porque antes de diseñar el gobierno, hay que entender qué está pasando ya dentro de la organización. Y lo que está pasando tiene nombre: Shadow AI. Todas las organizaciones que no gobiernan la IA tienen Shadow AI. No es una hipótesis, es una certeza. Cualquier empleado que usa ChatGPT para redactar un informe, Copilot para analizar datos o cualquier herramienta de IA gratuita para acelerar su trabajo está generando Shadow AI. Lo hace con buena intención. Lo hace para ser más productivo. Y lo hace sin que la organización lo haya decidido. El problema no es la intención. El problema es la ausencia de control. Y esa ausencia tiene un coste concreto, que se manifiesta en cinco riesgos que tu empresa ya está corriendo hoy. Riesgo 1: Fuga de datos sensibles Cuando un empleado introduce información en una herramienta de IA externa no corporativa, esa información sale de la organización. Contratos, datos de clientes, proyecciones financieras, estrategia interna. Todo lo que se escribe en un prompt viaja a servidores externos, sin cifrado corporativo, sin auditoría, sin control de acceso. El riesgo no es teórico. Es regulatorio. El RGPD, la AI Act europea y las normativas sectoriales establecen responsabilidades claras sobre dónde y cómo se procesan los datos. La ignorancia no exime de responsabilidad. Tipo de riesgo: regulatorio y legal. Riesgo 2: Pérdida de propiedad intelectual Los modelos de IA aprenden. Y en muchos casos, aprenden de los datos que sus usuarios introducen. Cuando un empleado describe un proceso interno, una metodología propietaria o una ventaja competitiva en un prompt, ese conocimiento puede convertirse en dato de entrenamiento de un modelo de terceros. Tu know-how sale. Sin billete de vuelta. Sin que nadie lo haya decidido conscientemente. Tipo de riesgo: competitivo y estratégico. Riesgo 3: Erosión del conocimiento colectivo Este es el riesgo menos visible y probablemente el más dañino a largo plazo. Cuando cada empleado usa su propia herramienta de IA de forma individual, el conocimiento que genera esa interacción queda atrapado en silos cognitivos. Nadie sabe qué sabe el de al lado. Los aprendizajes no se comparten, no se acumulan, no se convierten en ventaja organizacional. La organización pierde la capacidad de aprender como sistema. Y eso es exactamente lo contrario de lo que la IA debería hacer posible. Tipo de riesgo: operacional crónico. Riesgo 4: Respuestas fuera de control La IA no conoce tus políticas internas. No conoce tu manual de cumplimiento, tu código ético, tus procedimientos de aprobación ni tus criterios legales. Cuando un empleado usa Shadow AI para redactar comunicaciones, elaborar propuestas o tomar decisiones, los outputs no están alineados con ninguno de esos criterios. El resultado: respuestas inconsistentes, potencialmente erróneas y en algunos casos legalmente problemáticas. Sin que nadie haya revisado nada. Tipo de riesgo: reputacional y operacional. Riesgo 5: Deriva cultural La IA habla por tu empresa. Cuando un empleado usa una herramienta no corporativa para comunicarse con clientes, elaborar contenido o tomar decisiones, la IA que hay detrás no conoce los valores de la compañía, no conoce el tono de marca, no conoce la cultura organizacional. Con el tiempo, las decisiones asistidas por IA empiezan a divergir de la identidad de la empresa. No de golpe. Gradualmente. Hasta que la organización ya no reconoce su propio reflejo. Tipo de riesgo: estratégico y cultural. Conclusión Cinco riesgos. Cinco vectores de exposición que no dependen de que hayas tomado una decisión equivocada. Dependen de que todavía no hayas tomado ninguna. El coste de la inacción no es neutro. Cada día sin una estrategia de gobierno de IA es un día en que estos riesgos se acumulan silenciosamente. La respuesta a estos cinco riesgos no es tecnológica, es de gobierno, de tomar conciencia y tomar decisiones. En el primer artículo de esta serie expliqué por qué establecer un Comité de IA es el prerequisito antes de escalar… y por qué las organizaciones que se saltan ese paso pagan un coste mucho mayor después (puedes encontrar un enlace al primer artículo en los comentarios). ¿Cuánto tiempo lleva tu organización conviviendo con estos riesgos sin saberlo… o sabiéndolo y mirando a otro lado? Autor: Toni Parada