Hannover Messe cerró el 24 de abril. Si lo siguió de cerca, vio el momento en que la IA agéntica para la manufactura dejó de ser un pitch de startup y se volvió una línea del roadmap en tres de los nombres más grandes del software industrial. Siemens, NVIDIA, ABB. Eigen, Genix, Omniverse, la Industrial AI Cloud. Un humanoide completando logística autónoma en el piso de una fábrica blueprint en Erlangen.
No lo vimos desde el keynote. Lo vimos desde una planta Tier-2 de estampado en Klang, entre una reunión de OEE del lunes y un recorrido por la línea de prensas en la tarde. Desde ese punto de vista los anuncios se leen distinto a como se leen en un resumen de prensa, y queremos escribir lo que creemos que significan para las plantas que nunca tendrán uno.
Lo que realmente se entregó
Los anuncios titulares son producto real, no diapositivas de visión. La lista corta que vale la pena conocer si se la perdió:
- Siemens y NVIDIA presentaron una fábrica blueprint de electrónica autónoma en Erlangen, Alemania — gemelo digital completo, manufactura adaptativa dirigida por IA, con un humanoide con ruedas (HMND 01) completando logística autónoma en el piso.
- Siemens lanzó el Eigen Engineering Agent, que usa IA para escribir, desplegar y diagnosticar código de automatización de PLC y DCS para plantas de proceso.
- ABB integró NVIDIA Omniverse y Microsoft Azure en su Genix Industrial IoT and AI Suite, habilitando agentes de IA que ejecutan análisis de causa raíz sobre el desempeño de activos.
- Siemens, T-Systems y NVIDIA posicionaron conjuntamente una Industrial AI Cloud como el sustrato compartido donde los gemelos digitales y los agentes de IA aprenden de la producción y retroalimentan mejoras al diseño y la operación.
- El humanoide AEON de Hexagon fue desplegado para ensamble en la planta de BMW en Leipzig.
Leídos juntos, eso es el plantado de bandera industrial que nuestra categoría había esperado dieciocho meses. Ahora es categóricamente más difícil argumentar que los agentes no pertenecen al piso de planta.
Lo que esto valida
Antes de llegar a la brecha, la contabilidad honesta. Tres cosas que esta temporada de anuncios valida, en orden de peso.
- La categoría es real. La toma de decisiones agéntica sobre datos operativos de manufactura es ahora una estrategia de producto en Siemens, NVIDIA y ABB. Ya no es una tesis que una startup malaya está tratando de convencerle a un director de planta escéptico.
- El mecanismo es correcto. Cada uno de los productos estrella está construido alrededor de agentes que razonan sobre un activo, proponen una acción, y escriben de vuelta al stack operativo. No dashboards. No insights. Recomendaciones y acciones.
- El modelo de confianza está convergiendo. Erlangen, Genix y Eigen mantienen humanos en el bucle. Ninguno auto-pilotea una línea. La misma postura de autonomía ganada que hemos estado argumentando es ahora también el default en el nivel de plataforma. Bien.
Lo que Erlangen asume que su planta no tiene
Ahora lea los mismos anuncios de nuevo, esta vez como el gerente de producción de una planta Tier-2 de estampado cuyo MES ha estado corriendo en una instalación de Wonderware desde 2014.
- El blueprint de Erlangen corre sobre librerías de Omniverse, OpenUSD y la Industrial AI Cloud. Es una fábrica construida alrededor de la IA, no al revés.
- ABB Genix presume que sus datos de activos ya están dentro de Genix, en Azure, estructurados como Genix espera.
- El Eigen Engineering Agent apunta a despliegues de automatización de PLC y DCS. No se está retrofiteando a sí mismo sobre una capa de control en C# hecha en casa corriendo en una caja con Windows Server 2016.
- El humanoide en la línea de ensamble de BMW Leipzig no va a llegar a una celda de estampado en Klang el próximo trimestre, ni el siguiente.
Nada de esto es una crítica a los anuncios. Es para lo que sirven las demostraciones insignia. Muestran el techo. Pero el techo no es donde la mayoría de las plantas Tier-1 y todas las Tier-2 automotrices operan actualmente. Las plantas a las que entramos no son greenfields. Tienen un MES por el que pagaron, ingenieros que confían en él, y un presupuesto que no empieza con «reconstruir el fundamento de datos».
El problema 10-20-70
El número más útil del comentario de esta temporada sobre IA en manufactura no vino de Hannover. Vino de la pieza de Microsoft de marzo sobre el punto de inflexión agéntico, y vale la pena citarlo con cuidado: aproximadamente el 10% del éxito de un despliegue de IA industrial viene del algoritmo, el 20% de la tecnología y los fundamentos de datos, y el 70% de la gente y los procesos.
Léalo de nuevo. El modelo es 10. La plomería de datos es 20. El trabajo real de hacer que una recomendación sea aceptada por un ingeniero de turno a las 7 a.m. de un martes es 70. Confianza, ajuste al flujo de trabajo, integración al standup, cómo aterriza en la cola del ingeniero, cómo cita los SOPs que el piso ya corre, si el gerente de producción puede anularla sin ceremonia.
Cada anuncio de Hannover Messe es pesado en el 10 y el 20. Mejores modelos. Mejores gemelos. Mejores sustratos. Casi ninguno de los anuncios habla al 70. Eso no es una falla del proveedor — es el límite estructural de lo que un anuncio definidor de categoría puede llevar. El 70 no generaliza. Es local. Es esta planta, con estos ingenieros, corriendo este MES, en este lunes.
Leyendo esto desde el piso
En Aesthon leemos el Messe de dos maneras a la vez, y creemos que usted también debería.
Como validación: cada apuesta arquitectónica que hemos hecho — agéntica, recomendación-primero, humanos-en-el-bucle, escritura de vuelta al stack operativo — está ahora también en el roadmap en Siemens, NVIDIA y ABB. La discusión sobre si esta categoría existe terminó. Podemos dejar de tener esa conversación.
Como brecha de producto: los anuncios describen cómo se verá la industria cuando las plantas que Siemens está construyendo desde cero estén corriendo a escala. No describen cómo las plantas que ya corren hoy — Wonderware, FactoryTalk, el stack hecho en casa en C# que no debería existir — llegan desde donde están a algo de los anuncios. El puente de «pagamos un MES hace una década y funciona» a «un agente corre encima en un trimestre» no está en el comunicado de prensa. Ese puente es todo el trabajo.
Lo que las plantas que visitamos necesitan no es un stack nuevo. Es un agente que se siente encima del stack que ya tienen, lea lo que ya está ahí, proponga qué hacer después, y se gane el derecho de hacer más siendo correcto las suficientes veces. Los anuncios hicieron nuestra categoría oficial. No cerraron la brecha de producto. Ampliaron la validación, y aclararon el trabajo.