Cada planta automotriz a la que hemos entrado en los últimos doce meses tiene una pared de dashboards. Roll-ups de OEE, códigos de pérdida a nivel de estación, tasas de scrap, gráficos de Pareto de downtime. Están bien diseñados, son caros, y son silenciosamente ignorados por las personas que realmente operan la línea al final de cada turno.
No porque los dashboards estén mal. Usualmente son correctos. El problema es que un dashboard reporta un estado; no se compromete a una acción. Y en 2026, el cuello de botella en una planta Tier-1 o Tier-2 ya no es la visibilidad. Es la velocidad a la que la visibilidad se vuelve una decisión, y una decisión se vuelve un cambio en el piso.
Qué cambió
Durante dos décadas, la tesis de la Industria 4.0 fue: capture los datos, muestre los datos, y confíe en que los ingenieros actuarán sobre ellos. Esa tesis construyó los stacks de MES e historian que cada planta opera hoy. Funcionó. Los datos están ahí.
Lo que cambió es que la IA agéntica maduró al punto donde razonar sobre contexto industrial desordenado (deriva de torque correlacionada con varianza de tiempo de ciclo correlacionada con un ticket de mantenimiento del martes pasado) es ahora práctico. Rápido para actuar dentro de un turno. Barato para correr en cada línea. Transparente para ponerlo frente a un director de planta.
Por qué le llamamos una capa de decisión
No llamamos a Featherline un dashboard. No lo llamamos una plataforma de analítica. Le llamamos capa de decisión porque la única salida que importa es una acción comprometida: una recomendación correctiva, una compuerta de aprobación, una escritura de vuelta al MES, una notificación a mantenimiento.
Este encuadre fuerza decisiones de producto duras. No entregamos gráficos bonitos. Entregamos recomendaciones con puntajes de confianza. No entregamos «insights». Entregamos «aquí está la siguiente acción, aquí está por qué, aquí está el registro de auditoría». Y vivimos o morimos por si el ingeniero de turno acepta esa recomendación más de la mitad de las veces.