INTELIGENCIA ARTIFICIAL a incorporar herramientas que conocen a sus funciones tradicionales, sin estar integrado dentro de las políticas de estrategia de negocio de la firma”, describe Morero. Este fenómeno, que se replica en distintos sectores, explica por qué la adopción es tan heterogénea: hay avances concretos, pero desarticulados. La IA aparece como una herramienta útil, pero todavía no como un vector de transformación. Rubén Ascúa, rector de la Universidad Nacional de Rafaela( Unraf) – una de las más activas casa de estudios argentinas en la búsqueda de vínculos con el sector privada para la incorporación de tecnología –, coincide con ese diagnóstico y aporta otra dimensión:“ Lo que se ve mucho es que los individuos que trabajan en la empresa utilizan la inteligencia artificial para mejorar su performance, quizás de manera aislada, no interconectada”.
Rubén Ascúa( Unraf) y Alejandro Morero( Conicet).
¿ Dónde ya está funcionando? A pesar de las limitaciones, hay experiencias en la industria santafesina que muestran el potencial de estas tecnologías cuando se aplican de manera integral. Uno de los casos más avanzados se da en la industria óptica, donde una empresa logró integrar Internet de las Cosas, automatización y sistemas de inteligencia artificial para gestionar toda su cadena productiva. El sistema permite recibir pedidos en tiempo real desde una red de ópticas, producir lentes y entregarlos en menos de 24 horas en todo el país, con control de calidad automatizado mediante IA. En el sector metalmecánico también aparecen desarrollos relevantes. Empresas locales incorporaron software de conectividad entre robots y sistemas de captura de datos de producción, lo que permite monitorear en tiempo real el funcionamiento de las plantas. Pero el uso más extendido hoy está en el mantenimiento predictivo.“ Lo más usual es que la inteligencia artificial venga embebida en las máquinas para predecir tareas de mantenimiento”, explica Morero. En la práctica, los sistemas aprenden del comportamiento de los equipos y anticipan fallas antes de que ocurran, activando automáticamente órdenes de servicio. Este tipo de aplicaciones, aunque menos visibles, tienen impacto directo en la productividad: reducen paradas no programadas, optimizan costos y mejoran la eficiencia operativa. Desde el ámbito académico, también se están desarrollando soluciones concretas. Diego Zinggerling, director de la diplomatura
en IA y transformación organizacional de la Unraf, menciona tres líneas de trabajo que ya se aplican en empresas: sistemas de visión artificial para detectar fallas en líneas de producción en tiempo real, talleres de IA generativa para fomentar la innovación interna y diagnósticos para diseñar arquitecturas de datos que permitan escalar la adopción tecnológica. Más allá de los casos puntuales, el consenso entre especialistas es claro: el principal obstáculo no es la tecnología, sino la organización.“ El desafío no es tanto tecnológico, sino organizacional”, sostiene Laura Perpiñá, consultora en transformación digital que trabaja con industrias de la región y en vinculación con entidades del sector como la Asociación de Industriales Metalúrgicos de Rosario( AIM) y el Centro Tecnológico José Censabe-
77