🧩 PDI: el modelo para convertir IA en resultados
Uno de los bloques más importantes fue la presentación del modelo PDI (Procesos, Datos e Inteligencia Artificial), que se plantea como el núcleo de la transformación.
Este modelo establece que:
- Procesos → son la base operativa (lo que realmente ocurre en la empresa)
- Datos → son el activo estratégico (calidad, coherencia, trazabilidad)
- IA → es la herramienta (automatiza, predice y optimiza)
Además, introduce principios clave:
- La IA no sustituye procesos → los potencia
- El ERP sigue siendo el centro → no se rodea, se evoluciona
- La transformación empieza en cómo trabajas → no en el software
🧪 Metodología: primero validar, luego escalar
Otro insight relevante fue el enfoque de implementación:
📌 En lugar de grandes proyectos "a ciegas":
- Se apuesta por pruebas de concepto (POC) rápidas (≈1 mes)
- Basadas en datos reales
- Con validación por negocio
Fases típicas:
- Preparación y limpieza de datos
- Diseño del modelo
- Entrenamiento de IA
- Validación con expertos
- Adopción
👉 Solo cuando hay evidencia de valor, se escala.
🏭 Casos reales: IA aplicada al negocio
El evento destacó múltiples casos prácticos donde la IA ya genera impacto real:
📊 Ventas – Caso Salgar
- Paso de análisis descriptivo a estratégico
- Insights personalizados por rol (dirección, comerciales, agentes)
- Reducción del tiempo de análisis
- Mejores decisiones en tiempo real
🏗️ Producción – Planificación inteligente (Schako Iberia)
- 1.000 órdenes planificadas en segundos
- Optimización automática basada en restricciones reales
- Eliminación de cuellos de botella
- Democratización de la planificación
♻️ Sostenibilidad – Integración con Ecoembes
- Automatización de la declaración de envases
- Integración directa ERP ↔ normativa
- Eliminación de Excel y procesos manuales
- Mejora de trazabilidad y reporting ESG
👁️ Calidad industrial – Visión artificial
- Uso de sensores y visión artificial para control en tiempo real
- Aplicación en procesos complejos
- IA que entiende el entorno físico real, no solo datos
🤖 El salto siguiente: agentes de IA
Uno de los bloques más inspiradores fue el enfoque en agentes inteligentes.
Evolución:
- Software → ejecuta
- Automatización → sigue reglas
- IA generativa → asiste
- Agentes → deciden y actúan
Casos aplicados:
- Aprobaciones de compra inteligentes
- Atención al cliente 24/7
- Supply Chain autónoma
- Control de calidad automático
👉 El cambio clave: no solo automatizar tareas… sino automatizar decisiones.
🔐 MCP: el “firewall” de la IA
Con el auge de los agentes, surgió también una preocupación crítica: la seguridad.
Se presentó el modelo MCP (Model Context Protocol) como:
- Un “middleware” o puente seguro entre IA y sistemas
- Control de accesos (RBAC)
- Trazabilidad completa
- Orquestación dinámica
👉 Exponer directamente sistemas a una IA es un riesgo crítico; MCP actúa como barrera de control y gobernanza.
🧑💻 IA en producto: hacia empresas “AI-native”
Otra idea potente fue el paso de:
- IA como herramienta externa → a IA integrada en el producto
Conceptos clave:
- Agentes visibles trabajando en paralelo (“Pixel Agents”)
- IA entrenada con el contexto real de la empresa
- Software que observa, sugiere, automatiza y aprende
👉 El software deja de ser pasivo para convertirse en un colaborador activo.
🧠 El gran reto: personas y cultura
El cierre del evento puso el foco en lo más difícil:
- La IA no sustituye personas → las potencia
- El mayor reto no es técnico → es cultural
- Cambiar la forma de trabajar es más difícil que cambiar sistemas
👉 Transformación real = tecnología + procesos + personas alineadas.
Conclusión: del hype a la ejecución
Evolution Day dejó un mensaje claro:
La Inteligencia Artificial ya no es el futuro.
El reto ahora es integrarla en el negocio de forma real, útil y medible.
Las claves:
- Empezar por procesos y datos
- Validar con casos reales
- Integrar con el ERP
- Escalar con sentido
- Poner a las personas en el centro
