Cajeros automáticos: el giro al mantenimiento predictivo

El modelo de avería y técnico a domicilio ya no escala: la banca gira al mantenimiento predictivo

La red de cajeros automáticos en España y Europa dejó de ser un conjunto de máquinas aisladas para convertirse en una infraestructura crítica distribuida —hospitales, estaciones, centros comerciales, zonas rurales— donde cada minuto fuera de servicio se traduce en operaciones perdidas, clientes frustrados y conciliaciones manuales. En este escenario, el antiguo flujo lineal «avería → incidencia → técnico desplazado → servicio restaurado» ya no soporta la operación: la banca migra hacia un mantenimiento predictivo apoyado en datos, IoT e inteligencia artificial.

El viraje lo explica la propia industria en un análisis publicado por Interempresas: durante años, las entidades fueron apilando herramientas (monitorización de cajeros, gestión de efectivo, control de incidencias, conciliaciones) que cumplen su función pero trabajan de forma independiente, dejando la información fragmentada. Reconstruir el contexto de cada avería cuesta tiempo, y el coste real no está en la pieza sustituida sino en todo lo que ocurre mientras el terminal está caído. Esa lógica reactiva se está quedando corta.

¿Qué cambia cuando el mantenimiento deja de ser reactivo?

El cambio de perspectiva, según el análisis de Interempresas, no es solo tecnológico sino organizativo. Hoy es posible detectar pequeñas anomalías mucho antes de que se conviertan en averías: variaciones en el comportamiento de componentes, tiempos de respuesta alterados o patrones repetidos permiten identificar fallos inminentes y enviar al técnico con diagnóstico previo, repuesto adecuado y la ventana de intervención correcta —idealmente, en una sola visita.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Pero el salto cualitativo llega cuando esos datos técnicos se cruzan con información operativa y financiera. Como describe la nota original, si una alerta técnica coincide con un pico extraordinario de operaciones en ese mismo emplazamiento, o si un patrón recurrente de falta de efectivo se analiza junto a la estacionalidad y al comportamiento de los usuarios de la zona, los datos dejan de explicar qué está pasando y empiezan a responder por qué pasa y qué conviene hacer antes de que vuelva a pasar.

Del mantenimiento cognitivo al gemelo digital: el siguiente escalón

La conversación ya no termina en lo predictivo. En el sector se habla abiertamente de mantenimiento cognitivo, un enfoque que utiliza IA para interpretar variables ambientales, históricas y de funcionamiento y tomar decisiones en tiempo real. Lo recoge Interempresas en su cobertura del primer Libro Blanco del Mantenimiento, firmado por Diego Galar, presidente de la European Federation of National Maintenance Societies (EFNMS), y por Raquel Cruz, directora de Integración y Servicios de Mantenimiento de ISS Iberia, junto a la Asociación Española del Mantenimiento (AEM).

El documento destaca tres tecnologías que están reconfigurando el campo:

Sensores inteligentes y plataformas GMAO que convierten la gestión de activos en una disciplina proactiva y estratégica.
Gemelos digitales —réplicas virtuales conectadas en tiempo real al equipo físico— que permiten simular comportamiento, anticipar fallos y probar estrategias de intervención sin tocar la operación real.
Realidad aumentada y plataformas colaborativas, que llevan información crítica a entornos virtuales para simular intervenciones y capacitar equipos de forma remota.

Aparece también un perfil profesional nuevo, el «humano aumentado», capaz de interpretar datos en tiempo real, interactuar con gemelos digitales y validar decisiones automáticas propuestas por la IA. Galar, no obstante, advierte: la intuición y la gestión de lo inesperado —los cisnes negros— siguen siendo terreno humano, no algorítmico.

El tamaño del mercado: cifras que dan contexto

La apuesta no es marginal. Según el informe «Predictive Maintenance Market» publicado por ResearchAndMarkets (recogido por Yahoo Finance), el mercado global de mantenimiento predictivo se proyecta desde USD 9.710 millones en 2026 hasta USD 16.740 millones en 2031, con una tasa de crecimiento anual compuesta del 11,5%. Manufactura liderará la adopción, pero las plataformas de mantenimiento predictivo con IA son el segmento de mayor crecimiento.

En banca, un análisis regional para el sudeste asiático de Ken Research estima que el mercado de IoT en banca retail pasará de unos USD 263 millones en 2025 a aproximadamente USD 1.323 millones en 2032, con un CAGR del 26%. El dato más interesante para proveedores y bancos: la penetración de cajeros inteligentes (smart ATM) subiría del 32% en 2025 al 66% en 2032, y los servicios gestionados y de software pasarían del 56% al 65% del gasto. Es decir, cada vez más dinero se mueve del hardware a las capas de analítica, ciberseguridad y mantenimiento predictivo que orbitan alrededor del dispositivo.

España como caso testigo: la presión regulatoria acelera la transformación

La tendencia no llega sola. En España, la Ley de Accesibilidad Bancaria que entró en vigor el 28 de junio de 2025 obliga a todos los cajeros automáticos a ofrecer información visual con tipografías legibles, instrucciones por voz para personas con discapacidad visual y botones accesibles. Los cajeros nuevos deben cumplir desde esa fecha; los existentes tienen margen hasta el 29 de junio de 2030, siempre que no superen los 10 años de antigüedad, según la cobertura de Mundo Deportivo. Es, en la práctica, un programa forzoso de modernización del parque en cinco años.

Y la presión la aprovechan los nuevos jugadores. Revolut eligió España como primer mercado mundial para desplegar su propia red de cajeros: arrancó con 50 cajeros en Madrid y Barcelona en 2025 y prevé llegar a 200 cajeros en 2026 antes de expandirse a Alemania, Italia y Portugal, según El Español y Libertad Digital. La compañía, con 4,8 millones de clientes en España y más de 55 millones en el mundo, confirmó que los cajeros permitirán reconocimiento facial, conexión cifrada de extremo a extremo y emisión instantánea de tarjetas físicas. Detalle relevante: según el Banco de España —citado por Libertad Digital—, el 60% de los pagos presenciales en España todavía se realiza en efectivo, lo que explica el interés de un neobanco digital por tener presencia física.

¿Qué significa esto para tu startup?

Aunque la nota se centre en banca, el patrón es directamente exportable a cualquier founder que opere infraestructura distribuida —logística, energía, telemedicina, retail con red de puntos físicos, IoT industrial. Tres palancas concretas:

Instrumenta primero, predice después. No necesitas un gemelo digital desde el día uno. Empieza por capturar telemetría básica (latencias, errores, caídas de servicio, uso por hora) y centralízala en un único dashboard. La fragmentación de datos que describe Interempresas —»una enorme cantidad de información distribuida en distintos sistemas que apenas se comunican entre sí»— es exactamente el mismo problema que sufren las startups cuando suman herramientas sin un plano.
Mide el coste de la indisponibilidad, no solo el coste del arreglo. El análisis de Interempresas es claro: el mayor coste no está en la pieza sustituida, sino en lo que pasa mientras el sistema está caído (operaciones perdidas, conciliaciones manuales, soporte, retenciones). Calcula tu coste-por-minuto-fuera-de-servicio y úsalo para justificar inversión en monitorización o en un proveedor gestionado.
Apuesta por modelos de servicio recurrente sobre venta de hardware. Tanto el informe de Ken Research como la propia industria coinciden: el valor migra del equipo físico al software, los datos y la gestión del ciclo de vida. Si vendes hardware conectado, anexa telemetría, ciberseguridad y mantenimiento predictivo desde el primer contrato. Si compras infraestructura, evalúa SLAs medibles (uptime, MTTR, ventanas de intervención) en lugar de comparar solo precios de equipo.