Mantenimiento con IA: el 58% de fábricas sigue en Excel

El 58% de las empresas industriales sigue gestionando su mantenimiento con papel u hojas de cálculo, según los datos que maneja el autor del análisis publicado por Interempresas. Esa es la brecha real de la fábrica del futuro: no la que aparece en las presentaciones de proveedores, sino la que queda al descubierto cuando un proyecto de IA se apoya en cien archivos de Excel que nunca se hablan entre sí.

Si vendes software para industria o estás digitalizando una operación, ese dato define dónde está tu cliente real y en qué orden vas a tener que venderle.

¿Por qué la IA de mantenimiento no puede predecir si el histórico está en Excel?

La IA aplicada al mantenimiento no tiene nada de magia negra: funciona con historia. Qué activo falló, cuándo, con qué síntoma, por qué causa, qué pieza se cambió y cuánto tiempo estuvo parada la línea. Si esa información vive en cientos de archivos sueltos o directamente en la cabeza del técnico más veterano, los datos existen, pero no se hablan entre ellos.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

El ejemplo que usa el análisis es casi de manual: el rodamiento del motor de una cinta transportadora se cambia tres veces al año, y cada cambio queda documentado en su propio Excel, rellenado por un técnico distinto en un turno distinto. Nadie ve el patrón porque está repartido en tres archivos. Con un histórico estructurado, cualquier jefe de mantenimiento lo detecta en una tarde. La IA lo detecta antes del cuarto cambio.

Ahí está el punto que muchas startups de IA industrial subestiman: el problema de entrada no es el modelo, es la captura. Sin un registro único, el algoritmo más sofisticado solo aprende de un vacío.

Más automatización significa más mantenimiento, no menos

Existe una idea cómoda según la cual cuanto más automatizada esté una planta, menos dependerá del mantenimiento. El análisis sostiene lo contrario: una línea robotizada suma servomotores, reductoras, sensores, variadores y PLC, y cada uno de esos elementos es un activo que se desgasta y falla.

Además, una hora de parada en una línea automatizada cuesta más que en una manual, y ya no la resuelve el operario de al lado. Ese detalle es el que suele romper el business case de los proyectos de automatización que se venden solo con el ahorro de mano de obra: el ahorro es real, pero el costo de indisponibilidad también.

Para un founder que vende automatización o IA, esto abre una línea de negocio concreta: el mantenimiento de lo que se automatiza deja de ser un servicio accesorio y se vuelve parte del producto.

El orden que casi nadie respeta: digitalizar, conectar, predecir

El análisis propone tres pasos y advierte que saltárselos es la razón por la que muchos pilotos no escalan:

Digitalizar. Un único registro de activos, órdenes de trabajo e histórico de intervenciones. Sin esto, no hay nada que analizar.
Conectar. Que la señal de un sensor o una alarma del sistema de control se convierta en una orden de trabajo con técnico, repuesto y procedimiento asignados. Muchas plantas ya miden, pero esa medición se queda en una pantalla.
Predecir. Solo entonces la IA tiene material con el que trabajar, y solo entonces su recomendación merece confianza.

Empezar por el tercer paso es tentador porque es el más vistoso. Quien se lo salta acaba con un piloto que no escala y con un equipo que deja de creer en la herramienta.

¿Cuánto dinero hay en juego en el mantenimiento predictivo?

Los números del sector explican por qué tantos proveedores empujan en esta dirección. PredictLand AI, consultora de IA con oficinas en Madrid, Barcelona y Zaragoza, sostiene en un artículo publicado también en Interempresas que el mantenimiento predictivo puede reducir hasta un 30% las paradas no planificadas y bajar un 10% el costo total de propiedad; la misma firma cifra el mercado global de mantenimiento predictivo en 10.000 millones de dólares, con crecimientos anuales de entre el 10% y el 20% según distintos analistas de mercado.

Por el lado del software, MarketsandMarkets proyecta en un informe de septiembre de 2026 que el mercado de gestión de activos empresariales (EAM) pase de 7.760 millones de dólares en 2026 a 12.550 millones en 2031, con una tasa anual compuesta del 10,1%. El segmento de gestión de mantenimiento es el que crece más rápido (10,8%) y el despliegue en la nube el que más acelera (14,3%), con Asia-Pacífico como región de mayor crecimiento. La misma consultora registra movimientos corporativos recientes: IBM amplió su suite Maximo con funciones de fiabilidad y mantenimiento asistidas por IA en junio de 2026, e IFS cerró en marzo de 2026 una adquisición para sumar gestión de almacenes y orquestación de robótica a su plataforma.

En el tramo más joven del mercado, ese informe recoge que Limble CMMS acumula 94,4 millones de dólares levantados en tres rondas y UpKeep, 48,7 millones en cuatro. Es capital que sigue entrando en software de mantenimiento, no en modelos de lenguaje.

El contraste con la base instalada es fuerte. ABC recogía en 2023 que solo el 7% de las pymes españolas usaba IA, frente al 6% de media en la Unión Europea, según el informe de indicadores de la Secretaría de Estado de Digitalización e Inteligencia Artificial, y que McKinsey calculaba que la IA generativa podía inyectar entre 2,4 y 4 billones de euros a la economía global. Traducido a una pyme industrial: la tecnología ya está disponible, pero la mayoría ni siquiera ha ordenado sus datos.

El conocimiento del técnico veterano, el activo que no está en el balance

El análisis lo dice sin rodeos: el conocimiento más valioso de una planta suele estar en la cabeza del técnico más veterano, el que sabe cómo suena una bomba antes de fallar. Cuando se jubila, ese conocimiento se va con él si nadie lo registró.

De ahí sale el concepto que el autor llama IA2, inteligencia artificial más inteligencia artesanal. La IA aporta memoria, velocidad y capacidad de análisis; el técnico aporta criterio y contexto. Pero el arreglo solo funciona si lo que sabe el técnico queda escrito en algún sitio que no sea una hoja de cálculo perdida en una carpeta compartida.

Para el ecosistema hispanohablante esto tiene una lectura directa: en España y en LATAM la ventaja competitiva de muchas plantas no es la tecnología instalada, es la experiencia acumulada de su gente. Digitalizarla es una oportunidad de producto, no un trámite de compliance.

¿Qué significa esto para tu startup?

Si estás construyendo o vendiendo tecnología para industria, el orden de los pasos cambia tu go-to-market:

Vende la migración antes que el modelo. Tu competencia real no es otro proveedor de IA: es el Excel. Gana el tiempo de venta demostrando cómo se importa y se normaliza el histórico de órdenes de trabajo, y cobra el módulo de predicción como segundo paso. El piloto predictivo sin datos limpios es la forma más rápida de quemar la relación con el cliente.
Haz la pregunta de diagnóstico en la primera reunión: qué le ha pasado a una máquina concreta en los últimos tres años y quién puede responderlo hoy. Si la respuesta obliga a abrir cien archivos, ya tienes el roadmap y el argumento de venta.
Define la línea base antes de prometer nada. Horas de parada no planificada y costo de mantenimiento correctivo por activo. Sin esa línea base no puedes defender el ROI de tu implementación ni el de tu software.
Captura el conocimiento tácito ya. Sesiones cortas con los técnicos veteranos, checklists en móvil y órdenes de trabajo que obliguen a registrar síntoma, causa y pieza cambiada. Es el dataset que ningún competidor puede comprar.
Conecta la señal con la acción. Un sensor que solo pinta una gráfica no cambia la operación. Si tu producto genera alertas, que terminen en una orden de trabajo con técnico, repuesto y procedimiento asignados.

Conclusión

La fábrica del futuro no se mide por lo que instala, sino por lo que es capaz de mantener funcionando. El 58% que sigue en papel o Excel no es una anécdota de rezago: es el mercado direccionable de la próxima ola de IA industrial, y también la advertencia de que ningún modelo predictivo salva a una operación que no registra su propia historia.

Antes de comprar o vender inteligencia artificial para mantenimiento, responde una pregunta muy simple: ¿qué le ha pasado a esta máquina en los últimos tres años? Si la respuesta está en cien archivos de Excel, ya sabes por dónde empezar.