Pese a los avances tecnológicos cosechados, todavía existe una brecha entre los sistemas operacionales de la industria (OT) y la tecnología informacional (IT). Y resulta muy ilustrativo lo relacionado con MES (Manufacturing Execution System), un concepto en torno al cual se reunieron varios expertos en Barcelona para discutir su futuro y su posible apertura al mundo del cloud. En un contexto industrial marcado por la digitalización acelerada, la irrupción de la inteligencia artificial y el avance del cloud, el papel de los sistemas MES vuelve al centro del debate. ¿Dónde debe residir hoy el MES de la planta: en la operación local o en plataformas de datos en la nube? ¿Siguen siendo las limitaciones tecnológicas el principal obstáculo o lo es el factor humano?
Índice de temas
¿Qué es un MES?
Un sistema MES es una capa intermedia dentro de la arquitectura industrial que conecta el mundo de la gestión empresarial (ERP) con la operación directa en planta (máquinas, PLC y procesos productivos). Su función principal es orquestar y controlar la ejecución de la producción en tiempo real, asegurando que las órdenes se lleven a cabo correctamente, recogiendo datos de lo que ocurre en fábrica y devolviendo información clave al negocio. Así lo explicaba Javier de La Cuerda, CEO de Structurit: “Actúa como el ‘cerebro operativo’ de la planta: garantiza trazabilidad, eficiencia y control, al tiempo que sirve como puente para explotar datos, aunque cada vez más se tiende a separar su parte operativa (en planta) de la analítica (en la nube)”. Structurit, compañía especializada en la convergencia OT/IT, nació hace dos años con un planteamiento poco habitual en este mercado: entrar desde la consultoría de procesos industriales y, sobre ese conocimiento profundo del negocio, construir arquitecturas modernas de dato y de IA. Su enfoque es agnóstico respecto a los hiperescalares —trabajan con los principales proveedores cloud según las necesidades de cada cliente—, si bien De la Cuerda destaca especialmente el ritmo de innovación de AWS en el ámbito industrial como uno de los grandes catalizadores actuales. Y la respuesta moderna a ese reto, según De la Cuerda, ya no es un MES más potente, sino un Industrial Datalake: “El dato industrial vive disperso entre PLCs, SCADAs, MES, sistemas de calidad, mantenimiento o ERP. El Industrial Datalake unifica toda esa información en una capa única, gobernada y abierta, sobre la que ya podemos aplicar analítica avanzada y agentes de inteligencia artificial. Es lo que de verdad permite pasar de ejecutar a entender, anticipar y optimizar en tiempo real”.
La incorporación de los hiperescalares a este mercado, como es el caso de Amazon Web Services, ha aportado una nueva dimensión: “El cloud ha impulsado la transición hacia un modelo en el que el dato adquiere un papel central, tanto en la toma de decisiones como en la ejecución operativa, cada vez más eficiente y contextualizada. En este escenario, resulta necesario replantear el papel del MES: ¿sigue teniendo sentido hablar de él en los mismos términos, cuando el verdadero valor reside ahora en la gestión y explotación del dato?”, se pregunta De la Cuerda. En esa línea, Structurit ha intensificado su colaboración con AWS para construir Industrial Datalakes nativos en la nube y desplegar sobre ellos agentes de inteligencia artificial con servicios como Amazon Bedrock y AgentCore. “Ya no hablamos solo de almacenar el dato industrial, sino de activarlo: agentes especializados que monitorizan procesos, detectan desviaciones y proponen acciones al operador. Ese es el siguiente nivel de la planta conectada, y AWS está marcando un ritmo de innovación muy difícil de igualar en este terreno”, apunta De la Cuerda.
Subirse al tren de la IA
El CTO de Morchem, Ignacio Roldán, sitúa el MES como un sistema intermedio entre el mundo del ERP y el de la producción. En sus palabras, “en producción está la interacción directa con la planta”, es decir, el control operativo de los procesos industriales, mientras que el ERP representa la capa administrativa de la empresa, centrada en la planificación y la reposición.
“Es el intermediario entre los dos mundos”, encargado de trasladar al ERP la información sobre el consumo y la actividad en planta para asegurar su reaprovisionamiento. Sin embargo, señaló que su visión ha evolucionado hacia el ámbito de la seguridad industrial, donde surge una cuestión clave: “¿dónde ponemos el MES, en OT o en IT?”, una decisión que considera cada vez más discutible.
A su juicio, se trata de una aproximación que empieza a quedarse obsoleta ante la irrupción de la inteligencia artificial, especialmente en sectores como la industria química, donde corren con riesgos elevados. En estos entornos, explicó, “queremos sistemas conectados directamente con la parte operativa”, que permitan mantener el control de procesos críticos.
En último término, Roldán concluye que el impacto último de cualquier decisión tecnológica no recae sobre los sistemas, sino sobre las personas: los operarios en planta y en sala de control, que siguen siendo el elemento más crítico en la operación industrial.
Subir a la nube con precauciones
El CIO de Briolf, Miguel Calvo, plantea la necesidad de tomar una decisión clara en torno a la arquitectura tecnológica industrial: “hay que decir, ¿dónde voy?, ¿voy a la nube o no voy a la nube?”, subrayando que, en su opinión, no todas las organizaciones están preparadas para una migración completa del stack tecnológico hacia entornos cloud.
Calvo señala que, a día de hoy, existen aún “demasiados aspectos tecnológicos no resueltos”, lo que hace que la operación industrial no pueda depender de terceros ni de infraestructuras externas en procesos críticos. En este sentido, defiende la necesidad de mantener la autonomía operativa en planta, asegurando que la producción pueda continuar de forma independiente y estable.
Desde su perspectiva, el MES seguirá teniendo un papel relevante en el ámbito estrictamente operativo de las plantas. Sin embargo, introduce una distinción clave en la evolución del modelo: mientras la operación debe permanecer en planta, las capas de monitorización, analítica y explotación de datos deberían situarse fuera, en entornos cloud.
En palabras de Calvo, esta separación responde a una lógica de eficiencia tecnológica: “la tecnología actual para analizar información estadística es mucho más eficiente en la nube por velocidad y capacidad de procesamiento”.
Frente a ello, celebra la oportunidad de construir una capa de analítica centralizada en cloud que permita consolidar datos de todas las plantas y habilitar una visión comparativa y estratégica más potente. En definitiva, una arquitectura híbrida donde la operación permanece en planta y la inteligencia de datos se concentra en la nube.
Resistencia al cambio
Nicolás Espejo, Technology Manager de Telefónica Tech, expone una reflexión crítica sobre las barreras que, en teoría, dificultan llevar el MES a la nube. Ante la pregunta de qué características del cloud limitan esta decisión, apunta que tradicionalmente se mencionan factores como la fiabilidad o la latencia, pero matiza que muchos de estos aspectos ya están técnicamente resueltos.
En sus palabras, hoy existen soluciones avanzadas como “redundancias geográficas o servicios dedicados donde el dato ya no viaja por internet, sino que va directamente desde la fábrica al proveedor cloud”, lo que garantiza niveles de rendimiento y disponibilidad comparables a entornos locales. Por ello, sugiere que el debate no debe centrarse únicamente en la tecnología, sino en otros factores menos tangibles.
Espejo defiende que, en muchos casos, las verdaderas barreras son de carácter cultural y organizativo dentro de las propias empresas, más que limitaciones inherentes al cloud. En este sentido, invita a replantear la pregunta habitual y enfocarla de otro modo: “¿qué es lo que realmente tiene el cloud que no me permite dar ese paso?”, dejando abierta la reflexión sobre si el freno es técnico o responde a resistencias internas al cambio.
Limitaciones estructurales
Óscar Campos, CIO de Bella Aurora, advierte de que el punto de partida en la adopción tecnológica —y especialmente en entornos industriales— es mucho menos homogéneo de lo que suele asumirse. Según explica, “hay empresas de todo tipo y en situaciones muy distintas”, lo que condiciona directamente su capacidad para abordar inversiones avanzadas.
En este sentido, señala que no todas las organizaciones están en condiciones de dar el salto hacia modelos más sofisticados, ya que muchas todavía operan con limitaciones estructurales. “Hay compañías cuya planta está en una ubicación concreta, con determinadas carencias, y todavía tienen que resolver cuestiones básicas”, apunta, subrayando que aspectos como la conectividad o la infraestructura mínima “siguen siendo, en algunos casos, el primer problema a resolver”.
Campos introduce así una idea clave: antes de hablar de innovación o de capas avanzadas de digitalización, es imprescindible garantizar un nivel básico de fiabilidad operativa. “Existe un tema de confianza y de poder disponer de infraestructuras que sean absolutamente fiables”, afirma, poniendo el foco en la necesidad de asegurar la estabilidad de los sistemas como condición previa a cualquier evolución tecnológica.
El CIO también destaca la complejidad inherente a los entornos industriales, donde la integración entre sistemas no siempre es trivial. En particular, menciona las comunicaciones entre controladores y dispositivos en planta, donde “hay determinados autómatas que necesitan reaccionar en tiempo real ante una detección”, lo que introduce exigencias técnicas muy específicas.
A esta complejidad se suma la capa de ciberseguridad, que lejos de ser un elemento neutro, puede introducir tensiones operativas si no se implementa con cuidado. Campos reconoce haber trabajado en proyectos donde la incorporación de medidas de seguridad entre sistemas industriales “ha generado dudas e incluso riesgos de interrupción”, lo que evidencia el delicado equilibrio entre protección y continuidad operativa.
Ambición tecnológica y realidad operativa
Jordi Dorca, CEO de GDO Electric, coincide en la necesidad de equilibrar ambición tecnológica y realidad operativa, y matiza que la arquitectura ideal en entornos industriales pasa por una clara separación de capas.
En su intervención, señala que “tiene que existir un sistema y un equipo que soporte esta evolución”, pero advierte de que no todo debe trasladarse al mismo nivel tecnológico. En concreto, introduce una distinción clave entre operación y analítica: “la parte operacional tiene que estar en planta”, afirma, subrayando que los procesos críticos no pueden depender de entornos externos si se quiere garantizar continuidad y tiempos de respuesta.
Dorca insiste en que esta decisión no es solo técnica, sino también de resiliencia: “lo importante es que las comunicaciones funcionen y que la seguridad no bloquee”, explica, apuntando al riesgo de sobrediseñar arquitecturas que comprometan la operativa diaria.
Frente a esa capa operativa local, sitúa el verdadero potencial de escalabilidad en otros ámbitos. “Todo lo que es analítica, explotación de datos o conexiones más avanzadas puede ir en otras capas”, comenta, defendiendo un modelo en el que la inteligencia y el valor del dato se construyen sobre una base estable, pero sin interferir en la ejecución en tiempo real.
Gestión del cambio
Montse Zurrón, Chief Operating Officer de Structurit, introduce un matiz decisivo en el debate sobre transformación digital e industrial: el verdadero cuello de botella no está en la tecnología, sino en las personas. Según explica, “la decisión no tiene tanto que ver con la tecnología como con el factor humano”, desplazando el foco desde la capacidad técnica hacia la gestión organizativa.
En su análisis, muchas de las limitaciones que se atribuyen a sistemas o arquitecturas responden en realidad a barreras internas. “El problema no es la ambición tecnológica ni lo que el sistema podría mejorar en eficiencia o costes”, señala, “sino la gestión del cambio en las personas”.
Zurrón apunta directamente a la falta de preparación estructural en este ámbito. “Probablemente no hemos trabajado lo suficiente en cómo acompañar ese cambio”, indica, sugiriendo que la irrupción acelerada de tecnologías como la inteligencia artificial ha superado la capacidad de adaptación de las organizaciones. “La IA ha llegado antes de que nos diera tiempo a explicarla”, resume, destacando que este fenómeno no es exclusivo de un sector, sino transversal.
Desde su perspectiva operativa, esta brecha tiene implicaciones directas en la toma de decisiones. Muchas iniciativas tecnológicas no se frenan por falta de viabilidad, sino por la incertidumbre que generan en los equipos. “Acabamos justificando decisiones de cambio —o de no cambio— en función de la capacitación, el entorno profesional y la resistencia natural de las personas”, explica.
En el ámbito industrial, añade además un factor crítico: “Existe una enorme dependencia del saber acumulado en personas que no está documentado en ningún sistema”, advierte. Este conocimiento, que reside en operarios y perfiles con larga experiencia, representa tanto un activo como un riesgo, especialmente en contextos de relevo generacional.
Potencial económico
Javier de la Cuerda, a modo de conclusión, pone el foco en la dimensión económica real del debate, subrayando que la conversación sobre tecnología debe aterrizar necesariamente en el negocio. Según datos del observatorio de industria 4.0, “estamos hablando de 22.000 millones de euros abarcando desde sistemas SCADA hasta servicios de consultoría». Cifra que representa el 80% del gasto general de IT de las compañías.
Su idea central es que el sector industrial sigue siendo un terreno poco explotado desde el punto de vista digital. Lo califica como “un ámbito virgen de desarrollo”, donde predominan proveedores de software industrial con modelos de servicio “tremendamente caros”, porque están ligados al núcleo de las operaciones de muchas empresas.
Hay mucho dinero en juego, pero también ineficiencias. Por eso afirma que “hay muchísimo que hacer” y ve una oportunidad estratégica para innovar, optimizar costes y transformar digitalmente un sector crítico que todavía no está plenamente modernizado.
En ese escenario, De la Cuerda sitúa al Industrial Datalake como la pieza tecnológica más moderna y diferencial: la capa que reconcilia OT e IT, sobre la que se construyen modelos analíticos avanzados y agentes de IA, y que permite a la industria capturar valor del dato sin renunciar a la fiabilidad operativa de la planta. “Estamos en un momento fundacional, y por eso creamos Structurit hace apenas dos años: una compañía que entra al cliente desde la consultoría de procesos industriales y construye sobre ese conocimiento la arquitectura de dato y los agentes verticales que la industria necesita. Lo hacemos de forma agnóstica con los principales hiperescalares, y dentro de ellos destacamos a AWS por el ritmo y la profundidad de su innovación en este campo. Nuestro compromiso es claro: llevar la IA generativa y agéntica al corazón de la operación industrial”, concluye.
