Plantas desecharon datos que IA necesita hoy

El ciclo que dejó plantas sin memoria

Durante dos décadas, los ingenieros de automatización enfrentaron una disyuntiva incómoda: los servidores SCADA alcanzaban su capacidad de almacenamiento cada cierto tiempo, y las políticas corporativas, con presupuestos ajustados, no permitían expansión indefinida. La solución fue pragmática pero miope: eliminar datos históricos, especialmente lecturas de sensores en alta resolución que ocupaban gigabytes por día. Se conservaban resúmenes agregados—promedios horarios, alarmas—pero los millones de puntos de datos crudos desaparecían. Parecía sensato en 2010. No lo es en 2025.

Por qué la IA generativa cambió el juego

Los modelos de aprendizaje automático modernos, particularmente aquellos que realizan predicción de fallos, detección de anomalías o optimización de procesos, requieren volúmenes masivos de datos granulares para entrenar. Un modelo que predice cuándo una bomba fallará necesita no solo el registro de “bomba parada”, sino las vibraciones, temperaturas, corrientes y presiones en intervalos de segundos—datos que fueron descartados sistemáticamente. Las plantas que guardaron estos historiales ahora entrenan modelos con precisión del 85–95%; las que no, deben comenzar de cero y esperar 12–18 meses para acumular muestras suficientes. Doug Pagnutti, analista senior que trabajó como ingeniero de automatización antes de especializarse en gestión de datos industriales, documentó este ciclo en Tiger Data: fabricantes que podrían haber resuelto problemas crónicos de rendimiento con IA, pero carecen del material prima—los datos históricos.

La infraestructura SCADA como cuello de botella

La raíz del problema es técnica y económica. Un sistema SCADA típico de los 2000s–2010s ejecutaba en servidores con capacidad de disco de 500 GB a 2 TB. Almacenar datos de 50–200 sensores en muestreo cada 5 segundos genera 86.4 millones de puntos diarios; un año significa 30 terabytes. Los administradores enfrentaban una elección: comprar almacenamiento externo costoso (o imposible de justificar si no hay presupuesto), o implementar políticas de rotación de datos agresivas. La mayoría eligió lo segundo. Hoy, tecnologías como bases de datos de series temporales (InfluxDB, TimescaleDB) y almacenamiento en nube hacen que guardar datos sea barato y escalable. Pero eso no rescata lo que ya se perdió.

Lectura para la industria latinoamericana

En plantas de América Latina—minería, refinación, alimentos, manufactura automotriz—el problema es especialmente severo. Muchas operaciones todavía ejecutan SCADA de 15–20 años sin modernización significativa. Las que sí intentaron mejorar a menudo importan soluciones de IA generadas por proveedores globales (Siemens Industrial Automation Edge, Schneider Electric EcoStruxure), pero descubren que los modelos no funcionan porque fueron entrenados con datos de plantas asiáticas o europeas con características diferentes. Un ingeniero en una planta peruana de procesamiento de minerales que quiere implementar mantenimiento predictivo se enfrenta a: (1) infraestructura SCADA legada sin capacidad; (2) datos históricos eliminados; (3) necesidad de capturar datos nuevos durante meses antes de poder entrenar un modelo local. Distribuidores regionales como Rockwell Automation (con oficinas en México, Brasil, Colombia) y Abracon (distribución en LatAm) comienzan a ofrecer servicios de migración de datos y captura retroactiva, pero son costosos. La realidad es que muchas plantas operarán sin IA predictiva no porque no quieran, sino porque no tienen el histórico para hacerlo funcionar.

Un detalle crítico: las normas de retención de datos en minería (regulación ambiental en Perú, Chile), refinación (PEMEX en México) y agua potable (ADA en Brasil) a veces exigen conservar ciertos registros por 5–10 años por auditoría. Las plantas que respetaron esto casualmente guardaron datos valiosos; muchas que comprimieron o borraron todo pueden enfrentar riesgos de cumplimiento si auditorías posteriores descubren lagunas.

La carrera por recuperación de datos

Algunas plantas están invirtiendo en arqueología digital: recuperación de servidores retirados, reconstrucción de historiales a partir de backups parciales, o instalación de nuevos sensores para capturar datos ausentes. Es costoso—puede rondar USD 50 000–200 000 por proyecto mediano—pero menos que perder años de oportunidad de optimización. Otras están adoptando un enfoque híbrido: capturan datos nuevos en alta resolución mientras entrenan modelos con lo poco que conservan del pasado, mejorando gradualmente con transfer learning.

Qué vigilar hacia adelante

Espera un crecimiento en herramientas de gestión de datos industriales especializadas para LatAm, probablemente ofrecidas por distribuidores locales o integradores regionales. Las normativas de transformación digital (como el Decreto 2080 en Colombia sobre industria 4.0) comenzarán a exigir auditorías de calidad de datos. Y el costo de almacenamiento en nube seguirá cayendo, haciendo que guardar datos históricos sea cada vez más viable. Pero la ventana de rescatar lo que se perdió ya está cerrándose.

El mensaje para ingenieros: si tu planta aún ejecuta SCADA sin captura sistemática de datos en alta resolución, comienza hoy. Recuperar 10 años de historia después es imposible.