Tableta industrial valida el ensamblaje de ECU

El problema

Sin una puerta humana, la IA no se aprueba en una planta certificada.

- Sin una puerta humana clara, cualquier automatización de captura corre el riesgo de contaminar el dato maestro de producción. - Bajo trazabilidad IATF 16949, cada número de serie de ECU debe poder auditarse sin ambigüedad, condición que exige que un humano vea el dato antes de que entre al sistema.

• Cualquier automatización de captura que escriba sola en el dato maestro de producción corre el riesgo de contaminarlo, y en una planta IATF 16949 eso no se discute: se rechaza.
• Cada número de serie de ECU tiene que poder auditarse sin ambigüedad: qué carcasa, qué placa, qué versión de firmware, qué par de apriete en los tornillos de cierre. Cuando una ECU vuelve de campo, esa es la primera pregunta que hace el OEM.
• Esa exigencia implica que un humano vea el dato antes de que entre al sistema, y hoy eso significa teclearlo de nuevo en un terminal lejos del puesto.
• Así, el dato llega tarde o lo introduce alguien que no tuvo la ECU delante. Ninguna de las dos cosas se sostiene ante un auditor IATF que pregunta quién validó una ECU concreta.

Cómo encaja con el sistema IRIS

Connect con verificación humana temprana — dos toques en el puesto de ECU.

Connect 'verificación humana temprana': la tableta muestra un resumen visual de lo capturado por cualquier modo (foto, voz, email parseado) y el responsable confirma con dos toques (✓ / corregir) antes de que el dato cruce al ERP/MES.

La tableta muestra un resumen visual de lo capturado por cualquier modo —foto, voz, correo leído, resultado de test— y el responsable confirma o corrige antes de que cruce al ERP o al MES. Es la diferencia entre un agente que escribe sin firmar y un sistema que calidad puede aprobar. Sin esta puerta, ninguna de las otras once piezas pasaría el comité de calidad.

Ver la arquitectura IRIS completa →

Antes y después

El dato de ECU de hoy frente al dato firmado

Aspecto	Hoy	Con iLEAN
Captura automática sin revisar	Inaceptable para calidad	Imposible por arquitectura
Número de serie de la ECU	Tecleado lejos del puesto	Confirmado junto a la unidad
Versión de firmware grabada	Se supone la del programa	Vista y firmada en el resumen
Quién validó cada dato	No queda claro	Nombre, hora y resumen mostrado
Si la extracción se equivoca	Nadie lo sabe	Corrección registrada con su autor
Aprobación del proyecto de IA	Bloqueada por la caja negra	Desbloqueada por la firma humana

Dato capturado por IA sin validar → dato capturado y firmado por un humano en segundos, con auditoría completa de quién validó qué.

Estimación de impacto

Estimación de impacto — a validar con vuestros números.

El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Pieza habilitante: no le ponemos payback propio. Su función es hacer aprobables las otras once piezas de la matriz.
• Elimina el riesgo de caja negra de IA en el flujo de producción, que suele ser la condición que bloquea un proyecto de IA en una planta certificada.
• De dato capturado por IA sin validar a dato capturado y firmado por un humano en segundos, con auditoría completa de quién validó qué.
• Lo validamos con vuestro equipo de calidad, que es quien tiene que poder defenderlo ante el auditor. Y así se presenta en el comité: como condición, no como ahorro.

Elimina el riesgo de 'caja negra' de IA en el flujo de producción, condición habitualmente bloqueante para aprobar proyectos de IA en planta certificada. Estimación a validar con calidad.

Y la duda razonable del responsable de producción

«Si al final confirma una persona, ¿qué hace la IA?» — reunir. Sin la tableta, alguien tendría que ir al terminal, buscar el número de serie y teclear resultado, versión de firmware y par de apriete. Con ella llega todo ya extraído y solo se confirma o corrige. Esa extracción previa es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]: la persona revisa, no reescribe.

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.