El conocimiento del supervisor ya no muere al final del turno

El problema

La línea de switchgear crece más rápido que la memoria de su supervisor.

Información crítica — que una estación acumula más retrabajo, que un técnico nuevo necesitará refuerzo — vive solo en la cabeza del supervisor y se pierde cuando termina la jornada, justo cuando la planta incorpora personal nuevo a ritmo acelerado.

• El supervisor sabe qué estación de cableado de control acumula retrabajo, qué técnico nuevo necesita a alguien al lado en el apriete de barras y qué celda lleva dos días esperando un breaker.
• No lo registra porque registrar significa soltar la herramienta, ir a un terminal y abrir el sistema, con la línea en marcha y tres técnicos preguntándole cosas.
• Lo que sobrevive es un traspaso de turno de palabra y alguna nota en un cuaderno. Al final de la jornada, ese conocimiento muere, y el turno siguiente vuelve a descubrir lo mismo.
• Y justo ahora, con la planta incorporando personal cada semana, es cuando más falta hace que lo aprendido en la línea quede capturado y llegue a quien entra.

Cómo encaja con el sistema IRIS

Connect en modo voz — «iLEAN, apunta» y la incidencia queda atada a la estación.

Connect modo voz con wake-word personalizada ("iLEAN, apunta"). Un modelo de lenguaje estructura el dictado como incidencia vinculada a la estación, orden y turno activos, y devuelve respuesta por voz o por push a una tableta de líder.

iLEAN escucha al supervisor, y solo cuando él lo activa con la palabra de arranque. No escucha la conversación de la línea ni sigue a nadie. Lo que gana el supervisor es no tener que recordar a las seis de la tarde lo que vio a las nueve de la mañana.

Ver la arquitectura IRIS completa →

Antes y después

La supervisión de la línea hoy frente a la supervisión dictada

Aspecto	Hoy	Con iLEAN Connect
Retrabajo en una estación de cableado	Lo sabe solo el supervisor	Registrado y atado a la estación
Técnico nuevo que necesita refuerzo	Se comenta de palabra	Queda anotado para el siguiente turno
Coste de apuntar una incidencia de línea	Soltar la herramienta e ir al terminal	Hablar caminando
Qué recibe el supervisor tras dictar	Nada	Confirmación por voz o en la tableta de líder
Cruce con los datos de calidad	Imposible	Con las incidencias del turno
Conversación entre técnicos de la línea	Fuera de cualquier sistema	Sigue sin registrarse

Conocimiento que muere al final del turno → entra al sistema en tiempo real y se cruza con datos vivos de calidad.

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.

• Sin payback propio: no le ponemos número porque su valor es estratégico y difícil de monetizar a priori; lo validamos con el responsable de manufactura de la línea de switchgear y UPS.
• La curva de aprendizaje del personal nuevo en plena rampa depende de que esta información quede capturada y llegue al siguiente turno.
• El conocimiento que hoy muere al final del turno entra al sistema en tiempo real y se cruza con los datos vivos de calidad.
• Y alimenta a los demás casos: una estación con retrabajo recurrente es la primera candidata para la cámara de cierre del caso 9, que así se instala donde de verdad hace falta.

Valor estratégico — la curva de aprendizaje del personal nuevo en plena rampa depende de que esta información quede capturada. *Difícil de monetizar a priori, estimación a validar con el responsable de manufactura.*

Y la duda razonable del responsable de producción

«¿Esto sirve para controlar a los técnicos?» — no: iLEAN escucha al supervisor, solo cuando él dice la palabra de arranque, y no hay escucha continua ni localización de nadie. Lo que hace es estructurar el dictado contra la estación, la orden y el turno activos, tarea anclada donde los mejores modelos bajan del 1,5% de error [1]. Y el supervisor ve el resultado antes de que cuente como incidencia.

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