Nada entra al sistema central sin que un humano lo valide

El problema

En equipo de misión crítica, un dato mal entrado acaba instalado en un centro de datos.

El miedo de que la IA "meta datos por su cuenta y luego haya que limpiar el master ERP" es el principal freno cultural en una planta de equipo de misión crítica, donde un dato mal entrado puede acabar en una unidad instalada en un centro de datos.

• El freno principal no es técnico: es el miedo a que la IA meta datos por su cuenta y luego haya que limpiar el maestro del ERP, con todo lo que cuelga de él: listas de materiales, órdenes, certificados y envíos.
• En una fábrica de switchgear un rating equivocado, un lote de breaker mal asignado o una prueba dieléctrica mal registrada no se quedan en el sistema: viajan con la unidad hasta el centro de datos.
• La alternativa que muchas plantas eligen es no capturar nada automáticamente, y entonces el dato llega tarde, incompleto o no llega. Y el miedo inicial queda justificado por la vía contraria: el sistema se queda sin datos.
• Ninguna de las dos opciones se defiende delante de un cliente hyperscale que pregunta, en pleno FAT, quién validó qué y cuándo.

Cómo encaja con el sistema IRIS

Verificación humana temprana — la tableta de línea es la puerta de entrada al ERP.

Connect modo verificación humana temprana. Cuando iLEAN parsea un traveler, cuando el supervisor dicta una incidencia, cuando llega un aviso de proveedor — todo aparece en la tableta de línea como un resumen visual de 2 segundos. El técnico confirma con dos toques: ✓ entra al ERP, ✏️ corregir antes de entrar.

Es la pieza que hace firmables las otras once. Sin ella, nadie en una planta de equipo crítico aprueba que una IA escriba en el ERP; con ella, cada dato tiene un humano con nombre que lo vio antes de que contara. Por eso se despliega junto al primer caso, no después.

Ver la arquitectura IRIS completa →

Antes y después

El dato de la unidad hoy frente al dato confirmado en tableta

Aspecto	Hoy	Con iLEAN
Rating o lote de breaker mal entrado	Viaja con la unidad	Se corrige antes de entrar
Autor del dato en el ERP de la planta	Quien teclea después	Quien confirma en la línea
Captura frenada por miedo a ensuciar el ERP	Frecuente	Capturada y validada
Tiempo del traveler al ERP	Horas o días	Segundos tras los dos toques
Lo que corrige el técnico en la tableta	No queda rastro	Guardado con su nombre
Escritura autónoma de la IA	Lo que todos temen	Imposible por arquitectura

Dato sin validar contaminando el ERP o dato no capturado por desconfianza → dato capturado y validado con latencia de segundos, master limpio.

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: es la pieza habilitante de toda la matriz y no la monetizamos por separado, para no contar dos veces el mismo retorno.
• Sin ella, las otras once piezas no se firman en una planta que fabrica switchgear, UPS y PDU para centros de datos.
• Del dato sin validar contaminando el ERP, o del dato no capturado por desconfianza, a dato validado con latencia de segundos y maestro limpio.
• Y cada corrección queda guardada con su autor, que es exactamente lo que se enseña cuando un cliente audita y pide ver quién confirmó cada dato de su unidad.

Valor estratégico — pieza habilitante de toda la matriz iLEAN; sin ella, las otras 11 piezas no se firman en una planta de equipo crítico. *No monetizable directamente.*

Y la duda razonable del responsable de producción

«Si al final confirma una persona, ¿qué hace la IA?» — reunir. Lee el traveler, el dictado o el aviso, y lo presenta resumido en dos segundos; esa extracción es tarea anclada, donde los mejores modelos bajan del 1,5% de error [1]. El técnico ya no busca ni teclea: confirma o corrige con dos toques, y cada corrección enseña al sistema dónde falla su lectura.

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