El auge de la supertecnología

IA, robótica y el fin de la experticia

por Yuval Valiano-Rips

Este artículo fue presentado en el Simposio Internacional de Ascensores y Escaleras Mecánicas 2025 en Buenos Aires, Argentina.

Resumen

La industria del transporte vertical (TV) se encuentra en una encrucijada. La IA y la robótica ya no son innovaciones secundarias; juntas, están transformando la industria de los ascensores y redefiniendo la necesidad de experiencia profesional en el sector, desde técnicos de servicio hasta inspectores de seguridad. Este artículo analiza si la IA creará «supertécnicos» capaces de diagnosticar y resolver problemas en segundos, y si la revolución de la robótica y la IA acabará eliminando por completo la necesidad de expertos humanos.

Exploraremos casos de uso reales a través de Colors.AI, una plataforma de asistencia técnica basada en IA que transforma décadas de experiencia en servicio e inspección en un asistente contextual de acceso instantáneo. Mediante la Generación Aumentada por Recuperación (RAG) y bases de conocimiento específicas de cada empresa, estas nuevas herramientas de IA ofrecen orientación precisa y fiable sobre el terreno, mejorando drásticamente la precisión del diagnóstico, aumentando la tasa de resolución de problemas en la primera visita, reduciendo las visitas repetidas y optimizando el cumplimiento de las normas de seguridad.

Más allá de la asistencia de la IA, del mismo modo que las tecnologías de IA están alcanzando niveles de capacidad cognitiva humana, las tecnologías robóticas se aproximan rápidamente al rendimiento humano en el mundo físico. La convergencia de estos dos avances marcará un punto de inflexión para la industria de la verificación técnica, permitiendo que los sistemas realicen tareas de mantenimiento e inspección sin intervención humana. Esta fusión de capacidades cognitivas y físicas impulsará cambios que alterarán fundamentalmente la necesidad de personal en el sector, planteando interrogantes cruciales sobre la formación, la certificación, el cumplimiento normativo y el panorama laboral a largo plazo. ¿Será la IA la herramienta definitiva para técnicos e inspectores, o la fuerza que los vuelva obsoletos? Este documento invita a la comunidad de verificación técnica a abordar esta cuestión directamente.

1. Introducción: De las palabras de moda a un verdadero cambio tecnológico.

Durante la última década, la industria de los ascensores ha servido de banco de pruebas para prácticamente todas las innovaciones tecnológicas más novedosas del sector. Cada oleada llegó con entusiasmo, cada una prometía una revolución y la mayoría ofreció un progreso constante, aunque gradual.

Conectividad de Internet de las cosas (IoT) was the first great hope. Cloud-linked controllers and sensors allowed service teams to see live performance metrics and detect anomalies remotely. Otis' ONE^{[ 1 ]} platform and TK Elevator's MAX^{[ 2 ]} La pila de servicios proporcionó a la industria su primer contacto con la capacidad predictiva.

Luego vino gemelos digitales, with KONE's traffic-simulation^{[ 3 ]} Los modelos marcaban la pauta. Estas réplicas virtuales permitían a los ingenieros probar nuevas configuraciones y estrategias de mantenimiento antes de intervenir en un sistema real. La tecnología era —y sigue siendo— potente, pero se limitaba principalmente a la planificación y la optimización, más que al trabajo de campo diario.

Entonces vino realidad aumentada (AR) y realidad virtual (VR).^{[ 4 ]} La idea de que un técnico pudiera usar gafas de realidad mixta, visualizar diagramas en 3D y recibir orientación remota de un ingeniero sénior prometía democratizar el conocimiento especializado. Sin embargo, su adopción en la práctica fue más lenta. El costo, la usabilidad y la resistencia cultural impidieron su implementación a gran escala.

La última ola previa a la IA fue mantenimiento predictivo algorithms, analyzing telemetry data to flag door cycles or motor temperatures that were trending toward failure. Useful, measurable, but bounded by the limits of pattern recognition and sensors' limitations rather than true understanding and full hands-on sensing.

Cada una de estas innovaciones aportó valor, pero siguió siendo evolutiva, no revolucionaria. La IA y la robótica, en conjunto, son diferentes. No se limitan a mejorar el trabajo humano, sino que redefinen sus límites. Donde el IoT conectaba máquinas, la IA conectaba el conocimiento; donde la robótica ejecutaba movimientos, la IA proporcionaba intención mediante la comprensión. Esta convergencia marca una transformación estructural que afectará a todos los segmentos de la industria, desde los fabricantes de equipos originales multinacionales hasta las pequeñas empresas de servicios familiares cuyos ingenieros han dominado el oficio durante mucho tiempo.

2. El auge de la supertecnología: la IA como cerebro del técnico.

La primera fase visible de esta transformación ya está en marcha: el auge del Supertécnico, un técnico cuyo alcance cognitivo va mucho más allá de la experiencia personal y las capacidades técnicas. En los próximos cinco años, los copilotos de IA se convertirán en compañeros habituales en el mantenimiento y la inspección, transformando a cada técnico en un nodo ambulante de inteligencia institucional.

Plataformas como la desarrollada por una startup emergente llamada Colors.AI^{[ 5 ]} representan los primeros pasos en esta dirección. Colors.AI crea agentes de IA personalizados que utilizan la arquitectura RAG[6] para garantizar que cada respuesta que proporciona la IA provenga de fuentes verificadas (manuales de servicio, registros de inspección y boletines técnicos) en lugar de la memoria generalizada de un modelo de lenguaje grande (LLM).^{[ 8 ]} En industrias como la de los ascensores, donde la desinformación puede comprometer la seguridad, esta distinción es fundamental. Una IA basada en RAG recupera primero los documentos relevantes y luego elabora una respuesta a partir únicamente de esos textos e imágenes fidedignos. El resultado es un asistente capaz de razonar contextualmente sin dejar de basarse en hechos. Cuando un técnico de campo pregunta sobre un error en un sensor de puerta, la IA encuentra una solución en la documentación del controlador y los registros de servicio pertinentes, eliminando las conjeturas de la IA, a las que denomina «alucinaciones».^{[ 9 ]} — cuando el LLM dice cosas con total confidencialidad, en realidad son sus propias alucinaciones, desprovistas de cualquier base fáctica.

La misma lógica se aplica a las inspecciones de seguridad. Los copilotos de IA pueden apoyar a los inspectores certificados generando automáticamente listas de verificación de inspección específicas para cada sitio, analizando fotos o lecturas de sensores para identificar posibles anomalías y estandarizando los formatos de informes en todos los sitios. Esto aumenta la coherencia, reduce el error humano y mejora el cumplimiento normativo, especialmente cuando se combina con agentes de IA bien entrenados y RAG.

This architecture transforms the nature of expertise itself. Knowledge no longer vanishes when an engineer retires or changes companies — it becomes an accessible digital corpus. Smaller family-run businesses, often rich in experience but short on data infrastructure, stand to gain the most. A chief engineer's lifetime of insight can be indexed once and made accessible to every technician, any time, in any building. The senior engineers become mentors to the AI simply by talking to it, curating and correcting its understanding — while junior technicians gain instant and precise access to the seniors' expertise in the field.

In practice, this shift democratizes expertise without diminishing it. A well-trained AI copilot reduces the number of repeated visits, increases first-time-fix rates and accelerates training cycles for new staff. The technician remains central — interpreting sensor data, validating AI suggestions and ensuring safety, but now works with a tool that mirrors the company's collective mind.

¿Es esta la última fase en la que el ser humano todavía sostiene la llave inglesa, o la primera en la que la llave inglesa finalmente piensa con nosotros?

3. La toma del poder por los humanoides: robots en la sala de máquinas

Si la revolución de Supertech le da a la industria sus cerebros, la próxima ola le dará manos. En todo el mundo, el campo de la robótica humanoide está avanzando a una velocidad sin precedentes. Empresas como Agility Robotics,[10] Tesla-Optimus,^{[ 11 ]} IA Santuario,^{[ 12 ]} dinámica de boston,^{[ 13 ]} Figura IA^{[ 14 ]} y muchos más están construyendo robots diseñados para realizar tareas físicas similares a las humanas: mantener el equilibrio, agarrar, levantar y desplazarse por espacios irregulares.

Estos avances no son especulativos; las demostraciones piloto muestran robots manejando herramientas, caminando y trepando por terrenos irregulares y manipulando componentes industriales. En el contexto de los ascensores, los humanoides podrían inspeccionar huecos, reemplazar sensores, apretar fijaciones o realizar tareas de lubricación y limpieza, todo ello sin exponer a los humanos a condiciones confinadas o peligrosas. Donde hoy un inspector debe acceder físicamente a una sala de máquinas o foso, mañana un robot podría realizar la misma operación con una supervisión remota mínima.

The key enabler is convergence: The same AI systems that guide Supertechs will train these robots. Machine vision, sensor fusion and reinforcement learning now allow robots to interpret elevator components visually, recognizing panels, fasteners and cables with growing precision. While far from perfect, this capability is evolving faster than many expected — propelled by AI's rapid cognitive improvements and robotics' incremental mechanical gains.

Esto representa la segunda fase de la transformación industrial: de humanos aumentados a actores autónomos. A corto plazo, los robots apoyarán a los técnicos, no los reemplazarán, actuando como asistentes móviles u ojos remotos en entornos peligrosos o de difícil acceso. A medida que mejoren su autonomía y fiabilidad, irán asumiendo gradualmente la ejecución física, dejando a los humanos a cargo de la supervisión, el juicio y la gestión de excepciones.

4. La era de la metatecnología: del trabajo práctico a la supervisión de sistemas.

Más allá de la Supertecnología se encuentra la Metatecnología: un rol que podría tardar una década en integrarse por completo en la industria (2035-2040). Mientras que la Supertecnología trabaja con IA, la Metatecnología gestiona la IA y la robótica. Su tarea principal no será la mecánica, sino la orquestación de flotas enteras de sistemas autónomos desde centros de control centralizados.

En este modelo, un técnico especializado en metadatos supervisa paneles que muestran información en tiempo real de múltiples ascensores, inspecciones robóticas y alertas predictivas. Cuando se produce una anomalía, decide si permitir que la IA la corrija, enviar un robot, a un operario o acceder a la zona mediante gafas de realidad aumentada. Sigue siendo el garante ético y normativo, asegurando que la automatización nunca comprometa la seguridad. Es un rol que exige un profundo conocimiento técnico, una gran capacidad de percepción situacional y la habilidad para tomar decisiones basadas en los valores de la empresa y los personales.

Esta transformación no ocurrirá de la noche a la mañana. Requerirá que la regulación se adapte, que los marcos de responsabilidad maduren y que la confianza se genere gradualmente. Así como el mantenimiento predictivo tardó años en pasar de la fase piloto a la práctica, la plena implementación de Meta-Tech llevará una década o más en integrarse en las operaciones diarias. Una vez establecida, redefinirá el significado de la experiencia en tecnología de vanguardia, pasando de la intuición mecánica al control sistémico.

5. ¿Qué podría retrasar este futuro (no demasiado lejano)?

El camino desde el asistente de IA hasta la autonomía robótica no será fácil. Varias categorías de limitaciones pueden retrasar su adopción:

• Inercia regulatoria. Los estándares de seguridad evolucionan lentamente. La certificación para tareas de mantenimiento robótico o con IA requerirá nuevos marcos de prueba y una clara definición de responsabilidades. En un ámbito donde la seguridad de las personas es primordial, es comprensible que los reguladores quieran extremar las precauciones.
• Fricción económica. El desarrollo y la implementación de robots humanoides requieren una gran inversión de capital. Para las pequeñas empresas de servicios con márgenes reducidos, el retorno de la inversión puede no justificar la adopción temprana.
• Resistencia de la fuerza laboral. Es posible que, en un principio, los técnicos perciban la automatización como una amenaza en lugar de una herramienta. Sin una comunicación clara y programas de capacitación, la integración se estancará.
• Limitaciones técnicas. Al momento de escribir este artículo, aún no se ha logrado una verdadera Inteligencia Artificial General (IAG). Los sistemas de IA actuales son especialistas limitados, excelentes en recuperación y predicción, pero deficientes en el razonamiento contextual correcto en situaciones desconocidas. La robótica se enfrenta a un obstáculo aún mayor: la densidad energética. La tecnología de baterías aún no ha alcanzado los niveles necesarios para una movilidad de alta potencia durante todo el día. La mayoría de los humanoides siguen conectados por cable o limitados por recargas frecuentes. La variabilidad ambiental dentro de los huecos de los ascensores, las vibraciones, el polvo y las tolerancias estrictas exigen diseños robustos que aún se encuentran en las primeras fases de prueba.

Por estas razones, la revolución de la IA (basada en software, escalable y sin fricciones) avanzará mucho más rápido que la robótica (basada en hardware, regulada y física). La IA ya está presente; los humanoides tardarán algunos años más en madurar; la integración de la metatecnología tardará una década en incorporarse plenamente a la práctica diaria.

6. Hoja de ruta para las empresas de ascensores (2025-2040)

El proceso para lograr una fuerza laboral híbrida humano-máquina puede visualizarse en cuatro fases superpuestas:

1. Integración de IA (2025–2028): Conectar flotas a plataformas en la nube y ampliar el IoT para ascensores antiguos. Implementar agentes de IA basados ​​en RAG como copilotos de los técnicos. Comenzar a digitalizar manuales e informes de inspección para su uso con IA. Capacitar a los técnicos en diagnósticos asistidos por IA.
2. Expansión de Supertech (2028–2032): Estandarizar la guía de IA en todas las operaciones de campo. Capturar el conocimiento institucional de los ingenieros sénior antes de su jubilación. Establecer “comités de precisión de IA” para validar los resultados y registrar los errores.
3. Operaciones híbridas (2030-2036): Implementar sistemas piloto de asistencia robótica para inspección, limpieza y recopilación de datos. Poner en marcha protocolos de supervisión remota y controles de aprobación humana.
4. Transición Meta-Tecnológica (2036–2040): Construir centros de mando remotos donde ingenieros experimentados supervisen flotas autónomas. Desarrollar nuevos programas de capacitación para roles Meta-Tecnológicos que combinen mecánica, conocimientos de IA y supervisión de sistemas.

7. Conclusión – Más allá de la caja de herramientas

The elevator industry's mission has never changed: to move people safely and reliably. What is changing is how that mission is achieved. AI and robotics will not erase expertise — they will erase guesswork. The winners of this new era will be those who pair connected assets, explainable AI and human judgment into a continuous, auditable ecosystem. The technician of tomorrow will be part mechanic, part analyst and part collaborator with machines that never forget. A decade later, Meta-Techs will emerge as conductors of symphonies composed of AI, sensors and humanoid robots.

El ascensor siempre ha simbolizado el ascenso. En las próximas décadas, la profesión que lo mantiene también ascenderá: pasando de la artesanía manual al dominio digital, garantizando que el mundo vertical siga siendo seguro e inteligente.

Referencias

[1] Otis Worldwide Corp., Descripción general del mantenimiento predictivo Otis ONE, otis.com/en/us/products-services/otis-signature-service/otis-one

[2] TK Elevator, plataforma de mantenimiento inteligente MAX, digital.brochure.tkelevator.com/en-us/brochure/max-smart-maintenance/max-2

[3] KONE Corp., Desarrollo de gemelos digitales para la optimización del flujo de personas. kone.co.id/en/stories-and-references/stories/developing-digital-twin-with-rockstar-mindset.aspx

[4] AR Genie, Reparando una avería de ascensor con tecnología de realidad aumentada, argenie.ai/blogs/fixing-a-critical-elevator-maintenance-breakdown-at-a-premier-office-complex-with-ar-technology

[5] Colors.AI, Sitio web oficial colores-ai.com

[6] Rick Merritt, NVIDIA, ¿Qué es la generación aumentada por recuperación, también conocida como RAG? blogs.nvidia.com/blog/what-is-retrieval-augmented-generation/

[7] Holzinger, A., ¿Sigue siendo posible la supervisión humana de los sistemas de IA? researchgate.net/publication/387032069_Is_Human_Oversight_to_AI_Systems_still_possible

[8] Amazon AWS, ¿Qué son los modelos de lenguaje grandes (LLM)? aws.amazon.com/what-is/large-language-model/

[9] Wan Zhang. et al., Mitigación de alucinaciones para modelos de lenguaje grandes aumentados con recuperación, mdpi.com/2227-7390/13/5/856/pdf

[10] Agility Robotics, DIGIT: robot humanoide implementado comercialmente, agilityrobotics.com

[11] Tesla, Robot Optimus, en.wikipedia.org/wiki/Optimus_(robot)

[12] Santuario IA, Robótica de propósito general, sanctuary.ai/blog/sanctuary-ai-controlling-advanced-hydraulic-hands

[13] Boston Dynamics, El nuevo estándar para inspecciones industriales, bostondynamics.com/solutions/inspection/

[14] Figura AI, “Introducción a la figura 03”, figura.ai/noticias/introducción-figura-03

Todas las imágenes de este artículo son propiedad del autor y fueron generadas con la ayuda de ChatGPT de OpenAI (modelo GPT-5), 2025.