El segundo trimestre de 2026 fue el mejor de la historia de Caterpillar: 20.500 millones de dólares en ingresos. La mayoría de los titulares hablan de sus generadores para centros de datos de IA, que crecieron un 72% hasta los 3.100 millones. Pero la historia que más debería importarte si tienes una empresa y estás pensando en implementar IA no está en las finanzas. Está en lo que la directora de tecnología, Jaime Mineart, explicó en la conferencia Ai4 de Las Vegas hace apenas unos días.

Dos décadas de automatización que nadie miró

Caterpillar lleva más de veinte años automatizando camiones de carga en minas de Australia y Chile. No camiones pequeños: vehículos de decenas de toneladas operando en terreno extremo, en zonas remotas donde la escasez de personal hace que la automatización no sea una opción estratégica sino una condición de supervivencia del negocio. Cuando no tienes operarios que quieran mudarse a 500 kilómetros del núcleo urbano más cercano, automatizas o cierras.

Lo interesante es lo que aprendieron en ese proceso. No en el sentido técnico —los ingenieros de Caterpillar son buenos en lo suyo— sino en el sentido de cuál es el problema de verdad al desplegar sistemas autónomos en un entorno real. Spoiler: no es el algoritmo.

El error que mata el 70% de los proyectos de IA: confundir el problema

Mineart lo dijo con una claridad que raramente escuchas de un CTO de una empresa del Fortune 100: «La parte difícil de la autonomía y de la IA física es incorporar esa tecnología al jobsite del cliente y a sus flujos de trabajo.»

Traducido al español llano: el modelo funciona. Integrarlo en cómo trabaja tu equipo, bajo tus condiciones reales, con tus operarios reales, con las excepciones que no estaban en el manual de entrenamiento… eso es donde falla casi todo. No porque la IA sea mala. Porque nadie rediseñó el proceso humano alrededor de ella.

Si llevas tiempo leyendo sobre proyectos de transformación digital fallidos, reconocerás el patrón: la empresa compra la herramienta, la instala, y seis meses después el equipo ha vuelto a usar Excel porque “la herramienta nueva da problemas”. El problema no era la herramienta. Era que nadie pensó en serio en cómo cambia el flujo de trabajo real cuando la introduces. Caterpillar tardó años en resolverlo en las minas. Y ahora está aplicando exactamente esa lección a sus agentes de IA corporativos.

El activo más valioso no es el modelo: son 16 petabytes de datos propios

El Cat AI Assistant —su primera aplicación de agentes IA desplegada con clientes reales— permite a un técnico de campo hacer consultas de voz para diagnosticar una máquina averiada, obtener procedimientos de reparación y listar piezas necesarias antes de abrir la carcasa. Funciona porque Caterpillar tiene algo que ningún competidor puede replicar en tres meses: 1,6 millones de activos conectados globalmente y más de 16 petabytes de datos estructurados acumulados durante décadas de monitorización.

Aquí hay una lección que muchas empresas pasan por alto. Cuando escuchas que «la IA es solo tan buena como los datos que la alimentan», suena a cliché de consultor. Pero Caterpillar es la prueba empírica de que esa ventaja competitiva basada en datos propios es real y, sobre todo, difícil de alcanzar si no empiezas a construirla ya. Ellos llevan décadas haciéndolo sin saber que algún día serviría para entrenar agentes de lenguaje. Resultó que sí.

Las empresas que ahora se preguntan «¿de dónde saco los datos para entrenar mi IA?» deberían estar preguntándose «¿qué datos estoy perdiendo hoy que me van a hacer falta en dos años?»

Los agentes de IA no eliminan al humano: lo reubican

En las minas donde Caterpillar opera, hay centros de mando remotos en ciudades a 1.500 kilómetros de distancia desde los que técnicos supervisan flotas enteras de camiones autónomos. El operario de minería del futuro no lleva casco; lleva auriculares y trabaja frente a pantallas. El rol no desapareció. Se transformó radicalmente.

La empresa ha comprometido 100 millones de dólares en cinco años para formar a sus 118.000 empleados en IA, autonomía y robótica. Es más que el presupuesto de formación de la mayoría de las empresas tecnológicas puras. Para una compañía industrial que durante décadas formó operarios en el manejo físico de maquinaria, el salto conceptual es enorme. Y lo están haciendo igualmente.

Hay un detalle que me parece especialmente inteligente: los mejores formadores para los nuevos técnicos de supervisión remota no son los ingenieros de software que diseñaron los sistemas autónomos. Son los operarios con más años de experiencia física en la máquina. El conocimiento tácito —saber que algo va mal porque el sonido es extraño— es el dato de entrenamiento más valioso. Caterpillar lo está capturando sistemáticamente antes de que se jubilen esas personas. La mayoría de empresas no hace eso, y es un error caro.

Gartner dice que el 40% de las apps empresariales tendrán agentes IA este año. ¿Tu empresa está en ese 40%?

Según análisis de Gartner publicados este año, el 40% de las aplicaciones empresariales integrarán agentes de IA especializados antes de que acabe 2026, frente a menos del 5% en 2024. El crecimiento de la IA agéntica —sistemas que no solo analizan sino que actúan de forma autónoma para lograr objetivos— se estima en más de 8 veces en este año.

Y los resultados donde se ha desplegado con seriedad son concretos. Klarna gestionó el equivalente al trabajo de 853 empleados con un agente de IA y ahorró 60 millones de dólares. Vodafone automatizó 10 millones de interacciones mensuales con clientes y recortó costes en 680 millones de euros al año. JPMorgan tiene más de 450 casos de uso de IA en producción diaria. Estos no son proyectos piloto. Son producción real.

La pregunta no es ya “¿debería mi empresa usar IA?”. Esa conversación se cerró. La pregunta ahora es “¿cómo integro esto en mis procesos reales sin que mi equipo lo ignore seis meses después?”. Y ahí es exactamente donde Caterpillar lleva veinte años acumulando respuestas que el resto del mercado está empezando a hacerse.

La lección práctica que pocas empresas están sacando

Si tuviese que resumir lo que Caterpillar ha demostrado, sería esto: la automatización con IA no es un problema de software. Es un problema de rediseño organizativo. El modelo es la parte fácil. La parte difícil es que tus procesos, tus personas y tus flujos de trabajo estén listos para trabajar con él en lugar de contra él.

Eso requiere dos cosas que pocas empresas hacen bien juntas: datos propios de calidad acumulados con disciplina, y una estrategia real de cambio organizativo que no consista en “instalar la herramienta y ya”. Caterpillar invirtió décadas en la primera y 100 millones en la segunda. La escala no es comparable con una pyme, evidentemente. Pero el principio es exactamente el mismo.

Si quieres empezar por donde más impacto hay —y antes de que la brecha entre las empresas que ya operan con agentes IA y las que no se vuelva difícil de cerrar— el punto de entrada es entender qué datos tienes hoy, qué procesos repetitivos están consumiendo tiempo de tu equipo, y cuál es el flujo de trabajo concreto donde un agente podría actuar. No hace falta una mina en Australia. Hace falta criterio y un punto de partida claro.

En DAVMAC trabajamos exactamente eso con empresas que quieren dejar de hablar de IA en abstracto y empezar a aplicarla en sus procesos reales.