He pasado más de 25 años cerca de máquinas industriales: escribiendo firmware, diseñando hardware, depurando conectividad en lugares donde no había ninguna. Durante casi todo ese tiempo las reglas fueron estables. Construías una máquina mejor que la de tu competidor, le ponías un precio justo y ganabas. Los ingenieros con los que crecí dominaron esas reglas. Muchos de ellos dirigen empresas tradicionales hoy.
En algún momento de la última década las reglas cambiaron, con el suficiente sigilo para que muchas buenas empresas no lo notaran. Recuerdo la primera vez que lo vi de cerca. Un fabricante que conocía tenía el mejor producto de su categoría según todos los criterios que solían importar: precisión y calidad de construcción. Perdió un contrato grande frente a un competidor cuya máquina era peor. La máquina del competidor reportaba todo lo que hacía, cada hora, desde cada planta. El comprador ya no comparaba máquinas. Comparaba lo que podía aprender de ellas.
La tenaza sobre las empresas tradicionales
Las empresas tradicionales están atrapadas en una tenaza por dos lados. Los fabricantes de hardware que nunca fusionan sus productos con datos se vuelven commodity, y sus máquinas se convierten en cajas intercambiables que compiten solo por precio. Del otro lado, los gigantes del software que rondan esos mercados no tienen la física del dominio: el conocimiento de ingeniería que décadas construyendo productos reales depositan dentro de una empresa. Un fabricante de hardware que suma datos gana un foso que el software solo no cruza. He visto cerrarse las dos mitades de esa tenaza, empresa tras empresa. Lo que hace falta no es otro dashboard. Lo que hace falta es un camino que vaya de vender máquinas a vender lo que las máquinas saben.
El mapa más claro de ese camino que he encontrado es Fusion Strategy: How Real-Time Data and AI Will Power the Industrial Future (Harvard Business Review Press, 2024), de Vijay Govindarajan y Venkat Venkatraman. Su argumento es directo: las empresas industriales ganan la próxima era no fabricando mejores máquinas, sino fusionando productos físicos con datos en tiempo real, creando negocios que las empresas puramente de software no pueden copiar. Coincidía con lo que yo venía viendo en campo desde hacía años.
Tu producto ya tiene un datagraph
Google tiene un grafo de búsqueda. Meta tiene un grafo social. Govindarajan y Venkatraman sostienen que toda empresa industrial puede construir su propia versión: un datagraph, el mapa vivo de cómo se comportan realmente los productos de una empresa en el mundo real, en miles de clientes, todos los días.
John Deere es el ejemplo estrella del libro. Su sistema See & Spray pone cámaras e IA en la pulverizadora, así que la máquina distingue maleza de cultivo en tiempo real y pulveriza solo la maleza. Los agricultores recortan bastante su uso de herbicida, la máquina se paga con el químico ahorrado, y Deere puede cobrar por el valor entregado por hectárea en lugar de vender un tractor y marcharse. El modelo de negocio mismo cambió.
La máquina ya no es el producto. La máquina es el sensor, el datagraph es el activo, y el resultado es el producto.
Quien posee esos datos y aprende de ellos fija las condiciones del sector. La máquina es el medio para recogerlos.
Los cuatro pasos de la fusión
Los autores describen un ascenso que toda empresa de hardware puede intentar. Cada peldaño cambia lo que la empresa vende y cuánto de su valor viene de los datos. He conocido empresas en cada uno de estos peldaños.
La escalera de arriba está adaptada de Fusion Strategy (Govindarajan y Venkatraman, 2024).
Fusion Products son máquinas con sensores y conectividad que mejoran con los datos que recogen. Aquí está la mayoría de las empresas que encuentro hoy. Muchas veces la conectividad entró porque el pliego de un cliente la exigía, y los datos ahora caen en una base que nadie abre.
Fusion Services cuelgan del producto ofertas basadas en datos, como predecir una falla antes de que ocurra. Un fabricante de equipos con el que trabajamos empezó con una sola alerta: avisar al cliente cuando un compresor se sale de su perfil normal de vibración. Esa alerta se convirtió en un plan de monitorización pagado, y ese plan hoy se renueva mejor de lo que jamás se renovó la garantía del hardware. Es una de las fuentes de ingresos que la mayoría de los fabricantes se pierde.
Fusion Systems conectan productos y flotas para que aprendan de los datos de muchos clientes. Un operador de cadena de frío ve un camión. Un fusion system ve cada camión en cada ruta, y empieza a responder preguntas que ningún cliente por su cuenta podría plantear.
Fusion Solutions están en la cima de la escalera: vender el resultado que los datos habilitan, no el equipo. Disponibilidad en lugar de bombas. Una cadena de frío verificable en lugar de registradores de temperatura.
La mayoría de las empresas de hardware se atasca en los dos primeros peldaños. En mi experiencia, lo que frena rara vez es la ambición. Es la infraestructura: recoger los datos de forma fiable a escala de flota y convertirlos en algo por lo que un cliente pague. Ese trabajo no tiene brillo, y es el que decide quién sube.
Lo que les digo a las empresas tradicionales
En TagoIO trabajamos con fabricantes de hardware en más de 130 países, y tengo alguna versión de esta conversación cada semana. El consejo no ha cambiado mucho en años.
Empieza más pequeño de lo que resulta cómodo. Elige una línea de producto y una pregunta que los datos podrían responder para tu cliente, y entrega eso. El datagraph crece con el uso, y la primera respuesta por la que un cliente paga enseña más que un proyecto de plataforma de dos años.
Respeta el activo que ya tienes. Tu conocimiento del dominio es el foso. Una startup de software alquila servidores en la nube en una tarde; no alquila treinta años de saber cómo se comportan tus máquinas en un verano brasileño o en un invierno canadiense. La fusión funciona porque la física y los datos pertenecen a la misma empresa: la tuya.
Y no confundas la tubería con el objetivo. Recoger, almacenar y mover datos de dispositivos es un problema resuelto; plataformas como la nuestra existen exactamente para eso. El problema sin resolver, el único en el que solo tú puedes trabajar, es decidir qué vende tu empresa en la cima de la escalera.
Dónde encaja la IA, y qué todavía no sé
La IA sube el techo de cada peldaño de esta escalera. La predicción de fallas que antes exigía un equipo de ciencia de datos hoy sale como funcionalidad. Los datos de flota que quedaban sin leer se pueden interrogar en lenguaje natural. Construimos para esto todos los días en el área de IA de TagoIO, y espero que la IA ayude a las empresas tradicionales a subir más rápido que cualquier cosa que haya visto en mi carrera.
También quiero nombrar un reto que no he resuelto: la escala en nichos estrechos. Un modelo entrenado con miles de tractores se vuelve listo rápido. Un nicho con unos cientos de máquinas especializadas en campo genera valor real para sus clientes, pero puede que nunca produzca el volumen de datos que hace obvia la economía de la IA. Cómo escalan esos nichos sus datagraphs es una pregunta con la que convivo cada semana. Todavía no tengo la respuesta, y desconfío de quien dice tenerla.
La ventana está abierta, por ahora
Govindarajan y Venkatraman cierran con un punto con el que todo líder de una empresa tradicional debería sentarse: esta transformación no se puede delegar. El ascenso cambia lo que la empresa vende, y solo el director ejecutivo puede cambiar eso. En mis décadas en este sector, cada iniciativa de datos que se atascó estaba patrocinada dos niveles por debajo de lo necesario.
Alguna empresa de tu sector construirá su datagraph primero y fijará las condiciones para todas las demás. Después de años viendo máquinas excelentes perder frente a máquinas que aprenden, ya no abro conversaciones preguntando a los ejecutivos si su producto le gana al del competidor. Hago la pregunta que este libro me enseñó a hacer: ¿cuál es el datagraph de tu producto?
La respuesta, dibujada
Es justo devolverme la pregunta, así que cerraré dibujando dos respuestas. La primera viene directo del libro. El datagraph de Deere no es la pulverizadora; es lo que se acumula detrás de la flota.
Cada finca alimenta el mismo grafo, y el grafo vuelve a cada pulverizadora más lista de lo que cualquier finca aislada podría.
La segunda es un producto que encuentro cada semana: el compresor industrial. Ninguna planta por su cuenta puede construir este grafo. El fabricante sí, porque ve cada unidad que ha despachado. El mismo dibujo sirve para la detección de fugas en edificios, los contadores de agua o cualquier máquina que viva lejos de quien la hizo.
Un compresor aislado enviando vibración es un gráfico. Miles de compresores en muchas plantas se convierten en firmas de falla y líneas base que solo el fabricante puede construir.
Dibuja esto para tu propio producto. La columna de la izquierda es lo que ya vendes. La columna de la derecha es lo que tus clientes realmente quieren comprar. La columna del medio es donde vive la próxima década de tu empresa.
