1

El impacto de la inteligencia artificial en la ingeniería

industrial enfocada en la automatización de procesos
Grecia Jiménez Sánchez, Universidad Iberoamericana

actualizado sobre las tecnologías de IA y casos de éxito

Abstract—This paper examines the benefits and challenges of ayudando a mejorar la eficiencia y la toma de decisiones.
implementing artificial intelligence (AI) in the automation of Asimismo, es crucial comprender su impacto en el mercado
industrial processes. While AI offers significant improvements in
laboral para una implementación responsable y alineada con
efficiency, decision-making, and process optimization, its adoption
is often hindered by high initial investment costs and the need for los avances tecnológicos.
specialized workforce training. Particular emphasis is placed on the
transformative role of AI in supply chain management, where it
enhances logistics, inventory control, and production planning.
According to a study by Accenture, AI integration can reduce II. FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL
logistics costs by up to 15%. The paper concludes by underscoring
the importance of developing strategic policies to address potential La IA se refiere a sistemas informáticos diseñados para
disruptions in the labor market caused by the widespread adoption realizar tareas que normalmente requieren inteligencia
of automation technologies. humana, como el aprendizaje, el razonamiento y la resolución
Index Terms—Artificial intelligence, automation, industrial de problemas. Según Russell y Norvig, la IA busca crear
engineering, machine learning, predictive maintenance, supply máquinas que puedan pensar, razonar y aprender, imitando las
chain management. capacidades cognitivas humanas [1]. Como se menciona en la
figura 1, se utiliza Machine Learning.
I. INTRODUCTION

L La ingeniería industrial ha evolucionado con el

tiempo, adaptándose a las innovaciones tecnológicas.
La incorporación de la inteligencia artificial representa
una de las transformaciones más significativas, permitiendo
automatizar procesos que anteriormente dependían
exclusivamente del juicio humano. Esta investigación tiene
como objetivo explorar cómo la IA ha impactado la eficiencia,
la toma de decisiones y los sistemas productivos en este
campo.

A diferencia de los sistemas tradicionales de

automatización, que operan bajo reglas fijas preprogramadas,
los sistemas de IA tienen la capacidad de aprender a partir de
grandes volúmenes de datos, identificar patrones complejos y Fig. 1. Esquema generalizado sobre Machine Learning
adaptarse en tiempo real a condiciones cambiantes. Esta [2].
característica permite no solo ejecutar tareas de forma más
eficiente, sino también anticipar problemas, reducir tiempos A medida que la IA sigue evolucionando, se espera que su
muertos y mejorar la calidad de los productos. El punto impacto en la ingeniería industrial se amplíe aún más. Los
principal de la Industria 5.0 es la colaboración entre humanos avances en la IA generativa y la inteligencia autónoma abren
y tecnologías avanzadas. Esta investigación analiza el impacto nuevas oportunidades para la creación de fábricas inteligentes
de la Inteligencia Artificial (IA) en la automatización y que operen con mínima intervención humana. Según un estudio
optimización de procesos industriales dentro del contexto de la de McKinsey, se espera que la IA continúe transformando la
Industria 5.0. Su utilidad radica en ofrecer un panorama productividad industrial y conduzca a un aumento en la
eficiencia operativa de hasta un 30% en los próximos 10 años
[3].
Este trabajo fue redactado para la materia “Metodologia de la investigación”
impartida en la Universidad Iberoamericana México – Tijuana. A pesar de sus numerosos beneficios, la adopción de la IA en la
Jiménez Grecia, Universidad Iberoameriana Tijuana (e-mail: industria presenta desafíos significativos. La implementación
AL152365@[Link]). exitosa de tecnologías de IA requiere de una infraestructura
robusta y la integración de sistemas antiguos con nuevas
 2

plataformas. Además, la necesidad de capacitación del capaces de adaptarse a cambios en el proceso de fabricación,
personal en el uso y mantenimiento de estas tecnologías es un lo que permite una producción más personalizada y con
factor crítico. Según un informe de PwC, el 54% de las menos errores.
empresas cree que la falta de habilidades técnicas es el
principal obstáculo para la adopción de la IA [4]. Además, la
implementación de la IA puede generar preocupaciones éticas, El mantenimiento predictivo es otra de las áreas clave en la
como la posible pérdida de empleos debido a la automatización que la IA está transformando la automatización industrial. A
y la toma de decisiones basada en algoritmos sin intervención través de la recopilación y análisis de datos de sensores
humana. ubicados en las máquinas, los algoritmos de IA pueden
predecir cuándo un equipo está por fallar, lo que permite a
A. Abbreviations and Acronyms
las empresas realizar mantenimiento preventivo y evitar
IA – Inteligencia Artificial paradas no planificadas. Esto no solo reduce el tiempo de
ML – Machine Learning (Aprendizaje Automático) inactividad, sino que también disminuye los costos asociados
I4.0 – Industria 4.0 con reparaciones imprevistas. Según Zhang et al., la
I5.0 – Industria 5.0 implementación de sistemas de mantenimiento predictivo con
PdM – Predictive Maintenance (Mantenimiento Predictivo) IA puede reducir los costos de mantenimiento en un 25% a
ANN – Artificial Neural Networks (Redes Neuronales 30% [8].
Artificiales)

La automatización de procesos en la gestión de la cadena de

III. AUTOMATIZACIÓN DE PROCESOS EN LA INGENIERÍA suministro se ha visto significativamente influenciada por la
INDUSTRIAL IA. Los sistemas de IA permiten optimizar la logística, el
inventario y la planificación de la producción, tomando
decisiones en tiempo real sobre el movimiento de los
La automatización de procesos se refiere a la utilización de productos. Un estudio de Accenture mostró que las empresas
tecnologías para realizar tareas repetitivas y rutinarias sin la que implementan IA para la gestión de la cadena de suministro
intervención humana. Desde la Revolución Industrial, la pueden reducir sus costos logísticos en hasta un 15% [9]. Esto
automatización ha sido un motor clave en el aumento de la es posible gracias a la capacidad de la IA para analizar grandes
productividad. Con la aparición de la IA, la automatización ha volúmenes de datos y predecir las necesidades de inventario,
dado un paso más allá, permitiendo que las máquinas no solo lo que mejora la eficiencia y reduce el desperdicio.
realicen tareas repetitivas, sino que también puedan tomar
decisiones inteligentes basadas en datos en tiempo real. La
integración de algoritmos de IA permite la mejora continua de los
procesos, optimizando la eficiencia de la producción y reduciendo IV. IMPACTO DE LA INTELIGENCIA ARTIFICIAL EN LA
los costos operativos [5]. PRODUCTIVIDAD Y EFICIENCIAA. TYPES OF GRAPHICS
La productividad industrial se define como la capacidad de
una empresa para maximizar su producción con los menores
recursos posibles. La IA influye en la productividad de
diversas maneras.
Los sistemas de Inteligencia artificial pueden realizar tareas
repetitivas de forma autónoma, liberando a los trabajadores
humanos para que se enfoquen en actividades más
estratégicas. Por ejemplo, el uso de robots en la manufactura
ha permitido reducir el tiempo de producción y aumentar la
precisión en las líneas de ensamblaje [10].
Asimismo, los sistemas pueden analizar datos en tiempo real
Fig. 2. Pasos de optimización de procesos [6] para predecir fallos en maquinaria antes de que ocurran,
reduciendo el tiempo de inactividad y aumentando la
Una de las aplicaciones más relevantes de la automatización eficiencia operativa. Empresas como General Electric han
en la ingeniería industrial es la mejora de los procesos de implementado modelos de mantenimiento predictivo basados
manufactura. Con la integración de robots autónomos y en IA, reduciendo fallos en un 30% [11].
sistemas de IA, las fábricas pueden operar con un grado de
flexibilidad y eficiencia que era inimaginable hace unos años. La IA permite prever la demanda de productos mediante el
Según un estudio de Kusiak, el uso de IA en la producción análisis de datos históricos, optimizando el inventario y
permite una mejor programación de las máquinas y una reduciendo desperdicios. Empresas como Amazon han
gestión más eficiente del flujo de trabajo, lo que reduce mejorado su logística mediante IA, lo que ha resultado en una
tiempos muertos y mejora la calidad del producto final [7]. disminución del 20% en costos operativos.
Los robots inteligentes, al estar equipados con IA, son
 3

los humanos. La falta de explicabilidad en los modelos de IA

puede generar desconfianza en su uso, especialmente en
La IA permite el análisis de grandes volúmenes de datos en entornos industriales donde las decisiones automatizadas
tiempo real, ayudando a las empresas a tomar decisiones más pueden afectar la calidad del producto y la seguridad del
rápidas y precisas. Esto se ha reflejado en una mejora del 25% personal [20].
en la eficiencia operativa en sectores como la manufactura
automotriz [12]. Los sistemas de IA pueden perpetuar sesgos presentes en los
Los sistemas de IA también pueden ajustar el consumo de datos con los que fueron entrenados, lo que puede generar
energía en tiempo real según la demanda de producción, lo discriminación en los procesos industriales, como la selección
que permite reducir costos y mejorar la sostenibilidad. de proveedores o la asignación de tareas en una línea de
Empresas como Siemens han logrado reducir su consumo producción [21]. Para mitigar estos riesgos, es fundamental el
energético en un 15% mediante el uso de IA en la gestión de desarrollo de mecanismos de auditoría y regulaciones éticas en
recursos [13]. la aplicación de IA [22]. La recopilación masiva de datos
industriales y laborales plantea interrogantes sobre la
privacidad. Es crucial establecer límites en la cantidad y el
tipo de información que pueden recolectar las empresas para
evitar la vigilancia excesiva sobre los trabajadores [23].

Por otro lado, la automatización impulsada por IA ha

generado preocupaciones sobre la pérdida de empleos en
sectores industriales. Según el Foro Económico Mundial, para
2025, 85 millones de empleos podrían ser desplazados por
Fig. 3. Gráfica de impacto de la IA en la industria [14]. tecnologías basadas en IA, mientras que se crearán 97
millones de nuevos empleos adaptados a la era digital [24]. El
impacto de la IA en el empleo también ha puesto en evidencia
Uno de los principales obstáculos para la adopción de la IA la necesidad de programas de reentrenamiento para que los
en la industria es la complejidad de su implementación. La trabajadores puedan adquirir habilidades en el manejo de
integración de sistemas de IA requiere una infraestructura nuevas tecnologías. Las empresas deben invertir en
tecnológica avanzada, incluyendo sensores, redes de datos y capacitación continua para garantizar una transición laboral
potentes algoritmos de aprendizaje automático [15]. Además, efectiva [25].
la interoperabilidad entre sistemas tradicionales y soluciones
basadas en IA sigue siendo un reto para muchas empresas En lugar de reemplazar completamente a los trabajadores, la
[16]. IA puede ser utilizada como una herramienta de apoyo que
optimiza la eficiencia y seguridad en el entorno laboral. Por
Los sistemas de IA dependen en gran medida del acceso a ejemplo, los robots colaborativos (cobots) han demostrado
grandes volúmenes de datos para su entrenamiento y mejorar la productividad sin desplazar a los operarios en
operación. La seguridad de estos datos es una preocupación sectores como la manufactura y la logística [26].
importante, ya que pueden ser vulnerables a ataques
cibernéticos o accesos no autorizados. Según Accenture, el
75% de las empresas que utilizan IA han experimentado algún
tipo de problema relacionado con la seguridad de los datos
[17].
El mantenimiento de sistemas de IA es más complejo que el RESULTADOS
de tecnologías tradicionales, ya que los modelos de
aprendizaje automático requieren actualizaciones constantes La Inteligencia Artificial (IA) ha emergido como un
para mantener su precisión y relevancia [18]. Esto genera catalizador de la transformación industrial, revolucionando
costos adicionales y la necesidad de contar con personal los procesos productivos, la gestión de recursos y la toma de
altamente capacitado en ciencia de datos e ingeniería de decisiones. En los próximos años, su evolución promete
software. redefinir la Ingeniería Industrial mediante la automatización
avanzada, la optimización de la cadena de suministro y la
Muchas empresas industriales utilizan tecnologías heredadas mejora de la eficiencia operativa [27]. Este marco teórico
que no fueron diseñadas para interactuar con IA. La necesidad analiza las tendencias futuras de la IA en la Ingeniería
de modificar o reemplazar estos sistemas representa un reto Industrial, sus beneficios esperados y los desafíos a superar.
técnico y financiero [19].

El desarrollo de robots industriales equipados con IA está

revolucionando la manufactura y la logística. Empresas
Los algoritmos de IA pueden actuar como una "caja negra", como Tesla y Siemens ya emplean sistemas de producción
donde las decisiones automatizadas no son comprensibles para autónomos que optimizan la fabricación mediante algoritmos
 4

de aprendizaje automático [28]. En el futuro, los robots

colaborativos (cobots) serán más adaptativos y capaces de
interactuar con humanos en entornos de producción
dinámicos [29].
La predicción de la demanda, la gestión de inventarios y la
logística inteligente se verán reforzadas por IA avanzada.
Amazon y Alibaba han implementado redes neuronales que
optimizan la distribución de productos en tiempo real [30].
En el futuro, el uso de gemelos digitales en la cadena de
suministro permitirá simular y anticipar posibles
interrupciones, reduciendo costos y tiempos de entrega [31]. Fig. 4. Gráfica resultados de encuesta de Implementación
de la IA en empresas.

Los sistemas de IA están revolucionando el mantenimiento En este trabajo de investigación sobre el impacto de la IA
industrial mediante análisis predictivos que identifican fallos en Ingeniería Industrial, el análisis del estado del arte
antes de que ocurran. General Electric ha desarrollado evidencia que las tecnologías de Inteligencia Artificial más
modelos de IA capaces de monitorear el estado de máquinas empleadas en la automatización industrial son el aprendizaje
y reducir costos de mantenimiento en un 30% [32]. En el
automático, la visión artificial y la robótica inteligente.
futuro, estas tecnologías se combinarán con el Internet de las
Su incorporación ha impulsado mejoras significativas en
Cosas (IoT) para una gestión aún más eficiente de los activos
eficiencia, predicción de fallos y reducción de errores
industriales [33].
humanos, consolidando su relevancia en los procesos
La automatización impulsada por IA mejora la eficiencia en industriales contemporáneos.
líneas de producción, reduciendo desperdicios y tiempos
muertos. Según un estudio de McKinsey, la IA podría Los casos de estudio revisados, junto con los resultados
aumentar la productividad industrial en un 40% en la obtenidos de la encuesta aplicada, demuestran que la
próxima década [34]. Las fábricas inteligentes del futuro implementación de Inteligencia Artificial en procesos
podrán adaptar la producción según la demanda del industriales ha generado impactos positivos, tales como la
mercado en tiempo real. La IA permitirá la fabricación bajo disminución de costos operativos, el incremento de la
demanda, reduciendo costos de almacenamiento y mejorando eficiencia productiva y una mejora en la toma de decisiones
la satisfacción del cliente [35].
estratégicas. Tecnologías como el mantenimiento predictivo y
la gestión automatizada de la cadena de suministro destacan
por su efectividad comprobada en empresas de manufactura y
El uso de IA en la optimización del consumo energético logística.
contribuirá a la sostenibilidad industrial. Google ha
aplicado IA para reducir el consumo energético de sus
centros de datos en un 15% [36]. En el futuro, estas
soluciones podrán implementarse en la manufactura para
minimizar el desperdicio de recursos y reducir emisiones
contaminantes [37]. El avance de la IA implica la
reestructuración del mercado laboral. Según el Foro
Económico Mundial, el 50% de los trabajadores industriales
necesitarán recualificación en los próximos 5 años [38].

El manejo de grandes volúmenes de datos industriales

plantea riesgos de ciberseguridad. Las empresas deben
implementar protocolos de protección avanzados para evitar
ataques que comprometan la integridad de la información
[39]. La aplicación de IA en la industria debe seguir
principios éticos y cumplir con regulaciones internacionales.
La Unión Europea ha desarrollado un marco legal para Fig. 5. Gráfica resultados de encuesta de desafíos en ma
garantizar el uso responsable de la IA en entornos implementación de IA.
industriales [40].

La investigación confirma que, si bien la Inteligencia

Artificial aporta ventajas sustanciales, su implementación
enfrenta importantes desafíos técnicos, éticos y laborales.
 5

Entre ellos destacan el alto costo de adopción, la falta de [13] A. Kusiak, "Smart manufacturing," International Journal of
Computer Integrated Manufacturing, vol. 25, no. 5, pp. 397–409,
personal capacitado, y la preocupación por la seguridad de los May 2012.
datos. A nivel ético y social, la posible sustitución de empleos [14] A. Kusiak, "Artificial intelligence in manufacturing," Journal of
y la opacidad en la toma de decisiones algorítmicas requieren Manufacturing Science and Engineering, vol. 132, no. 6, pp. 1-10,
Jun. 2010.
marcos regulatorios sólidos y estrategias de reentrenamiento [15] W. Zhang, H. Liu, and L. Wang, "Predictive maintenance using
laboral para lograr una integración responsable y equitativa en machine learning techniques," Journal of Manufacturing Science
el sector industrial. and Engineering, vol. 139, no. 10, pp. 1-7, Oct. 2017.
[16] Accenture, "Artificial intelligence: The impact on supply
chain," Accenture, 2019. [Online]. Available:
V. CONCLUSION [Link]
[17] E. Brynjolfsson and A. McAfee, The Second Machine Age:
La inteligencia artificial representa una herramienta poderosa Work, Progress, and Prosperity in a Time of Brilliant Technologies,
W.W. Norton & Company, 2014.
para mejorar la eficiencia de los sistemas industriales. Sin [18] Deloitte, "AI in manufacturing: Increasing efficiency and
embargo, su implementación requiere una planificación innovation," Deloitte Insights, 2021.
estratégica, capacitación constante y una visión ética. La [19] General Electric, "Machine Learning for Industrial
ingeniería industrial debe prepararse para integrar tecnologías Maintenance," 2022.
[20] Tesla Inc., "Automated Inspection in Manufacturing," 2021.
emergentes con responsabilidad. [21] Robotics Today, "Collaborative Robots in Industry," 2020.

[22] International Federation of Robotics, "World Robotics Report

2021," IFR, 2021.
ACKNOWLEDGMENT
[23] General Electric, "Predictive Maintenance with AI," 2022.
Grecia Jiménez Sánchez thanks Professor Karina Raya Díaz [24] Amazon, "AI in Logistics and Supply Chain Management,"
2023.
for her valuable guidance throughout the development of this [25] McKinsey & Company, "AI-driven quality control in
research. Special thanks are also extended to the participating manufacturing," 2020.
engineers from Tijuana’s industrial sector, whose insights [26] Deloitte, "The impact of AI on industrial efficiency," 2021.
greatly enriched this study. Their collaboration made it [27] Siemens, "Energy management with artificial intelligence,"
2022.
possible to understand the real impact of artificial intelligence
in process automation within Industrial Engineering. [28] S. J. Russell y P. Norvig, Artificial Intelligence: A Modern
Approach, 4th ed. Pearson, 2020.
REFERENCIAS [29] K. Schwab, The Fourth Industrial Revolution. Crown Business,
2017.
[30] Accenture, “AI: Built to Scale”, Accenture, 2019. [En línea].
[1] S. Russell and P. Norvig, Artificial Intelligence: A Modern Approach, 3rd Disponible: [Link]
ed., Prentice Hall, 2010. [31] J. G. Delgado, “The challenges of AI implementation in
[2] C. Bhargava y P. Kumar, Artificial Intelligence Fundamentals and industrial environments”, International Journal of Advanced
Applications, Florida: CRC Press, 2021. Manufacturing Technology, vol. 114, no. 3, pp. 1-20, 2022.
[3] J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, [32] S. B. Kotsiantis, “Supervised machine learning: A review of
3rd ed., Elsevier, 2012. classification techniques,” Informatica, vol. 31, no. 3, pp. 249-268,
[4] A. Kusiak, "Smart manufacturing," International Journal of Computer 2007.
Integrated Manufacturing, vol. 25, no. 5, pp. 397–409, May 2012. [33] D. Gunning, “Explainable artificial intelligence (XAI)”,
[5] H. Lee, D. Kim, and S. Yoon, "The role of AI in the manufacturing Defense Advanced Research Projects Agency (DARPA), 2017.
industry: applications and opportunities," Journal of Manufacturing Science [34] M. Hardt, E. Price y N. Srebro, “Equality of opportunity in
and Engineering, vol. 140, no. 6, pp. 1–9, Dec. 2018. supervised learning”, en Advances in Neural Information Processing
[6] McKinsey Global Institute, "Artificial intelligence: The next digital Systems (NeurIPS), 2016, pp. 3315-3323.
frontier?", McKinsey & Company, 2017. [Online]. Available: [35] European Commission, “Ethics guidelines for trustworthy AI”,
[Link] European Union, 2019. [En línea]. Disponible: [Link]
[7] E. Brynjolfsson and A. McAfee, The Second Machine Age: Work, [36] A. Acquisti, L. Brandimarte y G. Loewenstein, “Privacy and
Progress, and Prosperity in a Time of Brilliant Technologies, W.W. Norton & human behavior in the age of information”, Science, vol. 347, no.
Company, 2014. 6221, pp. 509-514, 2015.
[8] W. Zhang, H. Liu, and L. Wang, "Predictive maintenance using [37] World Economic Forum, “The Future of Jobs Report 2020”,
machine learning techniques," Journal of Manufacturing Science 2020. [En línea]. Disponible: [Link]
and Engineering, vol. 139, no. 10, pp. 1-7, Oct. 2017. [38] McKinsey & Company, “Skill shift: Automation and the future
[9] PwC, "The impact of AI on jobs," PwC Global, 2020. [Online]. of the workforce”, 2018. [En línea]. Disponible:
Available: [Link] [Link]
[10] McKinsey Global Institute, "Artificial intelligence: The next [39] T. B. Sheridan, “Human–robot interaction: Status and
digital frontier?", McKinsey & Company, 2017. [Online]. Available: challenges”, Human Factors: The Journal of the Human Factors and
[Link] Ergonomics Society, vol. 58, no. 4, pp. 525-532, 2016.
[11] M. M. E. S. Filho and L. F. A. L. Andrade, "Automation in [40] A. Acquisti et al., “Privacy and human behavior in the age of
industry: Present and future perspectives," Journal of Manufacturing information”, Science, vol. 347, no. 6221, pp. 509-514, 2015.
Processes, vol. 56, pp. 112-123, Oct. 2017.

Jiménez, Grecia Estudiante de

[12] McKinsey Global Institute, "Artificial intelligence: The next la institución Iberoamericana
digital frontier?", McKinsey & Company, 2017. [Online]. Available: México Tijuana, en la carrera
[Link]
Ingeniera Industrial en
manufactura inteligente.
6