Machine learning ya transforma a la industria mexicana: expertos en TECMA 2025

Jul 03, 2025 Admin Gestión y Mejora Continua, Más Industria 0

---

En sectores como el automotriz, aeroespacial, manufacturero y salud, el aprendizaje automático ya es una herramienta clave. Especialistas destacaron en TECMA 2025 que esta tecnología mejora procesos, reduce errores y potencia la competitividad de las empresas mexicanas, incluidas las Pymes.

Víctor Mayén

CIUDAD DE MÉXICO (03/07/2025).-Lejos de ser una promesa a futuro, el aprendizaje automático ya está transformando a la industria mexicana. Así lo señalaron especialistas durante el panel “Impulsando el futuro: El talento detrás del machine learning”, organizado por Vanguardia Industrial y la AMDM en el marco de TECMA 2025, uno de los foros de innovación tecnológica más importantes de América Latina.

El encuentro contó con la participación de Luis Alberto González Olvera, director del Clúster Automotriz de San Luis Potosí; Susana González Castiello, presidenta de Tooling Clúster Jalisco; y Sergio Segura, presidente y fundador de Innocentro Aeroespacial. La moderación de este evento estuvo a cargo de Víctor Fuentes, Sales & Marketing Manager de Mitsubishi Electric.

Al tomar la palabra, Luis Alberto González Olvera, licenciado en Comercio Exterior por la Universidad Autónoma de San Luis Potosí, con maestría en Mercadotecnia y Medios Digitales, y actual tesorero de la Mesa Directiva del Consejo de la Red Nacional de Clústers de la Industria Automotriz (REDCAM), aseguró que el aprendizaje automático ya es una realidad concreta en México.

“La tecnología que antes era exclusiva de grandes corporativos hoy es accesible para todas las empresas. Hemos implementado soluciones que mejoran procesos, eliminan errores y predicen fallas en tiempo real”, sostuvo.

González Olvera detalló que los sectores donde más se ha adoptado el machine learning son el manufacturero, automotriz, aeroespacial, agroindustrial y salud. Subrayó el uso del mantenimiento predictivo y de sistemas de calidad automatizada como herramientas clave para aumentar la productividad y reducir costos.

Reafirmó que el aprendizaje automático ya no pertenece al terreno de la especulación tecnológica:

Ya es algo que está aplicándose en el mundo, ya es algo que se está aplicando en México. La tecnología que antes era exclusiva de las grandes empresas de tecnología, ahora es una herramienta accesible y poderosa para todas las empresas.

Y añadió:

“En mi experiencia, he podido observar cómo estas herramientas mejoran los procesos en las empresas, eliminan errores y, al mismo tiempo, permiten predecir los problemas que podrían surgir”.

Con su liderazgo en REDCAM y su compromiso con la modernización industrial, González Olvera impulsa la adopción de tecnologías inteligentes como palanca para la competitividad de México.

Desafíos culturales y liderazgo en las Pymes

Susana González Castiello, empresaria tecnológica originaria de Monterrey, directora estratégica del grupo HBM, con formación en Administración Financiera y una maestría en Impuestos, abordó los retos que enfrentan las pequeñas y medianas empresas (Pymes) para incorporar nuevas tecnologías, particularmente en el contexto de la industria 4.0. Destacó que el liderazgo directivo es esencial para superar el temor al cambio:

“Lo primero que hay que cambiar es el chip del director. El talento existe, pero a veces falta convencimiento, cultura organizacional y visión”, advirtió.

González Castiello subrayó que el camino hacia la transformación digital debe iniciarse con pasos sencillos, como generar datos útiles de procesos operativos —por ejemplo, los paros de máquina— para luego identificar patrones que permitan anticipar fallas.

Hizo también un llamado a no subestimar la capacidad técnica de las Pymes mexicanas:

Estoy segura de que estamos listas. Solo hay que empezar sin miedo, con visión y colaboración, incluyendo alianzas con universidades.

Compartió su experiencia al visitar la planta de BMW en San Luis Potosí, donde observó un entorno completamente automatizado, con robots operando en múltiples direcciones:

“Tuve oportunidad de ir a la planta de BMW el año pasado y está espectacular. Ves robots por todos lados, te pasan por arriba, te pasan por abajo… y esa es una empresa ejemplo”.

Recordó que incluso las grandes compañías empezaron desde cero, y enfatizó que la visión estratégica es lo que marca la diferencia:

“Ellos también empezaron como uno. Al final de cuentas, creo que es la visión, y estoy segura de que en México las Pymes estamos preparadas en lo técnico”.

Reinventarse o desaparecer

Sergio Segura, ingeniero mecánico egresado de la Universidad Mexicana de California, relató que su trayectoria en el sector aeroespacial ha estado marcada por crisis que lo obligaron a reinventarse por completo. Tras perder a la mitad de sus clientes por adquisiciones corporativas, y luego enfrentar tanto la crisis del Boeing 737 MAX como la pandemia de COVID‑19, su empresa se vio ante la disyuntiva de innovar o desaparecer.

“Vendí el coche para certificarme en AS9100. No había clientes, pero teníamos que prepararnos para el regreso”, recordó.

Sin planta manufacturera propia, Segura digitalizó y automatizó todos sus procesos de ingeniería, integrando talleres externos mediante un sistema de datos interconectado.

Gracias a la inteligencia artificial y al machine learning, identificó errores recurrentes, creó programas de entrenamiento personalizados y optimizó el desempeño del equipo:

“Antes necesitaba 25 personas para facturar lo mismo que hoy hago con cinco. Esa es la diferencia que hace el machine learning bien implementado”.

Añadió que sectores como el médico, logístico y de entretenimiento usan intensamente estas tecnologías para tomar decisiones basadas en datos. No obstante, subrayó que el machine learning —el proceso mediante el cual la máquina “aprende” a decidir— debe ser solo un apoyo:

“Hay que tener mucho cuidado: la IA te da herramientas para decidir, pero no dejes que la máquina tome la decisión por ti.
Tengo suficientes agallas, experiencia y evidencia para elegir la mejor opción y convertir en realidad lo que la inteligencia artificial ofrece”.

Para Segura, la IA debe ser una guía, nunca la voz final en la toma de decisiones.

Durante el panel, los ponentes coincidieron en que la inteligencia artificial no reemplaza a las personas, sino que potencia sus capacidades.
“La inteligencia artificial ofrece información y orientación, pero las decisiones deben seguir siendo humanas”, afirmó el moderador del panel, Víctor Fuentes, Sales & Marketing Manager de Mitsubishi Electric, egresado de la carrera de Ciencias de la Comunicación por la Universidad Cristóbal Colón, con estudios en Mercadotecnia y Comercialización en el Instituto Tecnológico de Monterrey. Esto lo dijo tras compartir ejemplos como los algoritmos de recomendación de plataformas de streaming o redes sociales, capaces de anticipar gustos y comportamientos.

Formación de talento, clave para el avance del machine learning en México

Luis Alberto González Olvera señaló que uno de los grandes retos para la expansión del machine learning en el país es la escasez de mano de obra calificada, lo que exige repensar los modelos de formación profesional y fortalecer la vinculación entre industria y academia.

“Ya no basta con saber presionar un botón. Necesitamos preparar talento que diseñe soluciones, que gestione datos, que entienda el proceso de automatización”, subrayó.

Casos de éxito

González Olvera compartió ejemplos concretos de éxito en el uso de machine learning, especialmente en armadoras como BMW, General Motors y Robert Bosch, donde se han aplicado algoritmos de visión computacional entrenados con aprendizaje automático para mejorar la calidad del ensamblaje.

“Cámaras colocadas en la línea captan imágenes que se comparan con un modelo perfecto. Cualquier desviación, por mínima que sea, activa alertas que permiten corregir errores antes de que lleguen al cliente”, explicó.

Estos sistemas permiten detectar defectos en tiempo real, evitar fallas mayores y garantizar productos de alta calidad, reforzando así la competitividad de la industria automotriz mexicana.

Llamado a democratizar la IA

Los expertos coincidieron en que el machine learning representa una oportunidad estratégica para México y que su adopción debe acompañarse de liderazgo, capacitación y trabajo conjunto entre empresa y academia.

“Estamos en el momento de aprovechar la inteligencia artificial como una aliada de la productividad, la calidad y la competitividad de México”, concluyó González.

El panel cerró con un llamado a eliminar miedos, generar visión y formar talento humano preparado para los desafíos de la transformación digital.

VER EXTRACTOS DEL PANEL

---

• machine learning, TECMA 2025, Vanguardia Industrial

---

---