Adopción y preparación para la IA en manufactura
Revisión empírica sobre la preparación y madurez para adoptar IA en empresas manufactureras, con foco en los factores que impulsan o frenan su implementación.
Bea Vallina, PhD.
7/23/20252 min leer
HEIMBERGER, H., HORVAT, D., JÄGER, A. y SCHULTMANN, F. (2025). Exploring AI Adoption in Manufacturing: An Empirical Study on Effects of AI Readiness. International Journal of Production Economics, 109733. ISSN 0925-5273.
DOI: https://doi.org/10.1016/j.ijpe.2025.109733
Tipo de estudio: encuesta cuantitativa y análisis empírico a gran escala. País: Alemania. Sector: manufactura general, con aplicación potencial a industria alimentaria, láctea y cárnica. Escala: 1.334 empresas.
Tecnologías
- Aplicaciones de IA, incluyendo aprendizaje automático y reconocimiento de patrones.
- Algoritmos autoaprendices con capacidades de reconocimiento de patrones, desde soluciones aisladas hasta sistemas plenamente integrados en producción.
Aplicaciones industriales
- Gestión de procesos productivos.
- Control de calidad.
- Mantenimiento predictivo.
- Gestión de la logística interna.
Madurez y preparación
- Tecnológica: la mayoría de las empresas se sitúa en niveles medios (49 %) o altos (40 %) de preparación tecnológica. La base tecnológica parece sólida.
- Económico-financiera: existe una brecha entre la preparación para la IA y la adopción real. Sólo el 14 % adopta IA pese a niveles superiores de preparación.
- Organizativa: la alta preparación organizativa es menos frecuente (28 %). Una de cada cuatro empresas no tiene preparación organizativa o se sitúa en niveles bajos.
- Cadena de suministro: la adopción en logística interna alcanza el 6 %. La integración con la cadena de suministro es limitada, aunque ya aparece.
- Marco legal y seguridad: el 60 % aplica pocas medidas de seguridad de datos y el 33 % varias medidas. El cumplimiento normativo se aborda principalmente mediante protocolos de seguridad.
Resultados
Tasa de adopción de IA
- 14 % de las empresas manufactureras alemanas.
- Variable binaria (0/1) en cuatro áreas de aplicación.
- Muestra representativa.
Preparación tecnológica
- 89 % en nivel medio-alto.
- Escala ordinal de 0 a 4 niveles.
- Resultado estadísticamente significativo.
Preparación organizativa
- 75 % en nivel medio-alto.
- Escala ordinal de 0 a 4 niveles.
- p < 0,05.
Impacto de la preparación combinada
- Probabilidad tres veces mayor de adopción.
- Regresión logística: OR = 3,04.
- p < 0,01.
Factores de implementación
Palancas
- Disponibilidad de datos (82 % entre básica y amplia), infraestructura informática adecuada (69 %) y medidas de seguridad implantadas (93 %).
- Expectativas claras de retorno de la inversión en fabricantes de productos complejos.
- Programas de formación (81 %), cultura de innovación (73 %) y cooperación en I+D (57 %).
- Efecto sectorial: automoción 31 % frente a otros sectores en torno al 14 %.
Barreras
- Capacidades limitadas de integración y restricciones de sistemas heredados.
- Retornos de inversión poco claros y preocupación por costes en empresas medianas.
- Brechas de competencias: el 47 % carece de habilidades digitales; también aparecen resistencia al cambio y barreras culturales.
- Incertidumbre regulatoria y restricciones sectoriales, por ejemplo química/farma con un 7 % de adopción.
Hallazgos clave
- Hallazgo 1: pese a niveles relativamente altos de preparación para la IA (89 % tecnológica y 75 % organizativa), la adopción real sigue siendo baja (14 %), lo que apunta a cautela en la implementación.
- Hallazgo 2: la preparación combinada predice mejor la adopción que cada dimensión por separado; la implantación exige un enfoque holístico.
- Hallazgo 3: las características estructurales son decisivas: la complejidad del producto triplica la probabilidad de adopción y el tamaño de empresa muestra una relación en U.
- Hallazgo 4: la preparación organizativa parece más crítica que la tecnológica para que la adopción se materialice.
Research by: Beatriz Vallina, PhD
Thesis Supervisors: Roberto Cervelló, Prof.PhD & Juan José Lull, PhD
Institution: Doctorate in Agrifood Economics, Universitat Politècnica de València
© 2025. All rights reserved.
