Gemelos Digitales archivos - Mosaic Factor

AI Congress 2026: por qué gobernanza, datos y adopción importan más que los modelos

mosaic-admin — Mon, 26 Oct 2026 13:15:01 +0000

Tres días de debates en el AI Congress 2026, celebrado en Barcelona, reforzaron un mensaje que conecta profundamente con nuestra visión en Mosaic Factor: ya no basta con construir modelos de IA más potentes.

A medida que la inteligencia artificial pasa de la experimentación a integrarse en las operaciones empresariales cotidianas, el verdadero reto consiste en transformar las capacidades tecnológicas en soluciones que generen un valor medible. A lo largo de las sesiones sobre agentes de IA, gobernanza de datos, datos sintéticos, aprendizaje automático y adopción empresarial, surgió un tema común. Las organizaciones ya no se preguntan qué puede hacer la IA, sino cómo implementarla de forma responsable, escalarla eficientemente y garantizar que produzca resultados significativos.

En Mosaic Factor, muchos de los temas tratados en el Congreso reflejan de cerca los desafíos que abordamos en nuestros propios proyectos, desde la IA fiable y la analítica avanzada hasta la gobernanza de datos, los gemelos digitales y los sistemas de apoyo a la toma de decisiones basados en IA.

Estas son algunas de las principales conclusiones que nos llevamos del evento.

1. La adopción exitosa de la IA empieza por el problema, no por la tecnología

Los agentes de IA evolucionan rápidamente y abren nuevas oportunidades para automatizar flujos de trabajo, abordar tareas complejas y mejorar la toma de decisiones. Sin embargo, con la aparición semanal de nuevos modelos, plataformas y herramientas, las organizaciones se enfrentan a una pregunta fundamental:

¿Por dónde deberíamos empezar?

Uno de los mensajes más prácticos del Congreso fue sorprendentemente sencillo: empezar por el problema. Antes de seleccionar un modelo o adoptar una plataforma, las organizaciones deben comprender:

¿Quién utilizará la solución?
¿Qué problema intenta resolver?
¿Qué parte del proceso necesita mejorar?
¿Cómo se medirán los resultados?

El contexto suele ser el factor decisivo entre una iniciativa de IA exitosa y otra que tiene dificultades para aportar valor. Los sistemas de IA necesitan información relevante sobre los objetivos, los usuarios, las restricciones y los entornos operativos para generar resultados útiles.

Igualmente importante es que la IA se adapte a los flujos de trabajo existentes y a la realidad empresarial. Una implementación eficaz rara vez consiste en sustituir a las personas. Se trata de identificar dónde puede la tecnología ampliar las capacidades de los profesionales, mejorar la eficiencia y facilitar mejores decisiones.

Para nosotros, esto refuerza un principio fundamental: la innovación significativa en IA comienza con una necesidad empresarial claramente definida, no con la tecnología en sí misma.

2. Una IA fiable depende de datos fiables

La gobernanza de datos fue uno de los temas más recurrentes a lo largo del Congreso.

A medida que los sistemas de IA adquieren mayores capacidades, su eficacia depende cada vez más de la calidad, la accesibilidad y la gobernanza de los datos que los sustentan. Varias sesiones se centraron en los espacios europeos de datos y en la creciente importancia de establecer mecanismos fiables para compartir información y colaborar.

Iniciativas como el espacio de datos de UPC demostraron cómo las organizaciones pueden compartir y reutilizar información manteniendo reglas claras sobre el acceso, la propiedad y el uso de los datos.

Entre los sectores abordados durante el evento se encontraban:

Agricultura
Energía
Movilidad
Construcción

En uno de los ejemplos, se integró información geoespacial y medioambiental en un marco común, facilitando que los sistemas de IA evaluaran las condiciones agrícolas, analizaran riesgos y respaldaran decisiones de inversión.

La lección general va mucho más allá de cualquier sector concreto. Conectar conjuntos de datos es solo una parte del desafío. Las organizaciones también deben garantizar que la información conserve su significado dentro del contexto para el que está destinada y que los mecanismos de gobernanza definan claramente cómo puede utilizarse.

Este debate está estrechamente relacionado con el concepto de soberanía digital y con la evolución del marco regulatorio europeo, incluidos el RGPD, el Reglamento de Gobernanza de Datos y el Reglamento Europeo de IA.

Para las empresas, la gobernanza no debe considerarse únicamente una obligación de cumplimiento normativo. Es una base esencial para generar confianza, fomentar la colaboración y adoptar la IA de manera responsable.

3. Los datos sintéticos pueden abrir nuevas oportunidades

Muchos proyectos de IA se enfrentan a un obstáculo común: los datos necesarios para desarrollar, probar o validar una solución pueden ser incompletos, estar fragmentados o no estar disponibles.

Los datos sintéticos ofrecen una posible vía para abordar este desafío.

Un ejemplo especialmente interesante presentado durante el Congreso se centró en la planificación de la movilidad en entornos rurales. A diferencia de las grandes áreas urbanas, las comunidades rurales suelen tener poblaciones dispersas y opciones de transporte limitadas. Esto dificulta la recopilación de datos completos sobre movilidad, al mismo tiempo que hace más importante una planificación eficiente del transporte.

El caso de uso de movilidad de Nemi mostró cómo las simulaciones basadas en IA pueden generar demanda de movilidad sintética y matrices de origen-destino combinando información como:

Áreas de interés
Posibles orígenes y destinos de los desplazamientos
Patrones temporales y restricciones

Estos conjuntos de datos simulados permiten a los planificadores evaluar posibles servicios de transporte y explorar patrones de movilidad incluso cuando no se dispone de datos completos del mundo real.

El ejemplo puso de relieve una cuestión importante sobre los datos sintéticos: su valor depende de cómo y dónde se utilicen.

Los datos sintéticos pueden ser muy eficaces para la creación de prototipos, las simulaciones y las pruebas previas a la producción. Sin embargo, las organizaciones deben comprender sus limitaciones y evaluar cuidadosamente si se necesita una validación adicional antes de implementar soluciones en entornos operativos.

Como ocurre con cualquier sistema de IA, el éxito depende de elegir la herramienta adecuada para cada propósito.

4. La IA debe ser escalable, eficiente y sostenible

Otro mensaje recurrente durante el Congreso fue que el rendimiento técnico por sí solo no es suficiente. Una prueba de concepto exitosa no se convierte automáticamente en un sistema de producción exitoso.

A medida que las soluciones de IA escalan, las organizaciones se enfrentan a nuevos desafíos relacionados con la infraestructura, la complejidad operativa, los costes y el consumo de recursos.

Durante los debates aparecieron repetidamente tres dimensiones de la eficiencia:

Eficiencia económica. Comprender las implicaciones financieras de implementar, operar y escalar sistemas de IA.
Eficiencia en el uso de recursos. Seleccionar los modelos y las arquitecturas adecuados para cada caso de uso, en lugar de optar por defecto por la solución más grande o compleja.
Eficiencia medioambiental. Tener en cuenta los requisitos energéticos y de recursos asociados al despliegue de la IA.

La eficiencia operativa es igualmente importante. Las organizaciones deben determinar:

Qué tareas deben automatizarse.
En qué situaciones sigue siendo necesaria la supervisión humana.
Cómo deben gestionar los sistemas las excepciones y las situaciones inesperadas.
Cómo estructurar los flujos de trabajo para equilibrar el rendimiento, la gobernanza y los costes.

Esta distinción es importante. El objetivo no es simplemente implementar IA, sino crear soluciones que sigan generando un valor empresarial medible a lo largo del tiempo.

5. La gobernanza, la seguridad y la rendición de cuentas no pueden dejarse para el final

A medida que la IA se integra en procesos empresariales cada vez más importantes, la gobernanza y la seguridad se convierten en factores esenciales para una adopción sostenible. Varios debates destacaron que los sistemas de IA no son estáticos:

Los modelos evolucionan.
Las configuraciones cambian.
Las instrucciones o prompts se actualizan.
Se incorporan nuevos datos.

Por ello, el rendimiento, el cumplimiento normativo y los riesgos no pueden evaluarse una sola vez y olvidarse después.

Las organizaciones necesitan procesos estructurados para:

Supervisar el comportamiento de los sistemas.
Documentar las decisiones.
Evaluar los riesgos de forma continua.
Responder a los problemas emergentes.
Demostrar el cumplimiento normativo cuando sea necesario.

Estos requisitos son especialmente importantes en sectores regulados, donde las organizaciones pueden necesitar explicar cómo funcionan los sistemas de IA y aportar pruebas de que existen controles adecuados.

Los debates también destacaron la importancia de las personas que trabajan junto a la IA.

Proporcionar a los empleados acceso a herramientas de IA no garantiza automáticamente una adopción exitosa.
La formación, la gestión del cambio, las políticas internas y el apoyo continuo desempeñan un papel fundamental.
Por tanto, una IA fiable no es un logro puntual. Requiere atención continua a la gobernanza, la seguridad, la rendición de cuentas y la supervisión humana.

6. Más allá de la IA generativa: el aprendizaje automático tradicional sigue aportando valor

Aunque la IA generativa y los agentes de IA dominaron muchas conversaciones, el Congreso también ofreció un recordatorio importante: el aprendizaje automático tradicional sigue resolviendo problemas empresariales reales.

Muchos casos de uso relacionados con la predicción, la clasificación, la detección de anomalías y el análisis de datos estructurados siguen siendo muy eficaces sin necesidad de recurrir a grandes modelos de lenguaje.

Al mismo tiempo, la IA multimodal está creando nuevas oportunidades al combinar texto, imágenes y otros tipos de información en sistemas integrados. Ambos enfoques tienen su valor.

La lección fundamental es que la elección tecnológica debe estar determinada por el problema que se pretende resolver. El modelo más reciente no es necesariamente el más adecuado.

Las estrategias de IA exitosas requieren una comprensión clara de las tecnologías disponibles, los objetivos empresariales y las restricciones operativas.

En última instancia, la innovación debe medirse por el valor que genera, no por la sofisticación de la tecnología en sí misma.

La próxima fase de la adopción de la IA

Al analizar los debates del AI Congress 2026, nuestra principal conclusión es que el futuro de la IA no estará definido únicamente por modelos más grandes, un mayor número de parámetros o nuevas capacidades.

Estará determinado por la capacidad de las organizaciones para:

Identificar problemas empresariales relevantes.
Construir sobre datos fiables y bien gobernados.
Implementar la IA de forma eficiente y sostenible.
Mantener la seguridad, la rendición de cuentas y la supervisión humana.
Generar resultados medibles más allá de la fase de prueba de concepto.

Estos desafíos están profundamente interconectados. Abordarlos requiere algo más que conocimientos técnicos. Es necesaria la colaboración entre expertos del dominio, responsables empresariales y especialistas en IA para garantizar que las soluciones no solo sean técnicamente capaces, sino también útiles, fiables y alineadas con las necesidades del mundo real.

En Mosaic Factor, creemos que la adopción exitosa de la IA se produce cuando las capacidades tecnológicas se combinan con una gobernanza sólida, datos de alta calidad y una comprensión clara de las personas que finalmente utilizarán la solución.

Esa fue, quizás, la lección más valiosa del AI Congress 2026 y una que sigue guiando nuestro trabajo en ámbitos como la salud, la industria, la movilidad y áreas emergentes como los vehículos definidos por software (Software-Defined Vehicles).

La entrada AI Congress 2026: por qué gobernanza, datos y adopción importan más que los modelos se publicó primero en Mosaic Factor.

BNEW 2026: tendencias de la IA sanitaria, medicina de precisión e IA responsable

mosaic-admin — Mon, 19 Oct 2026 07:53:36 +0000

Desde la robótica y los gemelos digitales hasta el análisis predictivo y la medicina de precisión, Barcelona New Economy Week (BNEW) 2026 puso de relieve cómo la inteligencia artificial está transformando todos los sectores de la economía. Para Mosaic Factor, empresa especializada en IA sanitaria, analítica avanzada y soluciones de IA fiables, el evento ofreció información valiosa sobre algunos de los retos más importantes a los que se enfrenta actualmente la innovación sanitaria.

IA sanitaria en BNEW 2026: medicina de precisión, explicabilidad y mitigación de sesgos

Entre las numerosas sesiones centradas en la IA, los debates sobre longevidad, medicina personalizada y diversidad de los datos resultaron especialmente relevantes. Estos temas se sitúan en la intersección de la IA sanitaria, la inteligencia artificial explicable (XAI) y el desarrollo responsable de la IA, y plantean una pregunta fundamental tanto para los investigadores como para los proveedores tecnológicos: ¿pueden los sistemas de IA ser realmente eficaces si faltan poblaciones clave en los datos utilizados para entrenarlos?

La IA, en el centro de la nueva economía

La séptima edición de Barcelona New Economy Week (BNEW) se celebró del 5 al 7 de octubre de 2026 en DFactory Barcelona. Organizado por el Consorci de la Zona Franca de Barcelona, el evento reunió a cientos de expertos, innovadores y startups de ocho sectores: inteligencia artificial, salud, energía, agroalimentación, aviación y espacio, ciencia, talento y videojuegos.

Este año, la inteligencia artificial contó por primera vez con un programa propio, después de seis ediciones en las que había sido un tema transversal. Las sesiones exploraron cómo la IA está transformando el empleo, los modelos de negocio y los procesos de toma de decisiones, con aportaciones de organizaciones como el Barcelona Supercomputing Center, Oracle e Ibercaja.

La influencia de la IA fue mucho más allá de su programa específico. El programa de Salud mostró la automatización y la robótica quirúrgica en directo. Las sesiones de Energía se centraron en el papel creciente de los datos y la IA en la transición energética. Por todo el recinto, robots humanoides, robots colaborativos y simuladores de movilidad autónoma demostraron la rapidez con la que la IA está pasando de los entornos de investigación a las aplicaciones reales.

Para Mosaic Factor, BNEW ofreció una visión valiosa de la dirección que está tomando la innovación en IA en múltiples sectores. Muchos de los temas tratados —como la IA fiable, la calidad de los datos, la robótica, el análisis predictivo y los gemelos digitales— están directamente relacionados con los retos que abordamos en nuestros propios proyectos.

Tendencias de IA observadas en BNEW 2026

En las sesiones de IA, Salud, Energía e Industria surgieron varios temas comunes:

Adopción creciente de sistemas de apoyo a la toma de decisiones basados en IA.
Mayor demanda de una IA explicable y fiable.
Uso más extendido del análisis predictivo y de los gemelos digitales.
Integración de datos multimodales para ofrecer servicios personalizados.
Gran atención a la gobernanza, la transparencia y la regulación de la IA.

Estas tendencias están estrechamente alineadas con las soluciones que Mosaic Factor desarrolla en los ámbitos sanitario, de la movilidad y de la industria.

Aunque la innovación en IA estuvo presente en todo el evento, la atención sanitaria destacó como uno de los ámbitos en los que se espera que la IA tenga mayor impacto, al tiempo que plantea algunas de las preguntas más importantes sobre fiabilidad, explicabilidad y sesgos.

IA sanitaria, investigación sobre longevidad y medicina de precisión

El 6 de octubre, la sesión de Salud de BNEW «Longevity and Healthy Aging: Strategies for a Longer-Lived Society» reunió a investigadores y profesionales clínicos que trabajan en genética, neurociencia y nutrición integrativa.

Más allá de la longevidad en sí, el debate puso de relieve tendencias más amplias que están configurando el futuro de la IA sanitaria:

La transición hacia la medicina de precisión.
La integración de fuentes de datos multimodales.
La importancia de la diversidad de los datos tanto en la investigación clínica como en los sistemas de aprendizaje automático.

El panel abordó tres avances con implicaciones directas para la IA sanitaria:

Epigenética: el estilo de vida y el entorno influyen en cómo se expresan los genes.
Tratamiento personalizado y multimodal: combinación de intervenciones adaptadas a cada persona.
Representatividad de los datos: necesidad de contar con poblaciones de investigación y conjuntos de datos más diversos.

Cada uno de estos retos está estrechamente relacionado con el trabajo de Mosaic Factor en análisis predictivo y sistemas de apoyo a las decisiones clínicas, donde la fiabilidad de los modelos depende de la calidad, la diversidad y la representatividad de los datos disponibles.

Genética y epigenética: cómo el estilo de vida influye en la expresión génica

Uno de los participantes en el panel utilizó la analogía de un juego de cartas para explicar la relación entre genética y epigenética. Cada persona recibe una mano al nacer y hereda la mitad de sus genes de cada progenitor. Esas cartas no se pueden cambiar, pero sí la manera de jugarlas.

La epigenética describe cómo los factores ambientales y del estilo de vida influyen en que determinados genes se activen o permanezcan silenciados. La actividad física, la alimentación, la calidad del sueño y la gestión del estrés desempeñan un papel importante en los resultados de salud a largo plazo.

En el debate se señaló que una proporción considerable de los casos de demencia está asociada a factores de riesgo modificables. Cada vez hay más investigaciones que muestran que el envejecimiento saludable no puede explicarse únicamente por la genética. Surge, más bien, de la interacción entre las predisposiciones genéticas, las decisiones relacionadas con el estilo de vida y las condiciones ambientales a lo largo de la vida.

En el ámbito de la IA sanitaria, esto refuerza la necesidad de modelos capaces de integrar múltiples fuentes de información, en lugar de depender de una sola variable o conjunto de datos.

Tratamiento personalizado y multimodal para un envejecimiento saludable

El panel subrayó que ninguna intervención por sí sola puede abordar eficazmente el envejecimiento. Las estrategias más prometedoras son multimodales: combinan distintos enfoques terapéuticos y los adaptan a las características de cada persona.

El sexo biológico, la ascendencia, la edad y los antecedentes clínicos influyen en la respuesta de los pacientes a las enfermedades y los tratamientos. Por ello, la investigación sobre longevidad converge cada vez más con los principios de la medicina de precisión, cuyo objetivo es ofrecer la intervención adecuada al paciente adecuado en el momento adecuado.

Este mismo cambio de paradigma está transformando la IA sanitaria. Los sistemas modernos de IA deben integrar cada vez más datos clínicos, genómicos, de imágenes y de comportamiento para respaldar recomendaciones más personalizadas y relevantes.

Sesgos en la IA sanitaria: por qué importa la diversidad de los datos

La conclusión más importante para Mosaic Factor se refería a la composición de los conjuntos de datos que sustentan tanto la investigación clínica como los modelos de IA.

Según los ponentes, buena parte del conocimiento actual sobre el envejecimiento sigue derivándose de estudios con personas de ascendencia europea. Otras poblaciones continúan estando comparativamente infrarrepresentadas, pese a su considerable diversidad genética. Esto tiene consecuencias prácticas: los tratamientos y las intervenciones que funcionan bien en una población pueden no producir los mismos resultados en otra.

El mismo reto se aplica directamente a la IA sanitaria.

Un modelo de aprendizaje automático solo puede aprender de los datos con los que se entrena. Si determinadas poblaciones están infrarrepresentadas, el modelo puede mostrar un buen rendimiento medio y, aun así, ser sistemáticamente menos preciso para algunos grupos. En el ámbito sanitario, esto puede contribuir a resultados clínicos desiguales y a una menor confianza en los sistemas de IA.

A medida que la IA se integra cada vez más en los flujos de trabajo clínicos, garantizar la calidad y la representatividad de los datos deja de ser únicamente un reto técnico y pasa a ser también una exigencia ética y normativa.

Cómo desarrollamos una IA sanitaria fiable en Mosaic Factor

En Mosaic Factor, una IA sanitaria fiable empieza por la calidad de los datos, la explicabilidad y una validación rigurosa. A medida que las organizaciones sanitarias adoptan sistemas de apoyo a la toma de decisiones basados en IA, reducir los sesgos y garantizar la transparencia resulta esencial tanto para la confianza clínica como para el cumplimiento normativo.

Nuestro enfoque se basa en cinco prácticas fundamentales:

Evaluar la representatividad desde el principio. Antes de desarrollar un modelo, analizamos quién está incluido en el conjunto de datos y quién falta, teniendo en cuenta factores como el sexo, la edad, la ascendencia y el perfil clínico.
Validar el rendimiento por subgrupos. La precisión global no basta. Evaluamos cómo funcionan los modelos en distintas poblaciones para identificar posibles desigualdades antes de su implementación.
Explicar cada predicción. Mediante la IA explicable (XAI), los profesionales sanitarios pueden comprender qué factores han contribuido más a una predicción e incorporar esa información a su criterio clínico.
Comunicar la incertidumbre. Buscamos cuantificar y comunicar los niveles de confianza de los resultados de los modelos. Este principio también guía nuestro trabajo fuera del ámbito sanitario, incluidas las aplicaciones de previsión de energía y autonomía desarrolladas en el proyecto Twin-Loop. Los sistemas de IA deberían poder indicar cuándo operan fuera de las condiciones representadas en sus datos de entrenamiento.
Colaborar con socios clínicos y de investigación. Trabajar estrechamente con hospitales, centros de investigación y profesionales clínicos ayuda a garantizar que las soluciones de IA sigan siendo pertinentes, estén validadas y se centren en la experiencia humana.

Medicina de precisión e IA responsable: un reto compartido

BNEW 2026 reforzó un mensaje visible en los programas de IA, Salud e Industria: las organizaciones están pasando de explorar lo que puede hacer la IA a implementar sistemas que deben ser fiables, explicables y capaces de funcionar en entornos reales complejos.

En el ámbito sanitario, esto significa combinar las posibilidades de la medicina de precisión con enfoques rigurosos sobre la calidad de los datos, la transparencia y la mitigación de sesgos. Los mismos fundamentos que respaldan una mejor investigación también favorecen una mejor IA.

El futuro de la IA sanitaria dependerá no solo de algoritmos más potentes, sino también de mejores datos, mayor transparencia y una colaboración más sólida entre profesionales clínicos, investigadores y proveedores tecnológicos.

En Mosaic Factor, estos principios guían el diseño y la implementación de nuestras soluciones de IA sanitaria, desde el análisis predictivo y las herramientas de apoyo a las decisiones hasta las aplicaciones de IA explicable desarrolladas junto con organizaciones sanitarias y de investigación.

Eventos como BNEW nos ayudan a mantenernos al día de las últimas innovaciones en IA, las nuevas regulaciones y los avances científicos que darán forma al futuro de la atención sanitaria basada en datos.

Agradecemos al Consorci de la Zona Franca de Barcelona y a todos los ponentes este evento tan enriquecedor, y esperamos continuar estas conversaciones a medida que se acelera la adopción de la IA en la atención sanitaria y en otros sectores esenciales.

La entrada BNEW 2026: tendencias de la IA sanitaria, medicina de precisión e IA responsable se publicó primero en Mosaic Factor.

La IA transforma la planta automotriz: mantenimiento predictivo, gemelos digitales e IA explicable

mosaic-admin — Thu, 15 Oct 2026 09:00:38 +0000

La inteligencia artificial está transformando rápidamente la fabricación de automóviles, desde el mantenimiento predictivo y la optimización energética hasta los gemelos digitales y el control de calidad. En el número de septiembre de AutoRevista (página 64), Mosaic Factor participó junto a Overstand Intelligence y GFT para analizar cómo la IA ya está aportando un valor medible en la planta de producción.

En este artículo compartimos las principales conclusiones del reportaje y profundizamos en áreas cada vez más importantes para los fabricantes (OEM) y proveedores del sector: la IA explicable, la toma de decisiones confiable, los gemelos digitales industriales y la evolución hacia el vehículo definido por software (SDV).

1. Centrar la inversión en IA en los procesos de fabricación de mayor impacto

La IA ofrece el retorno de inversión más alto en entornos de fabricación donde la complejidad operativa, las paradas de equipos y los problemas de calidad generan costes importantes. Como explicamos a AutoRevista:

«Los mayores retornos suelen encontrarse en áreas caracterizadas por una alta complejidad operativa, grandes volúmenes de datos y costes significativos asociados a paradas, retrabajos o consumo energético».

En la práctica, esto significa:

mantenimiento predictivo en equipos críticos.
monitorización en tiempo real para detectar cuellos de botella.
ajuste de parámetros de proceso.
y control de calidad basado en datos de sensores y de sistemas MES, SCADA y PLC.

Los gemelos digitales integran todo ello. Antes de mover una línea, modificar un flujo logístico o ampliar la capacidad, una planta puede probar el cambio de forma virtual, «reduciendo el riesgo y acelerando la toma de decisiones».

2. La IA predictiva y la IA generativa resuelven retos de fabricación distintos

En la fabricación de automóviles, la IA predictiva se utiliza habitualmente para el mantenimiento predictivo, la detección de anomalías y la optimización de procesos, mientras que la IA generativa da soporte a la gestión del conocimiento, la documentación de ingeniería y la asistencia a los trabajadores.

A menudo se meten en el mismo saco, pero en planta resuelven problemas diferentes. Los modelos predictivos son la herramienta más madura y se usan para anticipar fallos, modelizar el comportamiento de los equipos y planificar el mantenimiento. La IA generativa es más reciente y ayuda más a las personas que a las máquinas: hace accesible la documentación técnica y el conocimiento experto a los equipos de producción, ingeniería, mantenimiento y calidad.
Este segundo uso se está volviendo urgente. Como señalamos en la entrevista:

«La transferencia de conocimiento y la disponibilidad de personal especializado se han convertido en retos estratégicos para muchas plantas».

3. La optimización energética basada en IA se está convirtiendo en una ventaja competitiva

Las operaciones de alto consumo energético, como los talleres de pintura, los hornos, los sistemas de aire comprimido y las instalaciones de climatización (HVAC), se están optimizando cada vez más mediante modelos de machine learning y tecnologías de gemelo digital.

El machine learning y los gemelos digitales permiten detectar patrones de consumo, señalar anomalías y simular escenarios de producción. El objetivo es consumir menos energía sin renunciar a la calidad ni a la producción. Estas capacidades también están en el centro de Twin-Loop, nuestro proyecto Horizon Europe, en el que desarrollamos gemelos digitales impulsados por IA para ayudar a los operadores industriales a entender el impacto de las decisiones de producción en el consumo energético, la eficiencia de los recursos y el desempeño en sostenibilidad. El proyecto refleja un cambio más amplio hacia entornos de fabricación más inteligentes y basados en datos, capaces de adaptarse y optimizar sus operaciones de forma continua.

«Esto permite pasar de una gestión energética reactiva a una optimización continua basada en datos, un enfoque que además está alineado con los objetivos de sostenibilidad y reducción de emisiones que se está marcando actualmente la industria de la automoción», afirmó nuestro CTO.

4. La IA explicable mantiene a las personas al mando de las decisiones críticas de fabricación

A medida que los sistemas de IA se integran más profundamente en los procesos productivos, la IA explicable (XAI) se está volviendo imprescindible para el aseguramiento de la calidad, el cumplimiento normativo y la confianza operativa.

Los equipos de fabricación y calidad necesitan entender por qué un sistema de IA recomienda una acción concreta, sobre todo cuando las decisiones afectan a la seguridad, la continuidad de la producción o la calidad del producto.

Las tres empresas del reportaje coincidieron en este punto. La visión artificial ya resuelve muy bien la mayor parte de la inspección repetitiva y de gran volumen. Sin embargo, para los componentes más críticos, creemos que la mejor configuración combina IA, sistemas de visión y supervisión humana.

Hay un motivo detrás de esto que no se incluyó en la versión impresa. En entornos industriales, las decisiones deben ser auditables y comprensibles para los equipos de producción y calidad que responden por ellas. Por eso nos centramos en una IA explicable y fiable, y por eso nuestro lema es AI you can trust.

Nuestra visión es que la IA debe hacer más capaces a los equipos, no sustituirlos, ayudándoles a decidir más rápido, con mejores evidencias y menos incertidumbre.

5. El vehículo definido por software está transformando la fabricación de automóviles

El auge del vehículo definido por software (SDV) no solo está cambiando el desarrollo de los vehículos, sino también la forma en que operan las plantas de automoción.

Los vehículos modernos dependen cada vez más del software, los sensores, la conectividad y las actualizaciones continuas a lo largo de todo su ciclo de vida. Por ello, los fabricantes necesitan entornos de producción capaces de adaptarse rápidamente a los cambios de producto, validar sistemas con un alto componente de software y mantener una trazabilidad de extremo a extremo.

La IA, los gemelos digitales y la analítica avanzada desempeñan un papel clave en esta transición. Permiten a los fabricantes simular escenarios de producción, supervisar la calidad en tiempo real y acelerar la toma de decisiones tanto en ingeniería como en las operaciones de planta.

En Mosaic Factor creemos que la convergencia de la IA, los gemelos digitales industriales y los sistemas explicables de apoyo a la decisión será fundamental para la próxima generación de fabricación de vehículos definidos por software.
O, como lo expresamos a AutoRevista:

«En nuestra opinión, el futuro pasa por una integración cada vez mayor entre el mundo físico y el digital, con la IA actuando como columna vertebral de toda la cadena de valor».

La IA en la fabricación de automóviles exige algo más que automatización

La industria de la automoción está dejando atrás los pilotos aislados de IA y avanzando hacia operaciones basadas en datos en las que el mantenimiento predictivo, los gemelos digitales, la optimización energética y la IA explicable trabajan juntos para mejorar la productividad y la resiliencia.

Para los fabricantes y proveedores del sector, el reto ya no es si adoptar la IA, sino dónde generar valor primero y cómo escalar las soluciones de forma segura y transparente.

En Mosaic Factor ayudamos a las organizaciones industriales a implantar soluciones de IA fiable, machine learning, gemelos digitales e IA explicable que generan un impacto medible sin dejar de situar a las personas en el centro de la toma de decisiones. A medida que la fabricación de automóviles evoluciona hacia la era del vehículo definido por software, la IA industrial fiable y explicable se convertirá en un factor diferencial competitivo clave.

Gracias a AutoRevista y a Irene Díaz por contar con nosotros, y a Overstand Intelligence y GFT por un debate excelente.

📖 Lee el reportaje completo en AutoRevista n.º 2.414 (septiembre de 2026), págs. 64–69.
🎥 Mira nuestro vídeo corporativo:

La entrada La IA transforma la planta automotriz: mantenimiento predictivo, gemelos digitales e IA explicable se publicó primero en Mosaic Factor.

Automated Shunting as a Service Platform

mosaic-admin — Fri, 13 Mar 2026 13:58:13 +0000

En las terminales de carga multimodales de Europa, las operaciones ferroviarias siguen siendo un cuello de botella crítico. Las maniobras (shunting, marshalling), la clasificación y la manipulación de vagones, son complejas y requieren mucha mano de obra, siendo muy sensibles a las interrupciones. Incluso pequeñas ineficiencias pueden tener repercusiones en puertos, corredores ferroviarios y redes de carreteras, aumentando la congestión, las emisiones y los costes.

Dentro del proyecto AutoMoTIF, este desafío se aborda mediante shunting as a service automatizado, con Mosaic Factor liderando el desarrollo del framework de simulación.

Del cuello de botella operativo a las operaciones ferroviarias coordinadas

El shunting desempeña un papel fundamental en las terminales intermodales, conectando los flujos de carga marítima con la distribución terrestre. Sin embargo, las operaciones de maniobra tradicionales suelen ser reactivas, fragmentadas entre sistemas, requieren mucha mano de obra y son ineficientes energéticamente.

El shunting as a service reinventa estas operaciones como una plataforma de servicio orquestada digitalmente, donde las locomotoras autónomas, los recursos de la estación y los sistemas de programación operan como un ecosistema integrado. El objetivo no es simplemente la automatización, sino la optimización del servicio.

La simulación impulsa la transformación

El entorno de simulación avanzado de Mosaic Factor reproduce la complejidad operativa de las terminales ferroviarias, incluyendo el movimiento de trenes, la clasificación de vagones, las limitaciones de capacidad de la estación, los ciclos de manipulación de contenedores, la asignación de recursos y los escenarios de interrupción.

Las locomotoras de shunting autónomas se modelan como agentes inteligentes que responden dinámicamente a la congestión, los cambios de horario y las limitaciones de la infraestructura.

Mediante el modelado de escenarios, las simulaciones evalúan:

Reducción del tiempo de maniobra
Mayor rapidez en la rotación de vagones
Menores tiempos de inactividad y espera
Optimización del consumo de energía
Mayor rendimiento de la estación
Mayor seguridad y menores costes operativos

Este enfoque basado en datos garantiza que los conceptos de automatización se validen antes de su implementación en el mundo real.

Plataforma Shunting as a Service

El shunting as a service introduce un cambio en la estructura de las operaciones de las estaciones ferroviarias. En lugar de una actividad interna fija, la gestión de maniobras se modela como una plataforma orientada a servicios donde la capacidad se asigna dinámicamente, las operaciones se coordinan digitalmente y el rendimiento se supervisa continuamente.

Este enfoque favorece una mayor interoperabilidad entre operadores de terminales, gestores de infraestructura ferroviaria, proveedores de logística y autoridades portuarias, al tiempo que permite la integración con otros procesos automatizados dentro de AutoMoTIF.

Impulsando terminales ferroviarias más inteligentes

Para garantizar resultados realistas, Mosaic Factor calibra simulaciones utilizando datos operativos históricos, información de planificación y escenarios de pruebas de estrés que reflejan la demanda máxima y el crecimiento futuro.

Los modelos resultantes proporcionan herramientas de apoyo a la toma de decisiones para la inversión en infraestructura, estrategias de automatización, modelos de negocio y alineación regulatoria, lo que ayuda a reducir el riesgo y acelerar la implementación.

Fortaleciendo la red europea de transporte ferroviario de mercancías

Al mejorar la eficiencia ferroviaria, la automatización de maniobras contribuye a objetivos logísticos más amplios, entre ellos:

Cambio modal de la carretera al ferrocarril
Reducción de la congestión en las terminales
Menores emisiones
Condiciones de trabajo más seguras
Operaciones logísticas más fiables

Mediante la validación basada en simulaciones, Mosaic Factor demuestra cómo la automatización de maniobras puede aumentar el rendimiento, reducir los retrasos, optimizar el consumo de energía y mejorar la seguridad.

La automatización del shunting, como plataforma orientada al servicio, representa más que una actualización tecnológica. Introduce un nuevo modelo operativo que refuerza el papel del ferrocarril en el sistema de transporte europeo, al tiempo que apoya una red logística más eficiente y sostenible.

→ Revisa nuestra solución Gemelos Digitales

La entrada Automated Shunting as a Service Platform se publicó primero en Mosaic Factor.

Mobile World Congress 2026: Entrando en la era IQ

mosaic-admin — Fri, 06 Mar 2026 10:43:54 +0000

Barcelona se convirtió una vez más en el centro del ecosistema global de la tecnología móvil con el regreso del Mobile World Congress (MWC) en su edición 2026, reuniendo a más de 2900 expositores y más de 1200 ponentes. El tema oficial de este año, «La era IQ«, se centró en la infraestructura inteligente, la conectividad impulsada por IA, la integración de la IA empresarial y la innovación inclusiva, lo que marca un cambio importante en la evolución de las redes de telecomunicaciones, convirtiéndose en la columna vertebral del ecosistema global de IA.

En representación de Mosaic Factor, Joan Sampablo, director de ventas, asistió al evento para explorar los últimos avances que configuran el futuro de la conectividad, la inteligencia artificial y la infraestructura digital.

Las telecomunicaciones como columna vertebral de la IA

El MWC 2026 destacó cómo la industria de las telecomunicaciones está yendo más allá de la conectividad para convertirse en un elemento clave de la próxima generación de servicios impulsados por IA. Los líderes de la GSMA describieron tres pilares clave que se espera impulsen la siguiente fase del crecimiento digital:

La finalización de los despliegues de redes 5G independientes.
Un acceso más amplio a tecnologías de IA abiertas e inclusivas.
Marcos globales de seguridad y confianza digital más sólidos.

Estas prioridades reflejan una transición más amplia hacia redes que no solo sean más rápidas, sino también capaces de soportar inteligencia distribuida y servicios basados en IA.

El auge de la inteligencia en el dispositivo

Un tema central del evento fue el auge de la IA en todas partes, en particular la transición hacia la inteligencia en el dispositivo y nativa de la red. Los fabricantes de chips y dispositivos presentaron nuevas y potentes arquitecturas de sistema en chip diseñadas para la inferencia local de IA, que permiten capacidades como:

Traducción en tiempo real
Resumen en el dispositivo
Procesamiento avanzado de fotos
Asistentes de IA capaces de realizar tareas complejas sin depender de la nube.

Para desarrolladores y empresas, este cambio señala un nuevo estándar de diseño donde las aplicaciones se crean teniendo en cuenta el procesamiento local de IA y la interacción multimodal, combinando interfaces de cámara, voz y texto para ofrecer experiencias más completas.

Futuro de los sistemas autónomos

Otro tema destacado fue la aparición de los sistemas de IA con agentes, donde los agentes autónomos de IA pueden coordinar tareas en redes, infraestructuras y entornos físicos. Los proveedores de telecomunicaciones y las startups demostraron cómo estos sistemas podrían aplicarse a la orquestación de redes, la automatización de operaciones y la mejora de la ciberseguridad.

Próxima generación de sistemas conectados

Uno de los conceptos más debatidos en el congreso de este año fue la «computación cinética» y los «tokens cinéticos». Estos representan unidades de computación ultrarrápidas diseñadas para sincronizar acciones reales en robótica, drones, vehículos autónomos y otros sistemas distribuidos. Los operadores de telecomunicaciones argumentan que sus redes están en una posición única para ofrecer la coordinación en milisegundos necesaria para impulsar estas tecnologías emergentes.

Seguridad, confianza digital e inclusión global

La seguridad y la inclusión digital global también ocuparon un lugar destacado en la agenda de la conferencia. Ante el continuo aumento de los costes de la ciberdelincuencia en todo el mundo, los líderes del sector destacaron la importancia de:

IA que preserve la privacidad
Marcos de identidad digital más sólidos
Modelos de IA capaces de soportar más idiomas globales
Estándares de infraestructura transfronterizos

Estas prioridades reflejan el creciente reconocimiento de que la innovación tecnológica debe ir acompañada de una gobernanza sólida y un acceso digital inclusivo.

Mosaic Factor en el MWC 2026

Según Joan, asistir al MWC proporciona información valiosa sobre la rápida evolución del panorama de las telecomunicaciones y la tecnología. El evento destacó la creciente importancia de la infraestructura basada en IA y la computación en el borde, así como el papel cada vez más importante que desempeñarán las redes de telecomunicaciones para habilitar aplicaciones inteligentes y sistemas conectados.

Para Mosaic Factor, asistir al congreso ofrece la oportunidad de mantenerse al día con las tendencias e innovaciones emergentes de la industria que darán forma a la próxima generación de soluciones digitales.

A medida que la industria se adentra en la llamada Era IQ, se espera que la convergencia de la IA, la conectividad avanzada y la computación distribuida redefina la forma en que interactúan los dispositivos, las redes y las empresas, creando nuevas oportunidades de innovación en todos los sectores a nivel mundial.

La entrada Mobile World Congress 2026: Entrando en la era IQ se publicó primero en Mosaic Factor.

TwinOps y Gemelos Digitales MyEV: Impulsando los vehículos eléctricos SDV en la Conferencia RTR

mosaic-admin — Thu, 19 Feb 2026 10:09:24 +0000

En la Conferenci RTR de este año, Stefano Persi, CEO de Mosaic Factor, presentó las últimas novedades de Mosaic Factor en vehículos eléctricos (VE) definidos por software a través del proyecto Twin-Loop. Su sesión se centró en el papel transformador de los gemelos digitales y la metodología TwinOps para optimizar el consumo energético, la seguridad y el rendimiento general de los VE a lo largo de su ciclo de vida.

Impulsando la eficiencia y la innovación con gemelos digitales

Persi destacó el Gemelo Digital MyEV, una arquitectura de dos capas con una versión externa completa para simulación y una versión integrada en el vehículo, totalmente conectada e interoperable con aplicaciones de IA para permitir actualizaciones y optimización continuas.

Este diseño permite actualizaciones continuas e interoperabilidad con aplicaciones de IA avanzadas, lo que garantiza que la función de los VE definidos por software pueda optimizarse en términos de energía, eficiencia, seguridad y experiencia del conductor a lo largo de su ciclo de vida.

Metodología TwinOps: optimización continua

El concepto TwinOps es la base de Twin-Loop y combina:

Principios de ingeniería basada en modelos (MBE)
Prácticas DevOps
Integración continua de gemelos digitales

Esta metodología permite que los gemelos digitales se mantengan sincronizados con la evolución de los diseños de vehículos, lo que facilita un diseño, una validación y una toma de decisiones operativas eficientes. TwinOps también aprovecha los datos de vehículos y flotas para mejorar la optimización energética, la seguridad y la integridad del sistema sin interferir con las funciones principales de los vehículos eléctricos.

Energía, seguridad y sostenibilidad

La eficiencia energética fue un tema clave de la presentación. Persi explicó cómo los algoritmos optimizados en el vehículo y la transmisión de datos comprimidos pueden reducir el consumo de energía manteniendo un alto rendimiento. También destacó cómo TwinOps integra el modelado ambiental, lo que facilita la reducción de emisiones durante el ciclo de vida y la transición hacia vehículos definidos por software (SDV). La seguridad y la ciberseguridad siguen siendo fundamentales en este marco: los gemelos digitales y las aplicaciones están diseñados para operar detrás de los sistemas centrales, con herramientas como CyberCar, OFSCE, ModVV y ZTBCar que brindan protección contra ataques a vehículos individuales, intrusiones a nivel de flota e infracciones en los sistemas del vehículo.

Fomento de la colaboración y la competitividad europea

El consorcio Twin-Loop reúne a 12 socios de 8 países, que abarcan el mundo académico, fabricantes de automóviles, proveedores de tecnología y consultoras. El consejo asesor incluye a ZF Friedrichshafen AG, Volvo Group, Zunder y Traton, y el proyecto cuenta con un presupuesto de 5 millones de euros.

Mediante el desarrollo de un marco abierto para gemelos digitales MyEV y un conjunto de aplicaciones conectadas, Twin-Loop busca acelerar la innovación, reducir el tiempo de desarrollo y fortalecer la competitividad europea de la automoción. El marco proporciona módulos reutilizables, directrices de desarrollo y servicios compartidos, simplificando el desarrollo de sistemas digitales complejos.

Mirando hacia el futuro

La presentación destacó cómo TwinOps y los Gemelos Digitales MyEV están marcando el comienzo de una nueva era de vehículos eléctricos más inteligentes, seguros y sostenibles. Al aprovechar la mejora continua y el análisis de la flota, estas herramientas optimizan la eficiencia energética, la experiencia del conductor y la resiliencia general del sistema. A través de Twin-Loop, el proyecto contribuye a definir el futuro de los vehículos definidos por software e impulsa a la industria automotriz europea hacia la próxima generación de movilidad.

La entrada TwinOps y Gemelos Digitales MyEV: Impulsando los vehículos eléctricos SDV en la Conferencia RTR se publicó primero en Mosaic Factor.

El papel de la IA en la logística multimodal y el transporte ferroviario sostenible

mosaic-admin — Thu, 05 Feb 2026 09:29:30 +0000

La semana pasada, nuestro equipo tuvo el privilegio de participar en una mesa redonda de alto nivel en el CIDAI (Centre of Innovation for Data Tech and AI) en Barcelona, donde se promovió el diálogo en el sector sobre el intercambio de datos entre los ecosistemas de logística, movilidad e IA. Stefano Persi, director ejecutivo, debatió cómo la IA puede contribuir de forma práctica a una logística más eficiente, sostenible y resiliente, centrándose en el transporte multimodal y el papel del transporte ferroviario de mercancías en la construcción de redes logísticas más inteligentes.

El debate se enmarcó en el trabajo más amplio sobre el libro blanco del CIDAI, elaborado a través de su grupo de expertos con contribuciones de actores públicos y privados. Como participantes en este esfuerzo, nos complace haber contribuido a la mesa redonda, donde Stefano Persi compartió ejemplos prácticos y casos prácticos que destacan el papel de la IA y el intercambio fiable de datos en entornos logísticos reales.

Visión del sector

Los volúmenes de transporte de mercancías por ferrocarril se mantienen por debajo de la media europea y una tasa de 5 millones de euros agrava el desafío. El transporte de mercancías por ferrocarril sigue enfrentándose a desafíos operativos y estructurales, a pesar de que se espera un crecimiento significativo de la demanda.

En consonancia con los objetivos de Neutralidad Climática 2050, se proyecta que los volúmenes de transporte de mercancías por ferrocarril se dupliquen en comparación con los promedios históricos recientes. Lograr este crecimiento requerirá no solo inversión en infraestructura, sino también una mejor coordinación, optimización y colaboración en todo el ecosistema logístico.

Desde la perspectiva de CIMALSA, , la multimodalidad es un factor clave para mejorar la eficiencia y la sostenibilidad logística. El modelo óptimo combina el ferrocarril para el transporte de media y larga distancia y el transporte por carretera, principalmente para operaciones de primera y última milla. La IA facilita esta transición al facilitar la reasignación de los flujos de transporte del camión al ferrocarril, optimizando rutas, horarios y el uso de la capacidad. Este enfoque puede reducir significativamente las emisiones en comparación con el transporte exclusivamente por carretera, manteniendo al mismo tiempo la flexibilidad operativa.

El intercambio de datos y el papel de los espacios de datos

Un desafío recurrente identificado es la reticencia de los operadores y agentes logísticos a compartir información. Si bien las preocupaciones sobre la privacidad son legítimas, a menudo limitan la optimización de todo el sistema. Los espacios de datos se destacaron como un factor clave, ya que proporcionan:

Intercambio seguro de datos y acceso controlado.
Reglas claras sobre cómo se comparten y utilizan los datos.
Base técnica para que las herramientas de IA sugieran rutas, calculen costos y simulen escenarios operativos.

Al garantizar la confianza en los datos, los espacios de datos permiten que la IA facilite una mejor toma de decisiones sin comprometer la información empresarial confidencial.

Desafíos del sector logístico

Cinco grandes desafíos configuran el futuro del transporte ferroviario de mercancías y la logística:

Presión por la sostenibilidad y la descarbonización.
Resiliencia ante las crisis globales y geopolíticas.
Congestión urbana y gestión de la última milla.
Interoperabilidad digital y vulnerabilidades de ciberseguridad.
Preparación organizativa y transformación tecnológica.

Estos desafíos están estrechamente interconectados y requieren respuestas coordinadas.

Dónde la IA puede aportar valor tangible

La IA ya está demostrando beneficios mensurables en las operaciones de transporte y distribución, donde puede generar mejoras en eficiencia, costes y sostenibilidad. Para Mosaic Factor, esto incluye proyectos de automatización para la carga y descarga de contenedores en puertos.

A pesar de su potencial, existen barreras que dificultan la adopción de la IA. Estos desafíos incluyen:

Falta de una estrategia de IA dentro de las organizaciones,
problemas de gobernanza y fragmentación de datos,
falta de datos históricos de calidad, dificultad para evaluar el ROI de las iniciativas de IA,
y un entorno regulatorio complejo e inconsistente. Abordar estas barreras requiere una alineación estratégica más clara entre tecnología, operaciones y regulación.

Los participantes coincidieron en un modelo de tres niveles para el sector:

Digitalización: digitalización y automatización básicas, donde el progreso ya es visible.
Intercambio de datos: intercambio seguro de datos, que permite la visibilidad de la red.
Visibilidad y casos de éxito: más redes que logística y visibilidad de los casos de éxito.

Avanzar en estos niveles es esencial para liberar todo el potencial de la IA en la logística.

Conclusiones

La eficiencia logística depende de la combinación eficaz de innovación, sostenibilidad y regulación. La pregunta clave para los operadores es qué valor se crea al compartir datos. La IA, al combinarse con la multimodalidad y marcos confiables de intercambio de datos, puede mejorar significativamente la eficiencia, la sostenibilidad y la resiliencia de los sistemas de transporte ferroviario de mercancías y logística.

Durante la mesa redonda, Stefano destacó tres proyectos a los que contribuyó Mosaic Factor:

Pioneers: Predicción del Transporte de Contenedores (Iniciativa de Puertos Verdes de la UE)
Port of Antwerp-Bruges: Predictor del Flujo de Carga
Disruptive: Detección y Clasificación de Interrupciones en la Red Logística

En conjunto, estos proyectos muestran el impacto práctico de la IA y la colaboración de datos en operaciones logísticas reales, fundamentando el debate de la mesa redonda de CIDAI en soluciones tangibles.

Clica aquí para leer el documento completo del CIDAI.

La entrada El papel de la IA en la logística multimodal y el transporte ferroviario sostenible se publicó primero en Mosaic Factor.

Conferencia Software-Defined Vehicles Berlin 2025

mosaic-admin — Fri, 05 Dec 2025 10:52:26 +0000

Nuestro equipo ha participado en la conferencia Software-Defined Vehicles Conference en Berlin, que reunió a las principales voces en innovación automotriz, con un fuerte enfoque en cómo la Inteligencia Artificial (IA) está transformando la industria. En varias sesiones, los expertos mostraron cómo la IA está impulsando avances en seguridad, personalización y procesos de desarrollo.

Sesiones clave sobre IA

Agentic AI in the Car: From Orchestration to Agentic Personalisation

Speaker: Dogukan Sonmez, Project Lead Machine Learning Platform, BMW AG
Focus: aplicaciones de IA generativa más allá del texto, manejando modelos 3D, flujos de sensores y datos específicos de dominio.
Highlight: exploró las arquitecturas de sistemas multiagente y las técnicas de orquestación, mostrando cómo la IA agente puede mejorar la eficiencia, la adaptabilidad y la toma de decisiones en los SDV.

Esta sesión reveló enfoques innovadores para integrar la IA en el núcleo mismo de la inteligencia vehicular, convirtiéndola en una de las charlas más vanguardistas del evento.

Scalable Function Deployment for SDV

Speaker: Michael Niklas-Höret, AUMOVIO

Focus: la continua (R)evolución de las arquitecturas E/E en los vehículos, desde el enfoque descentralizado centrado en dominios hasta Server Zone y Central Compute/Zero Edge, y el desafío resultante de desplegar funciones a través de estas diversas arquitecturas.
Highlight: introducción de un nuevo patrón de desarrollo de funciones diseñado para permitir la reutilización de funciones a través de las tres arquitecturas principales (y sus híbridos), con el objetivo de facilitar la migración de los fabricantes de equipos originales (OEM) a nuevas plataformas E/E y aumentar la reutilización entre las líneas de vehículos.

From Code to Car – Accelerating SDV Integration with Shift-Left and CI/CT

Speaker: Felix Pretscheck, Bosch
Focus:cómo la introducción de unidades de control electrónico (ECU) de próxima generación, combinada con un enfoque de shift-left, la virtualización y un marco modular de CI/CT (Integración Continua/Pruebas Continuas), está transformando y acelerando el proceso de integración de software y sistemas para Vehículos Definidos por Software (SDV).
Highlight: mostrando metodologías clave y facilitadores arquitectónicos que optimizan la integración y validación, lo que conduce a una mejor calidad del software, ciclos de integración más rápidos y sistemas automotrices complejos más ágiles, escalables y listos para producción.

Coding for Cars: AI in the Driver’s Seat

Speaker: Mikhail Vink, VP of Business Development, JetBrains
Focus: el papel del desarrollo impulsado por IA en industrias reguladas, garantizando la calidad y seguridad del código generado por IA, e integrando la IA en DevOps.
Highlight: demostró cómo la IA puede agilizar los procesos de codificación mientras mantiene el cumplimiento y los estándares de seguridad.

Between Research and Current Development in ADAS

Speaker: Khaled Alomari, Manager Connected Vehicles, MHP (A Porsche Company)
Focus: uniendo la investigación de vanguardia con el desarrollo real de Sistemas Avanzados de Asistencia al Conductor (ADAS).
Highlight: se enfatizó la colaboración entre el ámbito académico, la industria y los reguladores para acelerar la adopción de ADAS impulsados por IA.

Khaled subrayó el papel fundamental de la IA en la mejora de la seguridad y la eficiencia, haciendo de esta sesión un evento imprescindible para cualquiera interesado en el futuro de los vehículos conectados.

Mastering Complexity with Digital Twins

Speaker: Ignacio Izaguirre, VP of Product, Concentrio AG
Focus: aprovechando los gemelos digitales a nivel de señal para la gestión de software.
Highlight: mostró cómo aplicar la inteligencia artificial a redes de dependencia puede identificar anomalías y vulnerabilidades, mejorando las actualizaciones OTA y la fiabilidad del sistema.

AI-Driven Autonomy in SDVs

Speaker: Shashank Pathak, Product Management, ZF Friedrichshafen AG
Focus: cómo la IA permite la percepción, planificación y control en los SDV autónomos.
Highlight: se discutieron los desafíos de implementar IA en hardware automotriz y las estrategias para una autonomía segura y escalable.

Talleres y sesiones world café

Los talleres «Challenge your peers» reunieron a los participantes en pequeñas mesas redondas moderadas, donde debatimos preguntas urgentes de la industria utilizando inteligencia colectiva y mapas mentales. Los temas abordaron desde cómo evoluciona la prueba de software bajo arquitecturas SDV, el papel de la IA en el desarrollo automotriz y el futuro del cumplimiento de ASPICE, hasta la redefinición de las experiencias dentro del automóvil mediante HMI avanzado y la exploración de la autonomía impulsada por IA. Cada taller animaba a los asistentes a compartir experiencias, cuestionar supuestos y co-crear conceptos de soluciones. De manera similar, el formato World Café proporcionó un entorno dinámico para el aprendizaje entre pares, la creación de redes interindustriales y la generación de ideas accionables que complementaban las presentaciones y estudios de caso más formales.

Nuestras conclusiones

La conferencia destacó que la inteligencia artificial ya no es una herramienta periférica, sino un pilar central en la evolución de los vehículos definidos por software. Desde la personalización agente en BMW hasta los ADAS impulsados por IA en MHP, las sesiones demostraron cómo la inteligencia se está integrando en cada capa de la innovación automotriz. Estas charlas no solo mostraron aplicaciones actuales, sino que también apuntaron hacia un futuro donde los vehículos sean adaptativos, inteligentes y profundamente conectados.

La entrada Conferencia Software-Defined Vehicles Berlin 2025 se publicó primero en Mosaic Factor.

Smart City Expo Barcelona

mosaic-admin — Mon, 17 Nov 2025 14:41:38 +0000

Nuestro equipo ha participado en la edición de este año del Smart City Expo World Congress, el evento global líder en innovación urbana. La exposición reunió a proveedores de tecnología, municipios, investigadores e instituciones para explorar cómo las soluciones digitales pueden transformar las ciudades en entornos más inteligentes, seguros y sostenibles.

Aquí están las tendencias y desarrollos clave que se destacaron.

Digital Twins como protagonistas

La tecnología Digital Twin (DT) ha sido uno de los temas más destacados en los stands de los expositores. Las ciudades están adoptando cada vez más los DT para simular y gestionar sistemas urbanos complejos. Las aplicaciones más comunes mostradas incluyen:

Emergency y disaster management
Human behaviour modelling
Traffic and parking optimisation
Energy demand forecasting
Urban planning, cómo identificar áreas donde se necesitan nuevas instalaciones de cuidado infantil

Varias empresas también presentaron la evolución del concepto Citiverse, parte de una iniciativa europea que integra Digital Twins con ciberseguridad, IoT y otras tecnologías avanzadas (Proyecto Citiverse de la Comisión Europea). Otro punto destacado fue la introducción de los 4D Digital Twins, que incorporan la dimensión temporal para permitir simulaciones urbanas predictivas (Nfold ROI).

Smart Cities y visual Language Models

La innovación en IA fue otro de los grandes focos. NVIDIA presentó su plataforma de Modelo de Lenguaje Visual (VLM) para ciudades, diseñada para transformar los datos de imágenes capturados por sensores en un “cerebro de la ciudad” inteligente capaz de interpretar escenarios urbanos actuales y potenciales. Se demostraron aplicaciones prácticas en Leipzig, donde se están utilizando DT impulsados por IA para optimizar los aparcamientos y la infraestructura para bicicletas. Mientras tanto, la Universidad de Hamburgo mostró proyectos de IA colaborativos y de código abierto, poniendo énfasis en su interés por unirse a iniciativas financiadas por Europa (DCS Intro 2024).

Cybersecurity y Global Engagement

La ciberseguridad ha sido un tema recurrente durante toda la exposición, destacando su papel crucial en la protección de las infraestructuras de las ciudades inteligentes. Cabe señalar que el Banco Mundial participó activamente, reflejando la importancia global de los ecosistemas digitales seguros.

Nuestra contribución: Open Innovation Challenges

Como parte de nuestra participación, participamos en desafíos de innovación abierta, presentando propuestas que aprovechan los grandes Modelos de Lenguaje (LLM) y los Gemelos Digitales para aplicaciones corporativas. Estas iniciativas demuestran nuestro compromiso con superar los límites de la inteligencia artificial y la tecnología urbana, asegurando que las ciudades del futuro sean no solo más inteligentes, sino también más resilientes e inclusivas.

Nuestra presencia en la Smart City Expo de Barcelona reafirmó nuestro papel como proveedor de tecnología con visión de futuro. Contribuyendo a las discusiones sobre Gemelos Digitales, IA, ciberseguridad e innovación abierta, continuamos dando forma al futuro de la vida urbana, impulsando soluciones que hacen que las ciudades sean más adaptativas, eficientes y centradas en las personas.

La entrada Smart City Expo Barcelona se publicó primero en Mosaic Factor.

Meeting del proyecto Twin-Loop en Catania

mosaic-admin — Mon, 10 Nov 2025 13:36:03 +0000

El mes pasado, nuestro equipo tuvo el honor de acoger la Reunión de la Asamblea General del proyecto Twin-Loop en la vibrante ciudad de Catania, en Sicilia. Celebrado en el emblemático Museo Diocesano, un lugar donde el patrimonio se encuentra con la innovación, el evento marcó un momento clave para la iniciativa Horizon Europe centrada en revolucionar la eficiencia energética de los vehículos eléctricos.

Como coordinadores de Twin-Loop, estamos encantados de liderar este esfuerzo innovador para desarrollar un Marco Abierto para las tecnologías TwinOps y Digital Twin adaptadas a los Vehículos Eléctricos. El objetivo final del proyecto: reducir significativamente el consumo de energía de los VE y abrir el camino hacia una movilidad más inteligente y sostenible.

Aspectos destacados de la Asamblea

Avances Colaborativos. Socios de toda Europa se reunieron en sesiones dinámicas centradas en el Consejo Asesor y los Casos de Uso, alineándose en estrategias técnicas y objetivos compartidos.
Revisión del progreso del proyecto. Una evaluación exhaustiva de los hitos, entregables y objetivos futuros aseguró que todos los implicados avanzaran con claridad y cohesión.
Networking y sinergias. Los encuentros informales y las actividades estructuradas de networking favorecieron nuevas relaciones y fortalecieron las existentes, reforzando el espíritu colaborativo de Twin-Loop.
Talleres prácticos. Las sesiones interactivas encendieron nuevas ideas y conocimientos prácticos, proporcionando a los participantes un renovado ímpetu y una hoja de ruta clara para la siguiente fase.

A medida que Twin-Loop continúa evolucionando, la energía y la implicación de esta Asamblea General servirán como un catalizador poderoso para la innovación, el impacto y el progreso hacia un futuro de vehículos eléctricos más eficiente

Avanzando la Inteligencia del Digital Twin para el Futuro del SDV en vehículos eléctricos

Twin-Loop está liderando una nueva generación de innovación en Digital Twin aprovechando las capacidades crecientes de las arquitecturas cloud-native y la computación de alto rendimiento (HPC). A medida que los vehículos eléctricos evolucionan hacia vehículos completamente definidos por software (SDV), el proyecto utiliza la orquestación de datos en tiempo real y la integración edge-to-cloud para redefinir la manera en que las réplicas digitales interactúan con los sistemas físicos. Nuestra ambición es elevar la experiencia de los vehículos eléctricos: mejorando la personalización, incrementando la eficiencia energética e incorporando ciberseguridad.

Las soluciones actuales de Digital Twin a menudo pasan por alto la complejidad granular de los VE, donde cada vehículo funciona con una combinación única de hardware, firmware y actualizaciones de software. Twin-Loop abraza esta individualidad, utilizando la inteligencia operativa de toda la flota y la fusión de datos a lo largo del ciclo de vida para construir modelos adaptativos que evolucionan con cada vehículo. Este enfoque permite reducir el consumo de energía de manera inteligente, sin comprometer el rendimiento, la comodidad ni la seguridad.

Mediante el desarrollo de un Open TwinOps Framework y de una suite modular de herramientas digitales, Twin-Loop permitirá la optimización continua en las cuatro etapas críticas del ciclo de vida de los VE: diseño, producción, operación y fin de vida.

→ Consulta nuestra solución Digital Twins

La entrada Meeting del proyecto Twin-Loop en Catania se publicó primero en Mosaic Factor.