La aplicación BYOD transforma las operaciones diarias de los repartidores en un flujo de trabajo totalmente conectado y basado en datos. Desde la validación de paquetes hasta la prueba de entrega y la notificación de incidencias, cada acción se registra de forma segura y se transmite a la plataforma central, lo que garantiza que los proveedores de logística estén siempre informados.

Cuando un repartidor inicia sesión, la aplicación se adapta automáticamente a la configuración específica del Living Lab. Las funciones y los flujos de trabajo disponibles dependen del modelo operativo de cada entorno. La aplicación BYOD está diseñada para admitir diferentes implementaciones en distintas ciudades con configuraciones personalizadas, sin necesidad de modificar la aplicación principal.

En el Living Lab de Atenas, por ejemplo, los repartidores pueden operar a través de paquetes o paradas en el menú principal. Esta flexibilidad permite que la misma aplicación admita múltiples escenarios logísticos sin alterar el sistema central.

Función Parcel

El la funcionalidad Parcel, los repartidores añaden paquetes escaneando códigos QR o introduciendo manualmente los ID de los paquetes. Para mayor eficiencia, se pueden seleccionar varios paquetes a la vez escaneando códigos QR o introduciendo un ID de paquete para su procesamiento por lotes.

Una vez validados, los paquetes aparecen en la lista de trabajo actual, confirmando que están correctamente vinculados al repartidor. Permanecen visibles hasta que se completa la entrega, se retiran manualmente o se confirma la entrega en el sistema. Una opción de actualización permite al repartidor obtener la información más reciente del paquete en cualquier momento.

Al seleccionar un paquete, se accede a los datos esenciales de entrega, incluyendo su número de identificación, estado, dirección de entrega, fecha de entrega prevista, peso, tipo de servicio y ruta asociada. Durante el proceso de entrega, los repartidores pueden registrar eventos y actualizar la calidad del paquete directamente en la aplicación.

Como comprobante de entrega, se selecciona un solo paquete y el destinatario firma directamente en el dispositivo. La firma se registra de forma segura y se notifica inmediatamente, lo que garantiza una confirmación fiable de la entrega y la trazabilidad.

Función Stop

A través del menú principal, los repartidores pueden activar la función de parada, que ofrece una visión general estructurada de las paradas planificadas y la información de los paquetes, agrupada por ubicación de entrega. Las paradas se visualizan en un mapa interactivo, lo que proporciona una clara visibilidad de la ruta y una mejor percepción de la situación gracias a la geolocalización en tiempo real.

Al seleccionar una parada, se muestran los paquetes asignados a esa ubicación, lo que permite a los repartidores gestionar las entregas agrupadas de forma eficiente. Si se produce una incidencia, el repartidor puede notificarla directamente en la aplicación seleccionando el tipo de incidencia, añadiendo comentarios y compartiendo automáticamente su posición. Esta comunicación en tiempo real facilita los ajustes operativos inmediatos y la gestión proactiva de incidencias.

Impacto del BYOD

La herramienta BYOD de Green-Log garantiza que cada acción, desde la validación de paquetes hasta la captura de firmas y la notificación de incidencias, se transmita de forma segura a los operadores logísticos. Este flujo continuo de información mejora:

• La transparencia
• La coordinación
• La toma de decisiones basada en datos

Al combinar flexibilidad, visibilidad operativa en tiempo real y notificación segura, BYOD optimiza la eficiencia de la entrega de última milla y contribuye a una logística urbana más sostenible y optimizada en diferentes entornos urbanos.

→ Revisa nuestra solución Gemelos Digitales

La entrada Bring Your Own Device overview se publicó primero en Mosaic Factor.

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.

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.

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:

1. Digitalización: digitalización y automatización básicas, donde el progreso ya es visible.
2. Intercambio de datos: intercambio seguro de datos, que permite la visibilidad de la red.
3. 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:

1. Pioneers: Predicción del Transporte de Contenedores (Iniciativa de Puertos Verdes de la UE)
2. Port of Antwerp-Bruges: Predictor del Flujo de Carga
3. 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.

Más allá del RAG tradicional

Los canales del RAG tradicional incorporan una consulta, recuperan contexto y generan una respuesta. Agentic RAG introduce inteligencia en el proceso. Clasificando la intención antes de decidir si es necesario recuperar información, llamar a herramientas o responder directamente, las empresas reportan reducciones de costos de hasta el 40% y mejoras de latencia del 35%.

Patrones clave que impulsan su adopción

Los expertos de la industria señalan tres patrones arquitectónicos que definen Agentic RAG:

• Intent-Based Query Routing: determina si es necesario recuperar información o si una respuesta directa es suficiente.
• Orquestación de herramientas con gestión de errores: coordina APIs, calculadoras y bases de datos mientras gestiona los errores de manera eficiente.
• Evaluación continua de costes y latencia: controla el uso de tokens y los indicadores de rendimiento en tiempo real.

Estos patrones permiten a los sistemas decidir, adaptarse y optimizar, un requisito crítico para la IA a escala empresarial.

Arquitectura en la práctica

Los sistemas Agentic RAG normalmente se construyen sobre tres capas:

• Capa de Orquestación: el “cerebro de decisión” que dirige las consultas de manera inteligente.
• Capa de Ejecución: gestiona la recuperación de información, las llamadas a herramientas y la inferencia LLM.
• Capa de Infraestructura: proporciona bases de datos vectoriales, gestión del despliegue y observabilidad.

A diferencia del RAG tradicional, que siempre realiza recuperación de información, el Agentic RAG evalúa si la recuperación es necesaria, organizando la combinación óptimade recuperación, herramientas y generación.

Flexibilidad del proveedor a través de capas de gateway

Otra tendencia clave es el auge de las abstracciones de gateway que permiten a los desarrolladores cambiar sin problemas entre proveedores como OpenAI, Anthropic, Google y Bedrock. Este enfoque permite:

• Enrutamiento de reserva cuando los proveedores tienen tiempos de inactividad;
• pruebas A/B sin cambios de código;
• optimización de costos dirigiendo las consultas al modelo más eficiente;
• libertad respecto a la dependencia de un proveedor.

Las empresas están adoptando cada vez más pasarelas unificadas para equilibrar velocidad, coste y fiabilidad entre los proveedores.

Conclusión

El Agentic RAG ya no es un experimento de nicho, sino el modelo para los sistemas de IA de producción. Al combinar la recuperación con la toma de decisiones, la orquestación y la observabilidad, la técnica establece nuevos estándares de eficiencia y adaptabilidad en la IA empresarial.

“La IA de producción no se trata solo de la recuperación. Se trata de inteligencia: saber cuándo recuperar, cuándo usar herramientas y cuándo responder directamente. El Agentic RAG ofrece esa inteligencia”.

La entrada Agentic RAG para IA se publicó primero en Mosaic Factor.

AGI: el horizonte a largo plazo

La IA General, o Inteligencia Artificial General (AGI, en inglés), se refiere a máquinas que pueden realizar cualquier tarea intelectual que un humano puede. Es flexible, autónoma y capaz de razonar en diversos dominios. Estado Actual: La IAG sigue siendo teórica. Ningún sistema existente ha logrado una verdadera inteligencia general. Creemos que este es un tema altamente atractivo, y estamos monitoreando los desarrollos con gran interés y anticipación.

Generative AI: creatividad en el mundo real a gran escala

La IA generativa (o GenAI en inglés) ya está transformando industrias. Estos modelos crean nuevo contenido – texto, imágenes, código, audio, entre otros – basado en patrones de datos aprendidos. Casos de uso que podemos ofrecer para GenAI:

• Generación de contenido automatizado para industrias específicas (como la atención médica).
• Resumir documentos y análisis de contratos para equipos legales o de cumplimiento normativo.
• Chatbots inteligentes para consultas internas de la empresa o soporte al cliente.
• Herramientas de generación y depuración de código para desarrolladores específicos de la industria (como el automotriz).

Nuestras soluciones: construimos y ajustamos modelos de IA generativa utilizando los datos propietarios de nuestros clientes, asegurando que los resultados sean precisos, alineados con la organización y cumplan con las normativas. Ya sea que necesiten un asistente personalizado estilo GPT o un generador de imágenes para el diseño de productos, podemos hacerlo realidad.

Técnicas de IA específicas

Nuestro enfoque principal es permitir que las empresas resuelvan desafíos precisos a través de técnicas avanzadas de inteligencia artificial. Es lo que siempre hemos hecho – lo que llamamos ‘IA tradicional’ – y ha sido central en nuestro viaje desde nuestra fundación. Nuestro enfoque: diseñamos, entrenamos y desplegamos estos modelos con soporte durante todo su ciclo de vida: desde la estrategia de datos y la infraestructura hasta la gobernanza y el monitoreo del rendimiento.

Por qué trabajar con Mosaic Factor?

La IA es poderosa, pero solo cuando se aplica con precisión. No solo entregamos herramientas, entregamos transformación.

• Consultoría estratégica de IA y desarrollo de hoja de ruta
• Diseño e integración de modelos personalizados
• Despliegue escalable en la nube y en el borde
• Soporte continuo, compliance y optimización

Ya sea que estés explorando IA generativa para automatización creativa o aprendizaje automático para eficiencia operativa, te ayudamos a transformar el potencial en rendimiento.

¿Listo para explorar lo que la IA puede hacer por tu negocio? Contáctanos para construir algo extraordinario, juntos.

La entrada IA General vs. IA Generativa: lo que significan para tu negocio se publicó primero en Mosaic Factor.

Abordando los puntos ciegos en áreas urbanas

En entornos urbanos concurridos, los coches aparcados, los edificios y la vegetación a menudo obstruyen los sensores de los vehículos, creando puntos ciegos que representan riesgos serios, especialmente para usuarios vulnerables de la carretera (o vulnerable road users en ingés, VRUs) como niños, ciclistas y trabajadores de la carretera. Los sistemas de detección actuales tienen dificultades en estos escenarios, con tasas de reconocimiento que caen por debajo del 65% cuando los individuos están completamente ocultos. HIDDEN tiene como objetivo superar este desafío mejorando la Conciencia Colectiva a través de la comunicación Vehicle-to-Everything (V2X) y la Inteligencia Artificial. Al compartir datos de sensores entre vehículos, infraestructura y usuarios de la carretera, el proyecto permite una comprensión más completa y dinámica del entorno urbano.

Hybrid Intelligence: una fusión persona-máquina

Lo que diferencia HIDDEN es el uso de inteligencia híbrida o Hybrid Intelligence (HI):una fusión de la inteligencia humana y de la máquina. Este enfoque permite que los sistemas automatizados tomen decisiones que no solo sean técnicamente sólidas, sino también éticamente y legalmente fundamentadas, reflejando el juicio y el comportamiento humano.

“HIDDEN va más allá de la IA convencional,” comenta el Dr. Angelos Amditis, Coordinador de HIDDEN y Director de I+D en ICCS”. “Estamos incorporando el juicio humano en el proceso, para que los sistemas automatizados puedan actuar no solo con precisión, sino con sabiduría.”

Testeo en el mundo real

El proyecto probará su enfoque en cuatro escenarios urbanos de alto riesgo:

• Un niño corriendo desde detrás de un coche estacionado
• Un ciclista navegando por zonas de tráfico mixto
• Un trabajador de la carretera oculto por la vegetación
• Un vehículo escondido en una intersección sin señalización

Estos casos reflejan desafíos complejos del mundo real donde una mejor percepción y una toma de decisiones basada en la ética podrían salvar vidas.

Colaboración pan-europea hacia ciudades más seguras e inteligentes

Financiado por Horizon Europe’s Cluster 5 con una subvención de aproximadamente €5 millones, HIDDEN está apoyado por el Connected, Cooperative and Automated Mobility (CCAM) Partnership. El consorcio incluye 14 partners y 2 entidades afiliadas en 7 países de la UE, reuniendo la experiencia de institutos de investigación, universidades, pymes, líderes de la industria automotriz, organismos de regulación y investigadores en ciencias sociales.

HIDDEN no se trata solo de vehículos más inteligentes, se trata de construir confianza, alinear la tecnología con los valores humanos y allanar el camino para calles más seguras en toda Europa. A través de pruebas de campo y simulaciones virtuales, el proyecto validará sus tecnologías y trabajará en estrecha colaboración con los organismos de aprobación de la UE y los grupos de trabajo de la UNECE para dar forma a los futuros estándares y políticas.

La contribución de Mosaic Factor

Mosaic Factor liderará el desarrollo de métodos de Inteligencia Artificial Explicable (XAI) y Aprendizaje por Refuerzo con Retroalimentación Humana (RLHF) dentro del proyecto. Su trabajo se centra en crear un conjunto de herramientas explicativas con énfasis en la transparencia (transparency-first explanatory toolkit) que fomente la confianza, la aceptación por parte del usuario y la integración ética de la IA en vehículos conectados y automatizados.

Para más detalles, puedes leer y descargar el comunicado de prensa completo aquí:

HIDDEN Press Release _EN_final

→ Revisa nuestra solución para Data Enhanced Products

La entrada Lanzamiento HIDDEN project se publicó primero en Mosaic Factor.

Desafíos clave para los equipos de IA en automotive

Los principales desafíos al desarrollar modelos de IA para vehículos de conducción autónoma son:

• Clasificación High-Risk: Los sistemas de IA en los vehículos de conducción autónoma a menudo caen en la categoría de «alto riesgo», lo que desencadena evaluaciones de conformidad obligatorias, documentación y preparación para auditorías.
• Complejidad en el cumplimiento normativo: con más de 450 páginas de texto legal, traducir regulaciones en tareas de ingeniería es un desafío abrumador. Las revisiones manuales y la documentación fragmentada ralentizan la innovación y aumentan los costes.
• Presión de auditoría: los equipos deben prepararse para inspecciones programadas y sorpresas. El incumplimiento puede resultar en multas de hasta 7.5 millones de euros o el 3% de la facturación global.

Marcos de confianza y cumplimiento en la IA

Para abordar estos obstáculos, es fundamental desarrollar marcos de cumplimiento modulares y automatizados adaptados para los SDV que permitan:

• Evaluaciones de sistemas End-to-End: evaluaciones rápidas y listas para auditoría alineadas con la Ley de IA de la UE.
• Informes configurables: evaluaciones específicas para componentes de IA, como el equilibrio de datos o la transparencia del modelo.
• Interfaz de la Fase de Auditoría: herramientas para evaluadores externos, optimizando la retroalimentación y reduciendo el tiempo de evaluación.

¿A quién va dirigido?

• OEMs: responsables del cumplimiento a nivel de sistema, deben asegurarse de que cada componente de IA cumpla con los estándares regulatorios antes del lanzamiento del vehículo.
• Tier 1 Suppliers: los desarrolladores de módulos de IA críticos deben demostrar cumplimiento a nivel de componente a los fabricantes de equipos originales (OEM), mejorando la colaboración y la competitividad en el mercado.

Implicaciones en la industria

La EU AI Act no es solo un obstáculo legal, sino una oportunidad estratégica. Al integrar el cumplimiento en el ciclo de desarrollo, los fabricantes de automóviles pueden construir sistemas de IA más resilientes, transparentes y preparados para el futuro. La Ley fomenta:

• Colaboración interdisciplinar: los equipos de IA, ciberseguridad, seguridad y regulaciones deben trabajar conjuntamente.
• Responsabilidad a lo largo del ciclo de vida: desde el diseño hasta el monitoreo post-mercado, la trazabilidad se convierte en un requisito fundamental.
• Innovación a través de la estructura: erramientas y marcos automatizados transforman el cumplimiento de un obstáculo en un catalizador para mejores prácticas de ingeniería.

A medida que los SDVs se convierten en la norma, la EU AI Act dará forma a cómo se construye, valida y despliega la IA automotriz. Los desarrolladores y proveedores con visión de futuro que adopten un cumplimiento estructurado no solo evitarán sanciones, sino que liderarán la próxima ola de movilidad inteligente.

GPAI y GenAI bajo la Ley de IA: lo que los desarrolladores deben saber

La GPAI Code of Practice, finalizado en mayo de 2025, proporciona orientación crítica para los proveedores de modelos de IA de propósito general (GPAI), incluidos los sistemas de IA generativa (GenAI). La Ley de IA de la UE distingue entre modelos complejos de GenAI -aquellos con riesgo sistémico– y modelos más simples de GenAI, cada uno enfrentando diferentes cargas de cumplimiento.

• Modelos de GenAI Complejos (modelos de riesgo sistémico): Estos modelos superan umbrales como 10²⁵ FLOPs en computación de entrenamiento o demuestran capacidades de alto impacto en diversos dominios. Los proveedores deben realizar pruebas adversariales, evaluaciones de riesgo, e informes de incidentes, y asegurar protecciones de ciberseguridad. También deben notificar a la Comisión Europea para la inclusión en la base de datos pública y mantener documentación detallada de la arquitectura del modelo y las estrategias de evaluación.
• GenAI Models simples: Estos no se clasifican como riesgo sistémico y enfrentan obligaciones más ligeras. Los proveedores deben publicar un resumen de los datos de entrenamiento, asegurar el cumplimiento de derechos de autor (copyright compliance) y mantener documentación técnica para los usuarios finales. La transparencia es clave: los resultados deben estar etiquetados y los usuarios informados al interactuar con sistemas de IA.

El Código de Práctica sirve como un modelo para demostrar el cumplimiento, ayudando a los desarrolladores a navegar por los requisitos en capas de la Ley de IA, al mismo tiempo que fomenta la innovación y la confianza en las tecnologías de GenAI.

La entrada Navegando por la Ley de IA de la UE: implicaciones para desarrolladores de SDV e innovadores de la industria automotriz se publicó primero en Mosaic Factor.

Durante nuestra presencia en el Mobile World Congress (MWC), tuvimos la oportunidad de sumergirnos en tecnologías de vanguardia, establecer conexiones clave y explorar tendencias transformadoras.

La cantidad de keynotes, expositores y empresas era abrumadora. Si queréis tener una visión global de lo que pasó durante el congreso, podéis revisar McKinsey’s global key take-aways from MWC2025.

A continuación, destacamos algunos de los momentos más relevantes de nuestra participación.

Conferencias

Estuvimos en diversas conferencias sobre GenAI en el 4YFN con magníficas charlas como «Prompting Business Models to Life» moderada por Oisin Lunny con los ponentes Miguel A. de Kfund, Pilar Manchón de Google y Shahid Azim sobre cómo la IA Generativa reescribe los modelos de negocio.

Relacionado con el tema, también participamos en “Do AI Agents speak business?” y “The convergence of AI, GenAI and open RAN”.

Finalmente, asistimos a una conferencia sobre cómo la colaboración facilita la cultura de la innovación, así como charlas sobre cómo promulgar la equidad en la era digital.

New Tech

Descubre las últimas tendencias tecnológicas que nos cautivaron en el evento.

1. AI Agents

En el Mobile World Congress (MWC) 2025, una de las tendencias más destacadas fue la de los agentes de inteligencia artificial (IA). Estos agentes no solo responden a consultas, sino que también pueden adaptarse y personalizar sus respuestas según el historial, las preferencias y el tono emocional del usuario.

Esta capacidad de personalización y adaptación se conoce como Ingeniería de Personalidad.

Además, se destacó la integración de estos agentes en dispositivos móviles, como el Samsung Galaxy S25, que puede procesar órdenes de voz y realizar acciones entre diferentes aplicaciones sin intervención humana.

Esta tendencia promete reducir la necesidad de interacción directa con los dispositivos, automatizando tareas basadas en las preferencias del usuario.

2. AI-driven semiconductors

Los semiconductores impulsados por IA también fueron un tema central.

Intel presentó su nuevo Xeon 61, un sistema en chip (SoC) con integración de IA que mejora significativamente la capacidad de la red de acceso radio (RAN) y la eficiencia energética. Este chip ofrece hasta 2.4 veces más capacidad RAN y un 70% mejor rendimiento por vatio en comparación con generaciones anteriores. La aceleración de IA integrada permite un rendimiento RAN de IA hasta 3.2 veces superior.

AMD destacó los avances en tecnologías de semiconductores de alto rendimiento impulsadas por IA, especialmente en el edge computing. Estas tecnologías permiten procesar datos más cerca de donde se generan, mejorando la velocidad y eficiencia de las aplicaciones en tiempo real.

Se presentó una plataforma impulsada por IA para redefinir las operaciones de telecomunicaciones, optimizando el rendimiento de la red en tiempo real3. Esta plataforma busca integrar la IA directamente en la infraestructura de red, como radios, routers y nodos de computación en el borde, para mejorar la eficiencia y reducir costos.

Estas innovaciones están diseñadas para mejorar la conectividad y el rendimiento de las redes, haciendo que la IA sea más viable a gran escala.

3. Smart Factory y la revolución industrial inteligente

Se puso un enfoque especial en los sistemas de fábricas inteligentes, integrando señales, conectividad e inteligencia artificial (IA) para optimizar procesos y aumentar la eficiencia. Este avance subraya la importancia de la innovación tecnológica en la transformación de la industria. 

Conexiones destacadas

1. Digital Twins y sostenibilidad con Fujitsu

Descubrimos el innovador uso de gemelos digitales de Fujitsu’s, basados en datos recolectados por drones marinos. Este proyecto permite mapear y analizar el fondo marino a lo largo de la costa de Japón, proporcionando información sobre emisiones de carbono, biodiversidad y predicciones ambientales. Además, Fujitsu nos presentó un Chat AI Agent diseñado para el sector automotriz, junto con un caso de uso enfocado en la autonomía y capacidad de las baterías de vehículos eléctricos.

2. Diseño, movilidad y robótica: Pininfarina y Ducati

Tuvimos el placer de colaborar con los equipos de Pininfarina y Ducati, referentes en diseño y movilidad, para explorar sinergias tecnológicas y creativas, ya que ahora están entrando en nuevas tecnologías como robótica.

3. Soluciones de carga para vehículos eléctricos con Zunder

Exploramos las iniciativas de Zunder, un líder destacado en la recarga de vehículos eléctricos, que continúa marcando el camino hacia una movilidad más sostenible.

Eventos paralelos durante el MWC

En paralelo, también participamos en el Barcelona Woman Acceleration Week y el Barcelona Open Data Initiative.

Barcelona Woman Acceleration Week

En el BWOW 2025 destacamos el discurso de María González Veracruz, Secretaria de Estado de Digitalización de España y AI, haciendo hincapié en la persistente brecha de igualdad de género en todas las industrias, particularmente en Tech: «Debemos trabajar para crear una nueva era de emprendimiento inclusivo». Muchas mujeres no solo están calificadas, sino que a menudo están sobrecalificadas, sin embargo, esto no siempre conduce a oportunidades en roles de liderazgo.

Open Data day

Asimismo, tuvimos el honor de participar en el OpenDataDay2025, una celebración global del OpenData, con una sesión titulada «Mujeres liderando datos abiertos para la igualdad«.

Organizada por Iniciativa Barcelona Open Data, esta sesión puso de relieve el papel fundamental que juegan los datos abiertos a la hora de abordar los retos relacionados con la igualdad. Ponentes de alto perfil -mujeres a la vanguardia de las tecnologías de datos y los datos abiertos- compartieron sus conocimientos, experiencias y mejores prácticas en la publicación y reutilización de datos abiertos. Este evento es parte del Open Data Day, una celebración anual mundial que ha estado fomentando la adopción de datos abiertos en todos los países y culturas durante los últimos 12 años. Impulsada por la Open Knowledge Foundation y su red, la iniciativa subraya la importancia de aprovechar los datos abiertos para impulsar la innovación y promover la igualdad a nivel mundial.

La entrada Nuestros take-aways de la semana del Mobile World Congress 2025 se publicó primero en Mosaic Factor.

La EV Charging Location Planning Tool incluye datos socio-demográficos, flujos de movilidad y datos de sesiones de carga de las estaciones de carga existentes para predecir las necesidades futuras de puntos de carga, tanto lentos como rápidos, de acuerdo con escenarios que incluyen la adopción anticipada de vehículos eléctricos. La herramienta se presentó a los usuarios del grupo objetivo, principalmente a las autoridades públicas interesadas en la ubicación eficaz y eficiente de los puntos de recarga. Su feedback ha sido muy positivo, especialmente para determinar qué sitios priorizar primero y dónde implementar cargadores adicionales.

Por otro lado, los usuarios han visto diferentes beneficios de las demos de la herramienta.

1. Facilita la toma de decisiones informada al permitir a los usuarios tomar decisiones respaldadas por datos al planificar la infraestructura de carga, lo que supone una clara mejora con respecto a los métodos tradicionales basados en la intuición.
2. La herramienta también garantiza la eficiencia en la asignación de recursos centrándose en las ubicaciones más prometedoras para nuevos puntos de recarga y estimando las tasas de uso y la rentabilidad.
3. También mejora la satisfacción de los conductores de EV aumentando la disponibilidad de puntos de recarga en la zona más necesitada.
4. Finalmente, la herramienta apoya la planificación a largo plazo mediante la simulación de escenarios de tres a cinco años, lo que brinda confianza para desarrollos futuros.

Las conclusiones de la reunión final del proyecto pusieron de manifiesto recomendaciones para los policy makers y los inversores para guiar los futuros esfuerzos e inversiones en carga de VE. Las experiencias de los socios del proyecto y una encuesta europea a autoridades y operadores públicos señalaron:

• la necesidad de una guía de diseño a medida,
• mejora de las conexiones a la red,
• procesos de planificación optimizados,
• la importancia de la interoperabilidad,
• interfaces fáciles de usar,
• y el apoyo político para maximizar el impacto y la accesibilidad de las soluciones innovadoras para los vehículos eléctricos.

En futuro, una vez finalizado el proyecto, esperamos reutilizar y, posiblemente, escalar el concepto del producto. Nuestros esfuerzos de escalabilidad y explotación de esta herramienta se centrarán en:

1. Business and Market analysis para evaluar la idoneidad en otros lugares y organizaciones de Europa en el ecosistema de los vehículos eléctricos.
2. Contacto e implementación de un plan para reutilizar el concepto de Location Planning Toola nivel I+D en los lugares y organizaciones identificados, en colaboración con los socios de desarrollo del modelo.
3. Recopilación de resultados para evaluar la validación del plan de despliegue europeo en las ubicaciones y organizaciones preidentificadas y planificar cualquier ampliación futura a otras ubicaciones fuera de la UE.
4. Evaluación de diferentes casos de uso en los que el producto podría ampliarse en mercados fuera del entorno de los vehículos eléctricos donde la aplicabilidad es sólida (por ejemplo, vehículos de hidrógeno).

La plataforma de simulación

Durante el proyecto, primero realizamos un análisis de las necesidades de los conductores de vehículos eléctricos relacionadas con la carga de vehículos, lo que dio como resultado la solución que diseñamos e integramos: la herramienta de planificación de ubicaciones.

Esta herramienta se ha utilizado y validado en tres tipos de áreas durante la ejecución del proyecto:

1. Un pequeño pueblo en un entorno rural sin vehículos eléctricos (Val Trompia, en el norte de Italia). Las autoridades públicas validaron la herramienta.
2. Una ciudad, Barcelona. Una empresa ha validado la herramienta: B:SM (Barcelona de Serveis Municipals).
3. Un país, Luxemburgo, donde los CPO lo han validado.

Esta validación triple de la herramienta ha demostrado ser valiosa para ilustrar el potencial y las capacidades de nuestro enfoque de combinar el análisis de Big Data con datos de uso en tiempo real para permitir que las administraciones públicas y las empresas privadas planifiquen el futuro despliegue de la infraestructura de carga en las ubicaciones adecuadas.

→ Revisa nuestra solución Modelos Predictivos

La entrada Charging Point Location Planning Tool se publicó primero en Mosaic Factor.