¿Puede la IA reemplazar al inspector? La línea entre preparar y decidir

La pregunta surge en cada demostración de una herramienta de inteligencia artificial en mantenimiento, y se plantea con recelo mucho más a menudo que con curiosidad: ¿esta máquina va a decidir en mi lugar, y quién carga con la responsabilidad cuando se equivoca? Es una buena pregunta. Merece algo mejor que una respuesta de vendedor.

La respuesta cabe en una sola frase que el resto de este artículo se limita a desarrollar: una IA prepara, un humano decide, y ese límite no es una precaución temporal a la espera de que la tecnología alcance su madurez. Es la estructura misma de un oficio donde una sola lectura errónea puede dejar en servicio un equipo que no debería estarlo. Es también uno de los principios que atraviesan toda reflexión seria sobre la IA industrial.

Lo que la IA hace realmente bien

Hay que empezar por lo concreto, porque el recelo suele nacer de promesas vagas. Sobre los datos de inspección y mantenimiento, la IA sobresale en cuatro tareas precisas, todas situadas aguas arriba de la decisión.

Lee documentos no estructurados. Un informe de inspección en PDF, un acta de contratista escaneada, una ficha técnica: extrae la etiqueta (tag) del equipo, las mediciones registradas, los hallazgos y las fechas de vencimiento, y los archiva en una forma utilizable. Es el trabajo de reteclear que nadie quiere hacer y todos posponen, con registros dispersos como secuela. Convertir esos informes dormidos en datos usables es un trabajo por sí mismo: armonizar formatos, extraer las mediciones y volcarlas en un histórico explotable.

Recupera en un histórico extenso. Cada activo que ha mostrado el mismo mecanismo de daño, cada intervención ligada a una causa común, cada punto de vigilancia de corrosión (CML) cuyo espesor de pared ha caído más rápido de lo previsto. Sobre una flota de varios cientos de activos, es la diferencia entre medio día de búsqueda y una respuesta inmediata.

Conecta piezas de información dispersas. La misma anomalía reportada en tres informes distintos por tres contratistas distintos, bajo tres redacciones distintas, que un humano no habría vinculado por no haberlas leído el mismo día.

Da forma. Un acta estructurada a partir de notas, un resumen de parada elaborado a partir de decenas de intervenciones, una nota para la dirección construida a partir de datos crudos. La forma queda preparada, el contenido aún debe verificarse.

Ninguna de estas cuatro tareas decide nada. Todas liberan tiempo en un trabajo que nunca necesitó juicio humano: el manejo y la búsqueda de documentos.

Lo que nunca debe decidir por sí sola

El límite se lee como la imagen especular de las tareas anteriores. Allí donde una conclusión toca la seguridad, el cumplimiento o la operación, la decisión sigue siendo humana.

Una IA puede preparar una clasificación de activos por riesgo. No decide cuál se inspecciona primero: esa elección compromete una política de mantenimiento y una responsabilidad. Puede calcular una velocidad de degradación y una fecha de vencimiento, un cálculo propio de la IA predictiva. No dictamina la aptitud para el servicio de un equipo a presión, que corresponde a una persona competente y a un marco regulatorio. Puede señalar que un espesor de pared se acerca al límite de retiro. No decide si el activo permanece en operación, ni la fecha de una parada.

Ese límite no es una elección prudente que luego abandonaríamos. Se desprende de la naturaleza de la consecuencia. En un puesto de oficina, un error produce un documento que rehacer. En inspección, una lectura errónea puede llevar a operar un activo degradado, con consecuencias para la seguridad, el medioambiente y la contaminación. Esa asimetría no desaparece a medida que el modelo mejora. Un modelo mejor se equivoca con menos frecuencia, pero cada error sigue siendo igual de grave, y nada en un modelo carga con una responsabilidad legal.

Por qué la verificación humana no es un trámite

Una herramienta que procesa trescientos informes se equivocará en algunos. No es un defecto de un software en particular, es una propiedad de todo sistema que interpreta documentos imperfectos: un escaneo torcido, una anotación manuscrita, una tabla desalineada, una unidad ambigua.

La competencia que hay que desarrollar no es, pues, ni confiar a ciegas ni rehacerlo todo a mano. Es saber dónde mirar primero. Los valores atípicos, los espesores de pared que suben, las fechas incoherentes, las etiquetas de equipo casi idénticas que delatan una confusión. Es exactamente el razonamiento que un inspector ya aplica a una campaña de medición, trasladado a un proceso documental. Esa competencia se cultiva con el tiempo y con el conocimiento del terreno, no se compra con la herramienta.

Esta verificación tiene un costo, y hay que decirlo, porque los cálculos de ahorro suelen olvidarlo. La IA no reduce a cero el tiempo de tratamiento: lo desplaza del reteclear tedioso hacia una verificación enfocada, más corta y más calificada. Es un buen canje, pero es un canje, no una eliminación.

El mismo límite, tres industrias

La regla es la misma en todas partes, pero lo que protege cambia de naturaleza según el sector, y un ejemplo concreto vence a un principio.

En petroquímica, la IA extrae los espesores de pared de cientos de puntos sobre las columnas, los intercambiadores y los kilómetros de tubería de una unidad. Calcula las velocidades, señala los puntos que se desploman. Lo que no hace: decidir extender una campaña hasta la próxima parada, un arbitraje que pone en balanza una pérdida de producción de varios millones frente a un riesgo de pérdida de contención. Ese arbitraje corresponde al responsable de inspección.

En farmacéutica, puede conectar los registros de calificación de un recipiente estéril y de un intercambiador, y señalar una deriva lenta. No dictamina la recalificación, que compromete la conformidad de los lotes y la seguridad del paciente. La criticidad de un defecto sobre un equipo en contacto con un inyectable se juzga, no se calcula.

En alimentación y bebidas, puede leer todas las actas de mantenimiento de una torre de secado por atomización y recuperar las intervenciones pasadas sobre su revestimiento. No reemplaza la inspección física que busca una microfisura hacia el aislamiento, porque el riesgo es para la salud e invisible, y ningún documento lo contiene hasta que alguien ha ido a mirar.

Tres sectores, tres consecuencias, un solo límite: la máquina prepara el expediente, el humano carga con la decisión.

Lo que dice el marco regulatorio

En este punto, los textos son más claros de lo que se cree, aunque no se escribieron para la IA.

El marco de gestión del riesgo de calidad en farmacéutica sostiene que toda evaluación remite en última instancia a la protección del paciente, y que la decisión compromete una responsabilidad humana identificada. El marco para la fabricación de medicamentos estériles exige que la criticidad de un defecto se determine a la luz de su impacto sobre el paciente y de la vía de administración: eso es un juicio, no algo que un algoritmo pueda calcular. En equipos a presión, la recalificación periódica corresponde a organismos autorizados y personas competentes, términos que designan a humanos responsables, no a sistemas.

Ninguno de estos marcos prohíbe usar una herramienta para preparar una decisión. Todos suponen que una persona la asume. Un software que produjera una conclusión regulatoria sin validación humana no sería solo arriesgado: sería inutilizable, porque nadie podría apoyarse en él ante un auditor.

Entonces, ¿la IA reemplaza al inspector?

No, y la forma misma en que se plantea la pregunta ilumina la respuesta. Lo que desaparece es el tiempo dedicado a buscar, reteclear y dar formato. Lo que permanece, y gana valor, es la interpretación, el juicio sobre un caso dudoso, la decisión que compromete.

El oficio se desplaza más que se encoge. Un inspector cuya herramienta le prepara el terreno pasa menos tiempo armando un expediente y más tiempo decidiendo sobre los casos que lo merecen. Es un salto de competencia, no una desaparición. La verdadera amenaza, para un profesional, no es la herramienta: es no saber usarla mientras otros aprenden.

Queda una categoría de sitios donde la cautela debe ser máxima: aquellos donde la consecuencia de un defecto es para la salud e invisible, como la contaminación cruzada por una pérdida de integridad de un equipo. Ahí, ninguna automatización reemplaza el control humano de la integridad, y el tema va más allá de la lectura de informes para tocar la inspección física. Este caso se aborda en el seguimiento del estado de los equipos industriales.

• Confiar una decisión a la herramienta porque acierta la mayoría de las veces.Con qué frecuencia acierta no cambia nada de la gravedad del error restante, ni del hecho de que nadie lo asume ante la ley.
• Aceptar una salida que no puedes verificar.Eso es firmar un documento que no has leído. La competencia de verificación es el verdadero requisito previo para usarla.
• Creer que la verificación desaparecerá a medida que el modelo mejore.Un modelo mejor se equivoca con menos frecuencia, no con menos gravedad. El límite se desprende de la consecuencia, no del desempeño.
• Subestimar el tiempo de verificación en el cálculo de ahorro.La IA desplaza el tiempo, no lo elimina. Un cálculo honesto cuenta la verificación.
• Presentar una herramienta como decisoria para venderla.Un software que pretende decidir por sí solo en inspección regulatoria es invendible ante quien conoce el marco: nadie podría apoyarse en él.