Caso de control de calidad alimentaria con IA
Una desviación de temperatura sin registrar. Un control de limpieza firmado horas después. Un lote bloqueado porque falta un certificado del proveedor. En un caso de control de calidad alimentaria, el problema rara vez es que el equipo no conozca el procedimiento. El problema es que el procedimiento depende de personas persiguiendo datos, revisando papeles y recordando tareas bajo presión.
Eso no escala. Y cuando llega una auditoría IFS, BRCGS o un requerimiento de un cliente, la empresa descubre que tener información no equivale a poder demostrar control. La diferencia está en si cada dato está capturado a tiempo, relacionado con su lote y disponible en segundos.
Este es el caso de una planta alimentaria que quería dejar de gestionar la calidad como una carrera contra el reloj. No buscaba una presentación sobre inteligencia artificial. Necesitaba menos tareas manuales, trazabilidad demostrable y un responsable de calidad que pudiera dedicar más tiempo a analizar riesgos que a perseguir formularios.
El caso de control de calidad alimentaria: dónde se perdía el control
La planta operaba con varios turnos, materias primas de distintos proveedores y controles repartidos entre producción, almacén y calidad. Su sistema no era inexistente: había procedimientos, hojas de registro, un ERP y carpetas compartidas. Pero el trabajo real ocurría entre WhatsApp, papel, Excel y correos con adjuntos.
Cada mañana, calidad invertía tiempo en confirmar si se habían hecho los controles críticos. Si faltaba un registro, había que localizar al operario. Si un proveedor enviaba una ficha técnica actualizada, alguien debía descargarla, renombrarla, archivarla y comprobar si seguía cumpliendo los requisitos internos. Si aparecía una incidencia, reconstruir qué lotes estaban afectados requería cruzar varios sistemas.
El coste no era solo administrativo. Los responsables de turno recibían avisos tarde. Las no conformidades se documentaban con información incompleta. Y, antes de una auditoría, dos o tres personas podían pasar días buscando evidencias que ya deberían estar ordenadas.
La primera decisión fue clara: no sustituir el sistema de calidad ni pedir al equipo que alimentara otra herramienta manual. Había que conectar los puntos de control existentes y crear flujos que actuaran cuando faltara una evidencia, cuando un parámetro saliera de tolerancia o cuando un documento caducara.
Qué se automatizó y qué siguió en manos del equipo
La automatización empezó por los controles repetitivos y verificables. No por las decisiones de liberación de producto, las evaluaciones de riesgo ni el criterio técnico del responsable de calidad. Esas decisiones siguen necesitando experiencia, contexto y responsabilidad humana.
El sistema pasó a leer registros digitales y documentos entrantes, comprobar campos obligatorios, asociar la información al proveedor, orden de fabricación o lote correspondiente y detectar ausencias. Cuando un control de temperatura, detector de metales, limpieza o recepción de materia prima no llegaba dentro de la ventana definida, se generaba una alerta dirigida a la persona correcta.
No todos los avisos se tratan igual. Una firma pendiente puede ser un recordatorio. Una lectura fuera de rango exige escalado inmediato, bloqueo preventivo o apertura de una incidencia, según el plan APPCC de la planta. Automatizar bien no consiste en llenar al equipo de notificaciones. Consiste en diferenciar qué puede esperar, qué debe corregirse durante el turno y qué compromete el producto.
También se automatizó la gestión documental. Las fichas técnicas, certificados de análisis, declaraciones de alérgenos y certificados de proveedores dejaron de entrar en una bandeja de correo sin dueño. Al recibirse, el flujo identificaba el documento, extraía los datos relevantes, verificaba su vigencia y lo clasificaba. Si faltaba un certificado o había una fecha próxima a vencer, el sistema preparaba el seguimiento.
En una operación con decenas de proveedores, esa diferencia evita dos fallos frecuentes: usar documentación desactualizada y descubrir una carencia documental cuando el camión ya está en muelle.
La trazabilidad no puede depender de buscar archivos
La trazabilidad fue el punto más sensible. Ante una incidencia, el equipo debía poder responder tres preguntas sin abrir diez hojas de cálculo: qué materia prima entró, en qué orden se usó y qué producto terminado quedó relacionado con ella.
El flujo conectó los movimientos de almacén, las órdenes de producción y los controles de calidad disponibles. No reemplazó el ERP si este ya era la fuente operativa principal. Lo convirtió en parte de un circuito donde los datos se validan, se relacionan y se presentan para actuar.
Esto tiene un matiz importante. La automatización no arregla datos maestros mal mantenidos. Si los códigos de lote cambian según el turno, si las unidades de medida no son coherentes o si el personal registra referencias libres en vez de códigos definidos, primero hay que corregir esa disciplina operativa. La IA puede detectar anomalías y pedir confirmación, pero no debe inventar trazabilidad.
Del control reactivo a una preauditoría continua
Antes, la preparación de auditorías comenzaba cuando había una fecha en el calendario. En ese momento aparecían los huecos: formación sin evidencia de asistencia, calibraciones próximas a vencer, acciones correctivas sin cierre documentado o registros incompletos.
Con los flujos activos, la preauditoría dejó de ser un proyecto de última hora. Cada requisito crítico tenía una señal operativa: documento vigente, registro completado, responsable asignado, plazo de cierre y evidencia asociada. Cuando una condición fallaba, el sistema no esperaba a que alguien revisara una carpeta el viernes.
La diferencia práctica es grande. Un responsable de calidad puede revisar una cola de excepciones priorizada en lugar de inspeccionar cientos de registros correctos. Producción recibe peticiones concretas, no mensajes genéricos de “revisad los controles”. Dirección obtiene visibilidad sobre incidencias abiertas, tiempos de cierre y áreas con repetición de desviaciones.
En una planta de tamaño medio, recuperar entre una y tres horas diarias de trabajo administrativo en calidad es un objetivo razonable cuando existen controles repetitivos dispersos. El ahorro exacto depende del grado de digitalización, del número de referencias, de los turnos y de la calidad de los datos. Pero el mayor retorno suele estar en otro lugar: evitar bloqueos innecesarios, reducir el tiempo de investigación y llegar a auditoría con evidencia disponible.
Los indicadores que sí demuestran si funciona
No basta con afirmar que se han automatizado controles. El proyecto debe medirse desde la primera semana. Los indicadores útiles no son el número de automatizaciones instaladas, sino la velocidad y calidad de la operación.
Conviene seguir, como mínimo, el porcentaje de controles realizados dentro de plazo, el tiempo medio de cierre de no conformidades, los documentos vencidos o incompletos, la tasa de registros rechazados por datos erróneos y el tiempo necesario para reconstruir la trazabilidad de un lote. Si la planta vende a cadenas o a clientes industriales exigentes, también importa cuánto tarda en responder una solicitud documental.
Estos datos permiten detectar una realidad incómoda: muchas incidencias no nacen en calidad. Nacen en una recepción sin documentación, una orden de producción mal cerrada, un cambio de turno sin relevo claro o una integración incompleta entre almacén y ERP. Calidad recibe la consecuencia, pero no siempre controla la causa.
Por eso el diseño debe involucrar a operaciones. Si se automatiza solo el despacho de calidad, se acelera la detección, pero no se elimina la fricción que genera el fallo.
Cómo implantarlo sin parar la planta
El error habitual es intentar digitalizar todo el sistema de gestión de calidad a la vez. Eso alarga el proyecto, crea resistencia y deja al equipo sin resultados visibles durante meses. Es mejor empezar por un proceso donde haya repetición, riesgo documental y pérdida de tiempo evidente.
Puede ser la recepción de proveedores, el control de puntos críticos, la gestión de certificados o el seguimiento de acciones correctivas. Se define el evento que inicia el flujo, la evidencia mínima aceptable, quién debe intervenir si algo falla y cuándo debe escalarse. Después se prueba con un conjunto limitado de productos, turnos o proveedores.
La automatización debe quedar operativa en la realidad del turno, no en una demo. Eso implica validar excepciones: qué ocurre si se cae la conexión, si un operario no puede completar un registro, si llega un documento ilegible o si la lectura de un sensor es dudosa. Las plantas no trabajan en condiciones ideales y el sistema tampoco puede depender de ellas.
Agentik aborda este tipo de implantaciones conectando automatización, trazabilidad documental y preauditorías con los procesos que ya usa la empresa. El objetivo no es añadir otra pantalla que gestionar. Es reducir la dependencia de perseguir tareas para que el equipo vea antes lo que requiere criterio.
La mejor primera acción no es comprar tecnología. Es elegir un control que hoy dependa de memoria, correo o papel y medir cuánto tarda su equipo en demostrar que se hizo bien. Ahí suele estar el primer proceso que merece automatizarse.