Guillermo Solomon – Director de Telecomunicaciones, Medios y Tecnología (TMT) en Deloitte Spanish Latam.

En las últimas semanas he escuchado, con distintos clientes de manufactura y logística en México, la misma pregunta formulada de varias maneras: ¿nos conviene invertir en sensores más caros o en una red privada más cara? La pregunta parece técnica, pero en realidad está mal planteada. El verdadero dilema no es cuánto cuesta medir el dato, sino quién puede interpretar millones de señales simples y convertirlas en una decisión útil para la operación.

Durante años, el Internet de las Cosas industrial se vendió como una suma de sensores, conectividad y tableros de control. El sensor mide, la red transporta y la Nube analiza. Esa arquitectura funciona bien para reportes, mantenimiento histórico o visualización de tendencias. Pero no funciona igual cuando una alarma crítica debe tener prioridad, cuando una decisión debe tomarse cerca de una máquina o cuando una planta no puede enviar toda su información cruda a una Nube distante.

Ahí está la oportunidad real para el operador de telecomunicaciones. No se trata de que cada sensor se vuelva inteligente, ni de esperar a que toda Hispanoamérica tenga redes 5G standalone desplegadas de forma masiva. Se trata de usar la red que ya existe —móvil, privada, híbrida o fija— para convertir millones de dispositivos simples en una red industrial inteligente.

El operador puede hacerlo porque tiene tres activos que ningún fabricante de sensores ni proveedor de Nube tiene juntos: identidad del dispositivo mediante la tarjeta SIM, control sobre la ruta y prioridad del tráfico y capacidad de acercar el procesamiento al sitio industrial. 

Con eso, aun sin prometer particiones virtuales completas de red, puede separar tráfico crítico, procesar datos cerca de la planta, reducir dependencia de la Nube y convertir señales dispersas en decisiones operativas.

El costo de pedirle al sensor que piense

Un sensor industrial de vibración, temperatura, presión o corriente está diseñado para ser barato, resistente y durar años con mantenimiento mínimo. En muchos casos transmite lecturas simples, en intervalos definidos, con capacidad limitada de procesamiento local. Eso es parte de su valor: puede desplegarse por cientos o miles de unidades sin convertir cada punto de medición en un proyecto de cómputo.

Pero cuando se le pide al sensor que “piense” —que detecte una falla temprana de rodamiento, que distinga una vibración anómala de un ciclo normal de arranque o que entienda cuándo una variación de temperatura sí representa riesgo operativo— el modelo cambia. Ya no se trata de sensar; se trata de procesar, inferir y decidir.

Eso exige microcontroladores más potentes, más memoria, más consumo de energía, firmware más complejo y ciclos de actualización más delicados. En una planta con cientos de máquinas críticas, cambiar la inteligencia al extremo del sensor no es una mejora incremental. Es una reconversión de capital que compite directamente contra presupuesto de producción, mantenimiento y automatización.

El costo de pedirle todo a la Nube

La alternativa que más se propone es mantener sensores simples y mandar todo a la Nube para que ahí corran los modelos pesados. Esa arquitectura es útil para entrenamiento de modelos, analítica histórica, trazabilidad o reportes corporativos. Pero tiene límites claros cuando la operación requiere respuesta inmediata.

Una instrucción que debe detener una banda, aislar una máquina, priorizar una alarma o proteger a un operador humano no puede depender siempre de una ruta que sale de la planta, cruza varios dominios de red, llega a una región de Nube y regresa. 

Incluso cuando la latencia promedio parece aceptable, el problema industrial suele estar en la variabilidad: la congestión, la pérdida de paquetes y la falta de control sobre todos los saltos de la ruta.

Además, transmitir todo el dato crudo hacia la Nube puede volverse económicamente absurdo. Una planta moderna puede producir enormes volúmenes de telemetría, video, audio industrial, datos de controladores de línea, cámaras de inspección, sensores de vibración y registros de calidad. 

Mandar todo eso sin filtrar no sólo encarece la conectividad; también aumenta la superficie de riesgo y complica el cumplimiento contractual con clientes que exigen control sobre información sensible de procesos, proveedores o productividad.

Por eso la discusión no debe ser “sensor inteligente o Nube inteligente”. La pregunta correcta es qué parte de la inteligencia debe vivir en el sitio, qué parte debe vivir en servidores cercanos del operador y qué parte debe permanecer en la Nube corporativa.

Lo que sí tiene el operador y nadie más tiene junto

El operador móvil tiene una posición privilegiada no porque pueda hacerlo todo solo, sino porque ya controla tres capas que, combinadas, son difíciles de replicar por un fabricante de sensores o por un proveedor de Nube.

Primero, tiene identidad. Cada tarjeta SIM o eSIM puede funcionar como una credencial verificable para un activo industrial. No es sólo una forma de conectar un dispositivo; es una forma de saber qué máquina es, qué permisos tiene, a qué red puede entrar y qué instrucciones puede recibir.

Segundo, tiene cercanía. El cómputo en servidores ubicados dentro de la planta, en una red privada o en un nodo metropolitano permite correr modelos de análisis cerca de donde ocurre el evento. Eso reduce viajes innecesarios hacia la Nube y permite que una decisión llegue cuando todavía importa.

Tercero, tiene control del tráfico. El operador puede diseñar rutas privadas, separar dispositivos por cliente, dar prioridad a una alarma real sobre lecturas rutinarias y evitar que el tráfico crítico compita en igualdad de condiciones contra miles de mensajes de baja prioridad.

Por separado, identidad, cercanía y control de red no resuelven el problema. Juntas, convierten al operador en el lugar natural donde puede vivir el criterio operativo: no en el sensor, que debe seguir siendo simple y barato; no únicamente en una Nube lejana, que seguirá siendo indispensable para entrenamiento y analítica; sino en una capa intermedia que interpreta, prioriza y actúa.

No hace falta esperar al 5G standalone para empezar

Hay una precisión importante para Hispanoamérica: buena parte de las redes 5G desplegadas en la región todavía no son standalone. Es decir, usan antenas 5G, pero siguen apoyándose en parte de la infraestructura 4G para el control de la red. Eso permite avanzar más rápido en cobertura y capacidad, pero limita la posibilidad de ofrecer particiones virtuales de red plenamente garantizadas de punta a punta.

Por eso el operador no debe prometer “slicing” completo si todavía no tiene una red 5G standalone o una red privada dedicada que permita controlar toda la arquitectura. Sería técnicamente débil y comercialmente riesgoso.

Pero eso no significa que la oportunidad industrial tenga que esperar. Muchos casos de Internet de las Cosas industrial no requieren slicing desde el primer día. Requieren algo más básico, más urgente y más realista: que los datos críticos no se mezclen con tráfico rutinario; que la información sensible no viaje innecesariamente a una Nube distante; que las alarmas tengan prioridad; que los modelos de análisis corran cerca de la planta; y que cada dispositivo tenga una identidad confiable dentro de la red.

Eso sí puede hacerse con arquitecturas previas a 5G standalone. El operador puede usar redes privadas LTE, redes 5G no independientes, rutas privadas de datos, salida local del tráfico, servidores cercanos a la planta y políticas de priorización. No es slicing completo, pero sí es una capa industrial de inteligencia sobre dispositivos simples.

La diferencia es importante. En lugar de vender una promesa futurista de 5G, el operador puede vender una arquitectura ejecutable hoy: dispositivos simples conectados de forma segura, tráfico industrial separado, procesamiento cercano y decisiones más rápidas. En mercados como México, Colombia, Perú, Argentina, Chile o Centroamérica, ese enfoque es más creíble que esperar a que toda la red pública evolucione primero a 5G standalone.

La pregunta correcta, entonces, no es si el operador ya puede ofrecer slicing. La pregunta correcta es si puede garantizar suficiente separación, prioridad, seguridad, cercanía y control para que una planta industrial tome mejores decisiones con los dispositivos que ya tiene desplegados.

Lo que el operador debe tener listo para ejecutar este modelo

La oportunidad es atractiva, pero no se puede vender con un brochure genérico de Internet de las Cosas. Para ejecutar este modelo, el operador necesita tener lista una arquitectura técnica y operativa específica. 

No basta con decir “tenemos 5G” o “tenemos servidores cercanos”. En una planta industrial, eso no significa nada si no se traduce en latencia medible, integración con los sistemas de producción, seguridad, operación continua y responsabilidad clara.

Lo primero es una arquitectura de conectividad industrial, no una extensión comercial de la red móvil. El operador debe poder decidir cuándo el caso requiere una red privada 5G standalone, cuándo basta una red privada LTE, cuándo conviene una red 5G no independiente, cuándo debe combinar red móvil con fibra y cuándo una red inalámbrica industrial o cableada sigue siendo la mejor opción. 

No todos los casos industriales necesitan 5G. Pero los casos de movilidad, alta densidad de dispositivos, baja latencia y priorización sí requieren una arquitectura distinta a la conectividad móvil tradicional.

Esa arquitectura debe incluir planeación de cobertura dentro de la planta, medición real de señal, análisis de interferencia, capacidad de subida de datos y diseño por zonas críticas. 

En manufactura, la subida suele ser tan importante como la descarga, porque la planta no sólo recibe información: envía telemetría, video, alarmas, imágenes de inspección y datos de control. Un diseño pensado para teléfonos inteligentes no necesariamente sirve para máquinas.

Lo segundo es una política de tráfico realista. Si el operador ya cuenta con 5G standalone, puede diseñar particiones virtuales de red para distintos usos industriales: alarmas críticas, video, mantenimiento remoto, sensores rutinarios o aplicaciones administrativas. 

Pero si todavía opera sobre 5G no independiente o sobre LTE, debe ser más preciso en la promesa. En ese caso puede ofrecer rutas privadas de datos, separación de tráfico por cliente, priorización, seguridad reforzada y salida local hacia servidores cercanos, pero no debe presentar eso como slicing completo.

Lo tercero es salida local del tráfico. Si el dato industrial sale de la planta para regresar a la planta, la arquitectura está mal diseñada. El operador debe poder mantener el tráfico crítico dentro del sitio o en un servidor cercano, con reglas claras para decidir qué información se procesa localmente, qué información se manda a la Nube corporativa y qué información se descarta porque no tiene valor operativo.

Lo cuarto es una plataforma de cómputo cercana que sea operable, no un servidor aislado. El análisis industrial debe correr en una plataforma capaz de administrar versiones de modelos, regresar a una versión anterior si algo falla, registrar eventos, monitorear desempeño y operar con redundancia. 

Si el modelo de mantenimiento predictivo falla, el operador no puede decir simplemente que “el servidor se cayó”. Necesita disponibilidad, monitoreo, control de cambios, respaldo, ciberseguridad y procedimientos de recuperación.

Lo quinto es integración con los sistemas industriales de planta. Aquí muchos operadores fallan porque intentan vender conectividad como si toda la planta hablara el mismo idioma digital. La realidad industrial está llena de controladores de línea, sistemas de supervisión, sensores legados, protocolos propietarios y equipos que no fueron diseñados originalmente para convivir con una red móvil. 

El operador no necesita convertirse en integrador industrial de tiempo completo, pero sí necesita un modelo claro: gateways certificados, conectores, interfaces de programación, normalización de datos y alianzas con integradores que entiendan cómo opera una planta.

Lo sexto es identidad de activo, no sólo identidad de línea. Una tarjeta SIM identifica una conexión; una planta necesita identificar una máquina, una ubicación, una función operativa, un responsable de mantenimiento y una política de riesgo. 

El operador debe poder mapear tarjeta SIM, equipo, máquina, zona, criticidad y política de acceso. De lo contrario, sabrá que un dispositivo está conectado, pero no sabrá si está conectado a una prensa crítica, a un montacargas autónomo o a un sensor secundario de ambiente.

La séptima es una capa de datos preparada para tomar decisiones en tiempo real. No basta con transportar mensajes o subir información a un tablero. El operador debe poder recibir flujos de datos, limpiarlos, normalizarlos, enriquecerlos con contexto de red y de activo y entregarlos a un modelo de análisis con latencia consistente.

Lo octavo es operación continua de los modelos. Los modelos no son estáticos. Una línea cambia, una máquina envejece, un proveedor modifica un componente y una vibración normal puede dejar de ser normal. El operador que quiera vender criterio operativo necesita procesos para probar modelos, desplegarlos por sitio, medir desviaciones, auditar decisiones y regresar a una versión anterior si el modelo empieza a generar falsas alarmas o a omitir eventos relevantes.

Lo noveno es seguridad de extremo a extremo. En una red industrial, una instrucción equivocada no sólo genera una mala experiencia de usuario; puede detener la producción o crear riesgo físico. La arquitectura debe incluir segmentación, cifrado, autenticación fuerte, listas de control por aplicación, monitoreo de anomalías, gestión de vulnerabilidades, endurecimiento de gateways y separación clara entre la red administrativa, la red de producción y la red de proveedores.

Lo décimo es un compromiso de servicio industrial. Un operador móvil está acostumbrado a compromisos de cobertura, disponibilidad y capacidad. Una planta necesita algo más específico: latencia máxima por caso de uso, disponibilidad por zona crítica, tiempo de restauración, procedimiento de escalamiento, ventanas de mantenimiento, pruebas de contingencia y responsabilidad compartida con el integrador y el cliente. Vender Internet de las Cosas industrial sin un modelo operativo de este tipo es vender una promesa que el área técnica no podrá sostener.

Un caso cercano: autopartes en el Bajío

Pensemos en una planta de autopartes en Querétaro o Guanajuato con doscientas máquinas críticas: prensas, brazos robóticos, líneas de ensamble, hornos, compresores y sistemas de inspección. La empresa quiere reducir paros no programados y anticipar fallas antes de que se conviertan en pérdida de producción.

La opción de “sensor más inteligente” implicaría cambiar instrumentación en buena parte de las máquinas, con proveedores distintos, protocolos distintos y un ciclo de reemplazo de años. La opción de “todo a la Nube” exigiría transportar grandes volúmenes de datos hacia un centro de datos externo, con costos de conectividad, dudas de soberanía y latencia variable.

La tercera opción es más interesante: conservar buena parte de la instrumentación existente, conectar activos críticos mediante una red privada o híbrida, normalizar los datos en gateways industriales y correr el análisis en servidores dentro de la planta o en un nodo cercano del operador. La Nube sigue participando, pero para entrenamiento, analítica histórica y mejora de modelos; la decisión operativa ocurre cerca de la máquina.

En ese escenario, el operador no vende “conectividad de sensores”. Vende menos paros, menor tiempo de diagnóstico, priorización de alarmas críticas y una arquitectura capaz de actuar antes de que el problema escale.

El ángulo regulatorio: México ya abrió una ventana

México está entrando a una etapa especialmente relevante para este debate. La consulta pública de la Licitación CRT-RRI-01, orientada al Servicio de Provisión de Capacidad para Redes de Radiocomunicaciones Inteligentes, abre la posibilidad de discutir espectro, cobertura y modelos de prestación para redes industriales de forma más concreta.

Ese lenguaje importa. No se trata únicamente de vender espectro móvil tradicional, sino de habilitar redes orientadas a productividad industrial, automatización y nuevos modelos de servicio. Para operadores, integradores y clientes industriales, la discusión deja de estar en el terreno abstracto de “5G para la industria” y empieza a ubicarse en polígonos, plantas, parques industriales, puertos y corredores logísticos.

La oportunidad, sin embargo, también trae complejidad. Un cliente con plantas en distintos estados podría enfrentar distintos proveedores, distintos niveles de cobertura, distintos modelos de operación y distintas condiciones comerciales. Por eso cualquier propuesta seria debe resolver tres preguntas antes de salir a vender.

La primera es espectro. ¿El servicio se ofrecerá sobre espectro propio, espectro licenciado industrial, espectro de un tercero, red pública con capacidades privadas o una combinación? La respuesta define cobertura, prioridad, responsabilidad y escalabilidad.

La segunda es jurisdicción de datos. Si la telemetría cruda se procesa dentro de la planta o en servidores ubicados en México, el argumento de soberanía y control de datos es mucho más sólido. Pero debe poder demostrarse contractualmente y técnicamente: dónde se procesa, dónde se almacena, quién accede, cuánto tiempo se retiene y qué sale hacia la Nube.

La tercera es responsabilidad. Cuando el operador deja de transportar datos y empieza a participar en una cadena de decisión automatizada, la pregunta legal cambia. Si una instrucción baja desde el servidor cercano y detiene una máquina —o si no la detiene a tiempo—, el contrato debe decir con precisión dónde termina la responsabilidad del operador como proveedor de red y dónde empieza la responsabilidad del cliente, del integrador, del fabricante de la máquina o del proveedor del modelo.

Por qué no ha pasado todavía

Si el argumento es tan claro, vale preguntar por qué la mayoría de los operadores en Hispanoamérica siguen vendiendo Internet de las Cosas como conectividad pura: una tarjeta SIM, un plan de datos, una plataforma genérica y un tablero.

La primera razón es organizacional. Muchas áreas comerciales todavía se miden por líneas activas, tráfico vendido o ingresos de conectividad. Un modelo que procesa localmente, reduce tráfico innecesario y vende valor por resultado puede parecer, internamente, una amenaza a la métrica tradicional. Aunque el ingreso potencial sea mayor, el incentivo inmediato apunta en sentido contrario.

La segunda razón es comercial. Vender una plataforma horizontal de Internet de las Cosas a cualquier industria suele ser lento, caro y difícil de defender. 

Vender una solución de mantenimiento predictivo, seguridad operativa o inspección crítica a tres plantas de un cliente ancla es distinto. Tiene un caso de negocio más claro, un patrocinador interno más identificable y un retorno medible en pesos: paros evitados, desperdicio reducido, menos accidentes, menos visitas de mantenimiento y mayor disponibilidad de línea.

La tercera razón es técnica. Muchos operadores todavía no tienen integrada la cadena completa entre red privada, cómputo cercano, seguridad, datos, modelos y operación industrial. Tienen piezas, pero no producto. Tienen laboratorio, pero no arquitectura replicable. Tienen acuerdos con proveedores de Nube, pero no necesariamente integración con los sistemas de planta. Tienen conectividad, pero no siempre control de punta a punta sobre el compromiso operativo que la planta necesita.

La Nube no desaparece; cambia de lugar

Este argumento no debe leerse como una oposición a los grandes proveedores de Nube. La Nube seguirá siendo fundamental para entrenamiento de modelos, almacenamiento histórico, analítica corporativa, integración con sistemas empresariales, simulaciones, tableros ejecutivos y escalamiento regional. Lo que cambia es el lugar donde ocurre la decisión crítica.

En una arquitectura industrial madura, el sensor mide, el servidor cercano decide, la red prioriza y la Nube aprende. El operador no reemplaza a la Nube; la complementa. Pero si el operador no ocupa ese espacio intermedio, alguien más lo hará: un integrador industrial, un proveedor de automatización, un operador especializado o incluso el propio proveedor de Nube mediante acuerdos directos con el cliente.

El verdadero negocio

El Internet de las Cosas industrial en México y en Hispanoamérica no se va a ganar con el sensor más caro ni con la Nube más grande. Se va a ganar con la arquitectura que permita decidir a tiempo, cerca de la máquina, con identidad confiable, prioridad de red, seguridad industrial y responsabilidad clara.

Ese lugar lo puede ocupar el operador. Pero sólo si llega preparado y si evita vender una promesa que su red todavía no puede soportar. Si tiene 5G standalone, podrá avanzar hacia particiones virtuales de red más sofisticadas. Si no lo tiene, todavía puede construir una capa industrial de inteligencia con redes privadas, rutas de datos separadas, procesamiento cercano, salida local y compromisos operativos realistas.

La oportunidad no está en conectar más dispositivos simples. Está en convertirlos en una red que entiende prioridades, reconoce activos, procesa señales y ayuda a decidir. El operador que logre hacer eso dejará de vender conectividad y empezará a vender criterio operativo. Y en una planta industrial, el criterio vale mucho más que los bytes.

Luigi Gambardella – Experto europeo en economía digital, Inteligencia Artificial y cooperación tecnológica internacional.

Durante años, México ha construido una de sus mayores oportunidades económicas sobre una idea poderosa: producir mejor, producir más cerca, producir para el mundo. 

El nearshoring, la integración con América del Norte, la fortaleza de su industria automotriz, electrónica, agroalimentaria y manufacturera han colocado al país en una posición privilegiada dentro de la reorganización de las cadenas globales de valor.

Pero en la próxima fase de la economía digital, producir ya no será suficiente.

La Inteligencia Artificial está cambiando no sólo la forma como las empresas fabrican, distribuyen o venden. Está cambiando algo mucho más profundo: quién controla la decisión de compra.

Durante más de dos décadas, el comercio electrónico siguió una lógica relativamente sencilla: trasladar al entorno digital lo que antes ocurría en el mundo físico. Las empresas abrieron sitios web, invirtieron en publicidad en línea, aprendieron a vender en marketplaces, desarrollaron logística, mejoraron pagos y compitieron por la atención del consumidor. Esa etapa está llegando a su fin.

La nueva competencia no será simplemente por vender en línea. Será por controlar la interfaz entre el consumidor, el producto y la decisión de compra. Y esa interfaz estará cada vez más gobernada por agentes de Inteligencia Artificial.

La pregunta decisiva ya no será quién vende por Internet. La verdadera pregunta será quién decide qué producto aparece, cuál se compara, cuál se recomienda y cuál termina en el carrito.

Ahí está el nuevo riesgo para México.

El país puede convertirse en una potencia manufacturera aún más relevante gracias al nearshoring. Puede atraer fábricas, inversión, tecnología y empleo. Puede producir vehículos, autopartes, electrónicos, dispositivos médicos, alimentos, bienes de consumo y soluciones industriales para América del Norte y el mundo. 

Pero si la relación con el cliente final queda controlada por plataformas, algoritmos y asistentes inteligentes diseñados fuera del país, México podría terminar produciendo cada vez más valor mientras otros controlan la demanda.

La IA no se limitará a hacer más eficientes las plataformas de comercio electrónico. Va a cambiar la manera como las personas compran. 

Hoy el consumidor busca, compara precios, lee reseñas y decide. Mañana, un agente inteligente podrá hacerlo por él. Analizará precio, calidad, disponibilidad, tiempos de entrega, reputación del vendedor, sostenibilidad, certificaciones y preferencias personales. Después recomendará una opción y, en muchos casos, ejecutará directamente la compra.

Esto no es ciencia ficción. McKinsey estima que para 2030 el agentic commerce podría orquestar entre 3 y 5 billones de dólares de valor a nivel global, con hasta 1 billón de dólares sólo en el retail B2C estadounidense. 

En Estados Unidos, Bain & Company y Morgan Stanley sitúan el impacto potencial en una banda que va de 10 a 25% del comercio electrónico hacia el final de la década.

Si incluso una parte de estas previsiones se materializa, el impacto será comparable al paso de la tienda física al comercio electrónico, o del comercio web al comercio móvil. Con una diferencia importante: esta transformación podría ser más rápida, porque los agentes de IA no necesitan construir una nueva infraestructura desde cero. 

Pueden operar sobre plataformas, buscadores, sistemas de pago, marketplaces, redes logísticas y bases de datos que ya existen.

Cuando eso ocurra, el valor no estará únicamente en la fábrica, ni siquiera en la tienda digital. Estará en el algoritmo que organiza la demanda.

Para México, esta idea es central. La gran oportunidad del país ha sido insertarse con fuerza en la producción global. Pero la economía de la IA plantea una pregunta incómoda: ¿qué pasa si México produce, pero otros deciden qué se ve, qué se recomienda, qué se compra y a qué precio?

Durante años, las empresas mexicanas han invertido en marca, calidad, distribución y relación con sus clientes. Muchas pymes han logrado vender en línea, exportar, entrar en plataformas digitales o integrarse a cadenas de suministro internacionales. 

Pero si el acceso al consumidor queda mediado por asistentes de IA, motores generativos y marketplaces inteligentes, la relación comercial puede desplazarse hacia actores que controlan la interfaz.

No sería la primera vez. En la economía digital, muchas regiones crearon productos, contenidos, servicios y talento, mientras las grandes plataformas surgieron en otros lugares. Hoy el riesgo es repetir esa historia en la era del comercio inteligente.

Estados Unidos controla gran parte de la infraestructura global de Nube, los modelos de IA más avanzados, los sistemas operativos digitales y las principales plataformas de publicidad y búsqueda. 

China ha construido ecosistemas integrados entre comercio electrónico, social commerce, pagos digitales, logística, livestreaming y manufactura. 

México tiene una ventaja distinta: proximidad con el mayor mercado de consumo del mundo, una base industrial profunda, tratados comerciales estratégicos y una posición única como puente entre América del Norte y América Latina.

Pero esa ventaja puede quedarse incompleta si no se traduce en capacidad digital.

La escala importa cada vez más. Importa porque genera datos, inversión, aprendizaje continuo y capacidad de mejorar algoritmos a partir de millones de interacciones. Quien controla esas interacciones acumula una ventaja que se vuelve difícil de disputar.

La consecuencia es clara: México puede fabricar productos de clase mundial sin controlar necesariamente los canales a través de los cuales esos productos son descubiertos, evaluados y comprados.

Esta discusión no concierne sólo al retail. Concierne a la industria automotriz, la electrónica, los dispositivos médicos, la agroindustria, los alimentos, la moda, los bienes de consumo, los servicios y el universo de pymes exportadoras. 

Si la IA se convierte en el nuevo filtro de la demanda global, cada empresa mexicana tendrá que preguntarse si sus productos serán visibles dentro de sistemas de decisión construidos por otros.

Amazon, Google, Mercado Libre, TikTok Shop, Shein, Temu, ChatGPT, Gemini y los futuros asistentes personales inteligentes no serán simples canales de venta o herramientas de búsqueda. 

Serán árbitros potenciales de la visibilidad comercial. Podrán influir en qué productos aparecen, cuáles se comparan, cuáles se recomiendan y cuáles desaparecen del campo visual del consumidor.

El riesgo no es sólo perder participación de mercado.

El riesgo es perder conocimiento del cliente.

Quien controla el acceso al consumidor controla la información económica más valiosa: preferencias, hábitos, sensibilidad al precio, lealtad a la marca, respuesta a promociones y evolución futura de la demanda. No se trata únicamente de vender. Se trata de saber qué quiere el mercado antes que los demás.

Por eso el comercio electrónico ya no debe verse sólo como un canal comercial. Se está convirtiendo en una infraestructura estratégica.

México debe leer esta transformación desde su propia realidad. La respuesta no es la autarquía digital ni el rechazo a las plataformas globales. 

Sería absurdo pensar que México puede o debe aislarse de los grandes ecosistemas tecnológicos. El problema no es usar Amazon, Google, Mercado Libre, TikTok, OpenAI o las plataformas chinas. 

El problema es depender completamente de ellas para acceder al consumidor, a los datos y a la visibilidad comercial.

La cuestión de fondo no es si México construirá el próximo Amazon o el próximo Alibaba. La cuestión estratégica es si México será capaz de influir en la arquitectura del comercio inteligente: datos de producto, identidad digital, pagos, trazabilidad, certificaciones verificables y reglas de interoperabilidad.

En el comercio mediado por IA, ser visible significará ser legible para las máquinas. Un producto sin datos estructurados, información verificable y credenciales digitales reconocibles puede no entrar siquiera en la primera selección del agente inteligente.

Ese es el nuevo terreno competitivo: el Machine-Readable Commerce Layer, la capa digital que permite que productos, precios, certificaciones y servicios sean entendidos, comparados y considerados confiables por agentes de IA.

Aquí México tiene una oportunidad concreta. No necesita crear una plataforma única nacional ni perseguir una ilusión de soberanía digital cerrada. Necesita garantizar que sus productos, empresas, exportadores y pymes sean reconocibles, verificables, confiables y comprables dentro de los ecosistemas globales de comercio impulsados por IA.

La respuesta no es una política industrial genérica. Es una agenda concreta de estándares, datos verificables, identidad digital, trazabilidad, pagos interoperables y certificaciones legibles por agentes de IA. 

El nearshoring no puede limitarse a mover líneas de ensamblaje más cerca de Estados Unidos. Debe convertirse en una estrategia de integración entre manufactura, datos, logística, certificación, Inteligencia Artificial y acceso al consumidor.

La calidad mexicana debe volverse visible, verificable y negociable en la economía de los agentes inteligentes.

También las empresas deben cambiar de mentalidad. La IA no puede entenderse sólo como una herramienta para reducir costos o automatizar atención al cliente. Debe servir para anticipar demanda, personalizar experiencias, mejorar inventarios, reducir fricciones, conocer mejor al consumidor y construir relaciones comerciales más inteligentes.

Pero el punto central es aún más profundo: México debe superar la ilusión de que producir bien basta.

La calidad es indispensable, pero en el comercio de próxima generación no siempre gana el mejor producto. Gana el producto que el algoritmo puede ver, entender, comparar, recomendar y hacer comprable en el momento adecuado.

Esta es la verdadera dimensión geopolítica del comercio digital.

No se trata únicamente de dónde se produce o dónde se compra. Se trata de quién organiza el mercado, quién define las reglas invisibles de la visibilidad, quién captura el margen, quién posee los datos y quién construye la confianza.

México tiene una oportunidad histórica. Puede convertirse no sólo en una plataforma manufacturera del siglo XXI, sino en un actor relevante dentro de la economía digital impulsada por IA. 

Puede combinar su capacidad industrial, su integración con América del Norte, su red de tratados comerciales, su talento emprendedor y su creciente ecosistema tecnológico para construir una posición más fuerte en el comercio inteligente.

Pero para lograrlo, México debe entender que la competencia ya no termina en la fábrica. Empieza en la fábrica, pasa por los datos y se decide en la interfaz con el consumidor.

La próxima fase del comercio electrónico no será una simple evolución del retail online. Será una redefinición de la relación entre producción, distribución y consumo. Será el paso de un comercio basado en la búsqueda a un comercio basado en decisiones automatizadas.

La verdadera pregunta para México no es si podrá producir más. Es si podrá seguir siendo visible, relevante y competitivo cuando las decisiones de compra empiecen a ser tomadas por máquinas.

En este nuevo mundo, quien controla el asistente controla el carrito. Quien controla el carrito controla la demanda. Y quien controla la demanda controla una parte decisiva de la economía.

Esa es la verdadera apuesta del AI Commerce.

No el comercio.

El control de la demanda.

La transformación digital industrial en México no puede avanzar sin una hoja de ruta nacional ni sin la colaboración entre gobierno, empresas y academia, coincidieron especialistas durante el México Digital Summit 2025.

En el marco del Huawei Industrial Digital and Intelligent Transformation Summit 2025, la compañía china presentó una serie de innovaciones diseñadas para potenciar la transformación digital en sectores industriales estratégicos. 

Con un enfoque en la inteligencia industrial, Huawei reveló 10 soluciones que buscan mejorar la eficiencia operativa, fortalecer la resiliencia de las infraestructuras y facilitar la adopción de nuevas tecnologías en industrias clave.

Leo Chen, Corporate Senior Vice President Enterprise Sales de Huawei, destacó que 2024 marcó el inicio de la aplicación masiva de la Inteligencia Artificial (IA) en el ámbito industrial, pero aún existen desafíos para su adopción efectiva. 

Huawei ha desarrollado un conjunto de soluciones específicas para sectores como telecomunicaciones, energía, banca y comercio.

1. Digital Village Solution: conectividad para comunidades remotas

Huawei presentó una solución enfocada en reducir la brecha digital en zonas rurales y de difícil acceso. La Digital Village Solution optimiza la cobertura de red y facilita la inclusión digital mediante tecnologías de conectividad avanzada e impulsa el desarrollo social y económico en comunidades marginadas.

2. Servicios Públicos Digitales: gobiernos más eficientes

Esta solución mejora la prestación de servicios gubernamentales a través de plataformas digitales que permiten una gestión más ágil, transparente y accesible. Incluye herramientas de análisis de datos y sistemas de automatización para optimizar la atención ciudadana.

3. Digital Training Solutions: formación tecnológica para el futuro

Huawei refuerza la capacitación del talento en sectores industriales con su Digital Training Solutions, una plataforma de formación que integra IA y análisis de datos para personalizar el aprendizaje y mejorar las habilidades digitales de los trabajadores.

4. Financial Data Center: infraestructura resiliente para el sector financiero

Con el objetivo de fortalecer la seguridad y eficiencia de las operaciones bancarias, Huawei presentó su Financial Data Center, basado en la arquitectura ROAS (Reliability, Availability and Autonomy). Esta solución mejora la capacidad de procesamiento de datos y garantiza la continuidad operativa ante posibles incidentes.

5. Intelligence Distribution Solution: transformación en el sector energético

Huawei introduce un modelo de distribución de energía inteligente que optimiza la gestión de redes eléctricas y promueve la eficiencia operativa mediante herramientas avanzadas de análisis de datos y automatización.

6. Smart Railway Solutions: modernización del transporte ferroviario

El sector ferroviario también se beneficia de la transformación digital con la solución Smart Railway Solutions. Esta tecnología facilita la gestión inteligente de estaciones, trenes y operaciones logísticas, reduce costos y mejora la seguridad y puntualidad del servicio.

7. Intelligent Multi-Level Port: optimización portuaria con IA

Huawei lanzó una solución para mejorar la eficiencia operativa en puertos marítimos. Intelligent Multi-Level Port permite la automatización de procesos logísticos, la gestión en tiempo real del tráfico portuario y la optimización del almacenamiento de mercancías.

8. Intelligent Central Processing Facility Solution: digitalización en petróleo y gas

En la industria energética, Huawei introdujo Intelligent Central Processing Facility Solution, solución basada en Inteligencia Artificial que permite la supervisión y optimización en tiempo real de las operaciones en plantas de procesamiento de petróleo y gas.

9. Intelligent Chemical Solution: seguridad y eficiencia en la industria química

Huawei apuesta por la digitalización en la industria química con Intelligent Chemical Solution, una plataforma que emplea IA para detectar anomalías en equipos y prevenir fallos operativos, reducir riesgos y costos de mantenimiento.

10. Smart Retail Solution 2.0: innovación en el comercio minorista

El comercio minorista se transforma con Smart Retail Solution 2.0, solución que integra tecnologías como WiFi 7 y etiquetas electrónicas (Electronic Shelf Labels – ESL) para mejorar la gestión de inventarios, optimizar la experiencia del cliente y aumentar la eficiencia en los puntos de venta.

“Huawei está comprometido con la innovación y con ayudar a las empresas a superar los desafíos de la digitalización. Creemos que la inteligencia industrial es clave para el crecimiento económico y el desarrollo social”, afirmó Leo Chen.

Estas soluciones forman parte de la estrategia de Huawei para acelerar la integración de tecnologías inteligentes en sectores industriales, promueve la adopción de la IA y ofrece que las industrias puedan aprovechar al máximo su potencial en la era digital.

Barcelona, España. Enviado. Para acelerar la transformación digital industrial se requiere definir una arquitectura TIC, innovar y construir una poderosa infraestructura digital, hacer que la Inteligencia Artificial (IA) sea accesible para las industrias y desarrollar talento y ecosistemas de colaboración para la integración de las tecnologías en todos los sectores. 

Durante el Huawei Industrial Digital and Intelligent Transformation Summit 2025, Leo Chen, Corporate Senior Vice President Enterprise Sales de Huawei, presentó una visión renovada e integrada para acelerar la transformación digital e industrial en un mundo donde la Inteligencia Artificial (IA) está redefiniendo la arquitectura de las redes y la experiencia de los usuarios. 

Durante su discurso, Chen abordó los desafíos y oportunidades que surgen de la integración de tecnologías inteligentes en sectores industriales. 

Destacó que, aunque 2024 marcó el inicio de la aplicación masiva de la IA, aún se deben responder preguntas clave:

¿Cómo integrar las tecnologías inteligentes en escenarios particulares de cada industria? ¿La infraestructura TIC es capaz de soportar el crecimiento exponencial de las cargas de trabajo de la IA? ¿Cómo lograr la adopción inclusiva de la IA? ¿La industria cuenta con el talento TIC suficiente?

Para Chen, la transformación industrial se desenvuelve en tres fases: informatización, digitalización e inteligencia. 

La respuesta a estos retos pasa por definir una arquitectura de TIC industrial dirigida a las necesidades y etapas de desarrollo de cada sector.

Construir una infraestructura de TIC orientada a la IA, capaz de soportar cargas de trabajo exponenciales y garantizar seguridad, confiabilidad y continuidad operativa.

Desarrollar soluciones de IA que integren modelos de código abierto y faciliten la adopción de esta tendencia en la industria.

Fomentar la capacitación y el desarrollo de talento a través de programas de formación y comunidades colaborativas.

Durante su intervención, Chen subrayó que la innovación debe ser escalable y alineada con los objetivos estratégicos de cada compañía. 

Huawei, aprovechando su experiencia en las redes de telecomunicaciones, almacenamiento, cómputo y Nube, ha desarrollado soluciones que abarcan desde la protección contra ransomware, Centros de Datos con switches de 100 terabytes y algoritmos avanzados que incrementan la eficiencia del entrenamiento de modelos de IA 10 por ciento. 

Con información de Sharon Durán, Mayara Figueiredo y Jorge Bravo

El Mobile World Congress 2024 en Barcelona será testigo de una serie de anuncios y lanzamientos por parte de Huawei enfocados en lograr un mundo más conectado e inteligente con las Tecnologías de la Información y las Comunicaciones (TIC).

Los temas destacados incluyen la transformación digital industrial, Cloud, 5GFiber, Inteligencia Artificial (AI), 5.5G, sostenibilidad y ciberseguridad para el futuro

Transformación Digital Industrial

La transformación digital industrial incluye un conjunto de soluciones de innovación y transición hacia nuevos modelos de negocio y flujos de ingresos que constan de tres pilares fundamentales: automatización, mejora de los procesos de fabricación y optimización de la producción. Huawei busca integrar la transformación digital en su visión más amplia de tecnología, que incluye redes ópticas y redes IP.

Transformación de Infraestructura de TI

La transformación de la infraestructura de TI es un proceso integral que va más allá de las simples actualizaciones; implica una revisión completa del panorama digital, mediante soluciones que permiten un control y automatización sobre los recursos de TI. 

Cloud

La computación en la Nube permite una disponibilidad bajo demanda de recursos del sistema informático, especialmente almacenamiento de datos en la Nube y potencia de cómputo, sin la gestión activa directa del usuario. Dicha tecnología permite a las empresas y a los individuos acceder a software y hardware gestionados por terceros en centros de datos remotos. Huawei ofrece la tecnología de la nube para mejorar la eficiencia y la flexibilidad de sus servicios, permitiendo una mayor innovación y optimización de los recursos.

5GFiber

5GFiber proporciona la quinta generación de tecnología de fibra óptica para facilitar velocidades de Internet ultrarrápidas. La fibra es fundamental para 5G porque ofrece una mayor capacidad y velocidad, lo que es esencial para soportar el gran volumen de datos que se espera que maneje 5G.

5GFiber promete conexiones rápidas de hasta 20 Gigabits por segundo (Gbps). Huawei está trabajando en esta área para garantizar que la implementación de 5GFiber sea eficiente y efectiva.

Inteligencia Artificial (AI)

La Inteligencia Artificial (AI) es la capacidad de una computadora o robot para realizar tareas comúnmente asociadas con seres inteligentes. La AI se utiliza en una amplia gama de tecnologías que potencian muchos de los servicios y bienes que usamos todos los días, incluidas las redes de telecomunicaciones. Huawei está integrando la AI en sus productos y servicios para mejorar la eficiencia y la funcionalidad de las redes.

Industria 5G

La industria 5G implica el uso de la tecnología 5G en diversas industrias para mejorar la eficiencia y la productividad, a través de soluciones 5G para una variedad de industrias.

Big Data para monetización de 5G

El Big Data permite el análisis de grandes conjuntos de datos para descubrir patrones y tendencias. En el contexto de 5G, el Big Data puede ser utilizado para monetizar la red 5G, proporcionando a las empresas información valiosa que puede ser utilizada para mejorar los servicios y generar ingresos a partir de la implementación de las Redes de Nueva Generación.

FWA

FWA (Fixed Wireless Access) es un claro caso de uso 5G y una forma de proporcionar conectividad inalámbrica-fija a través de redes móviles. FWA tiene el potencial de proporcionar a las empresas y los individuos acceder a Internet de alta velocidad sin la necesidad de cables.

5.5G

5.5G o 5G Advanced es una tecnología emergente que va más allá de la movilidad, como parte de una adopción tecnológica más amplia. Huawei ya tiene algunos años trabajando para desarrollar y lanzar equipos de red comerciales completos para 5.5G con más velocidad, latencia y conectividad multidispositivos. 

Todas las bandas para 5G

Las bandas de frecuencia 5G se dividen en baja, media y alta. Cada banda tiene diferentes capacidades: la banda baja (menos de 1GHz) tiene una mayor cobertura pero velocidades más bajas, la banda media (1GHz–6GHz) ofrece un equilibrio de ambas, y la banda alta (24GHz–40GHz) ofrece velocidades más altas pero un radio de cobertura más pequeño. Huawei promueve una visión en la cual los países y los reguladores liberen espectro radioeléctrico para habilitar el potencial, velocidad, capacidad, latencia e híper conectividad de 5G. 

Sostenibilidad

La sostenibilidad en la tecnología se refiere a la innovación que considera los recursos naturales y fomenta el desarrollo económico y social, pero también el cuidado del medio ambiente con tecnologías y redes con un menor consumo energético. El objetivo de estas tecnologías es reducir drásticamente los riesgos ambientales y ecológicos y crear un producto sostenible con el medio ambiente adoptando la tecnología más eficiente. Huawei promueve redes sostenibles y desarrolla tecnologías para integrar soluciones basadas en prácticas sostenibles en todos sus productos y operaciones.

Ciberseguridad para el futuro 

La ciberseguridad procura tecnologías, estrategias, medidas o prácticas para prevenir ciberataques o mitigar su impacto. La ciberseguridad tiene como objetivo proteger los sistemas, aplicaciones, dispositivos informáticos, datos sensibles y activos financieros de las personas y las organizaciones contra virus informáticos, ataques de ransomware sofisticados y costosos. La ciberseguridad es multidimensional e impacta en todos los sectores. Huawei ha buscado un enfoque colaborativo y de neutralidad tecnológica para prevenir incidentes de ciberseguridad, bajo el argumento de que la seguridad depende de todos. Huawei ha procurado otorgar un enfoque de ciberseguridad desde la concepción y diseño del producto, pasando por todos los eslabones de la cadena de valor, incluidas las alianzas con organizaciones, hasta el almacenamiento y gestión de datos. 

La empresa desarrolla tecnologías y prácticas para asegurar que sus productos y servicios sean seguros y confiables.