La industria de la moda genera muchos residuos, pero la IA física puede reducirlos significativamente.
Los sistemas de IA física permiten una producción rápida, precisa y bajo demanda, que vuelve más adaptables a los fabricantes y reduce los residuos y las existencias sin vender.
A medida que se agrava la crisis de residuos de la moda, la IA física abre una vía viable para avanzar y dejar atrás el modelo de sobreproducción que ha definido la industria durante décadas.
La industria de la moda genera 92 millones de toneladas de residuos al año, no como efecto secundario, sino como resultado del diseño de los sistemas de producción.
Esto está empezando a cambiar. En las plantas de producción de todo el mundo está surgiendo una nueva clase de IA que no se limita a producir texto o imágenes: interactúa con los materiales, percibe su entorno y se adapta en tiempo real. La IA física empieza a resolver problemas que han aquejado a la fabricación textil durante décadas. Es una forma distinta de innovación en IA: una automatización industrial sofisticada que acorta los plazos de producción, permite iterar más rápido, reduce el exceso de existencias y evita los residuos desde el origen.
¿Por qué la automatización tradicional no basta para la industria de la moda?
Mientras las preferencias de los consumidores cambian en cuestión de días, los ciclos de producción tradicionales tardan meses desde el diseño hasta la tienda. Este desfase obliga a las marcas a producir en exceso, porque a corto plazo perderse una tendencia cuesta más que acumular existencias. Luego, estas prendas no deseadas se retiran de los almacenes y a menudo se envían a vertederos, porque los fabricantes no logran responder con suficiente rapidez a la demanda real.
Se estima que la industria de la moda produjo hasta 5.000 millones de artículos excedentes en 2023, con un valor de hasta 140.000 millones de dólares en ventas perdidas. Pero la sobreproducción es solo una parte del problema. El corte de telas también genera residuos, al producir retales sin uso práctico, y los defectos que se detectan tarde en la producción hacen que lotes enteros terminen como desechos.
La industria textil ha recurrido a la automatización para reducir costes y aumentar la eficiencia, pero los sistemas tradicionales chocan con un obstáculo fundamental: no pueden manipular telas. La mayoría de las máquinas automatizadas pueden realizar tareas únicas y repetitivas, como cortar siguiendo líneas predeterminadas o mover materiales rígidos, pero siguen necesitando operadores humanos que manipulen, alineen y coloquen las telas. Este enfoque de «cobot» aumenta la productividad de los trabajadores sin mejorar significativamente la velocidad de producción ni reducir los residuos, ya que las máquinas no son lo bastante sofisticadas para manipular materiales blandos y deformables, cuyo comportamiento varía según el tipo de tela, el tejido y las condiciones ambientales.
Mediante cámaras y sensores sofisticados, los sistemas de IA física funcionan en un ciclo de retroalimentación —percibir, pensar, actuar y aprender— y ofrecen una vía hacia una producción rápida, precisa y bajo demanda, que vuelve más adaptables a los fabricantes y reduce los residuos y las existencias sin vender. Esto permite lograr lo siguiente:
Detección de defectos en tiempo real: El control de calidad tradicional se realiza después de confeccionar la prenda, por lo que todos los materiales, la mano de obra y la energía invertidos en los artículos defectuosos se convierten en residuos. La IA física puede detectar defectos en el instante en que se producen y descubrir los problemas a tiempo para evitar que los residuos se acumulen en las distintas etapas de producción.
Optimización de materiales: Los patrones de prendas estándar dejan grandes retales de tela sin uso práctico. Los sistemas de IA física pueden analizar dinámicamente las propiedades de las telas y optimizar los patrones de corte en tiempo real para reducir el desperdicio. Un ejemplo es Unspun, una empresa emergente respaldada por The Mills Fabrica, que utiliza el tejido 3D para producir telas tubulares tejidas con contornos que se ajustan a la forma de la prenda final. En lugar de cortar tela plana en piezas de un patrón y coserlas entre sí, crea telas que ya tienen los contornos del producto para evitar residuos de corte y confeccionar prendas que ajustan mejor.
Una producción más receptiva: Al reducir los residuos y los defectos a lo largo del proceso de producción, la IA física hace económicamente viables las series de producción más pequeñas y frecuentes, lo que ayuda a las marcas a reducir los pedidos especulativos y producir cerca de la demanda real. Las marcas pueden fabricar lotes más pequeños que respondan a las tendencias reales y abordar directamente el problema de la sobreproducción, que envía millones de prendas sin vender a los vertederos.
Menos emisiones y costes: Al hacer económicamente viable la fabricación más cerca de los mercados de destino, la IA física reduce drásticamente las distancias de transporte. Esto reduce las emisiones del transporte, acorta los plazos logísticos y disminuye los gastos de flete y los relacionados con los aranceles.
¿Qué se necesita para ampliar la IA física?
Aunque sus beneficios son enormes, lograr que los sistemas de IA física funcionen de forma fiable durante miles de horas de producción, con distintos tipos de tela y en las condiciones reales de una fábrica, plantea un desafío completamente distinto. A diferencia de la IA generativa, que puede ampliarse digitalmente, la IA física necesita entornos de prueba reales, acceso a las plantas de producción para recopilar datos y alianzas con fabricantes dispuestos a probar sistemas robóticos en sus líneas de producción.
Esto significa que el progreso depende de un esfuerzo colectivo intersectorial, en el que emprendedores, fabricantes e inversores colaboren para probar, perfeccionar y validar soluciones en condiciones reales de producción.
En The Mills Fabrica invertimos en empresas emergentes de los sectores techstyle y agroalimentario de todo el mundo y evaluamos las soluciones desde la perspectiva del negocio, la tecnología y el impacto. Las inversiones más prometedoras combinan tres elementos: bases técnicas sólidas, sustentadas en un profundo conocimiento del sector; capacidad demostrada para integrarse en las condiciones reales de las fábricas; y beneficios ambientales y comerciales cuantificables. Las aplicaciones diseñadas para tareas específicas, como el corte automatizado, la manipulación de telas y la detección de defectos, suelen superar a las plataformas y aplicaciones genéricas.
¿Cómo lidera Asia el cambio hacia la IA física?
La aplicación de la IA física en la industria textil es pertinente porque este sector afronta múltiples presiones, entre ellas niveles insostenibles de residuos y sobreproducción, problemas en las cadenas de suministro que obligan a adoptar nuevas estrategias de abastecimiento y una creciente demanda de los consumidores para reducir el impacto ambiental. Asia fabrica la mayor parte de los textiles del mundo, y sus fabricantes atraviesan una turbulencia extraordinaria. Ante la evolución de las políticas comerciales y los aranceles, las marcas han tenido que abastecerse y fabricar cada vez más en nuevas regiones, lo que reduce sus márgenes y traslada los costes al consumidor final. La incertidumbre política sigue exigiendo resiliencia en las cadenas de suministro, por lo que los fabricantes diversifican cada vez más sus capacidades de abastecimiento.
La IA física ofrece justo lo que estos tiempos requieren: rapidez, flexibilidad, garantía de calidad y sostenibilidad verificable. A medida que las marcas globales buscan socios de fabricación capaces de entregar lotes más pequeños con mayor rapidez, más cerca de sus mercados y con menor impacto ambiental, la IA física seguirá demostrando un claro retorno de la inversión al reducir los residuos, mejorar la calidad y acelerar la producción, e incorporará sistemáticamente las mejoras de eficiencia directamente en los procesos productivos.
Los sistemas de IA física ya funcionan en las fábricas. Para mantener el éxito, es necesario comprender no solo los aspectos técnicos, sino también la realidad de la fabricación en Asia, lo que implica integrarse con la infraestructura existente. Los fabricantes que liderarán este cambio colaboran con plataformas de innovación y desarrolladores tecnológicos para iterar sistemas que funcionen en condiciones reales, no solo en laboratorios controlados. A medida que se agrava la crisis de residuos de la moda, la IA física avanza con paso firme hacia una vía viable para dejar atrás el modelo de sobreproducción que ha definido la industria durante décadas.
