La inteligencia artificial (IA) ha dejado atrás la fase piloto y ya está integrada en sistemas de producción, donde ya genera resultados tangibles.
El despliegue de la IA se extiende más allá de los flujos de trabajo digitales hacia fábricas, redes eléctricas, minas, hospitales y cadenas de suministro, combinando agentes de IA autónomos con supervisión humana.
La iniciativa MINDS del Foro Económico Mundial ha seleccionado a 16 organizaciones para integrar su tercera cohorte, que representan casos de uso innovadores de IA que generan resultados medibles en los ámbitos operativo, social y de sostenibilidad.
El ritmo al que se adopta la inteligencia artificial (IA) ha superado la evidencia de lo que realmente aporta. El Foro Económico Mundial, mediante su Programa MINDS existe para cerrar esa brecha, destacando los despliegues en los que la IA ha pasado de la fase piloto a generar resultados medibles en producción.
Nuestra primera cohorte se anunció en el «Davos de Verano» celebrado el año pasado en Tianjin (China), con 18 casos que abarcaban desde la optimización de las operaciones ferroviarias hasta la mejora del acceso a la atención diagnóstica. Una segunda cohorte de 15 se presentó en la Reunión Anual 2026 del Foro Económico Mundial en Davos (Suiza), a principios de este año.
La tercera cohorte, presentada hoy, incorpora 16 casos de 26 organizaciones y revela tres patrones que aún no eran visibles hace un año.
En primer lugar, la IA está saliendo de la pantalla para llegar al mundo físico. Los despliegues de esta cohorte funcionan dentro de minas, fábricas, redes eléctricas y hospitales, y no solo dentro de herramientas de datos y de toma de decisiones.
En segundo lugar, los sistemas basados en agentes llegan ya con la gobernanza integrada. La supervisión humana escalonada, las salvaguardas operativas y las vías de reversión son hoy estándar desde el primer día.
En tercer lugar, los resultados en materia de sostenibilidad, como un menor consumo de energía, menos desperdicio de material y menos kilómetros recorridos, se manifiestan como resultados operativos incluso cuando la reducción de emisiones no era el objetivo principal del sistema.
Hemos clasificado 16 casos en seis temas: productividad, sostenibilidad, salud, aprendizaje, información fiable e infraestructuras resilientes. A continuación se describen las formas en que las organizaciones aplican la IA para resolver estos importantes desafíos generales a nivel macrosistémico.
Cohorte 3: en cifras
16: casos seleccionados desplegados en 28 países de todo el mundo
50%: de los MINDS seleccionados tienen su sede en la Gran China, el 25% en Europa, el 15% en Norteamérica y el 3,5% en Sudamérica, África, Australia y Nueva Zelanda.
55%: de los solicitantes verificados mejoraron la precisión, la detección de defectos o redujeron los errores gracias a la IA.
30%: de los solicitantes verificados redujeron la energía consumida por sus operaciones tras desplegar la IA.
50%: de los solicitantes verificados aumentaron la producción o el rendimiento por persona o unidad mediante la IA.
MINDS seleccionados por tema
1. Acelerar el crecimiento mediante la productividad y la innovación
Para aumentar la productividad, la calidad y la velocidad en las operaciones, de modo que las organizaciones generen más valor con menos recursos.
Valterra Platinum y Dunia Innovation GmbH
Problema: La investigación y el desarrollo (I+D) de catalizadores y materiales industriales es lenta, fragmentada y depende de experimentos manuales, con datos comparables limitados. En los sistemas industriales y de control de emisiones, esto retrasa el desarrollo, eleva los costes y expone a los proyectos a riesgos de hasta 300 millones de dólares.
Enfoque: Una plataforma autónoma de ciclo cerrado que combina robótica autónoma, selección de experimentos mediante IA, simulaciones y aprendizaje en tiempo real para acelerar el descubrimiento, y que ofrece una capacidad experimental en un solo día equivalente a la producción semanal de 15 científicos.
Resultado: Aumento del rendimiento de la experimentación industrial de hasta un 5.500% (aproximadamente 56 veces más), reducción de los plazos de I+D de varios meses a semanas y reducción de los costes operativos por experimento de hasta 2.000 dólares a menos de 300 dólares.
Molecular Universe Pte. Ltd. (SES AI Corp)
Problema: Desarrollar mejores baterías sigue siendo lento y costoso, ya que los científicos deben explorar amplios espacios de diseño químico con datos fragmentados y pruebas que consumen mucho tiempo, lo que limita los avances en rendimiento, seguridad, velocidad de carga y vida útil.
Enfoque: La empresa ha desarrollado una plataforma de descubrimiento de materiales basada en IA que combina literatura científica, simulaciones, datos de laboratorio y experimentación autónoma para identificar y optimizar materiales para baterías, mediante modelos de IA centrados en la química y retroalimentación experimental continua.
Resultado: Reducción de los plazos de descubrimiento de electrolitos de aproximadamente dos años a tres meses, mientras que la experimentación física se ha reducido hasta un 70%, lo que contribuye a acelerar la eficiencia de la I+D, reducir costes y agilizar el desarrollo de sistemas de almacenamiento de energía más seguros.
Qingdao Hisense Hitachi Air-conditioning Systems Co., Ltd.
Problema: Los fabricantes de aires acondicionados se enfrentan a una demanda creciente de personalización y calidad, pero los datos fragmentados y los flujos de trabajo manuales siguen dominando el diseño, la implementación y la optimización, lo que ralentiza los lanzamientos, limita la automatización y reduce la calidad.
Enfoque: Un flujo de trabajo habilitado por IA unifica el diseño, la implementación y la optimización de procesos. Las simulaciones reducen las pruebas físicas, el software y la documentación se generan automáticamente, mientras que los modelos de IA inspeccionan los productos en línea y la retroalimentación de la producción mejora continuamente el diseño.
Resultado: Las fábricas que usan el flujo de trabajo con IA lograron: un desarrollo de producto un 37% más rápido, una eficiencia de producción por persona un 49% mayor, cobertura total de inspección de calidad mediante IA, un 30,4% menos de pérdidas de rendimiento en la primera pasada y una resolución de anomalías un 83% más rápida.
KUKA y Mech-Mind Robotics Technologies Co. Ltd.
Problema: Las líneas de fabricación modernas deben gestionar decenas de variantes con tolerancias inferiores al milímetro, a menudo en entornos peligrosos. Los robots tradicionales solo funcionan cuando todas sus piezas están en el mismo lugar, por lo que cada nueva variante exige utillajes personalizados y reprogramación, lo que obliga a una operación manual que resulta cada vez más difícil de escalar.
Enfoque: Una plataforma de inteligencia que combina visión 3D basada en IA, modelos del mundo y software estandarizado, y que convierte cualquier brazo robótico existente en un agente adaptativo e inteligente. Es compatible con más de 1.000 modelos de robot, lo que permite una implantación en instalaciones existentes sin ingeniería a medida, y dota a los robots de «ojos, cerebro y pinzas» para afrontar la complejidad del mundo real, al tiempo que reduce la fatiga y los riesgos laborales.
Resultados: La línea de montaje asociada logró un aumento del 50% en la capacidad por turno y una mejora del 30% en la eficiencia laboral. Las operaciones peligrosas se automatizaron por completo para evitar daños a las personas, y la línea incorporó flexibilidad ante nuevas variantes sin tiempos de inactividad ni reingeniería.
Xuchang Pang Donglai Trade Group Co. Ltd y Mettler Toledo (Changzhou) Measurement Technology Ltd.
Problema: Los supermercados dependen de flujos de trabajo manuales desconectados entre el envasado, los productos frescos y la caja. Los reajustes constantes de las máquinas, el desperdicio de recursos y las búsquedas manuales también ralentizan el servicio, aumentan los costes y reducen la satisfacción del cliente.
Enfoque: Un sistema de IA en la nube y en el borde conecta el envasado, los productos frescos y la caja. Utilizando imágenes, datos de peso y dimensiones, los dispositivos con IA identifican los productos con una precisión del 99%, mientras que una plataforma central supervisa los dispositivos y reentrena continuamente los modelos en todas las tiendas, filtrando los datos defectuosos.
Resultado: El tiempo de cobro por artículo se redujo un 60%, el desperdicio de film un 20%, las tasas de aprobación del envasado aumentaron 18 puntos porcentuales y el tiempo de inactividad de las máquinas de envasado previo se redujo entre 30 y 60 minutos al día por tienda.
2. Construir un planeta, sistemas energéticos y alimentarios sostenibles
Para reducir emisiones y residuos, mejorar la eficiencia y la fiabilidad de la red, y proteger la naturaleza a medida que crecen las economías.
Bota Biosciences
Problema: La I+D biológica está limitada por ciclos lentos de diseño, construcción, prueba y aprendizaje; las propuestas de investigación que deberían tardar semanas suelen tardar mucho más. La jerga ambigua y el lenguaje inconsistente agravan los retrasos, frenando el escalado de la biofabricación.
Enfoque: Un laboratorio autónomo de biología sintética que automatiza todo el proceso, desde la planificación de experimentos hasta su ejecución en la biofábrica. Esto se logra combinando un modelo de lenguaje de gran tamaño con más de 10 millones de puntos de datos experimentales propios y un lenguaje estructurado novedoso (lenguaje de protocolos biológicos) que traduce los planes generados por IA en protocolos de laboratorio inequívocos y ejecutables por máquinas.
Un laboratorio autónomo de biología sintética automatiza todo el proceso, desde la planificación de experimentos hasta su ejecución en la biofábrica, combinando modelos de lenguaje de gran tamaño, más de 10 millones de datos propios y un lenguaje estructurado de protocolos biológicos que traduce los planes de IA en flujos de trabajo ejecutables por máquinas.
Resultado: Una reducción del tiempo desde la planificación hasta la ejecución superior al 70% y un aumento de entre dos y tres veces en el rendimiento experimental por científico.
China Southern Power (CSG) Guangxi Power Grid, en colaboración con CSG AI Technology Co., y China Southern Power Grid
Problema: Las rutas críticas de transmisión eléctrica pueden sobrecargarse cuando la generación renovable, los fenómenos meteorológicos extremos o la topología de la red alteran los flujos de electricidad. Los operadores se han basado en comprobaciones manuales, experiencia in situ y recálculos en ventanas de tiempo breves, lo que ha dado lugar a decisiones más lentas, más conservadoras y menos escalables.
Enfoque: El sistema lee continuamente datos de la red en tiempo real, previsiones y condiciones de la red. Un agente de aprendizaje por refuerzo recomienda ajustes seguros a generadores, almacenamiento y cargas controlables, cada uno verificado frente a las restricciones operativas, probado en simulación y revisado por los operadores antes de su ejecución.
Resultado: En el centro de control de Guangxi, las sobrecargas graves se redujeron en aproximadamente un 90%. La velocidad de respuesta mejoró aproximadamente tres veces, con estrategias generadas en segundos, a la vez que se lograron ahorros de costes.
TW Solar
Problema: La fabricación de células solares implica millones de obleas de silicio ultrafinas que avanzan de forma continua por líneas de producción altamente automatizadas. Los datos de cada célula se capturan y distribuyen entre múltiples sistemas independientes, lo que exige una correlación manual cuando se producen anomalías. Los sistemas de trazabilidad utilizados son en gran medida pasivos, lo que da lugar a correcciones retrasadas, caídas en el rendimiento de la producción y mayores costes de fabricación.
Enfoque: Mediante una plataforma de trazabilidad a nivel de oblea y algoritmos de IA, la empresa creó un sistema de ciclo cerrado que identifica las causas raíz en equipos y procesos concretos, al tiempo que supervisa y predice anomalías de forma continua.
Resultado: La investigación de las causas raíz pasó de tres días a tres minutos, lo que mejora notablemente la respuesta a los problemas y la eficiencia de las acciones correctivas, al tiempo que aumentó la producción per cápita un 7%, mejoró el rendimiento de las células solares un 0,5% y elevó la eficiencia de conversión un 0,1%.
Universidad Jiao Tong de Shanghái y Lenovo
Problema: A medida que las cargas de trabajo de IA, empresariales y de computación de alto rendimiento (HPC) siguen creciendo rápidamente, los centros de datos se enfrentan a una presión cada vez mayor por el aumento del consumo energético, la disponibilidad limitada de energía y la necesidad de ampliar la capacidad de cómputo reduciendo al mismo tiempo las emisiones de carbono.
Enfoque: Una plataforma de orquestación basada en IA que optimiza de forma continua las cargas de trabajo empresariales, de IA y de HPC en la infraestructura de nube y de centros de datos, tratando la energía como un recurso programable. Impulsada por Lenovo xCloud AIOps, utiliza un motor de decisiones unificado para optimizar en tiempo real las cargas de trabajo, la computación, la refrigeración y los sistemas de energía.
Resultado: Desplegada y validada en el centro de datos de la Universidad Jiao Tong de Shanghái, la solución logró una reducción de hasta un 11% en el consumo energético y de hasta 310 toneladas menos de emisiones de dióxido de carbono al año, al tiempo que permitió una mayor capacidad de cómputo y eficiencia de infraestructura con el mismo presupuesto energético.
Occidental
Problema: Antes de invertir millones en perforaciones, las empresas necesitan comprender mejor los yacimientos geológicos y dónde es más probable encontrar petróleo y gas. Hoy en día, los geólogos e ingenieros interpretan manualmente grandes volúmenes de datos geológicos y sísmicos. Hoy en día, los geólogos e ingenieros interpretan manualmente grandes conjuntos de datos geológicos y sísmicos, un proceso lento y difícil de escalar, en el que pequeñas diferencias pueden afectar de forma material a la perforación, las reservas y la asignación de capital.
Enfoque: La empresa desarrolló un conjunto de herramientas de IA que ayuda a los geólogos e ingenieros a elaborar una primera visión compartida de las condiciones del subsuelo. Utilizando registros de pozos, la química de las rocas, datos de sensores e interpretaciones históricas, correlaciona capas rocosas, predice la litología antes de perforar, identifica zonas geológicamente similares y estima la presencia de petróleo, gas y agua en el subsuelo. Integradas en los flujos de trabajo existentes, las herramientas permiten a los expertos revisar y refinar las interpretaciones generadas por IA.
Resultado: El trabajo de interpretación geológica que antes requería meses ahora se realiza en días, con menos tiempos de inactividad en la perforación, menos cambios de herramientas de perforación y una reducción del tiempo de perforación horizontal.
3. Construir vidas más saludables con una mejor atención sanitaria
Para abordar los diagnósticos tardíos, los recorridos de atención fragmentados, las largas esperas y los tratamientos inasequibles, con el fin de mejorar los resultados y la equidad.
SBP Group
Problema: Llevar nuevos medicamentos desde los ensayos hasta los pacientes puede tardar años. En las instituciones médicas, las decisiones especializadas y sujetas al cumplimiento normativo siguen fragmentadas entre sistemas, documentos y la experiencia individual, lo que ralentiza la I+D, reduce la eficiencia operativa y retrasa el acceso de los pacientes.
Enfoque: Un modelo operativo de IA empresarial gobernado que integra agentes especializados en los flujos de trabajo clínicos, comerciales y de gestión empresarial. Un marco de autonomía escalonado automatiza las tareas de bajo riesgo, respalda las decisiones de riesgo medio con colaboración humana y exige la aprobación humana para las decisiones de alto riesgo en materia médica, financiera y de cumplimiento normativo.
Resultado: El sistema da soporte a más de 20.000 usuarios empresariales y acumula más de 1 millón de revisiones asistidas por IA. El tiempo de cribado de pacientes se redujo un 83%, los ciclos de investigación en centros clínicos son un 67% más cortos, la eficiencia operativa en los escenarios centrales de asuntos médicos mejoró un 30% y los ciclos de análisis de mercado pasaron de un mes a un día.
4. Ampliar el aprendizaje, las competencias, la cultura y las oportunidades
Para eliminar las barreras de coste, idioma y ubicación, y vincular el aprendizaje con las competencias y el trabajo a lo largo de la vida.
La Delegación Territorial de Desarrollo Educativo, Formación Profesional, Universidad, Investigación e Innovación de Granada, el Centro de Investigación en Mente, Cerebro y Conducta (CIMCYC) de la Universidad de Granada (UGR) y ATENXIA
Problema: Alrededor de uno de cada seis niños presenta dificultades relacionadas con la atención y la lectoescritura, pero los enfoques de intervención actuales para niños y adolescentes siguen dependiendo en gran medida de modelos estandarizados dirigidos por clínicos y de la supervisión profesional manual.
Enfoque: Una plataforma gamificada impulsada por IA que adapta de forma continua los ejercicios y las vías de intervención en tiempo real, manteniendo a los profesionales implicados en todo momento.
Resultado: Los resultados cognitivos relacionados con la lectoescritura mejoraron entre un 25% y un 35%, mientras que el tiempo necesario para la supervisión y los ajustes manuales de la intervención se redujo hasta un 50% durante un periodo de intervención de 16 semanas.
5. Proteger la información fiable y la gobernanza
Para garantizar la fiabilidad de la información, reforzar la ciberseguridad y la responsabilidad jurídica, y prestar servicios rápidos, justos y seguros.
Netsafe y Standard Security
Problema: Las estafas por correo electrónico no solo afectan a nuestra economía, con pérdidas notificadas de hasta 3.000 millones de NZD, sino que también afectan a nuestros seres queridos, ya que atacan de forma desproporcionada a usuarios con poca experiencia digital y a hogares financieramente vulnerables. Como la prevención de estafas sigue siendo un sistema proactivo, los estafadores continúan operando con un coste y una fricción prácticamente nulos.
Enfoque: Convertir la denuncia de estafas, de un proceso pasivo de recepción a un flujo de trabajo activo de interrupción de adversarios, mediante una plataforma que crea personas de IA personalizadas para entablar de forma autónoma conversaciones prolongadas con estafadores, haciéndoles perder tiempo y alterando sus operaciones a gran escala.
Resultado: La plataforma movilizó a más de 40.000 ciudadanos que reenviaron correos de estafa para su tratamiento mediante IA, lo que supuso más de 7.500 horas de tiempo consumido de estafadores, en 297.490 correos electrónicos y 9.510 cuentas de estafadores únicas.
Quipu
Problema: Más del 80 % de los trabajadores informales de América Latina —tenderos, vendedores ambulantes y repartidores— no tiene acceso al crédito formal, porque la calificación tradicional se basa en el historial de préstamos previos. Sin un registro, la solicitud es rechazada. La alternativa son los prestamistas usureros controlados por organizaciones criminales, que cobran intereses de hasta el 800 %.
Enfoque: Un motor de calificación basado en IA multimodal que analiza las notificaciones SMS de carácter financiero (captando en tiempo real los patrones de ingresos y gastos), combinado con videos de negocios, fotografías de productos y actividad en redes sociales, tratando todos estos elementos como señales crediticias. El sistema extrae más de 535 variables y utiliza incrustaciones visuales para evaluar la viabilidad de un negocio únicamente a partir de imágenes, lo que aporta un 25 % más de capacidad predictiva.
Resultado: La plataforma ha procesado más de 300 000 calificaciones individuales y respaldado unos 49 000 préstamos. Registra una tasa de renovación del 80,1 %, una reducción del uso de prestamistas informales «gota a gota» por parte de los clientes, del 38,6 % al 28,5 %, y un 13,11 % de clientes que reportan un crecimiento de sus ingresos de al menos el 15 %.
6. Crear infraestructuras, comunidades y cadenas de suministro resilientes
Aumentar la seguridad pública y la movilidad, anticipar y absorber las perturbaciones, mantener en funcionamiento los servicios esenciales y acelerar la respuesta y la recuperación.
TCL Industries Holdings Co. Ltd.
Problema: La logística de electrodomésticos es compleja, porque los productos varían considerablemente en tamaño, peso y fragilidad. La carga de contenedores sigue dependiendo en gran medida de la planificación manual y de la experiencia del personal, lo que genera espacio desaprovechado, mayores costes, cumplimientos más lentos y un mayor riesgo de daños y problemas de seguridad. Esto incluye desafíos que se intensifican a medida que crecen los volúmenes y la complejidad de los pedidos.
Enfoque: Un sistema de carga de contenedores impulsado por IA que se integra con los sistemas empresariales para incorporar datos en tiempo real sobre productos, inventario y transporte. Mediante la optimización en 3D, identifica el plan de carga más seguro y eficiente en el uso del espacio, valida los requisitos de cumplimiento y genera instrucciones visuales de embalaje para los equipos de almacén.
Resultado: El sistema redujo el tiempo de planificación de contenedores de más de 30 minutos a menos de 30 segundos, mejoró la utilización del espacio, redujo los envíos y los costes de transporte, disminuyó más de 700 toneladas de emisiones de carbono y respalda más de 7000 operaciones de carga mensuales.
Shougang Mining Corporation y EACON Mining Group
Problema: El transporte minero suele ser peligroso, intensivo en mano de obra y difícil de dotar de personal, especialmente en operaciones remotas o de gran altitud, donde los conductores se enfrentan al polvo, las vibraciones, el ruido, las inclemencias del tiempo y los turnos prolongados. Los entornos de minería a cielo abierto son además muy dinámicos, con caminos de acarreo sin pavimentar, condiciones cambiantes, visibilidad limitada y obstáculos imprevistos que añaden complejidad operativa.
Enfoque: La solución combina conducción autónoma de nivel L4, posicionamiento de alta precisión, percepción de 360 grados, comunicación entre vehículos y un sistema integrado de despacho diseñado para operaciones mineras. Admite flotas mixtas y más de 70 modelos de camiones, coordinando tanto los equipos autónomos como los operados por personas en todo el ciclo de carga, acarreo y descarga.
Resultado: Una reducción del 90 % en el coste de transporte por tonelada, un consumo de energía un 13,3 % menor y una reducción del 82,5 % de la carga de trabajo humana asociada a las tareas de acarreo de alto riesgo.
Un año después de la cohorte 1: estudio de caso de Foxconn
En 2025, Foxconn, en colaboración con BCG, fue seleccionada para la Cohorte 1 del programa MINDS por Proyecto Génesis, una iniciativa de transformación con IA que está remodelando la fabricación electrónica.
Desde que se unió al programa, Foxconn ha desplegado con éxito una versión actualizada de la solución en su fábrica de Hongfujin Precision Electronics (Chengdu) Co. Ltd, en su campus de Chengdu. Integra datos listos para IA, orquesta el razonamiento de múltiples agentes, habilidades reutilizables de las máquinas y validación mediante gemelos digitales en un sistema operativo adaptativo unificado.
La plataforma también hace posible una fábrica de «pensamiento propio», en la que múltiples agentes de IA colaboran de forma dinámica para optimizar las operaciones, responder a las anomalías y adaptarse continuamente a las condiciones cambiantes.
La iniciativa se ha implantado en más de 300 líneas de producción y da soporte a más de 5000 empleados, reduciendo en un 47 % los tiempos de respuesta ante anomalías y mejorando la eficiencia energética en un 30 %.
Además, Foxconn ha digitalizado más de 5000 reglas expertas y prácticas de fabricación, logrando una tasa de automatización del 78 % en la reutilización del conocimiento y sentando una base escalable para la fabricación definida por software en más de 200 escenarios de negocio.
Las cohortes de MIND representan mucho más en la innovación en IA
Cientos de empresas presentaron su candidatura a la tercera cohorte de MINDS.
Los proyectos presentados hoy, junto con las cohortes anteriores, representan solo un pequeño porcentaje de los casos de uso innovadores y transformadores que pueden incorporarse mediante la IA y las aplicaciones de tecnologías de vanguardia.
Lo que se hace cada vez más evidente es que la adopción de la IA ya no es una cuestión de si, sino de cómo. Las organizaciones de los ámbitos de la salud, la educación y la investigación y el desarrollo están pasando de casos de uso aislados a la transformación en toda la empresa, reimaginando en el proceso sus operaciones, infraestructuras e incluso los entornos físicos.
Cada despliegue que se presenta aquí es fruto del trabajo de decenas de colaboradores de distintas organizaciones. Explore la lista completa de miembros de MINDS detrás de estas soluciones impulsadas por IA en nuestro sitio.
¿Le interesa presentar su candidatura a la cuarta cohorte? Las organizaciones que incorporan la IA con un impacto significativo, respaldadas por una gobernanza sólida y prácticas responsables, están invitadas a presentar su solicitud a través del sitio web de MINDS. Los MINDS seleccionados se anunciarán en la Reunión Anual 2027 del Foro Económico Mundial en Davos-Klosters, Suiza.
