Lo que realmente está en juego con la inteligencia artificial en el Facility Management

En 2026, la inteligencia artificial está presente en todas las conversaciones sobre facility management. Mantenimiento predictivo, edificios inteligentes, optimización energética automatizada: se espera que el mercado global de la IA aplicada al FM supere los 12.000 millones de dólares a finales de año, con un crecimiento superior al 33% anual. Los analistas coinciden en el mismo diagnóstico: la IA ya no es un experimento, se está convirtiendo en un pilar operativo.

Pero detrás de este entusiasmo colectivo, hay una pregunta que sigue pasando desapercibida: ¿de dónde viene realmente la información que alimenta estos modelos?

El punto ciego de la transformación con IA en el FM

La promesa de la IA se basa en un principio simple: cuanto más ricos y fiables son los datos, más relevantes son las decisiones que produce. Detectar una anomalía antes de que se convierta en un incidente, anticipar una necesidad de limpieza antes de que un usuario se queje, ajustar una ronda de mantenimiento según el uso real de un sitio: todo esto depende de una sola cosa, datos de campo que reflejen la realidad y no una aproximación.

Sin embargo, en gran parte de las operaciones de facility management, estos datos simplemente no existen en una forma utilizable. Las hojas de registro en papel, los fichajes declarativos, los incidentes reportados por teléfono o correo electrónico: estas prácticas siguen muy extendidas, y producen información parcial, no estructurada y a menudo registrada después de los hechos en lugar de en tiempo real.

Una IA entrenada con este tipo de datos no produce mejores decisiones. Produce decisiones más rápidas sobre una base igual de aproximada.

La verdad del terreno como materia prima

Este es precisamente el eslabón perdido que abordamos en Taqt. Nuestro papel no es construir modelos de inteligencia artificial, sino garantizar que esos modelos, ya sean los nuestros en el futuro o los de nuestros socios y clientes hoy, dispongan de una materia prima fiable: datos de campo captados en el momento en que ocurre la acción, sin reintroducción manual ni declaraciones aproximadas.

En la práctica, esto se traduce en cuatro flujos de datos que nuestras soluciones captan en tiempo real:

• Presencia y rondas (mediante TaqtOne): registro horario fiable de cada intervención, que reemplaza la hoja de registro en papel por una prueba digital utilizable.
• Fichaje seguro (mediante SafeQod): entradas y salidas garantizadas sin riesgo de fraude, para datos de RR. HH. y operativos fiables.
• Solicitudes de intervención: cada incidencia señalada con un solo clic se convierte en un dato estructurado y con marca de tiempo, lo que permite medir los tiempos de respuesta y, con el tiempo, anticipar las necesidades incluso antes de que se reporten.
• Satisfacción del usuario: comentarios recogidos directamente in situ, que permiten correlacionar la percepción con la frecuencia de paso.

Estos flujos, centralizados y normalizados a través de Ubiqod, constituyen exactamente el tipo de base de datos estructurada que un modelo de IA necesita para producir predicciones fiables, en lugar de aproximaciones disfrazadas de algoritmos.

Pasar de lo reactivo a lo predictivo: una trayectoria ya en marcha

Esto no es una perspectiva lejana. El paso de un mantenimiento reactivo, en el que se interviene cuando se reporta el problema, a un mantenimiento preventivo, incluso predictivo, es ya la dirección que están tomando nuestras soluciones de solicitudes de intervención. La diferencia entre ambos no radica en la sofisticación del algoritmo utilizado después, sino en la calidad y continuidad de los datos captados antes.

Esta es la convicción que nos llevó a unirnos al consorcio AEROSEED, junto a actores como ATALIAN, City One, Envisa o XXII (especialista en visión por computadora), bajo la coordinación de Hub One DataTrust. Este proyecto, respaldado con 3,7 millones de euros en el marco del plan France 2030, tiene como objetivo construir la primera plataforma soberana de intercambio y valorización de datos para grandes infraestructuras: aeropuertos, estaciones, puertos y sitios culturales de alta afluencia.

En este ecosistema donde convergen expertos del sector, especialistas en IA y actores del dato, nuestra contribución es clara: aportar la verdad del terreno. Los algoritmos más avanzados en visión por computadora o análisis predictivo solo generan valor cuando están conectados a una realidad operativa correctamente documentada: limpieza, seguridad, mantenimiento. Ese es el puente entre el trabajo humano en el terreno y los grandes retos del dato que AEROSEED busca construir, y ese es el papel que desempeñamos en él.

Lo que esto significa para los responsables de FM

Si gestiona operaciones de facility management y la IA forma parte de su hoja de ruta 2026-2027, la pregunta que debe hacerse no es "¿qué herramienta de IA elegir primero?", sino "¿sobre qué datos se construirá realmente mi estrategia de IA?"

Una IA alimentada con datos estimados producirá recomendaciones estimadas. Una IA alimentada con datos medidos en tiempo real (presencia, intervenciones, satisfacción) producirá decisiones que reflejen realmente lo que ocurre en sus sitios.

La transformación del facility management por la IA no se jugará únicamente en los modelos. Se jugará, ante todo, en la fiabilidad de lo que los alimenta.

Esa es la convicción que guía nuestro trabajo cada día, y la que nos llevó a participar en un proyecto de infraestructura de datos a escala nacional.