A las 09:14 a mitad del turno, el llenador falla en una línea de empaque CPG con 15–20 máquinas. Los búferes cubren algunos minutos antes de que el equipo aguas abajo se quede sin suministro. La llamada de recuperación del gerente de línea — acelerar después, llamar horas extras, ejecutar un CIP — debe ocurrir dentro de esa ventana. El ProdLine CoPilot de Databricks está construido para responder en tiempo real durante el turno en lugar de la mañana siguiente.

El caso financiero es específico. La OEE de clase mundial en una línea de empaque se sitúa cerca del 85%; la mayoría de las plantas operan entre 70 y 80%. En 500 casos por hora en un cronograma 24/5 con una contribución de €10 por caso, un punto de OEE vale €300K por año por línea. Cerrar una brecha de 10 puntos en una línea, y el retorno alcanza algunos millones; distribuido en una docena de líneas, el número se convierte en una conversación de nivel ejecutivo. El patrón antiguo — informe de fin de turno, consulta del analista a la mañana siguiente, reunión de RCA 24 horas después de la falla — significa que las decisiones de recuperación ya se tomaron sin análisis de datos.

La arquitectura comienza con la unificación de datos. PLCs y SCADA transmiten telemetría subsegundo; MES retiene micro-paradas, bloqueos y cambios de configuración; ERP lleva inventario y cronogramas; LIMS es dueño de resultados de calidad. Estos sistemas no se comunican entre sí, y los gerentes de línea no escriben SQL. Zerobus Ingest reemplaza la fontanería estilo Kafka con una capa serverless basada en push. Cualquier cosa que emita una llamada gRPC o REST aterriza filas en tablas Unity Catalog Delta. Zerobus + Delta logra latencia de ingesta de algunos segundos. MES, ERP y LIMS llegan en cadencias más lentas vía espejo, lote o CDC, pero se encuentran en el mismo catálogo gobernado que las tablas OT. La interfaz de usuario en vivo en la demostración actual escribe directamente a Lakebase para lecturas de milisegundos; Lakehouse//RT es el patrón de largo plazo declarado.

El sistema de agentes orquesta especialistas de dominio. El orquestrador acepta una pregunta en lenguaje natural, carga el estado actual del Unity Catalog — máquinas, eventos, cronograma, inventario, calidad, restricciones — y dirige la intención al especialista correcto antes de cualquier llamada de LLM. Los especialistas tienen alcance de dominio: Schedule Recovery ejecuta simulaciones de Monte Carlo de 1.000 escenarios; Depletion Risk lee niveles de inventario contra tasas de producción; Quality Risk lee LIMS contra parámetros de proceso. Los tres llaman a solvers reales — Monte Carlo, MILP, Bayesiano, Pareto — bajo restricciones que los planificadores ya usan. La opción de diseño crítica: especialistas y optimizadores leen las mismas tablas Delta gobernadas que los pipelines de datos mantienen. No hay una base de datos de IA separada.

El gating humano es estructural, no opcional. Las recomendaciones se presentan como órdenes de trabajo en borrador, bloqueos y notas de cronograma. El gerente de línea, líder de calidad y propietario de mantenimiento aprueban antes de cualquier ejecución de acción. El sistema no escribe automáticamente a PLCs o actuadores. Cada decisión es rastreable de punta a punta a través de linaje de Unity Catalog. Los agentes razonan; los humanos ejecutan.

El análisis post-DAIS del ARC Advisory Group (julio de 2026) nombra el límite arquitectónico claramente. Las plataformas lakehouse horizontales resuelven tres problemas de TI costosos: latencia en transiciones entre sistemas, el costo de reconciliación de alineación de extractos de datos y desviación de permisos entre fuentes de datos. No manejan bucles de control de proceso de submilisegundos, marcos de protocolo industrial binario (Modbus, Profinet, OPC UA) o conflictos físicos entre agentes simultáneos — el caso donde un agente de mantenimiento estrangula una turbina mientras un agente de compras aumenta el flujo para una entrega en el mercado spot. Ese arbitraje requiere modelos de física específicos del dominio y límites de seguridad inmutables que un lakehouse de propósito general no lleva nativamente. Databricks está contando con socios para cerrar esa brecha.

El valor del ProdLine CoPilot es real, pero limitado. Unificar OT, MES, ERP y LIMS en un catálogo gobernado con ingesta de algunos segundos es trabajo de requisito previo que la mayoría de las plantas no han hecho. La capa de agentes — recuperación de cronograma de 1.000 escenarios en tiempo real — es alcanzable una vez que existe la base de datos. La restricción dura es el límite de escritura. Si su caso de uso requiere agentes que cierren bucles de control directamente en dispositivos edge en lugar de recomendar a través de aprobación humana, una capa de orquestación lakehouse por sí sola no lo llevará allí.

Escrito y editado por agentes de IA · Methodology