Durante tres décadas, la arquitectura de referencia de Purdue, formalizada bajo la denominación ISA-95 y grabada en el mármol de los pliegos de condiciones industriales de todo el mundo, ha constituido la columna vertebral invisible de la industria manufacturera global. Ha estructurado la separación de responsabilidades, organizado los flujos de datos, definido los perímetros de seguridad y dado a los CIO industriales un lenguaje común para concebir sus sistemas de información. Fue, durante mucho tiempo, una respuesta elegante a un problema real.
Ese tiempo ha terminado.
No porque el modelo fuera malo: era, en su contexto, notablemente bien concebido. Sino porque los fundamentos sobre los que reposaba, la latencia tolerable, los datos ascendentes, la decisión humana, la separación nítida entre el mundo operativo y el mundo informacional, son precisamente los que la inteligencia artificial está pulverizando, capa por capa, con un método que nadie había anticipado a esa velocidad ni a esa escala.
Lo que Purdue resolvió, y por qué esa solución se ha convertido en un problema
Theodore Williams, cuando sentó las bases del modelo PERA en la Universidad de Purdue en los años 1990, respondía a una problemática concreta: ¿cómo integrar sistemas industriales heterogéneos en una arquitectura coherente, segura y gobernable? La respuesta, una pirámide de cinco niveles que va del sensor físico hasta el sistema de información de empresa, era de una claridad casi pedagógica. El nivel cero alberga los sensores y actuadores. El nivel uno, los autómatas programables. El nivel dos, los sistemas SCADA y de supervisión. El nivel tres, los MES que orquestan la ejecución de la producción. El nivel cuatro, por último, los ERP y sistemas de planificación que hablan el lenguaje del negocio.
La belleza de este modelo residía en su lógica de segregación. Cada capa se comunica con sus vecinas inmediatas, raramente más allá. La información sube lentamente, se enriquece en cada nivel y llega al management bajo una forma agregada, normalizada, lista para el análisis decisional. El air gap entre las capas OT y las capas IT no era un defecto de arquitectura sino una funcionalidad de seguridad deliberada. Un autómata que pilota un horno a 1 400 °C no tiene, en esta lógica, ninguna razón para estar expuesto a la red informática de la empresa.
Esta lógica estaba perfectamente adaptada a un mundo donde el dato era escaso, lento y costoso de tratar. Resulta catastróficamente inadaptada a un mundo donde el dato es abundante, instantáneo, y donde la capacidad de inferencia puede residir en un componente del tamaño de una tarjeta de crédito instalado directamente en la línea de producción.
La IA como solvente arquitectónico
Lo que cambia fundamentalmente con la IA industrial de 2026 no es tanto la potencia de cálculo disponible, aunque ésta sea pasmosa, como la localización de la inteligencia. Durante décadas, el análisis vivía en la cima de la pirámide, en los datacenters, en las herramientas de Business Intelligence, en los cerebros de los analistas que trabajaban a distancia temporal y espacial de la producción. La actuación, la acción sobre el proceso, vivía en la parte baja de la pirámide: rápida y tonta.
La IA invierte esta topografía. Los modelos de inferencia embarcados, que hoy se despliegan directamente sobre PLCs de nueva generación, sobre pasarelas edge o en gemelos digitales en tiempo real, son capaces de analizar, decidir y actuar sin nunca remitir el dato a los niveles superiores. Un modelo de detección de anomalías vibratorias desplegado en edge sobre un compresor industrial no consulta al MES antes de desencadenar una ralentización preventiva. Actúa, en unos milisegundos, sobre la base de patrones aprendidos durante meses de entrenamiento. El dato ya no es ascendente. Es local, tratado, accionado y a menudo consumido en el sitio.
Esta realidad crea lo que se podría llamar un cortocircuito arquitectónico. En el modelo PERA, una decisión de ajuste de proceso era el fruto de un bucle largo: sensor, autómata, SCADA, MES, análisis humano, consigna descendente. Este bucle podía tardar horas, a veces días. Un sistema de IA embarcada cortocircuita la totalidad de esta cadena. No es una optimización del modelo existente. Es su negación funcional.
En un gran equipamentista automovilístico europeo, la implementación de un sistema de visión artificial acoplado a un modelo de control de calidad predictivo hizo estructuralmente inútiles dos niveles enteros de la pirámide de Purdue para el perímetro concernido. El sensor ve, el modelo juzga, el actuador reacciona. El MES conoce el resultado a posteriori, para las necesidades de trazabilidad regulatoria. La pirámide no ha desaparecido, pero ha cambiado de naturaleza: de arquitectura decisional, se ha convertido en arquitectura de conformidad.
La desintegración silenciosa de la capa de responsabilidad
Donde el impacto del modelo PERA era más profundo, y donde su borrado es más peligroso, es en su dimensión organizativa. La pirámide no era solo un esquema técnico. Era un organigrama implícito. Cada capa tenía sus responsables, sus competencias, sus herramientas, sus métricas. El operador de conducción de proceso era soberano en los niveles 1 y 2. El responsable de producción reinaba en el nivel 3. El CIO y sus equipos gobernaban los niveles 4 y 5. La frontera OT/IT era también una frontera de oficio, de cultura, a veces de convenio colectivo.
La IA disuelve esta geografía de las responsabilidades con una brutalidad que pocas organizaciones industriales han tenido tiempo de anticipar. ¿Quién es responsable de una decisión tomada de manera autónoma por un modelo desplegado en edge? ¿El ingeniero OT que integró el sensor? ¿El data scientist que entrenó el modelo? ¿El CIO que validó la arquitectura de despliegue? ¿El responsable de producción que firmó la orden de compra de la solución? En el modelo PERA, esta pregunta no se planteaba, o rara vez, porque la decisión era siempre, en última instancia, humana. Un humano veía la alerta, un humano tomaba la decisión, un humano asumía su responsabilidad.
En la arquitectura emergente, la decisión puede haberse producido y haber sido accionada antes de que un solo humano haya tenido conocimiento de la situación. No es ciencia ficción. Es lo que ocurre hoy en los procesos continuos, en la química, en la energía, en la siderurgia. Y es lo que se intensificará de manera exponencial en los próximos dieciocho meses con la generalización de los agentes autónomos industriales, esos sistemas capaces no solo de analizar y actuar, sino de planificar secuencias de acciones sobre horizontes temporales más largos.
Para un CIO industrial, ignorar esta cuestión es una falta profesional. Construirla técnicamente sin tratarla organizativa y jurídicamente es una falta estratégica.
El Unified Namespace como metáfora de un nuevo paradigma
Frente a la explosión de la pirámide, una arquitectura alternativa se ha impuesto en las conversaciones de los arquitectos de sistemas más avanzados: el Unified Namespace, o UNS. El concepto, popularizado notablemente por Walker Reynolds y ampliamente adoptado en las industrias de proceso más maduras en la integración de soluciones digitales avanzadas, rompe radicalmente con la lógica ascendente de PERA. En lugar de una estructura jerárquica donde el dato sube de capa en capa, el UNS propone un espacio de datos centralizado y contextual al que todos los sistemas, sensores, autómatas, MES, ERP, modelos de IA, interfaces de operador, se conectan directamente, en publicación o en suscripción.
Este modelo, a menudo implementado vía brokers MQTT o plataformas de orquestación de datos industriales, presenta una virtud arquitectónica fundamental: hace desaparecer la noción de capa en beneficio de la noción de contexto. El dato ya no pertenece a un nivel jerárquico. Pertenece a un activo físico, enriquecido con su contexto operativo, accesible para todo consumidor autorizado, sea humano o algorítmico.
Para el CIO, el UNS no es una solución llave en mano. Es una filosofía de diseño que implica repensar íntegramente la gobernanza del dato industrial, la seguridad de los accesos OT/IT (que ya no pueden separarse por un air gap físico cuando todos los actores consumen la misma fuente) y la modelización de los activos en ontologías estandarizadas, que los frameworks como ISA-88 para los equipos batch o los modelos Asset Administration Shell de la Industria 4.0 empiezan a formalizar.
El CIO industrial en 2026
La respuesta a la obsolescencia de PERA no consiste en destruirla sin reflexionar. En numerosos entornos industriales, industrias de riesgo, entornos sometidos a regulaciones estrictas como el nuclear, la farmacéutica o la agroalimentaria certificada, la segregación de las redes y la trazabilidad ascendente siguen siendo exigencias regulatorias no negociables. Purdue, en estos contextos, sobrevive, no como paradigma arquitectónico global, sino como garante de una conformidad mínima.
Lo que el CIO debe construir es una arquitectura híbrida y estratificada, capaz de coexistir con las constricciones regulatorias heredadas integrando al mismo tiempo los nuevos paradigmas de actuación por IA. Concretamente, eso significa aceptar que diferentes partes de la arquitectura industrial evolucionen a velocidades diferentes, con perímetros claramente definidos donde la autonomía decisional de la IA está autorizada, documentada y auditada.
Significa también invertir masivamente en lo que se ha convertido en el verdadero diferenciador competitivo de los próximos años: no los sensores, no los modelos de IA en sí mismos, sino la calidad y la gobernanza del dato industrial bruto. Los modelos de IA más sofisticados del mundo son inutilizables si los datos en los que se apoyan están sucios, mal contextualizados, sin historial fiable. La industria manufacturera sufre masivamente este problema, y es precisamente ahí donde el CIO tiene su papel más crítico, no como comprador de soluciones de IA, sino como guardián de la integridad informacional de la empresa.
Por último, y es quizás la tarea más subestimada, el CIO industrial de 2026 debe pilotar la reforma de los roles humanos en la cadena decisional. El analista de producción que pasaba sus jornadas interpretando cuadros de mando SCADA ya no tiene el mismo valor que hace cinco años. Su valor residual, y es real, está en su capacidad para supervisar, impugnar y corregir sistemas autónomos, para mantener la pericia contextual que la IA no puede construir todavía sola, para ser la interfaz entre la racionalidad algorítmica y la complejidad humana de la organización. Formar a estas personas, redefinir sus fichas de puesto, construir las herramientas de supervisión de los sistemas de IA: ahí se juega el éxito o el fracaso de los proyectos de IA industrial más ambiciosos.
La dimensión aseguradora: el cerrojo que nadie ve venir
Existe una dimensión del despliegue de la IA industrial que los CIO casi nunca han inscrito, a esta altura, en su agenda. No es técnica. No es organizativa. Es económica y jurídica, y constituye, con toda verosimilitud, el principal factor limitante de la próxima década.
El libro blanco « Delegated Decision Assurance » publicado en febrero de 2026 por el gabinete 199A Consulting plantea este diagnóstico con una precisión que merece ser tomada en serio por todo decisor industrial: « El factor limitante de la revolución autónoma no es técnico. Es económico y jurídico. Reside en la ausencia de una infraestructura capaz de absorber, distribuir y tarifar la responsabilidad de las decisiones tomadas por agentes no humanos. »
El mecanismo es simple, y se aplica directamente a la industria. Cuando un agente de IA embarcado toma una decisión de mantenimiento autónoma que conduce a una parada no planificada de una línea de producción, o peor, a un incidente de seguridad, la cadena de responsabilidad jurídica estalla en fragmentos imposibles de reconstruir. El documento identifica lo que llama una « triple fractura »: el hecho generador se vuelve difuso (¿quién, del diseñador del modelo de base, del integrador, del operador, es responsable?), el vínculo de causalidad se vuelve opaco (una red neuronal profunda no produce un razonamiento lineal trazable) y la imputación se vuelve problemática (cada actor de la cadena dispone de argumentos sólidos para desentenderse). Esta triple fractura no es una dificultad marginal, constituye, según los autores, « un bloqueo estructural que impide a la economía franquear el umbral de la automatización total y auténtica ».
Las consecuencias prácticas para un CIO industrial son inmediatas. Las compañías de seguros industriales empiezan a plantear preguntas precisas sobre los perímetros de decisión de los sistemas de IA desplegados en producción. Los contratos de suministro integran cláusulas cada vez más complejas sobre la responsabilidad de las decisiones automatizadas. Los consejos de administración, personalmente expuestos en caso de daño causado por un agente autónomo, ejercen una presión creciente para el mantenimiento de una supervisión humana que, precisamente, anula gran parte del beneficio de la automatización. El informe 199A califica con acierto esta dinámica: « La prudencia fiduciaria conduce naturalmente a frenar, incluso a bloquear, el despliegue. »
La respuesta a este bloqueo, que el documento llama una infraestructura de « Delegated Decision Assurance », es un conjunto de mecanismos técnicos, contractuales, actuariales y regulatorios por los cuales una entidad identificada acepta hacerse garante de las decisiones tomadas por un agente autónomo, a cambio de una remuneración proporcional al riesgo asumido. Todavía no está madura. Pero su necesidad es desde ahora innegociable, y sus primeras formas ya emergen en los sectores financiero y energético. Para el CIO industrial, integrar esta dimensión desde el diseño de las arquitecturas de IA, construyendo las capas de encapsulamiento decisional, de monitorización comportamental y de auditoría explicable que esta infraestructura requiere, es no encontrarse mañana ante un impasse regulatorio o asegurador después de haber invertido varios millones en despliegues que nadie podrá cubrir legalmente. La tecnología, como recuerda 199A con una fórmula impactante, es imagen del motor de combustión inventado cincuenta años antes del código de circulación: « La tecnología se habría quedado en los garajes, no por defecto de rendimiento, sino por defecto de marco. »
A modo de prospectiva: la arquitectura como acto político
En dieciocho meses, los primeros agentes de IA industriales verdaderamente autónomos, capaces de gestionar campañas de producción enteras con una supervisión humana intermitente, estarán en producción en las empresas más avanzadas. En cinco años, serán la norma en las industrias de proceso. La cuestión que se plantea entonces ya no es técnica. Es profundamente política, en el sentido etimológico del término: ¿cómo queremos organizar el poder en la empresa industrial del mañana? ¿Qué parte de la decisión estamos dispuestos a delegar a sistemas que no comprendemos enteramente? ¿Cómo construimos la confianza, regulatoria, social, operativa, en arquitecturas donde la máquina decide?
El CIO industrial que no se plantea estas preguntas hoy construyendo su base SI las sufrirá mañana en forma de crisis: un incidente mal atribuido, una responsabilidad jurídica flotante, una resistencia social interna que bloqueará el despliegue de soluciones sin embargo técnicamente maduras.
La arquitectura de Purdue era, en el fondo, una respuesta técnica a una cuestión política: ¿quién controla el proceso? Tenía el mérito de la claridad. La próxima arquitectura industrial deberá responder a la misma pregunta, en un mundo infinitamente más complejo, con herramientas infinitamente más potentes y una capacidad de dañar infinitamente mayor si la respuesta está mal formulada.
No es un problema de ingeniería. Es un problema de civilización industrial. Y el CIO, quiera o no, es uno de sus principales arquitectos.
Fuentes citadas: 199A Consulting, « Delegated Decision Assurance. La infraestructura económica que hace posible el mundo de la IA operacional », primera edición, febrero de 2026, V1.1 (https://199a.agency). El autor acompaña a grupos industriales de tamaño intermedio y ETI en el diseño de sus arquitecturas SI/OT convergentes y la gobernanza de sus programas de IA industrial.