Forward Deployed Engineering industrial: qué es y por qué las fábricas lo necesitan
Los labs de IA acaban de ponerle nombre. En la industria llevamos haciéndolo desde los noventa, y lo llamábamos implantar.
Un forward deployed engineer (FDE) es un ingeniero que trabaja dentro del cliente, sobre su problema real, en vez de entregarle un producto y esperar que se apañe. En forward deployed engineering industrial eso significa una cosa muy concreta: bajar a la planta, con el turno en marcha.
Escribe tu email y recibirás un aviso cuando se publique algo nuevo. Puedes darte de baja cuando quieras.
Los labs de IA le han puesto nombre este año. Nosotros llevamos haciéndolo desde los noventa. Lo llamábamos implantar.
El modelo que los labs de IA han hecho famoso
La idea es vieja en consultoría y nueva en software: en vez de vender una licencia y un manual, mandas a un ingeniero a sentarse dentro del cliente. Que vea el problema de verdad. Que itere sobre él con las manos.
Funciona porque resuelve la mentira de fondo del software empresarial: el producto genérico nunca encaja del todo, y la distancia entre «esto debería funcionar» y «esto funciona en tu casa» la acaba pagando el cliente en forma de proyecto fallido.
En 2025 y 2026 los grandes laboratorios de IA se han puesto a contratar FDEs a mansalva. La razón es sencilla: tienen modelos extraordinarios y descubren que un modelo, solo, no resuelve el problema de nadie. Hace falta alguien que lo meta donde duele.
En la industria esto no es nuevo
Aquí es donde me pongo un poco pesado, con perdón.
Yo entré en esto a finales de los noventa. Tenía veintipocos años y me pasé cuatro desarrollando, prácticamente solo, los sistemas de software industrial de un grupo cerámico: seis o siete fábricas, la molturación de esmaltes con su química, las prensas con su inventario de moldes, los hornos con sus termopares. No lo hice desde una oficina. Lo hice ahí dentro, con el turno funcionando.
Nadie lo llamaba forward deployed engineering. Se llamaba implantar, y era la única manera de que aquello sirviera para algo.
Desde entonces llevo más de 300 implantaciones dirigidas personalmente. Automoción, aeronáutica, alimentación. Y en las 300 el patrón ha sido el mismo: el sistema que funciona es el que se ha escrito con el operario al lado, no el que se ha entregado por correo.
Así que cuando leo que el FDE es el modelo nuevo, me alegro. Es un modelo buenísimo. Solo que en la fábrica no es nuevo: es la única forma que ha funcionado nunca.
FDE de software vs FDE industrial
Y sin embargo no son lo mismo. Quien venga del software a una planta se va a llevar cuatro sorpresas, y conviene que se las lleve leyendo esto y no un martes a las tres de la mañana.
| FDE de software | FDE industrial | |
|---|---|---|
| Entorno | IT: servidores, APIs, datos limpios | OT: PLCs, SCADA, buses de campo, datos sucios |
| Usuario | otro técnico o un analista | el operario, que decide si te hace caso |
| Iterar | despliegas, revierte si falla | la línea está en marcha: no hay revertir |
| Fallar | un error se corrige en caliente | un error para producción y cuesta dinero real |
| Seguridad | permisos y accesos | seguridad de planta: hay gente alrededor de la máquina |
| Validar | test unitarios, staging | con producción encima, sin entorno de pruebas |
| Éxito | la demo funciona | aguanta turnos seguidos sin que nadie lo empuje |
La diferencia que más subestima quien viene de fuera es la del usuario. En software, si tu herramienta es mala, el analista se queja. En planta, si tu sistema es malo, el operario deja de mirarlo en silencio — y no te enteras hasta que llevas seis meses tomando decisiones sobre datos que nadie está alimentando.
La segunda es el coste de parar. En software se despliega y se revierte. En una línea de producción, parar para probar algo tiene un precio por minuto que alguien conoce perfectamente, y ese alguien está en la reunión.
¿Estás montando —o deberías estar montando— capacidad FDE industrial? Haz el assessment FDE de tres minutos. Reviso cada respuesta personalmente y te contesto con mi lectura de tu situación. Hacer el assessment →
Qué hace un FDE industrial en una implantación real
Bajemos a tierra, que si no esto se queda en teoría.
Una panificadora. El problema no era de modelos: era que dos piezas de pan podían salir demasiado juntas y pegarse en el horno. Un FDE industrial no llega con un clasificador. Llega, mira la línea, entiende que el defecto se decide antes del horno y monta un sistema que revisa cada pieza cinco veces por segundo. Avisa de un defecto que todavía no existe. Eso no se diseña desde un despacho: se diseña mirando la cinta.
Una planta aeronáutica. Llevaban años intentando detectar fugas de aceite en los bancos de prueba con visión artificial clásica y con colorantes. No había manera, porque una gota incipiente no se deja describir con reglas. El trabajo del FDE no fue elegir la arquitectura de red: fue pasar semanas ahí, entendiendo qué es una fuga para el que la mira, y recogiendo los ejemplos que hacían falta. A los dos meses el sistema afinaba más que el ojo humano.
En los dos casos, el porcentaje de tiempo que el ingeniero pasó escribiendo modelo fue el menor de todo el proyecto. Eso es forward deployed engineering.
¿Y en qué se le fue el resto? En cosas que no salen en ningún currículum: entender qué mide realmente ese sensor y qué mide sobre el papel, descubrir que el turno de noche hace las cosas de otra manera que el de mañana y que las dos son correctas, negociar cinco minutos de parada con quien responde de la producción del día, y sentarse con el operario a ver qué le estorba de lo que le has puesto delante.
Ese trabajo es el proyecto. Lo demás es la parte que sale en la demo.
Por qué de repente todo el mundo necesita FDEs industriales
Se han juntado tres presiones a la vez.
Los labs tienen modelo y no tienen planta. Han construido cosas asombrosas y ahora se encuentran con que una fábrica no es un entorno de evaluación. Necesitan botas en el suelo y no las encuentran en el mercado del software.
Los integradores tienen clientes y no tienen el perfil. Llevan años sirviendo a esas plantas y ahora sus clientes les piden IA. Decir que no es perder al cliente para siempre; decir que sí sin el perfil adecuado es peor.
Los fabricantes tienen presión del consejo. «¿Qué estamos haciendo con la IA?» es la pregunta de todos los comités de dirección de 2026. Y la respuesta honesta en la mayoría de plantas es «pilotos».
El cuello de botella es el mismo en los tres casos y no es tecnológico: falta el perfil híbrido. Gente que entienda de fábrica y de IA a la vez. Y de las dos mitades, la que casi nadie tiene es la de fábrica — que es justo la que no se aprende en un curso.
Cómo se forma un equipo FDE industrial
Aquí va lo que he aprendido de hacerlo, que no siempre coincide con lo que se recomienda.
No se resuelve contratando data scientists. Es la primera reacción de todo el mundo y es la mitad fácil del problema. Un buen data scientist sin criterio de planta produce modelos que funcionan en el cuaderno y molestan en la nave. La mitad difícil —saber por qué esa máquina falla los lunes, saber cuándo el operario te está diciendo que no aunque diga que sí— no se contrata: se tiene o se acompaña hasta tenerla.
La materia prima suele estar dentro. En casi todas las plantas donde he trabajado había ya dos o tres personas formables: el de mantenimiento que huele el problema, el de procesos que lleva quince años en la misma línea. Les falta la parte de IA. Esa sí se enseña.
Se aprende desplegando, no en un aula. Un equipo FDE se forma en un despliegue real, con alguien al lado que ya ha hecho 300. La formación teórica previa sirve de poco: el conocimiento que importa aparece cuando algo no sale como decía el plan.
Y hay una condición organizativa que casi nadie pone. El FDE necesita poder decidir en planta sin subir a preguntar. Si cada ajuste necesita tres firmas, no tienes un forward deployed engineer: tienes un consultor que va y viene, y el modelo entero pierde su gracia. Hay que fijar un umbral —de gasto y de alcance— dentro del cual decide él, igual que se hace con un buen kaizen.
El primer despliegue no se elige por rentabilidad. Se elige por visibilidad y por plazo corto. Necesitas que el equipo vea funcionar algo suyo en producción antes de que se agote la paciencia de la organización, y eso pesa más que el retorno del caso concreto. Un problema pequeño resuelto entero convence más que uno grande resuelto a medias.
Es exactamente esto lo que hacemos en American Lean, con una red de más de 150 FDEs industriales. Y funciona en dos direcciones, que no son excluyentes: formamos al equipo del cliente para que la capacidad se quede en casa, y mientras tanto cubrimos con red propia los picos y los primeros proyectos para que nadie tenga que rechazar trabajo mientras aprende.
Si quieres el contexto de por dónde viene todo esto, la tercera revolución industrial explica qué automatizó el PLC y dónde está su techo, y la línea de Ford explica por qué toda optimización asume un contexto que conviene revisar antes de meterlo en hormigón.
Lo que decide si esto te sale bien
Después de 300 implantaciones te puedo decir con bastante seguridad qué separa a las que funcionan de las que se quedan en piloto. No es el modelo. No es el presupuesto.
Es si hay alguien capaz de estar en la planta el tiempo suficiente para entender el problema antes de resolverlo.
Eso es todo lo que significa forward deployed engineering. Los labs le han puesto nombre, y me parece bien: hacía falta una palabra. Pero la palabra no es lo nuevo. Lo nuevo sería que alguien se atreviera a hacerlo sin bajar.
¿Estás montando —o deberías estar montando— capacidad FDE industrial? Haz el assessment FDE de tres minutos. Reviso cada respuesta personalmente y te contesto con mi lectura de tu situación. Hacer el assessment →