Diseñar procesos que evolucionen con la tecnología emergente
D
urante décadas, las empresas han estado atrapadas en un ciclo de cambios dolorosos y episódicos, solo para descubrir que la forma en que su organización opera, en el fondo, sigue siendo lenta. Los enormes costos de transacción (la fricción que supone coordinar al personal, gestionar la información y alinear tareas complejas) han hecho que una transformación profunda y continua resulte prohibitivamente costosa y arriesgada.
Según nuestro reciente análisis aún no publicado, más de cuatro de cada diez horas de trabajo están relacionadas con este tipo de transacciones dentro de los procesos empresariales. Ahora, un nuevo marco para la reinvención está a punto de reducir drásticamente estos costos al combinar dos factores: la visibilidad radical de los procesos y la experimentación de bajo riesgo dentro de un gemelo digital. En conjunto, transforman la reinvención de procesos de un proyecto disruptivo en una capacidad central y continua.
Visibilidad radical
El primer paso esencial en la reinvención de procesos es codificar las operaciones en un modelo dinámico y computable: un plano del estado actual, en tiempo real, de cómo ocurre realmente el trabajo. Alcanzar este nivel de visibilidad de los procesos se convierte en el catalizador crítico para toda transformación posterior, sentando las bases para construir un gemelo digital.
Considere el objetivo de la empresa minera Boliden de optimizar el control del proceso de molienda de cobre en su mina de Aitik, en Suecia. La molienda desempeña un papel fundamental en la extracción de metales valiosos a partir de depósitos minerales y sigue siendo el principal cuello de botella operativo en la planta. Incluso pequeñas mejoras en el rendimiento y la estabilidad del proceso pueden generar grandes beneficios financieros. En colaboración con el gigante multinacional ABB, (en efecto, una planta virtual), la empresa creó un modelo altamente preciso del estado actual. Lo codificaron creando una copia directa del sistema de control distribuido (DCS) real de la planta, incluyendo su lógica personalizada, para garantizar una réplica realista de la capa base de control.
Este modelo del sistema de control se conectó posteriormente a una simulación de procesos que alojaba la dinámica del proceso del molino físico. Las “huellas digitales” analizadas eran los protocolos de comunicación en tiempo real que compartían datos entre la capa base de control y la simulación del proceso, reflejando el flujo de datos real “tal cual es” de la planta física. Este modelo computable, con su visibilidad radical del proceso, proporcionó el entorno no disruptivo de un gemelo digital necesario para probar nuevas estrategias de control frente al estado actual.
Experimentación continua en el gemelo digital
La mejora continua requiere experimentación continua. La experimentación dentro de un gemelo digital permite a las organizaciones simular y validar procesos completamente nuevos desde cero en un entorno simulado sin riesgos, bajo el supuesto de que los agentes de IA gestionarán la coordinación. Esta capacidad reemplaza los cambios de proceso episódicos y de alto riesgo por un ciclo continuo de reinvención de bajo riesgo.
La “fábrica virtual” de BMW Group ilustra este cambio. La empresa construyó un gemelo digital completo de sus plantas de producción, conectando datos de edificios, datos de equipos, información logística e incluso simulaciones en 3D de procesos de trabajo manual realizados por personas. Este gemelo virtual también simula avatares de trabajadores humanos que toman piezas y ensamblan componentes, con el fin de encontrar el mejor procedimiento, minimizar problemas ergonómicos e identificar el número óptimo de trabajadores para cada tarea. Los ingenieros ahora pueden simular y validar la integración de nuevos modelos de vehículos de forma virtual, reduciendo un costoso proceso de validación física de cuatro semanas a uno de tres días.
De cara al futuro, se espera que la fábrica virtual de BMW Group reduzca los costos de planificación de producción hasta en un 30%. El proceso de validación anterior de BMW para un nuevo modelo de vehículo requería guiar manualmente una carrocería física a través de la línea de producción durante varios fines de semana. En el taller de pintura, este proceso podía implicar vaciar y limpiar por completo los tanques de recubrimiento por inmersión, lo que generaba enormes costos y tiempos de inactividad en la producción. El nuevo proceso de validación permite a los planificadores ejecutar escenarios hipotéticos (como optimizar los diseños de línea para nuevos modelos en un entorno virtual) sin interrumpir la producción en curso.
© 2026 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
For decades, businesses have been trapped in a cycle of painful, episodic change, only to find their organization’s fundamental metabolism remains sluggish. Immense transaction costs — the friction of coordinating people, managing information and aligning complex work — have made deep, continuous transformation prohibitively expensive and risky.
According to our recent unpublished analysis, more than four in ten working hours are related to such transactions within business processes. Now, a new framework for reinvention is poised to collapse these costs by combining two forces: radical process visibility and low-risk experimentation within a digital twin. Together, they transform process reinvention from a disruptive project into a continuous, core capability.
RADICAL VISIBILITY
The essential first step in process reinvention is to codify operations into a dynamic, computable model: a current-state, real-time blueprint of how work actually happens. Achieving this level of process visibility becomes the critical catalyst for every subsequent transformation, laying the groundwork for building a digital twin.
Consider the desire of mining company Boliden to optimize control of the copper grinding process at their Aitik mine in Sweden. Grinding plays a critical part in extracting valuable metals from mineral deposits and remains the primary operational bottleneck at the plant. Even small improvements in throughput and stability of the process can yield big financial gains. Working with multinational giant ABB, the company created a highly accurate as-is model — in effect, a virtual plant. They codified it by creating a direct copy of the plant’s actual distributed control system process (DCS) including its customized logic to ensure a realistic replication of the base layer of control.
This control system model was then connected to a process simulation that hosted the process dynamics of the physical mill. The “digital footprints” analyzed were the real-time communication protocols that shared data between the base control layer and the process simulation, mirroring the true “as-is” data flow of the physical plant. This computable model, with its radical visibility into the process, provided the nondisruptive environment of a digital twin needed to test new control strategies against the current state.
CONTINUOUS EXPERIMENTATION IN THE DIGITAL TWIN
Continuous improvement requires continuous experimentation. Experimentation within a digital twin allows organizations to simulate and validate entirely new processes from a clean sheet in a risk-free simulated environment, which assumes that AI agents will handle coordination. This capability replaces episodic, high-stakes process change with an ongoing, low-risk cycle of reinvention.
BMW Group’s “Virtual Factory” illustrates this shift. The company built a full digital twin of its production plants, linking building data, equipment data, logistics information and even 3D simulations of manual human work processes. This virtual twin will also simulate avatars of human workers grabbing parts and assembling components, to find the best procedure, minimize ergonomic problems and identify the best number of workers for each job. Engineers can now simulate and validate the integration of new vehicle models virtually, collapsing a costly four-week physical validation process into a three-day process.
Looking ahead, the BMW Group’s Virtual Factory is expected to reduce production planning costs by up to 30%. BMW’s previous validation process for a new vehicle model required manually guiding a physical car body through the production line over several weekends. In the paint shop, this process could require draining and cleaning entire dip coating tanks, incurring enormous costs and production downtime. The new validation process allows planners to run “what-if” scenarios, such as optimizing line layouts for new models in a virtual environment, without disrupting live production.
La IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)
La IA puede alejar las evaluaciones de desempeño de las narrativas laborales y acercarlas a evidencia directa del trabajo en la práctica.
Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
He aquí tres prácticas que pueden ayudar a desarrollar la «química humano-IA en los equipos» a medida que evoluciona el lugar de trabajo.
¿Cuáles son los problemas de su empresa en materia de IA?
El “Ethical Nightmare Challenge” (ENC) es un marco de trabajo que puede integrarse con programas existentes de gestión de riesgos de IA.
