IA en el mantenimiento de ascensores: Kone da a 15.000 técnicos un asistente que aprende de miles de reparaciones

Un técnico llega a un ascensor con lo que parece un fallo en el sistema de accionamiento. Revisa lo obvio y no encuentra nada. Entonces consulta a una herramienta que ha cruzado el caso con miles de reparaciones anteriores, y esta le sugiere algo inesperado: mirar un sensor magnético de planta. Acierta. Es el ejemplo con el que Kone explica su apuesta por la IA en el mantenimiento de ascensores, un despliegue que ya llega a 15.000 técnicos en todo el mundo, también en España.

La herramienta se llama Technician Assistant y combina cuatro fuentes: documentación técnica, historiales de servicio, casos de soporte ya resueltos y datos de una red de cerca de 800.000 equipos conectados del grupo finlandés. Según la propia Kone, se apoya en IA generativa y fue construida con el modelo Claude 3 a través de Amazon Bedrock, de AWS. Marco de Flora, director de Servicios de Kone Ibérica e Italia, lo resume así: «Más que automatizar el trabajo del técnico, la herramienta busca poner a su alcance el conocimiento acumulado de toda la organización». La decisión final sigue siendo del profesional.

El asistente es la parte visible de una estrategia más amplia. Kone, con 60.000 empleados y 11.200 millones de euros de ingresos, usa IA en mantenimiento predictivo para analizar en tiempo real los datos de sus equipos conectados. Afirma que así identifica hasta el 80% de los fallos potenciales antes de que afecten al servicio. En los equipos conectados, los atrapamientos de usuarios han bajado un 55%, y cerca de una cuarta parte de las incidencias se resuelve en remoto en menos de dos minutos. Son cifras que aporta la compañía y no una auditoría independiente, pero dibujan un caso de negocio claro.

Qué puede aprender tu empresa de la IA en el mantenimiento de ascensores

La lección de fondo es que Kone no ha usado la IA para sustituir al experto, sino para repartir su conocimiento. El propio De Flora lo explica: la IA «no elimina la necesidad de contar con expertos para los casos más complejos, pero sí evita que todas las incidencias tengan que escalarse al soporte especializado». Es el mismo patrón que vimos en el sistema multiagente con el que Bayer resuelve el 80% de las consultas sin ingenieros: la IA absorbe lo repetible y los especialistas se reservan para lo difícil.

Si tu organización tiene técnicos de campo, soporte o consultores que pierden tiempo buscando información, estas son las claves del caso:

Empieza por los datos que ya tienes. Kone no partió de cero: tenía décadas de historiales de reparación, manuales y sensores. Un asistente de IA para técnicos vale lo que valga el conocimiento acumulado que pueda consultar. Si ese conocimiento está disperso, el primer paso es ordenarlo, como hizo IskayPet al unificar sus documentos en cuatro idiomas.

Diseña con quienes lo van a usar. Según Kone, los técnicos participaron en el desarrollo desde las primeras fases. Kristian Puusaari, responsable de producto, admite que «somos gente de IT y desarrolladores de software» y que necesitaban a los técnicos para saber qué información debía ofrecer la herramienta. Un técnico que participó en las pruebas la calificó de «revolución».

Mide el valor en tiempo de diagnóstico, no solo en automatización. El ejemplo del sensor magnético no demuestra que la IA resuelva sola el problema, sino que acorta el camino hacia una causa poco evidente.

Deja la decisión en manos humanas. Plantear la herramienta como apoyo reduce la resistencia interna. Aki Parviainen, director de operaciones de servicio digital de Kone, insiste en que «no es una herramienta que sustituya su trabajo».

Controla la calidad de las recomendaciones. Un asistente que sugiere reparaciones necesita verificación y retroalimentación continua. Conviene revisar cómo un retailer redujo las alucinaciones del 15% al 1,5% antes de poner un sistema similar en producción.

Cuándo tiene sentido adoptar IA generativa en servicio de campo

El caso de Kone sugiere que el momento llega cuando se cumplen tres condiciones. Primera, que exista una base de casos resueltos y datos operativos de calidad. Segunda, que los equipos sufran cuellos de botella de conocimiento, como escalados constantes al soporte especializado o diagnósticos que dependen de la veteranía de unos pocos. Tercera, que haya conectividad en los equipos o productos, porque, como apunta Plant Services en su análisis del caso, la combinación de IoT y IA es lo que permite pasar del diagnóstico reactivo a anticiparse a la avería.

El efecto se extiende más allá del taller. De Flora sostiene que los mismos datos permiten priorizar intervenciones, decidir qué se resuelve en remoto, elegir al técnico adecuado, optimizar rutas y reducir visitas innecesarias, con impacto en productividad y sostenibilidad. Kone también explora el análisis de movilidad en edificios con los datos que generan los ascensores, para mejorar la experiencia de los usuarios y la eficiencia energética. Es un buen recordatorio de que un activo conectado genera valor más allá de su función original.

La pregunta que debes hacerte

La ventaja de Kone no está en un algoritmo exclusivo, sino en haber acumulado datos, conectado sus equipos y diseñado la herramienta junto a sus técnicos. Si tu empresa tuviera hoy un asistente que conociera todas las incidencias resueltas por tu organización, ¿cuántas horas de tus mejores expertos liberarías? La IA en el mantenimiento de ascensores de Kone muestra que la respuesta empieza por ordenar el conocimiento que ya tienes.