La industria manufacturera se diferencia de los sectores de servicios en un punto que tiene consecuencias directas para los datos de sostenibilidad: la mayor parte del impacto ambiental no se encuentra en las instalaciones propias, sino en la cadena anterior y posterior. Materias primas, productos semiacabados, pasos de procesamiento intensivos en energía, transporte entre fábricas, flujos de residuos en el taller: la operación propia suele ser solo una pequeña parte del panorama total. Esto significa que una organización de la industria manufacturera depende, para una parte sustancial de su obligación de reporte, de datos que se generan en otro lugar: en un proveedor, un transportista, un proveedor de energía. Esa dependencia sigue un patrón comparable al que se da en el sector agrícola, donde la cadena anterior y posterior a la propia empresa también determina una gran parte del impacto.
Dentro de las propias paredes, los datos de sostenibilidad están repartidos en sistemas que no fueron diseñados para ese fin. El consumo energético por línea de producción figura en el sistema de gestión del edificio o en los datos del proveedor de energía, sin vincularse a los volúmenes de producción. Los tiempos de funcionamiento de las máquinas y las paradas figuran en el MES o en una hoja de Excel del jefe de turno. Los flujos de residuos —chatarra, material sobrante, residuos químicos— suelen registrarse mediante albaranes de peso por parte del gestor de residuos, al margen del sistema interno. El consumo de agua a veces se mide de forma centralizada para todo el terreno, sin desglose por proceso. Para quien necesita una cifra de emisiones por línea de producción, esto implica una búsqueda a través de sistemas de medición que cada uno tiene su propia lógica y frecuencia.
El sistema ERP contiene volúmenes de compra, flujos de materiales y, a veces, datos de proveedores, pero rara vez factores de emisión. El MES conoce los tiempos de máquina y la producción, pero no vincula eso automáticamente al consumo de energía o materiales por unidad de producto. Entre estos dos sistemas suele haber un paso manual: alguien que extrae volúmenes del ERP, combina datos de máquina del MES y, con una tabla de cálculo aparte, llega a una cifra de emisiones. Esa tabla de cálculo —y los supuestos que contiene— es precisamente el punto en el que se pierde la trazabilidad si nadie registra qué fuente, qué factor y qué supuesto se ha utilizado.
Para el alcance 3, la industria manufacturera depende en gran medida de lo que aportan los proveedores. Uno envía un informe de sostenibilidad detallado, otro una estimación en una factura, un tercero no envía nada en absoluto. Algunas empresas trabajan con promedios sectoriales genéricos porque faltan los datos de los proveedores; otras disponen de datos primarios para algunos proveedores grandes, pero no para el resto de la cadena. Esta mezcla de fuentes de datos —primarios, secundarios, estimados— debe registrarse en algún lugar con una anotación sobre su procedencia, de lo contrario ya no será posible reconstruir a posteriori en qué supuesto se basa cada cifra.
Muchas empresas manufactureras ya cuentan con certificaciones como la ISO 14001 o auditorías energéticas en curso. Esos procesos generan datos valiosos —consumo energético, planes de mejora, cifras verificadas— pero los resultados suelen acabar en un archivo aparte del departamento de calidad, separado del reporte de sostenibilidad. La cifra que el auditor ya ha verificado se vuelve a recopilar entonces, de forma independiente, para el informe de sostenibilidad, con el riesgo de que las dos cifras dejen de coincidir.
¿Quién es responsable de la cifra energética de una planta de producción: el director de planta, el gerente de instalaciones o el coordinador de sostenibilidad de la sede central? ¿Quién gestiona los factores de emisión que se aplican a los datos de transporte: compras, logística o finanzas? En muchas empresas manufactureras esa responsabilidad nunca se ha asignado explícitamente. La propiedad de los datos surge de forma implícita, en quien tenga acceso al sistema por casualidad, no en quien mejor conoce o puede controlar el contenido.
La tentación de comprar un paquete de software que se conecte automáticamente al ERP y al MES y genere paneles ordenados es grande. Pero una herramienta que se instala sobre una base desorganizada produce, sobre todo, versiones más rápidas y de apariencia más convincente de las mismas cifras inciertas. Antes de que un sistema pueda extraer datos, debe estar establecido qué punto de datos procede de qué fuente, quién es su propietario y qué regla de calidad le corresponde. Esto se aplica a la industria manufacturera igual que a sectores con una estructura de cadena completamente distinta, como el sector del transporte o el comercio minorista, donde las fuentes de datos son diferentes pero el problema de ordenación es el mismo.
El Data Readiness Scan elabora, para la industria manufacturera, un registro de puntos de datos: por fuente de emisión, por línea de producción, por eslabón de la cadena se determina qué punto de datos es necesario, dónde se origina —máquina, ERP, proveedor de energía, gestor de residuos, proveedor— y por qué ruta llega hasta el punto de reporte final. A eso se añade un propietario por punto de datos y una regla de calidad que determina cuándo una cifra es utilizable y cuándo no. No se trata de un informe ni de un cuestionario completado, sino de la estructura subyacente que permite rastrear una cifra hasta su fuente en cualquier momento. Esta estructura es comparable a lo necesario en los servicios profesionales, donde los datos también están repartidos entre sistemas y hojas de cálculo independientes, aunque la cadena tenga allí un aspecto distinto.
La herramienta que ejecuta este escaneo está en construcción. Quien desee preparar su organización para ello puede inscribirse en la lista de espera.
En cuanto quede claro qué puntos de datos existen, dónde se originan y quién los gestiona, también se hará visible cuánto trabajo manual conlleva la recopilación, el control y la transcripción de esos datos. Ese trabajo —extraer datos de varios sistemas, rastrear cifras hasta una fuente, realizar controles de calidad— consiste en tareas individuales que no requieren todas la misma cantidad de trabajo humano. El escáner de trabajo de FTE TO AI calcula, por tarea, qué parte de ella puede asumir la IA, de modo que quede claro dónde la automatización aporta el mayor ahorro de tiempo y dónde sigue siendo necesario el control humano.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.