IA en el camino del dato sin romper la ingesta
Para poner un modelo en el camino del dato sin romper la ingesta, la ingesta no puede depender de la IA. En NovaeOps, el veredicto viaja dentro de la lectura, pero si la IA no está disponible, la lectura se guarda igual. Y cada veredicto avisa si el dato se sale de lo que el modelo conoce.
¿Por qué poner la IA en la ingesta y no en un informe del día siguiente?
Un modelo que analiza los datos de ayer te cuenta lo que salió mal ayer. Si el veredicto llega con la lectura, la decisión puede llegar a la vez que el dato, y tu equipo mira lo que se sale de lo normal mientras todavía importa.
El problema ya no es tener datos. En agua, por ejemplo, el PERTE de digitalización del agua destinó 170 millones de euros a 375 proyectos de comunidades de regantes, y el 60 % fue a telecontrol y monitorización (MITECO, noviembre de 2025). Mientras tanto, el 14,6 % del agua suministrada en España se pierde en fugas (INE, julio de 2026).
Los sensores ya están instalados. Lo que falta son personas para mirar cada lectura. Un veredicto en la propia lectura hace ese primer filtro: lo normal sigue su camino y lo que se sale de lo normal llega marcado, con cuánto fiarte de la marca.
Pero meter un modelo en la ingesta tiene sus riesgos, y conviene conocerlos antes de hacerlo.
¿Qué sale mal al meter un modelo en la ingesta sin cuidado?
Estos son cinco fallos que conviene prever, y lo que hace NovaeOps, nuestra plataforma AIoT, con cada uno:
| Riesgo | Qué pasa | Qué hace NovaeOps |
|---|---|---|
| La IA cae y bloquea la ingesta | Pierdes lecturas justo cuando algo va mal. | La lectura se guarda igual; el veredicto es un añadido. |
| El dato se sale de lo conocido y nadie se entera | El modelo responde con seguridad sobre algo que nunca vio. | Cada veredicto lleva un aviso de dato fuera de lo conocido. |
| Un modelo en cada lectura cuesta | Pagas por tener el modelo encendido, aporte o no. | Eliges qué colecciones llevan veredicto y pagas por veredicto entregado. |
| El modelo entrenado no es el que responde | Respuestas distintas de las validadas, sin error visible. | El servicio reproduce lo medido al entrenar antes de publicarse. |
| Un reentreno degrada producción en silencio | El modelo nuevo es peor y nadie lo ha comparado. | El candidato se compara con el de producción antes de promoverlo. |
¿Cómo resuelve NovaeOps cada uno de esos riesgos?
Si la IA no está, la lectura se guarda igual
En NovaeOps la ingesta va primero. El veredicto se escribe en las lecturas de las colecciones que tú eliges, pero es un añadido, no un requisito: si el modelo se reinicia, se actualiza o falla, la lectura entra igual.
Parece obvio, pero es de las decisiones que se saltan cuando se diseña con prisa. Un histórico con huecos justo en los momentos en que algo iba mal no se recupera.
Un aviso cuando el dato se sale de lo conocido
Un modelo entrenado con datos de verano ve llegar el invierno. Instalas un sensor de otro fabricante con otro rango. Alguien recalibra un contador. El modelo sigue respondiendo, con la misma seguridad, sobre algo que nunca vio.
Por eso cada veredicto lleva un aviso de dato fuera de lo conocido. Como queda escrito en la propia lectura, el histórico te dice cuándo empezó tu dato a salirse del terreno conocido. Es una buena señal para decidir cuándo reentrenar.
Pagas por veredicto entregado, no por modelo encendido
No todas las colecciones necesitan IA. Tú eliges en cuáles se escribe el veredicto. Y la IA se paga por veredicto entregado: un modelo parado no cuesta nada. Tampoco hay cuota por dispositivo ni por usuario.
Del histórico al modelo, sin sacar el dato
NovaeOps congela el histórico en Parquet, lo recupera cuando lo necesitas y entrena modelos con él sin salir de la plataforma. Tu dato no viaja a otro sistema para entrenar. Y si un día te vas, lo exportas en Parquet, CSV o JSON.
Lo que se entrenó es lo que responde
El veredicto lo pone CogniX, nuestro motor de IA predictiva, integrado en la plataforma. Cada entrenamiento deja anotadas sus respuestas esperadas, y el servicio en producción tiene que reproducirlas antes de publicarse. Así se descarta uno de los fallos más silenciosos: preparar los datos de una forma al entrenar y de otra al servir.
Ningún reentreno entra sin compararse
El reentreno lo dispara una persona, una tarea programada o la propia NovaeOps. El modelo nuevo entra sin parar el servicio, pero antes de promoverlo lo comparas con el que está en producción. Un modelo más reciente no es, por definición, un modelo mejor.
¿Por qué no poner un modelo de lenguaje en cada lectura?
Porque un modelo de lenguaje tarda segundos y consume CPU en cada lectura. Si recibes miles de lecturas por minuto, la cuenta no sale, ni en tiempo ni en dinero. Y la ingesta no puede quedarse esperando a que el modelo termine de razonar.
El reparto que funciona es otro:
- En el camino del dato, un modelo predictivo que responde en milisegundos, con decisión, cuánto fiarte, aviso de dato desconocido y qué variables pesaron.
- Encima, el modelo de lenguaje, por MCP. Tu asistente consulta por qué se marcó una lectura y te lo explica en tu idioma.
NovaeOps expone más de 180 operaciones por MCP, así que tu asistente puede supervisar y operar la plataforma. Las operaciones que borran algo piden confirmación expresa.
¿Quién decide qué se hace con el veredicto?
Tú. El veredicto de IA informa; qué dispara una acción automática lo decides tú con reglas. Las reglas de NovaeOps trabajan con histéresis, así que una señal que rebota no dispara la misma alarma una y otra vez.
Ese reparto importa. La IA marca, cuantifica y explica; la acción la decide una regla que has escrito tú o una persona que revisa. Por qué cada veredicto tiene que decirte cuánto fiarte lo contamos en IA que rinde cuentas.
¿Cómo empiezas un piloto de IA en la ingesta?
Con alcance cerrado y criterio de éxito acordado antes de empezar. Un orden que funciona:
- Elige una colección y una pregunta: qué lecturas se salen de lo normal en qué equipos.
- Entrena con tu histórico, congelado en Parquet, sin sacarlo de la plataforma.
- Activa el veredicto solo en esa colección y fija cómo medirás el éxito.
- Vigila los avisos de dato desconocido: te ayudan a decidir cuándo reentrenar.
- Decide con reglas qué veredictos disparan una acción y cuáles van a revisión.
- Compara cada reentreno con el modelo en producción antes de promoverlo.
NovaeOps está disponible para pilotos. Funciona en nuestra nube, en tu infraestructura o en el edge, también en hardware modesto como una Raspberry Pi 5, con el mismo producto.
En resumen
La IA en la ingesta funciona si la ingesta no depende de ella, si cada veredicto avisa cuando el dato es desconocido, si pagas solo por lo que usas y si ningún modelo entra en producción sin compararse. Si tienes equipos en campo y quieres ver qué dicen sus lecturas, mira cómo funciona NovaeOps.