Entre el 22 y el 24 de septiembre, Plaza Mayor en Medellín será el escenario de NexTech by Colombiatex, la nueva feria de tecnología organizada por Inexmoda para la cadena textil-confección, en la que la automatización, la analítica de datos y la inteligencia artificial tendrán un papel protagónico (Inexmoda, 2026). Para las MiPymes del sector, que durante los últimos años han escuchado con insistencia que la transformación digital es una condición para seguir compitiendo, este tipo de espacios representa una oportunidad valiosa para conocer soluciones que hasta hace poco parecían reservadas para las grandes organizaciones.

Sin embargo, antes de pensar en cámaras que detectan defectos en tiempo real o en software que programa la producción de manera automática, vale la pena hacerse una pregunta que pocas veces aparece en las vitrinas comerciales: ¿qué va a aprender una herramienta de inteligencia artificial en una planta donde los tiempos estándar no están actualizados, los paros no se registran y el desempeño solo se conoce al cierre del mes? Implementar tecnología sobre procesos que no están estandarizados no resuelve el problema de fondo, y en muchos casos lo hace más grande y más rápido. A eso se refiere la idea de automatizar el desorden.

¿Qué muestran los datos del sector?

Para dimensionar el reto conviene leer el sector como se leería un tablero de control, comenzando por los indicadores de resultado. De acuerdo con el Índice de Producción Industrial del DANE, entre enero y junio de 2026 la industria manufacturera creció 1,6 %, mientras que la confección de prendas de vestir cayó 2,1 % y la fabricación de productos textiles disminuyó 11,8 % frente al mismo periodo de 2025 (DANE, 2026a). Se trata de un comportamiento reciente, pues en los últimos doce meses la confección todavía acumula un crecimiento de 3,3 %, lo que evidencia que el quiebre se presenta en el transcurso de este año (ver Figura 1).

A esta situación se suma un aumento en el costo de operar. Desde el 15 de julio la jornada máxima legal es de 42 horas semanales (Ley 2101 de 2021) y el salario mínimo de 2026 quedó 23 % por encima del de 2025 (Decreto 1469 de 2025). En un sector intensivo en mano de obra, esto se traduce en que cada minuto de planta cuesta más, y cada minuto improductivo tiene un mayor impacto sobre los resultados.

El segundo indicador tiene que ver con la estructura empresarial. Según el Registro Estadístico de Empresas, de cada 100 empresas activas en el país 98 son microempresas, y de las 360.137 empresas de la industria manufacturera, el 75,9 % corresponde a personas naturales (DANE, 2026b). Más preocupante es que la pequeña empresa, el escalón en el que una unidad productiva suele formalizar sus procesos, fue el único tamaño empresarial que se redujo en 2024, con una variación de −0,8 % (ver Figura 2). Por lo tanto, cuando se habla de inteligencia artificial en la industria, la conversación suele pensarse para grandes plantas, mientras que la realidad del tejido empresarial se parece mucho más a la de un taller con pocos trabajadores.

Adopción de IA: una cifra que depende de cómo se mida

El tercer indicador es quizá el que más confusión genera. En marzo de 2025, un estudio de Microsoft reportó que el 66 % de las MiPymes colombianas ya utilizaba inteligencia artificial (Microsoft, 2025). Un año después, el estudio “IA: la brecha de la preparación”, realizado por CINTEL con 165 MiPymes, encontró que si bien el 45 % de las empresas tiene disposición a adoptar nuevas tecnologías, solo el 32 % utiliza inteligencia artificial de manera activa y apenas el 18,8 % ha desarrollado iniciativas estructuradas (CINTEL, 2026).

Las dos cifras no necesariamente se contradicen, porque no miden lo mismo. Utilizar un asistente virtual para redactar un correo puede contarse como uso de inteligencia artificial, al igual que conectar un algoritmo a los datos de producción, aunque el impacto de uno y otro sobre la operación sea muy distinto. Desde la analítica de datos, esta diferencia recuerda la importancia de las definiciones operacionales que W. Edwards Deming defendía para cualquier medición, ya que un indicador que no está bien definido difícilmente sirve para tomar decisiones.

El mismo estudio de CINTEL deja una pista especialmente útil para el sector. El 57 % de las empresas presenta baja o nula integración digital, y aquellas con mayor integración tecnológica tienen 4,5 veces más probabilidad de utilizar inteligencia artificial (CINTEL, 2026). Esto sugiere que la inteligencia artificial se apoya en una base previa de procesos digitalizados y datos confiables, y que difícilmente puede ser el punto de partida (ver Figura 3).

El punto de partida: estandarizar y medir

A Bill Gates se le atribuye una advertencia que sigue vigente: “la automatización aplicada a una operación ineficiente magnificará la ineficiencia”. Un modelo de inteligencia artificial aprende a partir de datos históricos; si la planta no registra su información, la herramienta no tiene de qué aprender, y si la registra sin estándares definidos, termina aprendiendo y repitiendo el desorden.

En la columna publicada en este mismo espacio en febrero (Aguirre Cuervo, 2026) se expusieron los resultados de un diagnóstico realizado a MiPymes textiles del Área Metropolitana, en el que se evidenció que muchas empresas gestionan sus procesos sin una adecuada caracterización, sin estandarizar ni documentar las variables fundamentales y tomando decisiones a partir del cierre contable de cada mes. Esa situación difícilmente se corrige con la compra de tecnología; requiere, antes que nada, método y disciplina en la gestión de la información.

La buena noticia es que el método genera resultados incluso sin algoritmos. En un estudio de caso desarrollado en una empresa de ropa interior masculina de Medellín con 58 operarias (Aguirre-Cuervo et al., 2025), se construyó una matriz de polivalencia para evaluar el nivel de productividad y calidad del personal en las máquinas del proceso. Al inicio, el 22,9 % del personal se encontraba en el nivel más bajo; después de 20 sesiones de acompañamiento con tutores internos durante dos meses, ese porcentaje se redujo al 4,7 % y la eficiencia pasó de no alcanzar el mínimo del 80 % a un promedio acumulado del 86 %. Aunque el estudio reconoce que las mejoras en supervisión y control de calidad también pudieron contribuir, el resultado muestra que medir, estandarizar y actuar sobre la información tiene impacto sin recurrir a tecnologías avanzadas.

Cuando esa base existe, la analítica de datos amplía sus beneficios. Araque González y Giampietro Torres (2022) documentaron el caso de una empresa del sector textil colombiano que, a partir de la recolección, depuración y modelado de sus datos y de su visualización en tableros de Power BI, logró una mejora del 20 % en la identificación de fallas operacionales y no operacionales de su proceso industrial.

Una escalera de madurez para las MiPymes del sector

Así como en la mejora continua no existen atajos, tampoco existe un camino directo hacia la inteligencia artificial. Lo que existe es una escalera en la que cada peldaño prepara el siguiente (ver Figura 4):

1. Estandarizar: definir y documentar los métodos de trabajo y los tiempos estándar vigentes para las referencias que se producen.
2. Medir: registrar diariamente la producción, los paros y los reprocesos, identificando su causa.
3. Visualizar: consolidar la información en un tablero que se revise por lo menos cada semana y se utilice para tomar decisiones, algo que hoy es posible con herramientas como Excel, Power BI o Looker Studio (antes Google Data Studio).
4. Predecir: con varios meses de información confiable, aplicar modelos para pronosticar la demanda, anticipar fallas en las máquinas o identificar patrones de defectos.
5. Automatizar: incorporar soluciones como la visión artificial en el control de calidad, el trazo automático o la programación asistida de la producción, sobre procesos que ya son estables.

Lo anterior no significa que la inteligencia artificial generativa deba esperar hasta el último peldaño. Bien utilizada, puede apoyar la documentación de procedimientos, la organización de las hojas de cálculo de producción o el análisis inicial de los datos. Lo que no puede hacer es reemplazar las etapas que le dan sentido a la información.

Autodiagnóstico antes de invertir

Antes de salir de la feria con una cotización, se propone un autodiagnóstico sencillo. Si la respuesta es negativa en dos o más de las siguientes preguntas, la primera inversión debería orientarse a la estandarización y la medición, antes que a la inteligencia artificial:

• ¿Los tiempos estándar de las referencias actuales tienen menos de un año?
• ¿Se mide diariamente la eficiencia de cada módulo o línea de producción?
• ¿Se registran las causas de los paros y de los reprocesos?
• ¿Se cuenta con al menos seis meses de esa información en formato digital?
• ¿Alguien del equipo revisa esos datos cada semana y toma decisiones con base en ellos?

De igual manera, al conversar con los proveedores es recomendable preguntar qué datos necesita la solución y cuántos meses de historia requiere, qué indicador de la planta va a mejorar y cuál es su línea base, y cómo se podrá verificar en un plazo de tres meses si la inversión está generando resultados.

Colaboración institucional para subir la escalera

Este camino no tiene que recorrerse de manera aislada. Iniciativas como el Laboratorio de Innovación Textil 4.0, que se viene desarrollando entre Inexmoda, Sapiencia y la Institución Universitaria Pascual Bravo, permiten que estudiantes y docentes trabajen sobre retos reales de las empresas, desde la estandarización de operaciones hasta la construcción de tableros de control. Como se planteó en la columna anterior, el principal insumo que deben aportar las organizaciones es tiempo: personas que planteen los retos y abran las puertas de sus procesos (Aguirre Cuervo, 2026).

Hacia una adopción consciente de la inteligencia artificial

La tecnología que se exhibirá en NexTech no es el problema; por el contrario, en muchos casos puede convertirse en una de las mejores inversiones de una planta. El riesgo está en adquirirla sin haber construido la base que le permite generar valor. Taiichi Ohno, uno de los creadores del Sistema de Producción Toyota, insistía en que sin estándares no es posible mejorar, y ese principio cobra aún más fuerza cuando se trata de inteligencia artificial.

La pregunta no es qué herramienta de inteligencia artificial deben adquirir las MiPymes de la industria textil-confección, sino con qué datos la van a alimentar. La respuesta empieza por algo mucho menos llamativo que un algoritmo: un cronómetro, un registro confiable y la disciplina de revisarlo cada semana. Es momento de empezar por lo básico.

Referencias

Aguirre Cuervo, J. E. (2026, 9 de febrero). La analítica de datos como motor de transformación para MiPyME’s textiles en Antioquia. Al Poniente. https://alponiente.com/la-analitica-de-datos-como-motor-de-transformacion-para-mipymes-textiles-en-antioquia/

Aguirre-Cuervo, J. E., Ruiz-Moreno, S. y Giraldo-Builes, J. (2025). Polivalencia laboral y productividad: un enfoque práctico en la industria textil-confección. Revista Virtual Universidad Católica del Norte, (76), 182–217. https://doi.org/10.35575/rvucn.n76a8

Araque González, G. A. y Giampietro Torres, V. J. (2022). El Big Data aplicado en la industria 4.0: un caso en el sector textil colombiano con un enfoque en la inteligencia de negocios. Cuaderno Activa, 14(1), 157–170. https://doi.org/10.53995/20278101.1176

CINTEL. (2026, 30 de abril). IA: la brecha de la preparación [Estudio]. https://cintel.co/ia-en-colombia-45-quiere-adoptarla-pero-solo-32-lo-logra-segun-estudio-de-cintel/

Decreto 1469 de 2025. Por el cual se fija el salario mínimo mensual legal para 2026. 29 de diciembre de 2025. Ministerio del Trabajo (Colombia). https://www.suin-juriscol.gov.co/viewDocument.asp?id=30055940

Departamento Administrativo Nacional de Estadística [DANE]. (2026a). Índice de Producción Industrial (IPI): junio 2026 [Boletín técnico, 14 de agosto de 2026]. https://www.dane.gov.co/files/operaciones/IPI/bol-IPI-jun2026.pdf

Departamento Administrativo Nacional de Estadística [DANE]. (2026b). Panorama desde el Registro Estadístico de Empresas (REE): 2022–2024.

Inexmoda. (2026). NexTech by Colombiatex: feria de tecnología textil [Sitio web]. https://nextechcolombia.com/

Ley 2101 de 2021. Por medio de la cual se reduce la jornada laboral semanal de manera gradual, sin disminuir el salario de los trabajadores y se dictan otras disposiciones. 15 de julio de 2021 (Colombia). https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=166506

Microsoft. (2025, 31 de marzo). 2 de cada 3 MiPymes en Colombia ya usan inteligencia artificial para ganar productividad, asegurar continuidad y mejorar el servicio, revela estudio de Microsoft. Microsoft News Center Latinoamérica. https://news.microsoft.com/es-xl/2-de-cada-3-mipymes-en-colombia-ya-usan-inteligencia-artificial-para-ganar-productividad-asegurar-continuidad-y-mejorar-el-servicio-revela-estudio-de-microsoft/