La multinacional almeriense lleva décadas automatizando sus fábricas y su logística para competir desde Europa en más de 120 países. Ahora quiere extender esa capacidad a la gestión de procesos, la actividad comercial y el desarrollo de nuevos materiales mediante datos y agentes de inteligencia artificial.
Para entender el proyecto de inteligencia artificial de Cosentino hay que observar primero la empresa sobre la que se está construyendo. No se trata de una organización digital que incorpora un nuevo asistente a sus herramientas de oficina, sino de una multinacional industrial que compra materias primas en diferentes países, fabrica superficies de varias toneladas, mantiene líneas de producción casi de forma ininterrumpida y distribuye sus productos por todo el mundo.
La Ecuación Digital viajó a Almería invitada por Microsoft para conocer esta transformación junto con los responsables de tecnología, ingeniería e investigación de Cosentino. La visita comenzó en una cantera de mármol blanco de la comarca del Almanzora y continuó en el parque industrial de Cantoria, donde recorrimos las plantas de producción, los hornos, las prensas, el centro logístico automatizado y los laboratorios de I+D. La última parte de la jornada estuvo dedicada a la estrategia tecnológica de la compañía y al anuncio de que Cosentino será la primera empresa industrial española en comenzar a trabajar con Microsoft Discovery.
El orden del recorrido ayudaba a comprender el alcance del proyecto. La historia de Cosentino parte de la explotación y transformación de la piedra natural, pero su actividad actual depende tanto de la química, la ingeniería y la automatización como de las materias primas. La inteligencia artificial se incorpora ahora a una operación en la que una previsión comercial termina convertida en un plan de producción, una decisión logística puede enviar toneladas de material a otro continente y una formulación científica debe reproducirse de manera estable en una línea industrial.
De un taller de mármol a una industria de materiales
Cosentino tiene sus orígenes en un pequeño negocio familiar dedicado al mármol de Macael. La compañía comenzó a adquirir su dimensión industrial a finales de los años setenta y encontró uno de sus principales motores de crecimiento en el desarrollo de materiales propios.
Uno de sus primeros intentos consistió en triturar residuos de mármol y mezclarlos con resina para producir grandes tablas. El producto, comercializado como Marmolstone, no ofreció el comportamiento necesario para determinadas aplicaciones, especialmente en superficies expuestas a líquidos, ácidos o manchas. La búsqueda de una composición diferente condujo posteriormente al desarrollo de Silestone, lanzado en 1992.
A partir de ese momento, Cosentino dejó de depender únicamente de la transformación de piedra natural y comenzó a controlar fórmulas, procesos, maquinaria y propiedades de materiales desarrollados por la propia empresa. Dekton amplió después el catálogo mediante una superficie ultracompacta producida con altas presiones y temperaturas. Más recientemente, Ēclos ha combinado conocimientos procedentes de distintas familias de materiales para integrar diseños tridimensionales, resistencia térmica y nuevas formulaciones.
La compañía comercializa actualmente sus productos en 129 países, cuenta con alrededor de 6.000 empleados y genera más del 90% de su facturación fuera de España. En 2025 alcanzó unos ingresos globales de 1.428 millones de euros y realizó inversiones por valor de 113 millones. Su estructura incluye nueve fábricas, ocho situadas en Almería y una en Brasil, además de más de 180 instalaciones comerciales, logísticas y de distribución.
El parque industrial de Cantoria ocupa más de cuatro millones de metros cuadrados y reúne buena parte de las capacidades productivas, administrativas, logísticas y científicas del grupo. Esta concentración permite que ingeniería, calidad, fabricación, producto e I+D trabajen a poca distancia, aunque también convierte el complejo en una operación difícil de modificar sin afectar a procesos que funcionan de forma continua.
La automatización llegó antes que la IA
Cosentino lleva décadas utilizando automatización industrial porque producir en Europa y distribuir a escala mundial obliga a controlar costes, capacidad, calidad y continuidad operativa. En estas instalaciones, automatizar no consiste únicamente en sustituir una tarea manual. También permite mover cargas que resultaría difícil gestionar con personas, mantener el ritmo de las líneas y reducir riesgos dentro de la fábrica.
Las plantas de Silestone y Dekton combinan maquinaria de preparación de materias primas, sistemas de mezclado, prensas, equipos de decoración, hornos, pulidoras y controles de calidad. Las cuatro líneas actuales de Dekton ocupan cerca de 150.000 metros cuadrados, mientras que su proceso industrial reúne cientos de metros de maquinaria y diferentes etapas térmicas y mecánicas. El desarrollo inicial del producto requirió más de 22.000 horas de investigación.
Las líneas han sido diseñadas para reducir el efecto de una avería o una operación de mantenimiento sobre el conjunto. Determinados equipos pueden quedar temporalmente fuera de servicio mientras la planta adapta la secuencia o fabrica otra variante del producto. Esta capacidad es importante en procesos térmicos que no pueden detenerse de forma repentina sin afectar al material que ya se encuentra dentro del sistema.
La calidad también forma parte de ese recorrido automatizado. Las tablas son inspeccionadas antes de incorporarse al circuito logístico y los defectos localizados pueden quedar registrados para aprovechar el resto de la superficie. Una pieza que no cumple los requisitos para venderse como tabla completa puede utilizarse en componentes de menor tamaño cuyo diseño evite la zona afectada. Los recortes se destinan, entre otros usos, a la fabricación de millones de muestras que después se distribuyen a centros y clientes.
El uso de agua ofrece otro ejemplo de cómo las condiciones del territorio influyen en la tecnología industrial. Cantoria se encuentra en una zona con recursos hídricos limitados, por lo que las plantas recirculan el agua utilizada para refrigeración, pulido o control del polvo. Una parte procede de aguas residuales regeneradas de las localidades cercanas, mientras que los procesos que requieren una composición precisa emplean agua sometida a tratamientos adicionales.
La automatización, por tanto, responde a una combinación de escala, seguridad, costes, continuidad y disponibilidad de recursos. La IA generativa no inaugura la transformación tecnológica de Cosentino. Llega a una compañía que ya había aplicado durante años la lógica de medir, controlar y automatizar el mundo físico.
Un almacén donde los datos pesan toneladas
El centro logístico automatizado es una de las instalaciones que mejor muestra la relación entre los sistemas de información y la operación industrial. Tiene capacidad para almacenar más de 300.000 tablas de Silestone, Dekton y Ēclos, cada una identificada por su material, color, espesor, acabado, calidad y superficie disponible.
Los equipos automatizados localizan las unidades, las extraen de las estanterías, las agrupan y preparan las cargas que serán enviadas a los diferentes mercados. Las tablas pueden pesar cientos de kilos y los paquetes desplazados por la instalación alcanzan varias toneladas. Gestionar ese volumen mediante operaciones manuales requeriría más espacio, más tiempo y una exposición mucho mayor de los trabajadores a cargas pesadas.
Esta infraestructura también permite entender por qué la calidad de los datos tiene consecuencias físicas. Un error de identificación puede enviar una tabla equivocada a un pedido, provocar que un material no esté disponible cuando lo necesita la fábrica o trasladar inventario hacia un mercado donde permanecerá almacenado.
Cosentino fabrica principalmente contra previsiones. La empresa debe estimar qué productos, colores y espesores solicitarán los diferentes mercados, transformar esa previsión en un plan industrial y decidir cuánto inventario envía a cada centro de distribución.
Rafael Domene, CIO Global de Cosentino, utilizó un ejemplo para explicar el coste de equivocarse: la compañía puede comprar una materia prima, transformarla, fabricar el producto, cargarlo en un contenedor y enviarlo a Estados Unidos para descubrir después que no se vende al ritmo esperado. El problema ya no se limita a una predicción incorrecta. Incluye capital inmovilizado, transporte, espacio de almacén y capacidad productiva utilizada en un material que no encuentra salida.
La mejora de los datos comerciales, la planificación y la visibilidad sobre los procesos adquiere así una importancia comparable a la automatización de las máquinas. La siguiente etapa tecnológica de Cosentino se concentra precisamente en ese terreno: conectar información, decisiones y acciones que todavía dependen de la intervención de diferentes personas y aplicaciones.
Integrar la IA en los procesos
Domene explicó durante la presentación que su prioridad no era desplegar proyectos aislados de inteligencia artificial, sino integrarla en los procesos de la compañía para poder utilizarla de forma controlada y a escala. Su razonamiento parte de que una aplicación puede estar disponible y, aun así, no producir el resultado esperado si el usuario no la utiliza, la utiliza mal o debe realizar demasiadas tareas para completar un proceso.
«Digitalizar no quiere decir que vayas a mejorar», afirmó el directivo. En su planteamiento, trasladar una operación del papel a una pantalla puede aumentar la cantidad de información disponible, pero también crear nuevas obligaciones de introducción, revisión y coordinación para los empleados.
Esa dependencia se hace más visible cuando crece la actividad. Si cada pedido, oferta, incidencia o movimiento necesita que una persona introduzca datos para que el proceso continúe, el aumento del volumen obliga a incrementar de forma paralela el número de intervenciones manuales. El resultado puede ser un cuello de botella incluso cuando la empresa dispone de sistemas avanzados.
La ambición de Cosentino consiste en reducir esa dependencia en las etapas donde el criterio humano no aporta un valor diferencial. Los profesionales continuarían interviniendo en decisiones, relaciones comerciales, diseño, investigación y resolución de situaciones complejas, mientras agentes y automatizaciones asumirían parte del trabajo de búsqueda, registro, seguimiento y coordinación.
Domene resume esa dirección mediante el concepto Autonomous Enterprise. La expresión no describe una empresa sin personas ni una organización que haya alcanzado ya un funcionamiento autónomo. Define un modelo en el que personas, agentes, datos y procesos trabajan de manera conectada, con menos pasos manuales entre aplicaciones y mayor capacidad para detectar lo que ocurre y actuar sobre ello.
Modernizar sin sustituir toda la infraestructura
Cosentino ha desarrollado durante unos 25 años una parte importante de su operación sobre SAP. El ERP participa en la fabricación, la logística, la planificación, las finanzas y otros procesos esenciales. Salesforce forma parte del entorno comercial y alrededor de ambos sistemas operan herramientas internas, correo, colaboración, analítica y aplicaciones especializadas.
Una empresa con este nivel de integración no puede sustituir en un único movimiento la infraestructura transaccional que sostiene su operación. Domene reconoce la función que desempeñan estos sistemas, pero considera que sus interfaces y algunos de sus flujos ofrecen menos flexibilidad de la que requiere la siguiente fase de automatización.
La estrategia no consiste en eliminar SAP o Salesforce, sino en reducir la necesidad de que cada empleado conozca y opere directamente todas sus pantallas. Los sistemas continúan almacenando información, aplicando reglas y ejecutando transacciones, mientras una nueva capa conecta los datos y permite que los agentes interactúen con ellos.
Cosentino ha migrado SAP a Azure y trabaja con Microsoft Fabric como parte de su arquitectura de datos. La migración, según información de la empresa, ha conseguido mejoras de hasta un 97,29% en determinados tiempos críticos, aunque no identifica en detalle qué procesos se incluyen en ese cálculo.
La compañía también colabora con Celonis para reconstruir cómo se ejecutan realmente los procesos a través de los distintos sistemas. El objetivo es convertir datos aislados en una secuencia de eventos: qué ocurrió, qué paso debía venir después, dónde apareció una demora y qué personas o aplicaciones participaron.
Esta capa de contexto resulta necesaria para que un agente empresarial pueda hacer algo más que responder una pregunta. Para completar una tarea debe saber quién es el usuario, qué permisos tiene, en qué estado se encuentra el proceso, qué reglas debe respetar y qué sistema debe consultar o actualizar.
La interfaz conversacional es la parte visible, pero el trabajo más complejo se encuentra debajo. Integración, identidad, seguridad, APIs, calidad del dato y conocimiento del proceso determinan si un agente puede operar de manera fiable o se limita a producir una demostración atractiva.
CLAR, un agente entre el comercial y las aplicaciones
CLAR es uno de los resultados más visibles de esta estrategia. Se trata de un agente desarrollado por Cosentino con tecnología de Microsoft para que los comerciales gestionen parte de su actividad mediante voz o texto desde el teléfono móvil.
El proyecto surgió al analizar cuánto tiempo dedicaban los equipos de ventas a tareas administrativas. Según Domene, la medición realizada por Cosentino situó ese trabajo alrededor del 36% de la jornada comercial. La cifra incluía la preparación de ofertas, el registro de visitas, la actualización de oportunidades, la consulta de pedidos y otras actividades relacionadas con los sistemas.
El impacto no se limita a la productividad. Cuando una oportunidad se incorpora tarde al CRM o permanece únicamente en el conocimiento del vendedor, la compañía pierde información sobre la demanda futura. Esa falta de visibilidad afecta al pipeline y termina llegando a la planificación de producción.
CLAR trata de registrar la información mientras ayuda al comercial a completar su trabajo. El usuario puede solicitar la preparación de una visita, preguntar por una incidencia, consultar un pedido, registrar una oportunidad o generar una cotización. El agente localiza la información en el CRM, el ERP, el correo, la agenda, el inventario o las aplicaciones internas y coordina los siguientes pasos.
Durante la demostración realizada en Cantoria, CLAR presentó los asuntos pendientes de una jornada, registró una oportunidad recibida por correo, la convirtió en proyecto, abrió un configurador de producto, preparó una cotización y la compartió mediante Teams. También identificó un pedido retrasado, buscó materiales alternativos y ejecutó una modificación después de recibir la autorización del usuario.
La prueba mostró las posibilidades de esta nueva interfaz y algunos de sus límites. El agente confundió una dirección de correo, perdió el contexto en determinados momentos y necesitó que se repitieran algunas instrucciones. Cosentino llevaba alrededor de un año y medio trabajando en el proyecto y había dedicado buena parte de la última etapa a seguridad, rendimiento y escalabilidad.
CLAR se encontraba en pruebas con un grupo de comerciales pioneros, por lo que todavía debía demostrar su comportamiento con más usuarios, países y situaciones reales. El análisis detallado del agente requiere una pieza propia, pero su papel dentro de este reportaje es claro: representa el intento de trasladar la automatización desde la maquinaria y la logística hasta la relación cotidiana entre las personas y el software empresarial.
Del cuadro de mando a la capacidad de actuar
Cosentino ha invertido durante años en plataformas de datos, analítica avanzada, gobierno y visualización. Esa infraestructura permite consultar indicadores sobre ventas, producción, logística y servicio. Domene, sin embargo, identifica una limitación en el modelo tradicional de los cuadros de mando.
«Cuando creamos un dashboard le estamos dando más trabajo a alguien», señaló. El usuario debe abrirlo, interpretar una desviación, investigar su causa, decidir qué hacer y ejecutar después la respuesta. Si nadie realiza alguno de esos pasos, la disponibilidad del dato no cambia el resultado.
Los agentes permiten recorrer una parte mayor de esa secuencia. Ante un pedido retrasado, un sistema podría detectar la incidencia, explicar qué la ha causado, localizar alternativas y presentar varias acciones posibles. Una vez autorizada la opción, podría actualizar los sistemas implicados y mantener informado al cliente.
La demostración de CLAR incluyó una versión sencilla de este modelo. El agente no se limitó a indicar que existía un retraso. Buscó alternativas disponibles en otro centro y permitió modificar el material del pedido.
Esta evolución convierte la analítica en una parte activa del proceso, aunque obliga a introducir controles diferentes según el riesgo. Consultar un estado o preparar un resumen puede ejecutarse con un nivel alto de autonomía. Cambiar una orden, comprometer una fecha o enviar una oferta necesita validaciones, permisos y trazabilidad.
El valor de un agente no debería medirse únicamente por la cantidad de acciones que puede completar sin intervención. En determinados procesos, la capacidad para detenerse, explicar la situación y solicitar autorización será una característica de calidad, no una limitación.
«Frontier Firm» y «Autonomous Enterprise»
María Vázquez, directora de Soluciones Empresariales de Microsoft España, presentó a Cosentino como un ejemplo del modelo Frontier Firm. Microsoft utiliza este término para describir organizaciones que integran la inteligencia artificial en procesos, experiencia del empleado, relación con el cliente e innovación.
Desde esa perspectiva, la modernización de SAP, Azure, Fabric y Celonis representa la evolución de los procesos internos. Microsoft 365 Copilot, Copilot Chat y GitHub Copilot se vinculan con el trabajo de los empleados. CLAR se sitúa en la actividad comercial y Microsoft Discovery extiende la IA al desarrollo de nuevos materiales.
Microsoft utiliza Frontier Firm para ordenar el recorrido de Cosentino dentro de su propia visión de la empresa impulsada por IA. La etiqueta reúne iniciativas ya operativas con otras todavía en pruebas, por lo que describe una dirección de avance más que un nivel de madurez homogéneo.
Domene formula esa misma evolución desde la perspectiva de Cosentino mediante el concepto de Autonomous Enterprise. El objetivo no es prescindir de las personas, sino reducir intervenciones manuales en tareas que no requieren criterio humano, conectar datos y procesos y evitar que el crecimiento obligue a multiplicar el trabajo administrativo.
Los dos conceptos se relacionan, pero no son equivalentes. Frontier Firm es el marco con el que Microsoft presenta la adopción transversal de su tecnología. Autonomous Enterprise es la aspiración organizativa que Cosentino utiliza para orientar sus proyectos.
El grado de avance tampoco es uniforme. Algunas herramientas cloud y de colaboración llevan años implantadas. Copilot ya se utiliza en distintos equipos. CLAR estaba completando sus pruebas antes de un despliegue más amplio. Microsoft Discovery acababa de anunciarse y todavía no se había utilizado en un piloto.
La IA llega al laboratorio
La última etapa de la visita condujo al edificio de I+D, donde trabajan perfiles especializados en química, física, nanotecnología, ingeniería, arquitectura y diseño. Los equipos combinan conocimientos distintos para desarrollar materiales que deben responder a requisitos estéticos, térmicos, mecánicos, medioambientales y productivos.
El uso de IA ya había comenzado en este departamento mediante Copilot. Los investigadores lo emplean para revisar publicaciones y patentes, programar pequeñas herramientas, crear automatizaciones en Excel y analizar información sin depender siempre del área de tecnología.
Durante la visita, el equipo mostró una aplicación que extraía los valores colorimétricos de una imagen y los convertía en un punto de partida para formular un nuevo tono. También habían desarrollado modelos para modificar opacidades, efectos y vetas antes de fabricar una muestra física.
Estas herramientas pueden reducir parte de las iteraciones iniciales, pero la investigación continúa dependiendo del laboratorio y de la planta piloto. Una superficie cambia según la composición de los minerales, las resinas, la presión, la temperatura, el pulido, la transparencia y la iluminación. El resultado obtenido en una pieza de 30 por 30 centímetros puede necesitar nuevos ajustes al trasladarse a una tabla industrial de unos cinco metros cuadrados.
El área de I+D acumula más de cuatro millones de registros sobre caracterización de materias primas, además de años de formulaciones, ensayos, patentes e informes. Paz Carreras, directora de I+D en el área de aglomerados, explicó que uno de sus retos es convertir ese histórico en un conocimiento que pueda analizarse de manera conjunta para detectar tendencias y proponer los siguientes pasos de una investigación.
Microsoft Discovery pretende intervenir en ese punto. La plataforma combina agentes especializados, modelos de razonamiento, gestión del conocimiento y computación de alto rendimiento para revisar documentación, formular hipótesis, ejecutar simulaciones y analizar resultados. Cosentino será la primera empresa industrial española en comenzar a trabajar con ella, aunque en el momento de la visita todavía no se había iniciado ningún piloto.
Valentín Tijeras, vicepresidente corporativo de Producto, I+D y Calidad, explicó que algunos miembros de su equipo trabajan en áreas tan especializadas que encuentran pocas personas con las que contrastar determinados problemas. En su visión, los modelos avanzados pueden actuar como un apoyo parecido al de un director de tesis, capaz de ordenar el problema y sugerir líneas que después deberán ser evaluadas por los científicos.
En una prueba anterior a Microsoft Discovery, la IA propuso seis caminos para abordar una cuestión compleja. Dos coincidían con líneas que el equipo ya estaba estudiando, otros dos habían sido probados y descartados, y los dos restantes no se habían considerado. La utilidad no estaba en aceptar automáticamente las propuestas, sino en ampliar el espacio de investigación antes de decidir qué experimentos merecía la pena ejecutar.
El conocimiento propio como ventaja
Los modelos y plataformas de inteligencia artificial estarán disponibles para muchas organizaciones. La diferencia dependerá de los datos, la experiencia y la capacidad industrial con los que se conecten.
Cosentino reúne décadas de resultados experimentales, información sobre materias primas, conocimiento de procesos y experiencia en el escalado de fórmulas. También dispone de laboratorios, plantas piloto y líneas capaces de comprobar si una propuesta funciona fuera de una simulación.
Ese patrimonio puede convertirse en una ventaja si la compañía consigue estructurarlo, relacionarlo y hacerlo accesible para sus investigadores. También plantea dificultades. Los millones de registros deben conservar información sobre las condiciones en las que se obtuvieron, las unidades empleadas, el equipo utilizado y la relación con los documentos que explican cada prueba.
La trazabilidad será imprescindible. Cuando un agente proponga una formulación, los científicos necesitarán conocer qué datos la sustentan, qué hipótesis ha utilizado y qué incertidumbres contiene. La respuesta deberá considerarse una recomendación para diseñar un experimento, no una validación automática del material.
La propiedad intelectual añade otra exigencia. Las fórmulas, los procesos y los resultados históricos forman parte de los activos más sensibles de una empresa de materiales. La arquitectura tecnológica tendrá que mantener control sobre accesos, permisos, uso de la información y registro de las acciones realizadas por los agentes.
Una transformación todavía en construcción
El caso Cosentino muestra una estrategia más amplia que la implantación de un asistente generativo. La compañía está conectando la IA con procesos empresariales, sistemas transaccionales, actividad comercial, datos industriales y conocimiento científico, aunque cada iniciativa se encuentra en un grado de madurez diferente.
La automatización física lleva décadas funcionando, la infraestructura cloud y de datos ya forma parte de la operación, Copilot se utiliza en varios equipos, CLAR avanza hacia un uso más amplio y Microsoft Discovery todavía debe demostrar su utilidad en proyectos reales.
Esa evolución por etapas responde también al criterio con el que Domene plantea las inversiones tecnológicas. «No estamos invirtiendo en tecnología por invertir en tecnología», afirmó durante la presentación. Cada proyecto tendrá que justificar su continuidad mediante resultados concretos, ya sea reduciendo trabajo administrativo, mejorando la calidad del pipeline, aumentando la precisión de la planificación o acortando el número de iteraciones necesarias para desarrollar un material.
Alcanzar esos resultados dependerá, sin embargo, de algo más que de la capacidad de los modelos. La arquitectura de Cosentino combina tecnologías de Microsoft, SAP, Salesforce, Celonis y otros proveedores, y los agentes añaden una nueva capa de interacción sobre ese entorno. Cuantas más decisiones y acciones atraviesen esa capa, más importante será conservar el control sobre los datos, los permisos, los procesos y las integraciones.
Ese control también deberá mantenerse en la relación con los usuarios. Un sistema técnicamente avanzado puede aportar poco valor si los comerciales no confían en la información que registra, si los científicos no pueden comprobar en qué se apoyan sus recomendaciones o si los responsables de un proceso desconocen qué acciones ha ejecutado. La capacidad para escalar la IA dependerá, por tanto, de combinar resultados medibles, gobernanza tecnológica y una experiencia de uso que permita a las personas entender y supervisar el trabajo de los agentes.
De la automatización física a la inteligencia operativa
El recorrido por Cantoria permite comprender la continuidad que Cosentino busca entre su pasado industrial y la siguiente etapa tecnológica. La compañía automatizó el movimiento de materiales porque las cargas, el volumen y la necesidad de operar de forma continua hacían inviable depender exclusivamente del trabajo manual. Ahora intenta aplicar un razonamiento semejante a la información y a los procesos administrativos.
La dificultad es distinta. Una máquina industrial ejecuta una función definida dentro de unos parámetros controlados. Un agente debe interpretar lenguaje, combinar información, decidir entre alternativas y actuar en entornos donde aparecen excepciones. La automatización de la decisión exige más contexto, supervisión y trazabilidad que la automatización de un movimiento físico.
Cosentino todavía no es una empresa autónoma y tampoco presenta todos sus proyectos con el mismo grado de madurez. Lo que existe es una dirección reconocible: mantener los sistemas que sostienen la operación, conectar sus datos, reducir tareas manuales y utilizar agentes allí donde puedan aportar velocidad sin perder control.
La visita comenzó en una cantera que recuerda los orígenes de la compañía y terminó en un laboratorio donde se prepara el uso de Microsoft Discovery. Entre ambos lugares aparecen décadas de industrialización, investigación y automatización.
La IA entra ahora en esa historia con una prueba especialmente exigente. Tendrá que demostrar que puede mejorar procesos reales, coordinar sistemas empresariales y ayudar a desarrollar materiales que después deberán fabricarse de forma estable, transportarse a cualquier mercado y mantener sus propiedades durante años en una cocina, una fachada o un edificio.
Nota editorial: la visita a las instalaciones de Cosentino en Almería fue organizada por Microsoft. La Ecuación Digital ha elaborado este contenido con criterio editorial independiente.
