Dassault Systèmes lleva la IA industrial al gemelo virtual

Dassault Systèmes quiere que la inteligencia artificial deje de ser una capa añadida a las herramientas de ingeniería y pase a operar sobre el conocimiento con el que las empresas diseñan, simulan y fabrican sus productos. Esa fue la tesis que articuló Gonzalo Ruiz de Aguiar, director general adjunto de la compañía para España y Portugal, durante Expert Session 2026, celebrado en Madrid y al que asistió La Ecuación Digital: la IA industrial necesita datos estructurados, modelos físicos, trazabilidad y acceso al conocimiento específico de cada organización si pretende intervenir sobre procesos en los que un error puede terminar trasladándose al mundo físico.

La propuesta coloca a 3DEXPERIENCE en el centro de esa arquitectura. La plataforma, concebida inicialmente alrededor de la continuidad digital y los gemelos virtuales, pasa a ser también la base de datos y conocimiento sobre la que Dassault Systèmes está desplegando experiencias generativas, agentes especializados y lo que denomina «Industry World Models».

El cambio amplía el terreno de juego de la compañía. CATIA, SOLIDWORKS, SIMULIA o DELMIA siguen proporcionando las capacidades de diseño, simulación y fabricación, pero su estrategia de IA pretende conectar esas herramientas con modelos capaces de razonar sobre productos, procesos y restricciones industriales.

«Estos modelos de lenguaje son una caja negra», planteó Ruiz de Aguiar durante su intervención, antes de trasladar al público varias cuestiones: sobre qué datos debe aprender una IA industrial, hasta qué punto puede explicar sus resultados, cómo incorpora el conocimiento que diferencia a una empresa de sus competidores y si ese conocimiento persiste en el tiempo.

Son preguntas especialmente relevantes cuando la IA deja de redactar o recuperar información y empieza a participar en decisiones de ingeniería.

El dato industrial se convierte en la base de la IA

La arquitectura de Dassault Systèmes parte de una ventaja que la empresa lleva años intentando trasladar al mercado: concentrar en una misma plataforma la información que acompaña a un producto durante su ciclo de vida.

El argumento adquiere otra dimensión con la IA. Una organización puede disponer de modelos potentes, pero su utilidad industrial disminuye si los datos permanecen distribuidos entre aplicaciones, archivos locales, correos electrónicos y repositorios sin una estructura común.

Durante la apertura del encuentro, André Freitas advirtió de que la IA pierde valor cuando trabaja sobre información dispersa entre servidores, correos y equipos locales. Sin una base de datos estructurada y compartida, señaló, las organizaciones corren el riesgo de «automatizar el caos» en lugar de mejorar sus procesos.

Ruiz de Aguiar vinculó esa cuestión con la evolución de 3DEXPERIENCE. La decisión de integrar aplicaciones y datos en una plataforma común, que durante años implicó proyectos de migración y transformación de infraestructura para muchos clientes, proporciona ahora un modelo de información sobre el que la compañía puede desarrollar sus sistemas de IA.

Cada generación de software industrial ha ido acumulando más información. Primero fueron las piezas y sus geometrías; después llegaron ensamblajes, simulaciones, requisitos, materiales, procesos de fabricación, comportamiento del producto y datos asociados al ciclo de vida. La estrategia actual consiste en utilizar ese conjunto para que la IA trabaje sobre una representación estructurada del producto y su entorno.

Este planteamiento explica también la insistencia de Dassault Systèmes en diferenciar la IA industrial de los modelos generalistas. La industria necesita que un diseño pueda fabricarse, que una simulación respete determinadas condiciones físicas y que una modificación pueda rastrearse hasta sus requisitos y consecuencias.

La fiabilidad del resultado pasa así a depender tanto del modelo de IA como de la calidad del sistema industrial sobre el que opera.

De los modelos de lenguaje a los modelos del mundo industrial

Uno de los elementos centrales de la estrategia son los «Industry World Models». Dassault Systèmes utiliza este término para describir modelos orientados a comprender y predecir el comportamiento de sistemas industriales mediante la combinación de inteligencia artificial, conocimiento científico, geometría y simulación.

Ruiz de Aguiar contrapuso este enfoque a los modelos entrenados fundamentalmente con texto, imágenes o vídeo. La compañía sostiene que sus décadas de trabajo con representaciones tridimensionales y simulaciones permiten introducir en el aprendizaje información sobre cómo evolucionan los objetos y sistemas a lo largo del tiempo.

El objetivo es relevante para ingeniería. Generar una geometría constituye solo una parte del problema. Esa pieza tiene que responder a requisitos mecánicos, térmicos, aerodinámicos, de materiales, costes, tolerancias y fabricación. En determinados sectores deberá además superar procesos de homologación y certificación.

Dassault Systèmes pretende utilizar sus motores de simulación como parte de ese razonamiento. En lugar de aceptar directamente una propuesta producida por IA, el sistema puede evaluar virtualmente su comportamiento y sus restricciones antes de trasladar una decisión al mundo físico.

La compañía ya está extendiendo esta arquitectura fuera del diseño de productos. En octubre mostró en NVIDIA GTC Berlín aplicaciones para ingeniería, fabricación, ciencias de la vida y diseño de infraestructuras de IA. Su colaboración con Vertiv, por ejemplo, utiliza gemelos virtuales e ingeniería de sistemas para configurar y validar instalaciones que combinan cómputo, alimentación eléctrica, refrigeración y otros componentes antes de construirlas.

El ejemplo refleja la amplitud que Dassault Systèmes quiere dar al concepto de gemelo virtual. Ya no se limita a reproducir digitalmente un objeto. Puede representar sistemas completos y utilizar simulaciones para observar qué ocurre cuando cambia una de sus partes.

AURA, LEO y MARIE llevan los agentes a ingeniería

Sobre esa base aparecen los «Virtual Companions», el término utilizado por Dassault Systèmes para sus agentes de IA especializados. Actualmente la compañía estructura su propuesta alrededor de tres: AURA, orientado a gestión de programas y conocimiento empresarial; LEO, centrado en ingeniería, diseño y fabricación; y MARIE, dirigido a ciencia, materiales, química y ciencias de la vida.

La diferencia que intenta establecer respecto a un agente generalista está en su integración con las propias aplicaciones industriales.

Ruiz de Aguiar puso como ejemplo LEO y CATIA. Un modelo externo puede aprender a utilizar una interfaz y reproducir las acciones que realiza una persona. LEO, en cambio, se desarrolla con conocimiento del funcionamiento interno de las herramientas de Dassault Systèmes, lo que permite plantear flujos de trabajo diseñados específicamente para sus capacidades de ingeniería.

Por debajo de estos agentes aparecen las «experiencias generativas». Son funciones más acotadas que automatizan tareas concretas sin obligar al usuario a mantener una conversación con un chatbot. Durante la sesión se mostró el caso de la generación de tolerancias, un trabajo de ingeniería que puede requerir tiempo y conocimiento especializado y que la compañía está incorporando como capacidad automatizada dentro de sus aplicaciones.

El planteamiento dibuja varios niveles de automatización. Algunas tareas pueden resolverse mediante funciones generativas concretas. Otras requieren un agente capaz de encadenar acciones y utilizar diferentes herramientas. Por encima, los modelos del mundo industrial proporcionan la representación sobre la que esos sistemas pueden razonar y simular consecuencias.

El ingeniero continúa formando parte del proceso. En sectores donde una decisión afecta a seguridad, homologaciones, costes industriales o comportamiento físico, la validación sigue dependiendo de herramientas de simulación, procedimientos de ingeniería y responsables humanos.

Valeo lleva la IA al ciclo de ingeniería

La conversación con Valeo permitió aterrizar esa estrategia en un entorno industrial ya operativo. Nicolas Legrand, responsable de proyectos de inteligencia artificial de la compañía, explicó que el objetivo de la colaboración con Dassault Systèmes es reducir de forma drástica el esfuerzo de I+D y el tiempo de llegada al mercado, llevando una mayor parte del trabajo de ingeniería al entorno virtual.

Uno de los casos expuestos afecta directamente a la relación entre diseño y simulación. En un proceso convencional, un diseñador genera un modelo, solicita una simulación a otro equipo, recibe un informe, interpreta los resultados y modifica la pieza antes de iniciar una nueva iteración. Dependiendo de la complejidad, ese ciclo puede prolongarse durante meses.

Valeo está trabajando con Dassault Systèmes para integrar ambas disciplinas dentro de 3DEXPERIENCE. El especialista en simulación prepara inicialmente el modelo y sus condiciones, mientras que el diseñador puede después ejecutar nuevas simulaciones sobre el mismo entorno. El objetivo no es reducir el número de iteraciones, sino acortar el tiempo necesario para completar cada una y permitir que se exploren más alternativas durante el desarrollo.

La compañía también está introduciendo la IA de manera progresiva. El primer paso ha sido conectar asistentes con sus bases de conocimiento para facilitar la consulta de reglas y documentación de diseño. A partir de ahí ha incorporado agentes como LEO en aplicaciones de ingeniería y trabaja con modelos destinados a acelerar tareas de diseño y simulación. La validación final sigue dependiendo, de momento, de los ingenieros y de las herramientas de simulación.

Ese avance obliga a resolver otro problema: el conocimiento que utiliza la IA forma parte, en muchos casos, de la ventaja competitiva de la empresa. Valeo considera que sus métodos de diseño, simulación y desarrollo recogen décadas de experiencia industrial. La colaboración ha requerido por ello definir contractualmente qué propiedad intelectual pertenece a cada compañía y establecer mecanismos técnicos para evitar que ese conocimiento pueda trasladarse a otros clientes.

La escalabilidad es el siguiente paso. Legrand explicó que algunas soluciones desarrolladas conjuntamente ya han pasado de la fase de incubación a producción en unos seis meses. El uso de la nube permite además desplegar versiones iniciales cuando empiezan a aportar valor y actualizarlas posteriormente durante su ciclo de vida, en lugar de esperar a que alcancen un grado elevado de madurez antes de ponerlas en manos de los ingenieros.

La propiedad intelectual entra en la arquitectura

La llegada de agentes a estos procesos introduce además una cuestión que tiene poca relevancia cuando la IA se utiliza para redactar un correo, pero resulta crítica en ingeniería: quién controla el conocimiento que alimenta al sistema.

Diseños, métodos de simulación, reglas internas, procesos de fabricación y decisiones acumuladas durante años constituyen parte de la propiedad intelectual de una compañía. Dassault Systèmes denomina «IP Lifecycle Management» al enfoque con el que quiere gestionar la procedencia, utilización y protección de ese conocimiento dentro de sus sistemas de IA.

Ruiz de Aguiar defendió que el modelo debe permitir diferenciar la propiedad intelectual del cliente, la tecnología proporcionada por Dassault Systèmes y el resultado generado cuando ambas se combinan. La afirmación tiene especial importancia para un proveedor que trabaja simultáneamente con empresas competidoras dentro de sectores como automoción, aeronáutica o fabricación industrial.

La estrategia deberá demostrar en despliegues reales hasta qué punto esa trazabilidad puede mantenerse cuando aumenten el número de agentes, fuentes de información y modelos conectados. También condicionará la apertura de la plataforma.

Dassault Systèmes prepara un «gateway» para controlar qué información entra y sale de 3DEXPERIENCE y facilitar conexiones mediante API, MCP y comunicaciones entre agentes. Ruiz de Aguiar precisó que esta parte corresponde todavía a la visión futura de la plataforma y que su modelo económico y algunos detalles técnicos continúan en desarrollo.

Esa apertura resulta necesaria si 3DEXPERIENCE pretende convivir con el ecosistema de modelos y agentes que las empresas ya están desplegando. Al mismo tiempo, obliga a preservar los permisos y la propiedad intelectual a medida que el software industrial se conecta con sistemas externos.

Una estrategia que empieza a reflejarse en el negocio

La transición coincide con un crecimiento especialmente elevado de las áreas que sostienen esta estrategia. En el tercer trimestre de 2026, los ingresos totales de Dassault Systèmes alcanzaron 1.552 millones de euros, un 5% más a tipos de cambio constantes. Los ingresos de software también crecieron un 5%.

3DEXPERIENCE avanzó bastante más rápido: sus ingresos de software aumentaron un 25% en el trimestre. El software cloud creció un 14% y ya representa el 28% de los ingresos de software de la compañía.

Estos datos no permiten aislar cuánto crecimiento procede específicamente de la IA industrial, pero muestran que la plataforma sobre la que Dassault Systèmes está construyendo esta estrategia gana peso dentro del negocio. La empresa cerró además el trimestre con un ARR de 4.500 millones de euros, un 6% más a tipos constantes, y elevó sus objetivos para el conjunto de 2026.

La cuestión para los clientes será distinta. Incorporar estos sistemas exige algo más que activar nuevas funciones. Requiere revisar datos, arquitectura, procesos, responsabilidades, propiedad intelectual y formas de trabajar.

El proyecto que HORSE Powertrain presentó durante el mismo encuentro permite observar esa transformación desde dentro.

Caso práctico | HORSE construye una fuente común para ingeniería

HORSE Powertrain está utilizando 3DEXPERIENCE para construir su propio entorno de gemelo virtual tras su separación de Renault y la posterior creación de la ‘joint venture’ que integra las actividades de motores y transmisiones de HORSE y Aurobay.

El proyecto, denominado Horse Virtual Twin (HVT), pretende sustituir progresivamente aplicaciones heredadas y conectar en una misma plataforma la información utilizada en el desarrollo de motores y cajas de cambio.

Su alcance muestra la diferencia entre implantar una herramienta y reorganizar un sistema de ingeniería. João Dias, Global Program Manager Digital Transformation de HORSE, explicó que el programa trabaja con más de 22 módulos y flujos únicamente en ingeniería de producto. Incluye diseño, maqueta digital, materiales y documentación, simulación, gestión de proyectos, software, calibración y pruebas.

Alrededor de un centenar de empleados participan como usuarios clave, además de los equipos externos implicados en el desarrollo.

Una de las primeras consecuencias se ha producido en simulación. Según Dias, procesos que anteriormente requerían días pueden ejecutarse ahora en horas gracias a la integración. La mejora procede en parte de evitar transferencias y búsquedas de información entre sistemas, al trabajar sobre una fuente común.

El programa también persigue reducir prototipos físicos y ensayos mediante simulación, aunque HORSE mantiene pruebas reales allí donde siguen siendo necesarias. El objetivo es conectar todo el recorrido, desde la solicitud de un ensayo hasta sus resultados, con el resto de información del producto.

La migración de datos está siendo una de las partes más complejas. HORSE necesita conservar modelos y documentación generados con sus sistemas anteriores, lo que obliga a trasladar información acumulada durante años y comprobar su calidad en la nueva plataforma.

A finales de 2025 la compañía había completado la primera migración de un motor. Durante 2026 ha ido trasladando nuevas familias de motores y cajas de cambio, y el proyecto ha alcanzado aproximadamente al 50% de los usuarios de diseño previstos.

Para Dias, uno de los principales aprendizajes ha sido abordar conjuntamente tecnología y procesos. Digitalizar un procedimiento antiguo sin revisarlo puede trasladar sus ineficiencias a la nueva plataforma. El proyecto utiliza la migración para simplificar determinadas formas de trabajo y definir desde el comienzo cómo se relacionan los distintos módulos.

Esa experiencia aterriza una parte esencial de la visión presentada por Dassault Systèmes. La capacidad futura de un agente para diseñar, simular o proponer cambios dependerá de la información que encuentre debajo. Antes de que la IA pueda recorrer de forma autónoma el ciclo de ingeniería, las empresas tienen que decidir qué datos constituyen la referencia, cómo se conectan los procesos y quién puede utilizar el conocimiento acumulado en ellos.

Para compañías industriales con décadas de sistemas, productos y procedimientos heredados, esa preparación puede acabar siendo una parte tan determinante del despliegue de IA como los propios modelos.