Muchas plantas están invirtiendo en IA para mantenimiento.
Modelos predictivos, dashboards, alertas en tiempo real.
La pregunta incómoda es otra:
¿Por qué, con más inteligencia, seguimos tomando decisiones pobres?
El error: sacar al humano del sistema
La lógica de PdM 4.0 fue clara: automatizar decisiones.
Pero el resultado es evidente:
modelos que predicen… y operadores que no confían.
El problema no es la precisión.
Es la desconexión.
Lo que cambia en PdM 5.0
Un estudio reciente propone algo que incomoda a muchos:
volver a meter al humano en la decisión (Lucantoni et al., 2026).
No como usuario.
Como parte del sistema.
El modelo aprende…
pero también se corrige con experiencia operativa.
Implicancias prácticas
- La IA no decide sola: propone
- El operador no ejecuta: valida
- El sistema no es estático: aprende con feedback
Según el caso industrial, este enfoque logró mejoras cercanas al 20% en OEE
Lo que nadie quiere admitir
El problema nunca fue la falta de datos.
Fue creer que podías reemplazar criterio con algoritmos.
La ventaja no está en la IA.
Está en cómo decides con ella.
👉 Escríbenos si esto está pasando en tu operación
Referencia (APA):
Lucantoni, L., Ciarapica, F. E., & Bevilacqua, M. (2026). From predictive maintenance 4.0 to 5.0: bringing humans back into the loop with a self-learning platform and implementation roadmap on automated production lines. Journal of Quality in Maintenance Engineering. https://doi.org/10.1108/JQME-12-2025-0147
——————————————————————————————————————————————————————————————————————————-
More AI won’t fix your maintenance
Many plants are investing in AI for maintenance.
Predictive models, dashboards, real-time alerts.
But here’s the uncomfortable question:
why are decisions still poor?
The mistake: removing humans
PdM 4.0 aimed to automate decisions.
The result:
- models predict… but operators don’t trust them.
The issue isn’t accuracy.
It’s disconnection.
What changes in PdM 5.0
A recent study highlights something uncomfortable:
bringing humans back into the loop (Lucantoni et al., 2026).
Not as users.
As part of the system.
The model learns…
but also improves through operator feedback.
Practical implications
- AI proposes, it doesn’t decide
- Operators validate, not just execute
- Systems evolve through feedback
The industrial case shows ~20% OEE improvement
The uncomfortable truth
The problem was never data.
It was believing algorithms could replace judgment.
The advantage isn’t AI.
It’s how you decide with it.
👉 Write to us if this resonates with your operation
Reference (APA):
Lucantoni, L., Ciarapica, F. E., & Bevilacqua, M. (2026). From predictive maintenance 4.0 to 5.0: bringing humans back into the loop with a self-learning platform and implementation roadmap on automated production lines. Journal of Quality in Maintenance Engineering. https://doi.org/10.1108/JQME-12-2025-0147
