Hitachi ha presentado HMAX Data Fabric, HMAX AI Operations y Physical AI FDE Service, tres nuevas soluciones con las que pretende trasladar la inteligencia artificial desde los asistentes digitales hacia fábricas, redes eléctricas, ferrocarriles, robots y otras infraestructuras donde una decisión de software puede terminar provocando una acción en el mundo físico. La compañía quiere convertir datos operacionales y conocimiento de trabajadores especializados en información que los modelos de IA puedan interpretar, pero manteniendo supervisión sobre seguridad, rendimiento y funcionamiento.
Las claves de HMAX y la apuesta de Hitachi por la IA física en 30 segundos
- HMAX Data Fabric combina datos de IT y tecnología operacional (OT) y los estructura mediante ontologías y grafos de conocimiento para que puedan utilizarlos sistemas de IA.
- Physical AI FDE Service incorpora equipos de especialistas de Hitachi a los proyectos para extraer y digitalizar conocimiento que normalmente reside en trabajadores experimentados.
- HMAX AI Operations supervisa rendimiento, seguridad, gobernanza, costes y riesgos específicos de la IA.
- La plataforma puede alimentar modelos para controlar robots y equipos, además de aplicaciones de IA agéntica.
- Las tres propuestas están disponibles desde el 03/09/2026, con precios bajo consulta.
La propuesta aborda un problema que aparece cuando se intenta llevar la IA generativa y los agentes fuera del escritorio. Una empresa puede conectar relativamente rápido un modelo de lenguaje a documentos corporativos. Conseguir que una IA participe en la operación de una fábrica, un sistema ferroviario o una infraestructura energética requiere conocer restricciones físicas, relaciones entre equipos, procedimientos y reglas de seguridad que muchas veces ni siquiera están documentadas.
Hitachi quiere utilizar precisamente su experiencia en tecnología operacional como elemento diferenciador. La compañía asegura haber participado, junto con clientes y socios, en aproximadamente 15.000 sistemas centrales de misión crítica, además de acumular más de un siglo de experiencia industrial.
Su apuesta con HMAX consiste en intentar transformar parte de ese conocimiento operacional en una capa estructurada que pueda utilizar la IA.
HMAX Data Fabric intenta enseñar a la IA qué significan los datos
Una fábrica puede generar millones de datos y continuar teniendo dificultades para utilizarlos con inteligencia artificial.
El problema no siempre es disponer de información, sino entenderla.
Una lectura de 82 grados puede proceder de un motor, una caldera, un sistema de refrigeración o un sensor ambiental. El número por sí solo dice poco. Para interpretarlo hay que conocer qué representa, de qué equipo procede, qué otros componentes dependen de él y cuáles son sus límites normales de funcionamiento.
HMAX Data Fabric intenta proporcionar ese contexto.
La plataforma integra datos procedentes de sistemas IT y OT y utiliza ontologías para describir su significado y las relaciones existentes entre activos, procesos y variables.
Posteriormente organiza esa información mediante grafos de conocimiento, estructuras que representan entidades y relaciones entre ellas.
El objetivo es que un modelo de IA no encuentre simplemente una colección de registros, sino información acompañada de contexto suficiente para razonar sobre ella.
Hitachi pone como ejemplo el ferrocarril.
Si aparecen indicios de un problema en un tren o en la infraestructura ferroviaria, HMAX Data Fabric puede relacionar información sobre el estado actual de diferentes componentes con el comportamiento histórico de esos activos.
A partir de ahí, la IA podría ayudar a identificar la causa de la anomalía y proporcionar información para que operadores y equipos de mantenimiento decidan si es necesario modificar la operación o realizar una intervención preventiva.
Hitachi plantea que este análisis pueda producirse antes de que el problema termine provocando una interrupción del servicio o una avería. Se trata de una capacidad que dependerá, naturalmente, de la calidad de los datos, de los modelos utilizados y de las condiciones concretas de cada despliegue.
Digitalizar el conocimiento que se marcha con los trabajadores
Hay otro problema menos tecnológico detrás de HMAX: la jubilación de trabajadores especializados.
Una parte considerable del conocimiento industrial nunca termina en una base de datos.
Un técnico experimentado puede detectar que una máquina está funcionando de manera extraña por una combinación de ruido, vibración, temperatura y comportamiento que ha aprendido durante décadas.
El manual puede explicar los límites técnicos del equipo. El trabajador sabe además qué pequeñas señales suelen preceder a una avería.
Cuando esa persona abandona la empresa, parte de ese conocimiento puede desaparecer con ella.
El Physical AI FDE Service intenta convertirlo en información reutilizable.
FDE significa Forward Deployed Engineer. En este modelo, especialistas técnicos trabajan directamente con el cliente en lugar de limitarse a entregar una plataforma tecnológica.
Hitachi ha creado equipos que combinan profesionales de IT, OT, productos, inteligencia artificial y diferentes ámbitos industriales. Su trabajo comienza identificando problemas concretos y continúa con la preparación de datos, desarrollo de modelos y posterior operación.
Una de las técnicas descritas por la compañía resulta especialmente llamativa: utilizar IA para entrevistar a trabajadores especializados.
El sistema plantea preguntas de forma interactiva para intentar extraer procedimientos de resolución de problemas, criterios utilizados para tomar decisiones y conocimiento que hasta ese momento no había quedado documentado.
Después esa información puede convertirse en ontologías y grafos de conocimiento que otros sistemas de IA puedan consultar.
La idea tiene interés más allá de la automatización. Permite considerar el conocimiento operacional como un activo digital que puede conservarse y reutilizarse cuando cambian los equipos humanos.
Pero convertir una explicación humana en una representación estructurada tampoco garantiza que el conocimiento resultante sea correcto o completo. La validación por especialistas seguirá siendo especialmente importante cuando esos datos terminen participando en decisiones sobre infraestructura crítica.
Del agente que recomienda al sistema que actúa
HMAX Data Fabric está preparado para conectarse tanto con entornos de desarrollo de IA agéntica como con sistemas utilizados para entrenar modelos capaces de controlar robots y otros equipos.
Aquí aparece la denominada Physical AI o IA física.
Un chatbot genera información. Un agente puede además utilizar herramientas y ejecutar acciones digitales. La IA física lleva esa capacidad un paso más allá porque interactúa con máquinas y procesos reales.
Las consecuencias de un error también cambian.
Una alucinación en un asistente corporativo puede producir una respuesta incorrecta. En una infraestructura física, una interpretación equivocada podría afectar a una máquina, un proceso productivo o un servicio.
Por eso Hitachi está conectando HMAX Data Fabric con IWIM (Integrated World Infrastructure Model), su modelo fundacional de inteligencia para infraestructuras sociales presentado en noviembre de 2025.
IWIM incorpora conocimiento de tecnología operacional y representación de fenómenos físicos para ayudar a los sistemas de IA a interpretar las restricciones existentes en el entorno.
El objetivo final es bastante ambicioso: que diferentes modelos puedan coordinar operaciones teniendo simultáneamente en cuenta variables como utilización de equipos, consumo eléctrico, relaciones entre sistemas y límites operacionales.
Hitachi también anunció en julio de 2026 una colaboración con NVIDIA para desarrollar tecnología de orquestación multiagente destinada a HMAX.
Eso dibuja una arquitectura en la que diferentes agentes especializados podrían intervenir sobre partes concretas de una operación y coordinar sus decisiones dentro de unas restricciones previamente establecidas.
HMAX AI Operations vigilará también a los propios agentes
Cuanta más autonomía recibe la IA, más importante resulta controlar su comportamiento después de desplegarla.
Ese es el cometido de HMAX AI Operations.
Hitachi plantea una capa de operaciones que supervise continuamente rendimiento de los modelos, seguridad, costes, calidad de los datos, control de accesos, auditoría y gobernanza.
También pretende detectar problemas provocados por datos ausentes o ruidosos y reducir riesgos específicos de la IA, incluidas las alucinaciones.
La plataforma aprovecha tecnologías como HARC for AI (Hitachi Application Reliability Centers for AI), un servicio que aplica prácticas de ingeniería de fiabilidad de sitios (SRE) a sistemas de inteligencia artificial.
HMAX AI Operations incorpora además un sistema para administrar agentes de forma centralizada. Hitachi contempla funciones de observabilidad, evaluación de rendimiento, visualización de costes, diagnóstico y análisis de riesgos de seguridad.
La compañía incluye asimismo un agente destinado a operaciones IT capaz de utilizar información procedente de diferentes herramientas para ayudar a analizar incidentes e investigar sus posibles causas.
Es una evolución lógica de la administración de sistemas.
Si las empresas empiezan a desplegar decenas o cientos de agentes, necesitarán saber qué agentes existen, qué permisos tienen, cuánto cuestan, qué acciones ejecutan y cómo se comportan cuando cambian los datos o las condiciones del entorno.
La IA industrial necesitará mucho más que modelos
La presentación de Hitachi muestra una diferencia importante entre la IA generativa de consumo y la que puede terminar utilizándose en infraestructuras críticas.
En estos entornos el modelo es solamente una pieza de la arquitectura.
También hacen falta datos limpios, contexto operacional, conocimiento especializado, permisos, reglas físicas, observabilidad, seguridad y mecanismos para detener o corregir comportamientos incorrectos.
La propia existencia de HMAX AI Operations evidencia que la autonomía no elimina la necesidad de operaciones. Puede aumentarla.
Hitachi ha puesto las tres soluciones a disposición de los clientes desde el 3 de septiembre de 2026, con precios facilitados bajo presupuesto. También las presenta durante Hitachi Social Innovation Forum 2026 Japan, celebrado los días 3 y 4 de septiembre en Tokio.
El interés de HMAX Data Fabric está precisamente en una cuestión que empieza a adquirir importancia a medida que los agentes salen de las aplicaciones de oficina: disponer de un modelo avanzado no sirve de mucho si este desconoce qué representan los datos que recibe o cuáles son las reglas que no puede incumplir.
La siguiente etapa de la IA empresarial podría depender menos de aumentar únicamente el tamaño de los modelos y más de conseguir que comprendan el contexto específico de las organizaciones en las que tienen que trabajar.
En una fábrica, una red eléctrica o un ferrocarril, ese contexto incluye además algo que un modelo de lenguaje no puede aprender simplemente leyendo documentos: las restricciones del mundo físico.
Preguntas frecuentes
¿Qué es HMAX Data Fabric?
Es una plataforma de Hitachi que integra información de sistemas IT y OT y la estructura mediante ontologías y grafos de conocimiento. Su objetivo es proporcionar datos contextualizados que puedan utilizar modelos y agentes de inteligencia artificial.
¿Qué significa Physical AI?
La IA física engloba sistemas de inteligencia artificial que interactúan con procesos, máquinas, robots u otras infraestructuras del mundo real. Hitachi plantea su utilización en sectores como industria, energía y ferrocarril.
¿Para qué sirve HMAX AI Operations?
Supervisa aspectos como rendimiento de modelos, seguridad, gobernanza, accesos, costes y calidad de los datos. También busca reducir riesgos propios de los sistemas de IA y administrar agentes de forma centralizada.
¿Cuándo están disponibles las nuevas soluciones HMAX?
Hitachi indica que HMAX Data Fabric, HMAX AI Operations y Physical AI FDE Service están disponibles desde el 03/09/2026. Los precios se proporcionan bajo presupuesto.
