Semanas 1–2: la fase detective
El proyecto arranca con una pregunta que la planta cree tener ya contestada: "queremos IA en el paso de inspección". El primer trabajo del FDE es poner a prueba esa suposición a pie de línea. Eso significa recorrer la línea en turnos distintos, porque las fábricas se comportan diferente a las 3 de la tarde y a las 3 de la madrugada. Significa descubrir que las métricas oficiales de calidad salen de un sistema en el que nadie confía, mientras el registro de verdad es un Excel que el supervisor del tercer turno mantiene a mano.
También significa la primera conversación difícil con el jefe de producción, cuya línea no se para por nadie. El FDE que gana aquí lo hace pagando en la moneda de la propia planta: tasas de rechazo, minutos de cambio de formato, puntos de OEE perdidos. A las dos semanas, el resultado es una decisión acotada — un paso de proceso, una cifra medible, una fecha.
Semanas 3–4: construir sobre datos reales
Los datos industriales no se parecen en nada a los datasets de benchmark. El sensor de visión de la línea lleva descalibrado desde marzo, y el historizador registra un tag que se renombró hace dos años. Así que la fase de construcción empieza por la fontanería: extraer de PLCs, reconciliar los registros manuales con los automáticos, y etiquetar imágenes con la persona que de verdad sabe qué aspecto tiene un defecto — normalmente un operario veterano, no un manual de calidad.
El modelado en sí suele ser la parte fácil. Lo que consume el criterio del FDE es la ingeniería de alrededor: dónde corre la inferencia (caja edge en la línea, no un viaje de ida y vuelta a la nube), qué pasa cuando el modelo duda (derivar a un humano, nunca aprobar en silencio), y cómo se degrada el sistema cuando una cámara falla a mitad de turno.
Semanas 5–6: producción y traspaso
Un sistema no está desplegado cuando funciona; está desplegado cuando la planta deja de llamar. El último tramo se pasa corriendo en modo sombra junto al proceso existente, comparando decisiones con los inspectores de la línea, y afinando umbrales con la gente que va a ser dueña del sistema. El artefacto de traspaso que importa no es la documentación — es un operario capaz de reentrenar un umbral y un técnico de mantenimiento que sabe qué cable reasentar.
| Fase | Semanas de trabajo | Entregable |
|---|---|---|
| Fase detective | 1–2 | Caso de uso acotado con objetivo medible |
| Construcción sobre datos reales | 3–4 | Pipeline + modelo corriendo en modo sombra |
| Producción y traspaso | 5–6 | Sistema en vivo, operado por el equipo de planta |
Los plazos asumen un caso de uso acotado a una línea; los despliegues multiplanta se miden en trimestres. El patrón, en cambio, se repite: especificidad de entrada, sistema funcionando de salida.
Las habilidades que el trabajo usa de verdad
- Fluidez de proceso — leer una línea como lo hace un ingeniero de control, apaños incluidos.
- Fontanería de datos bajo restricciones — PLCs, historizadores, hojas llevadas a mano, y la política de cada uno.
- Ingeniería de despliegue — inferencia edge, respaldos, modos de degradación en los que un operario confía.
- Credibilidad a pie de planta — la capacidad de que un turno te crea, que ningún curso enseña.
Las ofertas que piden exactamente esta mezcla están ahora en las búsquedas abiertas, con rangos base publicados en cada una. Si esta crónica semana a semana suena a tu último proyecto, una entrevista te mete en la bolsa — y cada búsqueda futura te encuentra sola.
Preguntas frecuentes
¿Un forward-deployed engineer es un data scientist?
No. Un data scientist optimiza modelos; un forward-deployed engineer optimiza resultados en una línea de producción concreta. El FDE pasa más tiempo con equipos de mantenimiento y datos de PLC que con arquitecturas de modelos, y el éxito se mide por un sistema funcionando sin supervisión, no por la precisión en un test set.
¿Cuánto tarda un despliegue típico de IA industrial?
Para un caso de uso acotado a una línea, lo típico son de cuatro a ocho semanas de trabajo desde la llegada hasta un sistema en producción supervisada — siempre que el FDE controle el alcance. Los despliegues multiplanta se miden en trimestres, no en semanas.
¿Un FDE necesita escribir código de producción?
Sí, pero menos que un puesto de software: pipelines desde PLCs e historizadores, servido de modelos en hardware edge, y lógica de respaldo en la que los operarios puedan confiar. La habilidad escasa es juzgar qué construir, y eso viene de la experiencia de planta.