La complejidad como statu quo
Novanta fabrica el utillaje de extremo de brazo que multiplica la productividad de un robot industrial. Su catálogo abarca líneas de automoción, ensamblaje de electrónica, industria aeroespacial, almacenes logísticos y las plataformas humanoides que se han convertido en la obsesión de la industria robótica. La amplitud es el negocio. También es el problema: millones de configuraciones válidas, cada una ligada a un robot, una carga útil y una tarea específicos.
Cada aplicación de cliente se resuelve en una combinación válida distinta de cambiador de herramienta y módulos. Así es como se ve una respuesta real: un solo dígito equivocado y se envía la pieza incorrecta:
Robot FANUC R-2000iC/210F
Interface Direct Boss 80 (verified)
Master QC-160 9120-160FM-000-000-SM
Tool A QC-160 9120-160FT-000-000
Tool B QC-160 9120-160FT-000-000
De 8,2 millones de combinaciones posibles a la mejor coincidencia: el espacio de configuración que Quick Consult recorre en cada solicitud.
El camino desde la pregunta de un cliente hasta un número de pieza validado pasaba por un pequeño equipo de ingenieros de aplicación altamente cualificados. Décadas de reconocimiento de patrones vivían en sus cabezas: qué placa de interfaz se envía con qué maestro, qué ocurre por encima del límite de carga útil de 300 kilogramos y cuándo un número de pieza generado necesita que una persona lo verifique. A medida que Novanta impulsaba el crecimiento en toda su cartera, «contratar y formar a más ingenieros de aplicación» no era la respuesta que el negocio necesitaba.
Una apuesta contra los pronósticos
5%
de los pilotos empresariales de IA generativa llegan a producción con un impacto medible.
El equipo de Novanta conocía los pronósticos. El informe «GenAI Divide» de MIT NANDA, publicado a mediados de 2025, halló que el 95% de los pilotos empresariales de IA generativa no produjeron ningún impacto medible en la cuenta de resultados. El mismo estudio halló que los proyectos de IA liderados por proveedores y basados en la colaboración tuvieron éxito en aproximadamente el 67% de los casos; los desarrollos puramente internos, en el 33%.
Ajaiey Sharma, VP en Novanta y patrocinador de este trabajo, había leído esas cifras. Contaba con el respaldo ejecutivo del CEO de Novanta, Matthijs Glastra, para asumir la apuesta, y con una instrucción clara: moverse rápido. Novanta se asoció con Reshape Automation, el equipo detrás de ReshapeX, la plataforma de IA creada a propósito para empresas industriales, con el anclaje de conocimiento, la infraestructura de agentes y el modelo de ingeniería desplegada en campo que exige la complejidad de catálogo a esta escala.
Cómo lo ejecutaron
Lo que situó este proyecto en el 5% superior de casos de éxito no fue un mejor modelo ni un prompt más inteligente. Fueron tres cosas:
- La tecnología de anclaje de conocimiento de Reshape le dio al agente una base verdadera sobre la que apoyarse.
- La colaboración con el Ingeniero Desplegado en Campo (FDE) extrajo el conocimiento institucional de Novanta directamente de los ingenieros de aplicación que lo poseían.
- Una cadencia de entregas semanal, mantenida sin interrupción durante meses, mantuvo a ambos equipos trabajando a la velocidad a la que surgían los problemas.
Cada lunes se entregaba una nueva versión de Quick Consult. Los evaluadores de Novanta ponían a prueba el agente en sesiones semanales estructuradas, y cada sesión producía trazas —cada prompt, llamada a herramienta y token— capturadas dentro de la plataforma ReshapeX junto con la retroalimentación de los expertos. Un Ingeniero Desplegado en Campo de Reshape revisaba las trazas de cada semana para aislar los modos de fallo caso por caso: lagunas de conocimiento, errores de formato y errores de selección de herramientas. Una llamada de triaje semanal fijaba las prioridades, y un tablero compartido recogía cada asunto abierto con responsables nombrados en ambas partes.
Cuando un ingeniero de Novanta detectó que la matriz de compatibilidad se equivocaba sobre una relación de adaptador entre dos piezas, la corrección se puso en cola ese mismo día y se entregó en la siguiente versión. Eso es lo que compró la cadencia: la velocidad para arreglar las cosas en el momento en que alguien las detectaba. El ciclo funcionó sin interrupción desde el arranque hasta el lanzamiento. Sigue funcionando hoy.
Un proyecto, un equipo. Novanta y Reshape operaron como una sola unidad, con una cadencia semanal de cuatro pasos sobre una base compartida.
Ambas empresas dotaron el proyecto como si fuera propio. Novanta asignó un responsable de decisiones técnicas, un experto en la materia de ingeniería de aplicación y un propietario de proyecto responsable de la entrega. Reshape asignó un Ingeniero Desplegado en Campo, un líder de ingeniería de IA y un jefe de proyecto que dirigía el ciclo semanal. No había una dinámica de proveedor y cliente. Había un único proyecto, y todos los que estaban en él tenían un papel en él.
Lo que construyeron
Quick Consult no es un chatbot envuelto alrededor de un gran modelo de lenguaje. Es un sistema multiagente diseñado en torno a una premisa técnica concreta: las alucinaciones son una propiedad estructural del funcionamiento de los LLM. El ajuste fino, mejores prompts y modelos más grandes ayudan en el margen, pero ninguno elimina el problema. Para un sistema empresarial que debe devolver números de pieza validados, la arquitectura debe gestionar lo que el modelo no puede.
Las alucinaciones no son un error. Son la forma en que funcionan los modelos de lenguaje. La pregunta para cualquier despliegue empresarial serio no es si tu modelo alucina. Es qué has construido a su alrededor. En Quick Consult, la arquitectura es el producto.
Juan Aparicio · CEO y cofundador, Reshape Automation
El agente se ejecuta dentro de seis capas de middleware que controlan lo que sabe, qué herramientas puede utilizar, cuándo reintenta y cuánta historia de conversación arrastra. La arquitectura es el marco general de Reshape para la IA industrial: una capa de orquestación que enruta la intención y valida las salidas en cada nodo, un arnés de herramientas que conecta el agente con las herramientas y los ERP del cliente, y una capa de ingeniería de contexto que gestiona la memoria y el estado de la conversación.
Quick Consult es independiente del modelo por diseño. Su capa de orquestación enruta a través de múltiples modelos de frontera, incluida la API de Anthropic (Claude), y valida de forma cruzada cada salida antes de que abandone el sistema. Esa redundancia es parte de cómo el agente mantiene una precisión del 100% en los números de pieza frente a la referencia canónica de Novanta en producción, a lo largo de más de 400 sesiones de clientes e ingresos contabilizados desde su lanzamiento en abril de 2026.
Seis capas desde la entrada del cliente hasta la salida validada, con el traspaso a una persona preservado como una vía de primer nivel.
Cada número de pieza que genera Quick Consult se valida de forma cruzada frente a la referencia canónica de números de pieza de Novanta antes de salir del sistema. La pregunta de diseño más difícil es qué hacer cuando el agente no conoce la respuesta. Quick Consult deriva a una persona las solicitudes que no puede validar, preservando todo el contexto de la conversación. Las peticiones fuera de tema —como solicitar la recomendación del producto de un competidor— se rechazan. Lo que Quick Consult no sabe, no lo inventa.
100%
de los números de pieza se validan de forma cruzada frente a la referencia canónica de Novanta antes de salir del sistema. Lo que Quick Consult no sabe, no lo inventa.
El equipo evaluó el sistema frente a cientos de configuraciones aleatorias del mundo real que abarcaban diez categorías de comportamiento distintas, desde la coincidencia exacta hasta el traspaso ordenado. El Quick Consult que se lanzó el 14 de abril de 2026 había sido sometido a pruebas de estrés frente a toda la distribución de cómo los clientes interactúan realmente con los ingenieros de aplicación humanos.
Lo que se entregó
En la primera semana se cerró una primera venta a través de un distribuidor europeo, se abrió una oportunidad urgente en Turquía y se registró la primera reserva mediante el agente. Al final de la segunda semana, Quick Consult había atendido más de 400 sesiones de clientes en el sitio web de Novanta, generando decenas de miles de dólares en ingresos contabilizados y oportunidades cualificadas, en una trayectoria que, sostenida, supera las siete cifras de ingresos anualizados.
Lo que el equipo ha construido es más que un agente de IA en funcionamiento. Muestra cómo podemos aplicar la IA con disciplina en toda nuestra organización para impulsar resultados de negocio significativos. Estamos centrados en escalar este enfoque, tomando lo que funciona y extendiéndolo por toda nuestra cartera para acelerar el crecimiento y servir mejor a nuestros clientes.
Matthijs Glastra · CEO, Novanta
Una mañana de viernes de finales de abril, Glastra abrió el sitio de Novanta y probó Quick Consult él mismo, en neerlandés. Escribió una oportunidad real que su equipo estaba siguiendo —el tipo de aplicación multieje que los ingenieros de Novanta normalmente dedicarían horas a especificar— y el agente devolvió una configuración sensata. Esa misma tarde, la prueba se había convertido en tema de conversación entre los directivos de Novanta.
No solo ampliamos la capacidad: pusimos nuestra experiencia a disposición de cada cliente, al instante. Así es como se convierte la complejidad en una ventaja y se crea un crecimiento real y escalable.
Ajaiey Sharma · VP, Novanta
La misma cadencia de Probar → Revisar → Planificar → Entregar que construyó el agente ahora lo mejora.
Lo que viene
Lo que Novanta y Reshape construyeron no es algo puntual. Es una arquitectura. Cada nueva marca de robot, cada nueva familia de cambiadores de herramienta, cada nuevo módulo, cada nueva línea de producto encaja en la misma estructura sin reconstruir el agente que la sostiene. La base se extiende a todo el catálogo más amplio de Novanta y a las demás empresas de Novanta que lidian con una complejidad de configuración similar, o que codifican el conocimiento de los expertos en la materia para que pueda consultarse bajo demanda.
Por debajo se sitúa una capa de anclaje y arnés integrada verticalmente que combina orquestación, observabilidad, un grafo de conocimiento curado emparejado con una base de datos de producto y un índice semántico, y la ingeniería de contexto que hace que cada token en la ventana del agente se gane su lugar. Bajo ella se sitúa lo que el equipo llama el Sistema de Construcción de Conocimiento: agentes altamente especializados ingieren documentación de producto, manuales, sistemas ERP, sitios web y aportaciones de los expertos de los ingenieros de aplicación, y luego se encargan del modelado de esquemas, la validación y la revisión del FDE antes de que nada llegue a los agentes. Una capa de sincronización continua mantiene el grafo actualizado a medida que evoluciona el catálogo de un cliente. Dos objetivos: comprimir el tiempo de incorporación de una nueva marca de meses a días, y ofrecer una precisión del 99,9% en tiempo de ejecución.
Esa lección estructural se generaliza mucho más allá de la robótica. Cualquier empresa con un catálogo configurable, una cola de ingeniería de aplicación y clientes que quieren respuestas más rápido de lo que la cola puede producirlas tiene el mismo problema que tenía Novanta. El modelo fundacional no lo resolvió. Lo resolvió un equipo disciplinado, con patrocinio ejecutivo activo, trabajando sobre una pila que no tiene que reconstruirse para el siguiente agente. Lo que Novanta construyó con Reshape es una plantilla: un punto de referencia para cualquier empresa que intente convertir la IA de un piloto en un sistema de producción que se gane su sustento.