Algo pasó con el APC en agosto de 2025 — Google Trends lo sabe
Los datos hablan primero
Estaba revisando los datos de Google Trends para los términos con los que trabajo a diario — advanced process control, soft sensor, virtual sensor, predictive control, digital twin, Kalman filter — cuando noté algo inusual.
Durante aproximadamente veinte años — desde 2004 hasta mediados de 2025 — estos términos se mantuvieron prácticamente planos. Algunos ingenieros buscando, algunos académicos, un zumbido predecible de interés de nicho. Entonces, en un solo mes, el patrón se rompió.
Google Trends, a nivel mundial, escala logarítmica. Todos los valores normalizados de 0 a 100 respecto al pico. El eje vertical es logarítmico — un salto de 1 a 6 ocupa la misma distancia visual que un salto de 6 a 36.
Los números brutos de la exportación de Trends:
| Term | May 2025 | Jun 2025 | Jul 2025 | Aug 2025 | Change Jun→Aug |
|---|---|---|---|---|---|
| digital twin | 20 | 24 | 26 | 84 | +3.5× |
| predictive control | 3 | 4 | 5 | 13 | +3.3× |
| Kalman filter | 6 | 6 | 6 | 12 | +2× |
| soft sensor | 1 | 1 | 2 | 6 | +6× |
| virtual sensor | 1 | 2 | 2 | 7 | +3.5× |
| advanced process control | 1 | 1 | 1 | 6 | +6× |
Y no fue un pico que se revirtió. En febrero de 2026, predictive control alcanzó un nuevo máximo histórico en el índice. Digital twin se mantuvo elevado durante siete meses consecutivos. Algo estructural cambió.
Una advertencia antes de continuar: Google Trends muestra el volumen de búsqueda relativo, normalizado a 100 en el pico. No reporta recuentos absolutos de consultas. Un término que se duplica de 500 a 1.000 búsquedas parece igual que uno que se duplica de 50.000 a 100.000. Lo que hace notable estos datos es la sincronización — múltiples términos independientes y técnicamente específicos moviéndose juntos en el mismo mes. Eso apunta a una causa sistémica.
Veinte años planos. Luego, un precipicio.
Antes de sacar conclusiones, importa el contexto histórico.
Predictive control ya se buscaba en 2004. Digital twin había crecido lentamente desde 2017. Kalman filter ha sido un término de nicho estable durante décadas. No son conceptos nuevos que se volvieron virales. Son disciplinas de ingeniería maduras con audiencias establecidas y en gran medida estáticas.
Que todos saltaran simultáneamente, en el mismo mes, es lo suficientemente inusual como para merecer una explicación. Mi lectura es que la ola de physical AI de 2025 sacó al conjunto de herramientas del control industrial — por primera vez — de la oscuridad especializada y lo llevó a la conversación mainstream de la ingeniería.
Mi interpretación: los términos relacionados con APC subieron principalmente como un efecto de segundo orden de un cambio público mucho mayor en torno a la inteligencia artificial física, las operaciones autónomas y los gemelos digitales. El vocabulario clásico del control fue arrastrado hacia arriba por una narrativa más amplia. Primero subieron los términos paraguas (digital twin, industrial AI, autonomy); después siguieron los métodos técnicos habilitadores (predictive control, soft sensor, Kalman filter).
Dicho esto, esta es una interpretación basada en el timing y los anuncios públicos, no una prueba de la intención del buscador.
La cronología: de enero a agosto de 2025
El salto de agosto no ocurrió de la noche a la mañana. Rastrear el registro público desde el inicio de 2025 revela una acumulación en cuatro etapas.
Enero–Marzo: el cebado
Dos eventos reajustaron las expectativas en enero.
El 6 de enero, Jensen Huang utilizó el CES para presentar NVIDIA Cosmos — un modelo fundacional de mundo entrenado con 20 millones de horas de vídeo de sistemas físicos — y declaró: “La inteligencia artificial física revolucionará las industrias de manufactura y logística, valoradas en $50 billones.” La IA física dejó de ser una categoría de investigación para convertirse en una hoja de ruta de producto.
Dos semanas después, DeepSeek R1 se lanzó. Su efecto real en la IA industrial fue este: rompió el supuesto de que la IA avanzada requería infraestructura en la nube costosa. Los ingenieros de procesos a quienes se les había dicho que la integración de IA requería suscripciones a Azure y clústeres de GPU se preguntaron de repente: ¿puede esto ejecutarse en un gateway industrial en el borde?
En GTC 2025 en marzo, NVIDIA puso los gemelos digitales industriales en el centro de su keynote: planos de Omniverse para el diseño de fábricas con IA, Isaac GR00T N1 para robots humanoides, y el motor de física Newton codesarrollado con Google DeepMind y Disney Research. Foxconn, BMW, TSMC y Toyota fueron mostrados construyendo gemelos digitales a escala de fábrica. Schneider Electric y ETAP lanzaron un gemelo digital de infraestructura eléctrica basado en física en la conferencia.
El mensaje que llegó a los ingenieros del sector de procesos que observaban desde la distancia: la metodología de simulación de tu industria acaba de ser adoptada por el mundo de la electrónica de consumo a gran escala.
Mayo: la IA física se convierte en categoría de producto
18 de mayo — El keynote de COMPUTEX de NVIDIA presentó Isaac GR00T N1.5 y GR00T-Dreams, una cadena de procesamiento que genera datos de entrenamiento para robots a partir de secuencias simuladas de “sueños” en lugar de demostraciones físicas. Los ingenieros que trabajan con soft sensors reconocieron inmediatamente el paralelismo: la generación de datos sintéticos de proceso para el entrenamiento de modelos es el mismo concepto aplicado a los modelos de proceso durante décadas.
19/21 de mayo — Microsoft anunció Digital Twin Builder en Fabric Real-Time Intelligence — una herramienta low-code/no-code para construir gemelos digitales, incluida en las suscripciones de Fabric existentes. El público objetivo no eran especialistas en simulación, sino analistas de operaciones e ingenieros de datos que ya tenían Azure y de repente disponían de un camino directo hacia gemelos digitales operacionales. Cuando ese tipo de herramienta llega al mercado, los términos paraguas crecen antes de que los términos técnicos más profundos los sigan.
Junio: la autonomía entra en las operaciones industriales
Este es el mes en que la narrativa se volvió explícitamente relevante para el control de procesos.
El contexto financiero también se estaba concretando: analistas de mercado publicaron proyecciones en junio de 2025 situando el sector global de APC en 10.300 millones de dólares para 2034, impulsado explícitamente por la integración de IA e IoT. Un titular así atrae atención no especialista — equipos de compras, inversores, consultores de gestión — quienes luego buscan el vocabulario subyacente.
3 de junio — Yokogawa lanzó la próxima generación de CENTUM VP y lo enmarcó explícitamente en torno a las operaciones autónomas sostenibles, describiendo la transición industrial de la automatización a la autonomía.
9 de junio — En su reunión anual de Usuarios en San Antonio, Honeywell lanzó su nuevo portafolio de IA bajo el lema “De la automatización a la autonomía” — la frase que encabezó su comunicado de prensa y enmarcó todo el anuncio de producto. El programa de la conferencia situó el Control Avanzado de Procesos, el Gemelo Digital de Procesos y las Operaciones IA/Autónomas en el mismo track — algo inusual en años anteriores. Honeywell lanzó su Suite Digital con IA y Digital Cognition: agentes de IA que ejecutan gemelos digitales de procesos para proporcionar orientación operacional en tiempo real. El Asistente de Operaciones Autónomas se posicionó como software que actúa en nombre de cada operador de consola.
El Honeywell Users Group llega a decenas de miles de ingenieros de procesos en refino, química y GNL. Poner el APC y las operaciones autónomas en la misma conversación generó búsquedas de la base instalada de Honeywell preguntando cómo es realmente la base técnica de la “autonomía”.
11 de junio — NVIDIA publicó su ofensiva de IA industrial en Alemania, conectando fábricas de IA, manufactura, robótica e IA física para la audiencia de ingeniería europea.
18 de junio — Yokogawa y Shell anunciaron un acuerdo formal para robots de visión IA en el mantenimiento autónomo de plantas. El detalle crítico: cuando los datos de sensores adquiridos por los robots se conectaban de vuelta al sistema de control de la planta, emitían instrucciones de vuelta al lazo de control — exactamente la interfaz entre el sensor virtual y el control de procesos que los ingenieros de APC habían discutido teóricamente durante años, ahora desplegada por una gran compañía petrolera en colaboración con un importante proveedor de DCS.
Julio: la conexión directa con APC
22 de julio — El negocio AspenTech de Emerson y TotalEnergies anunciaron una colaboración estratégica global que abarcaba tres tecnologías específicas: Aspen Inmation (tejido de datos industriales) en todos los centros de TotalEnergies en el mundo, Aspen DMC3 (control predictivo basado en modelo) en las operaciones de Exploración y Producción, y Aspen GDOT (optimizador en tiempo real de lazo cerrado) en múltiples refinerías.
TotalEnergies es una de las mayores compañías energéticas integradas del mundo. Un compromiso formal con el despliegue de MPC a escala corporativa — nombrando los productos específicos — no es una noticia rutinaria. De inmediato generó búsquedas de ingenieros en empresas competidoras, de los equipos de clientes de proveedores de DCS, y de cualquiera que intentara entender qué arquitectura estaba construyendo TotalEnergies y por qué.
Este anuncio se alinea estrechamente con el repunte previo a agosto en predictive control y advanced process control visible en los datos.
También en julio — En el otro extremo del espectro, Trend Micro lanzó un modelo de ciberseguridad basado en capacidades de gemelo digital para simular amenazas. Esto amplió la audiencia de búsquedas de “digital twin” más allá de los ingenieros de procesos, contribuyendo al ascenso continuo del término antes del pico de agosto.
Agosto: el despegue
Tres eventos convergieron en agosto.
6 de agosto — Imubit publicó “APC Meets AI”, un artículo que reencuadraba explícitamente el control avanzado de procesos a través del prisma de la IA. Esto es notable porque provino de un proveedor especializado de APC, no de un medio tecnológico generalista — señal de que la propia industria del APC comenzaba a reencuadrar su trabajo en términos de IA accesibles para una audiencia más amplia.
8 de agosto — NVIDIA publicó “Physical AI Accelerated by Three NVIDIA Computers for Robot Training, Simulation and Inference”, afirmando explícitamente que la IA física está viviendo su momento de ruptura y describiendo la pila de entrenamiento-simulación-inferencia para sistemas físicos autónomos. Esta publicación fue ampliamente difundida en comunidades de ingeniería.
11 de agosto — En SIGGRAPH 2025, NVIDIA presentó Cosmos Reason (un modelo de lenguaje visual con comprensión física), NuRec (Gaussian splatting 3D para la reconstrucción de grandes emplazamientos a partir de datos de sensores) e Isaac Sim 5.0 (liberado como open source). El anuncio de NuRec fue especialmente relevante para las industrias de procesos: convertir escaneos lidar y de cámara de instalaciones en modelos 3D en vivo conectados a datos de proceso es precisamente la cadena de procesamiento que alimenta los gemelos digitales de proceso operacionales.
12 de agosto — Ansys y NVIDIA anunciaron que Ansys Fluent — la herramienta CFD dominante en las industrias de procesos — integraría NVIDIA Omniverse directamente. Los ingenieros que modelan flujos en reactores, dinámica de intercambiadores de calor y procesos de combustión en Fluent obtuvieron un camino directo desde sus modelos de simulación hasta los gemelos digitales operacionales.
25 de agosto — NVIDIA lanzó Jetson AGX Thor (IA en el borde clase Blackwell, 2.070 teraflops FP4 a $3.499) con Caterpillar y Hexagon entre los primeros adoptantes. La inferencia de soft sensors en tiempo real sobre hardware desplegado en campo se volvió económicamente viable.
A finales de agosto, la IA física, los gemelos digitales, la simulación y la infraestructura de IA industrial ya no eran historias paralelas. Habían convergido en una narrativa coherente que ingenieros, equipos de operaciones y dirección podían reconocer simultáneamente.
Por qué se movió cada término
La cadena causal difiere ligeramente para cada término:
Digital twin captó la ola más grande porque fue nombrado explícitamente en casi todos los anuncios — Honeywell, Microsoft, NVIDIA, Ansys, Yokogawa, TotalEnergies. En agosto, múltiples líneas argumentales independientes convergían en la misma palabra.
Advanced process control / predictive control tuvo el pico más directamente relacionado con el anuncio de TotalEnergies/AspenTech. Una empresa de ese tamaño nombrando productos específicos de MPC en un comunicado de prensa generó búsquedas de los equipos de ingeniería y compras de empresas del sector.
Soft sensor / virtual sensor subió como efecto de segundo orden. El MPC a gran escala requiere estimaciones continuas de variables de calidad del proceso no medidas — exactamente lo que entregan los soft sensors. Cuando los ingenieros investigan DMC3, encuentran los soft sensors. Cuando leen sobre el mantenimiento autónomo de plantas de Yokogawa con visión IA, reconocen el sensor virtual. El hilo del filtro de Kalman y la estimación de estado atraviesa todo ello.
Kalman filter experimentó un incremento menor pero real, impulsado por dos mecanismos: los algoritmos de estimación de estado subyacentes a las plataformas de robótica de NVIDIA (la fusión de sensores en Isaac utiliza filtros de Kalman extendido y sin centrado), y una oleada de investigación en arquitecturas neurales-Kalman híbridas para vehículos autónomos que generó una cobertura mediática significativa a mediados de 2025.
Una hipótesis alternativa que merece consideración
Una explicación que no he visto claramente descartada: la expansión del modo IA de búsqueda de Google a mediados de 2025. A medida que Google desplegó capacidades de búsqueda profunda impulsadas por IA a través de Search Labs, los ingenieros que exploraban temas complejos mediante consultas de IA conversacional pueden haber generado cadenas de búsqueda técnicas — incluyendo “predictive control”, “Kalman filter”, “soft sensor” — que no habrían aparecido en los registros de búsqueda tradicionales. Si la expansión del modo IA coincidió con agosto de 2025, una parte del salto en Trends puede reflejar un cambio en cómo busca la gente, más que (o además de) en qué está buscando. No puedo confirmar el timing exacto del despliegue, pero es un factor contribuyente plausible que merece investigación.
Lo que creo que está ocurriendo realmente
El patrón más amplio aquí se asemeja a lo que ocurrió con la computación en la nube alrededor de 2010–2012 y con el aprendizaje automático alrededor de 2015–2017. En cada caso, técnicas que habían sido aplicadas silenciosamente en industrias de nicho durante años fueron reempaquetadas y adoptadas a escala por industrias adyacentes — y la visibilidad resultante arrastró hacia arriba las búsquedas especializadas originales.
La industria de procesos lleva ejecutando control basado en modelos, estimación de estado, soft sensing y optimización en tiempo real desde los años 80. Refinerías con cobertura completa de MPC, soft sensors que infieren la calidad del polímero, filtros de Kalman que estiman concentraciones en reactores — nada de esto es nuevo.
Lo que es nuevo es que la ola de IA física ha puesto exactamente esta pila — modelo, estimador de estado, optimizador — en el centro del discurso mainstream de la ingeniería. El encuadre de Jensen Huang de “computadora de entrenamiento, computadora de simulación, computadora de IA física” es estructuralmente idéntico a lo que los ingenieros de APC denominan la arquitectura modelo, estimador de estado, controlador. El vocabulario es diferente; la estructura subyacente es la misma.
La elevación sostenida a lo largo de finales de 2025 y hasta 2026 sugiere que esto no es un pico de hype temporal. Que el índice de predictive control alcance su máximo histórico en febrero de 2026 — seis meses después del salto de agosto — apunta a algo estructural: una audiencia de ingeniería más amplia que descubrió el campo y no se ha ido.
Si eso se traduce en inversión real en proyectos es una pregunta aparte. Pero el descubrimiento es real.
Una señal institucional respalda la tesis estructural: en septiembre de 2025, el Foro Económico Mundial publicó Physical AI: Powering the New Age of Industrial Operations junto con Boston Consulting Group, codificando formalmente la “IA física” como la capa de convergencia entre la inteligencia digital y la autonomía física. Los documentos a este nivel se propagan a través de informes ejecutivos y tesis de inversión — traduciendo el interés a nivel de ingeniería en vocabulario de sala de juntas. La elevación sostenida de las búsquedas relacionadas con APC a lo largo de finales de 2025 refleja probablemente, en parte, esta segunda ola de propagación.
¿Qué piensas tú?
Tengo genuina curiosidad por saber si esto coincide con lo que observas en tu lado.
¿Has recibido más RFPs o consultas que mencionen digital twin, operaciones autónomas o IA física desde mediados de 2025? ¿Has vivido la experiencia de que te pidan explicar qué tiene que ver tu trabajo de MPC o soft sensor con lo anunciado en GTC o en el Honeywell Users Group? ¿Están los clientes planteando las solicitudes de forma diferente a como lo habrían hecho hace dos años?
También me interesan otras explicaciones. El anuncio de TotalEnergies/AspenTech se alinea bien con el repunte en predictive control, pero puede que no sea el principal impulsor de otros términos. Y el clúster de NVIDIA de agosto es la señal pública más fuerte, pero parte de las búsquedas reales puede haber sido impulsada por eventos que no he encontrado — mandatos internos, roadshows de proveedores, un hilo de LinkedIn que se viralizó, un artículo específico.
Leo todos los mensajes y respondo a los que añaden algo a mi comprensión. Si suficientes personas comparten observaciones que merezca la pena sintetizar, escribiré un seguimiento.
Lee a continuación
Si este artículo ha suscitado preguntas sobre cómo funcionan en la práctica el control predictivo, los soft sensors o la estimación de estado, la sección de patrones de diseño cubre las metodologías subyacentes:
Análisis estructurados de control predictivo basado en modelo (MPC), filtrado de Kalman, diseño de soft sensors y optimización en tiempo real — la pila técnica detrás de las tendencias de búsqueda descritas arriba.
Dr. Rafał Noga es consultor independiente especializado en control avanzado de procesos, soft sensors / sensores virtuales y estimación de estado para procesos industriales. Trabaja en aplicaciones de química, farmacia, energía y aeronáutica.
Have a project or a question?
Contact Dr. Noga →