La maquinaria industrial genera más alarmas de las que un técnico puede procesar. Por cada alarma relevante que exige seguimiento, la persona a cargo debe reunir contexto histórico, determinar el procedimiento correcto, verificar si una señal especializada confirma el modo de falla y, finalmente, redactar una recomendación. NVIDIA sostiene que ese flujo, repetitivo y bien definido, es un candidato ideal para un agente de IA, y publicó una guía técnica para construirlo con sus modelos abiertos Nemotron.
El agente se apoya en tres piezas: las librerías NVIDIA NeMo para orquestación, los modelos abiertos Nemotron como motor de razonamiento y el runtime seguro NVIDIA OpenShell para ejecución en aislamiento. Dada una alarma con su marco de sensores y los metadatos del activo, el sistema reúne contexto (historial, manuales de procedimiento, casos similares), corre chequeos especializados y emite un paquete estructurado de evidencia. Todo el pipeline corre acelerado por GPU detrás de un único endpoint HTTP, de modo que cualquier sistema aguas arriba lo invoca de la misma forma.
¿Por qué el triaje de alarmas es tan difícil?
Autos, trenes, ascensores y motores industriales están cada vez más conectados. Con esa interconexión, los equipos de servicio enfrentan un volumen creciente de datos para diagnosticar fallas. A menudo hay cientos de alarmas por hora, miles de lecturas de sensores por considerar y documentación en formatos dispares que explica qué hacer en cada caso.
Cuando salta una alarma, el técnico suele recorrer múltiples fuentes para responder tres preguntas: si ese activo ya presentó la falla antes y qué la resolvió, qué dice el manual específico para ese código de error y planta, y si la señal es real o un artefacto del sensor. Recién después escribe la orden de trabajo. Es una tarea intensiva que exige experiencia amplia y saber interactuar con muchos sistemas.
¿Cómo funciona el agente de análisis?
El trabajo del agente es simple de especificar. Entra un solo evento: la carga de la alarma con su ventana de sensores y los metadatos del activo. Sale un único paquete de evidencia, con observación, hipótesis de causa raíz, remedio y acción recomendada, más la traza que respalda cada paso. El presupuesto de latencia se mide en segundos, no en minutos: el operador espera que esa fila del tablero se ponga en verde.
Para lograrlo, el agente combina instrucciones, capacidad de razonamiento y herramientas orquestadas. El razonamiento lo aportan los modelos Nemotron, una familia de pesos abiertos con datos y recetas de entrenamiento públicos. En concreto, el asistente usa Nemotron 3 Nano para tareas simples de orquestación y Nemotron 3 Super (variante 120B con 12B de parámetros activos) para el razonamiento complejo. Los modelos se sirven como contenedores NIM optimizados, cerca de la línea de producción para baja latencia o en la nube.
Herramientas aceleradas por GPU
El agente atraviesa tres subfases por alarma: reunir evidencia, correr chequeos especializados y generar más validar la acción. Cada paso usa herramientas aceleradas con librerías CUDA-X o modelos de la familia Nemotron.
- Recuperación estructurada: arma consultas SQL con intervalos y filtros de sensores. Las lecturas recientes se agregan con NVIDIA cuDF; para el data warehouse histórico usa una herramienta Text-2-SQL sobre Apache Vanna, que convierte preguntas en consultas.
- RAG acelerado: gran parte del conocimiento útil vive en manuales y playbooks no estructurados. NVIDIA NeMo Retriever orquesta modelos como Nemotron Parse y Nemotron RAG para extraer e indexar esa información.
- Memoria de remedios: la búsqueda sobre tickets pasados y estrategias de solución se acelera con cuVS, lo que permite responder si una firma de falla ya se vio antes y si el arreglo funcionó.
¿Qué pasa con las alarmas genéricas?
Una alarma de "temperatura alta" o "pico de vibración" suele necesitar confirmación especializada: ¿el rodamiento realmente falla o es un artefacto del sensor? Para eso el agente puede llamar a subagentes que muestrean la serie temporal, aplican una transformada de Fourier o filtran outliers con librerías como NVIDIA cuFFT y cuML.
Una vez reunida la evidencia, el modelo Nemotron sintetiza la observación, la hipótesis de causa raíz, el remedio y la acción recomendada. Ese resultado se somete a una compuerta de política y confianza, y se revisa con Nemotron 3 Content Safety. Si la confianza es alta y está dentro de política, la acción se marca para despacho automático; si es baja o queda fuera de política, escala a un técnico con la evidencia ya adjunta.
