Nota por VECTOR

PepsiCo prueba en una copia digital de sus plantas qué pasaría si cambia una línea de producción, antes de tocar una máquina real. Singapur usa una réplica digital de todo el país para anticipar inundaciones y planificar infraestructura. En Argentina, el Gobierno anunció en mayo de 2026 llevar esa misma lógica a la política social —aunque dos meses después admitió que el proyecto todavía no existe. Los tres casos muestran un mismo cambio de fondo: cada vez más, no es una persona la que elige entre todas las opciones posibles, sino un sistema que primero prueba miles de alternativas y le acerca solo un puñado.

Para entender qué cambió, conviene empezar por una distinción simple. Un modelo 3D o un plano BIM de un edificio muestra cómo es algo: la forma, los materiales, dónde va cada pared. Un gemelo digital es otra cosa: intenta representar cómo funciona ese edificio, esa fábrica o esa ciudad —cómo se mueve la gente adentro, cómo circula la energía, qué pasa con el tránsito a determinada hora— y permite probar qué pasaría si se modifica una sola variable, sin tocar nada en el mundo real. Es la diferencia entre una maqueta y un simulador de vuelo: una muestra el avión, el otro deja probar qué pasa si falla un motor.

Lo que cambió en el último tiempo es qué corre adentro de esa simulación. Antes, un gemelo digital era un lugar donde una persona entraba, probaba un escenario a la vez y sacaba sus propias conclusiones. Ahora, cada vez más, quien prueba los escenarios es un sistema de inteligencia artificial: un programa capaz de correr automáticamente miles de combinaciones distintas —mover esto, cambiar aquello, ajustar tal otra cosa— y comparar los resultados entre sí para quedarse con los que mejor funcionan. La persona ya no prueba una alternativa por vez: recibe una lista corta, ya filtrada, de las que el sistema encontró más prometedoras.

El caso argentino es, hasta ahora, más una intención que un caso operativo. En mayo de 2026, el Gobierno presentó el "Gemelo Digital Social", un sistema que —según el anuncio— cruzaría datos socioeconómicos del Estado para simular el efecto de una política social antes de aplicarla, y lo describió como un cambio de paradigma en la gestión pública. Pero dos meses después, según reconstruyó el medio de fact-checking Chequeado, una voz autorizada del propio Ministerio de Capital Humano admitió que el proyecto "no está en curso ni en etapa de diseño": no hay presupuesto asignado, ni contratos, ni una base de datos definida. En criollo: "no hay nada, era un proyecto". El anuncio también generó especulación sobre si la empresa de análisis de datos Palantir, del inversor Peter Thiel —que reside en Argentina y tiene vínculo público con el presidente Javier Milei—, operaría el sistema. El Gobierno salió a desmentirlo de forma expresa: según consignó Infobae, el Ministerio aclaró que la herramienta "no pertenece a una corporación o individuo en particular". No hay, entonces, un operador confirmado ni un sistema funcionando: hay un anuncio, una marcha atrás parcial y una discusión pública sobre quién debería tener acceso a los datos si el proyecto alguna vez avanza. Aun así, que un gobierno haya elegido esta idea —y no otra— para presentar como el futuro de la política social ya dice algo: la lógica de simular antes de decidir empezó a instalarse también como lenguaje de la gestión pública, más allá de si este proyecto puntual prospera.

El caso que sí está operando hoy es industrial. PepsiCo transformó en 2026 varias de sus plantas y depósitos en Estados Unidos en gemelos digitales de alta fidelidad, construidos junto con Siemens: una recreación con precisión física de cada máquina, cada cinta transportadora, cada recorrido de un operario. Ahí adentro, un sistema de inteligencia artificial prueba automáticamente cambios de configuración —mover una línea, cambiar un proveedor de insumos, reorganizar un depósito— y detecta hasta el 90% de los problemas potenciales antes de que alguien mueva una sola pieza en la planta real. Un jefe de planta con veinte años de oficio sigue tomando la decisión final. Pero las alternativas que llegan a su mesa ya pasaron antes por un filtro que él no vio operar.

A escala urbana, el antecedente más largo es Singapur. Desde 2014, el país construye "Virtual Singapore": un modelo del territorio nacional que no solo muestra cómo se ve cada edificio, sino que se actualiza con datos de sensores urbanos para representar cómo funciona la ciudad en tiempo real. Se usa, por ejemplo, para modelar cómo se movería una multitud en una evacuación, cómo cambiaría la cobertura de una red antes de instalar una antena, o qué barrios quedarían más expuestos antes de aprobar un plan de drenaje contra inundaciones. No hace falta asumir que cada decisión urbana ya está resuelta en secreto antes de discutirse en público: alcanza con el dato confirmado, que ya es elocuente —una parte cada vez mayor del trabajo de anticipar consecuencias de la infraestructura de una ciudad entera ocurre, primero, adentro de una simulación.

Los tres casos —una política social todavía en el papel, una planta industrial en marcha, una ciudad entera— no están en el mismo estadio ni comparten escala. Pero apuntan a la misma reorganización, y ahí conviene ser precisos: el cambio real no es que el gemelo digital reemplace a quien decide. Es que empieza a decidir qué alternativas llegan hasta esa persona. Si un sistema prueba mil escenarios y presenta tres como los más razonables, la firma final sigue siendo humana —pero una parte importante del criterio ya ocurrió antes, adentro del modelo, donde nadie afuera lo vio pasar.

Eso abre una pregunta menos técnica y más de fondo: quién decide qué significa "mejor" adentro del gemelo digital. Ningún sistema optimiza "la realidad" en abstracto —alguien tiene que decirle qué variable priorizar y qué resultado buscar. En una fábrica, ese "mejor" puede ser producción, consumo de energía o costo, y esa definición la negocian dos empresas por contrato. En una ciudad, puede ser menos congestión, menos riesgo de inundación o más accesibilidad, y ahí ya hay una discusión de política pública sobre qué priorizar y para quién. En una política social, definir qué es un "buen resultado" es todavía más sensible: no es lo mismo optimizar para reducir el gasto que para reducir la pobreza, y esa elección no la hace un algoritmo solo. La tecnología no resuelve esa pregunta: la vuelve más urgente, porque ahora ocurre adentro de un sistema que corre antes de que la decisión llegue a discutirse afuera.

Argentina, PepsiCo y Singapur están en velocidades distintas de la misma transformación. Pero la pregunta de fondo es la misma en los tres: cuando el sistema ya decidió qué opciones eran razonables, ¿cuánto de la decisión sigue ocurriendo fuera del modelo?

VECTOR — Vertical Tecnología | LOTE

Analysis