La idea viene de lejos: la NASA mantenía réplicas físicas de las naves Apollo en tierra para diagnosticar averías a 300.000 kilómetros de distancia, y el término se acuñó formalmente en 2002. Durante casi veinte años, sin embargo, esto fue software de simulación industrial: una cola de peticiones y un intermediario técnico entre la pregunta de negocio y la respuesta. El cuello de botella nunca fue el cálculo, sino el acceso — y eso es lo que se ha roto en los últimos tres años.

Un modelo de lenguaje conectado al gemelo convierte una consulta de ingeniería en una conversación. «¿Qué le pasa a la tensión en esta subestación si mañana el viento cae un 40% y entra en mantenimiento el transformador 3?» era antes un ticket de dos semanas para el equipo de simulación; hoy se resuelve en la misma reunión donde surge la duda. Con agentes que tienen acceso controlado a los sistemas operativos, el gemelo empieza además a proponer acciones, no solo a describirlas.

Importa porque los sistemas sobre los que decidimos ya no caben en la cabeza de nadie. Cuando miles de componentes interactúan en tiempo real, el comportamiento del conjunto no se deduce mirando las partes por separado. Hace falta un sitio donde ensayarlo antes de que ocurra.

Una advertencia previa sobre las cifras

Conviene mirar los números de mercado con desconfianza. Las principales casas de análisis sitúan el mercado global de gemelos digitales en 2026 entre los 26.000 y los 50.000 millones de dólares, con crecimientos anuales de entre el 31% y el 45%: casi el doble de diferencia para el mismo mercado y el mismo año.

Es, sobre todo, un problema de definición. Bajo la misma etiqueta conviven un modelo BIM con sensores, un simulador físico de un aerogenerador, un cuadro de mando de process mining y una población sintética de pacientes. Comparten el nombre, no la tecnología, ni el coste, ni el riesgo, ni el retorno. Cuando un proveedor dice «gemelo digital», la primera pregunta útil es cuál de los cuatro.

Tres niveles de madurez

01 Réplica  — Representa el estado actual. Responde a «¿qué está pasando ahora?». Es, en esencia, un cuadro de mando con geometría y telemetría: valor real, pero de ambición limitada.

02 Simulador  — Modela el comportamiento. Responde a «¿qué pasaría si…?». Aquí empieza el retorno serio, porque ensayar sale más barato que equivocarse.

03 Gemelo agéntico  — Cierra el bucle. Responde a «¿qué hago?» y, bajo supervisión, lo ejecuta. Es donde entra la IA de 2026, y donde todavía está casi todo el mundo por hacer.

Revisando proyectos para clientes nos hemos encontrado más de una vez con lo mismo: algo presentado como nivel 3 que, abierto por dentro, resulta ser un nivel 1 con una capa conversacional encima. La diferencia de precio entre ambos no es pequeña, y merece la pena preguntar por ella antes de firmar.

Preguntar «¿qué pasaría si?» y obtener una respuesta fiable es un problema de ingeniería. Obtener una respuesta bonita no lo es.

Energía: simular la red antes de operarla

Es el sector con más recorrido, por una razón de contexto: una red con generación distribuida, flujos bidireccionales y menos inercia síncrona que hace diez años se comporta de maneras que no se anticipan sin simulación. Y el coste de equivocarse se mide en horas de suministro.

España tiene uno de los despliegues más ambiciosos de Europa. El proyecto Network Digital Twin de e-distribución (Endesa) contempla la réplica virtual de unos 90.000 km de líneas aéreas de alta y media tensión, 1.311 subestaciones y 144.000 centros de distribución, combinando el modelo con telemetría en tiempo real. i-DE (Iberdrola) ha optado por otra vía, la BIM: modelar el activo ya desde el diseño, de modo que el gemelo nazca con el proyecto en lugar de reconstruirse años después a partir de inventarios.

Los retornos documentados son más modestos que los de las presentaciones comerciales, pero se sostienen: 10-20% menos de mantenimiento correctivo, entre uno y tres puntos más de disponibilidad. En un parque de 500 MW eso son millones al año, y suele ser el argumento que termina cerrando la inversión. Aunque el valor mayor está en otro sitio: poder ensayar mil escenarios de fallo un martes por la tarde sin apagar nada.

El obstáculo real, sin embargo, rara vez es el modelo físico — esa es justo la parte que el sector domina desde hace décadas. El problema es que el inventario de activos, sobre todo en baja tensión, no siempre coincide con lo que hay realmente en la calle. Un gemelo alimentado con una topología que no es la topología real produce respuestas verosímiles y equivocadas a la vez.

Salud: el gemelo ya entró en el expediente regulatorio

El caso más avanzado del sector es más prosaico que el «paciente digital» de las presentaciones futuristas, y merece explicarse con calma porque casi siempre se cuenta mal.

Para saber si un fármaco funciona no basta con dárselo a cien personas y ver si mejoran, porque una parte habría mejorado de todos modos. Por eso los ensayos dividen a los participantes: unos reciben el fármaco y otros un placebo, y la diferencia entre ambos grupos es lo atribuible al tratamiento. Esto se paga caro, porque hay que reclutar el doble de pacientes — y el reclutamiento es justamente lo que más retrasa un ensayo — y porque un grupo entero pasa meses sin tratamiento activo.

Aquí entra el gemelo. Con datos históricos de ensayos previos y de historia clínica electrónica se entrena un modelo que predice, para cada paciente que entra en el estudio, cómo habría evolucionado de haber recibido placebo. Esa predicción individual es su gemelo digital.

El uso que se le da es más sutil de lo que suele contarse, porque el grupo de control no desaparece: la predicción entra en el análisis estadístico como información previa sobre el pronóstico de cada participante, y eso reduce el ruido de la comparación. Sirve la analogía del colegio: comparar la nota media de dos grupos de alumnos exige muchísimos alumnos, porque las diferencias entre ellos tapan el efecto que se quiere medir; pero si se puede predecir qué nota habría sacado cada uno según su expediente, se compara a cada alumno consigo mismo y se detecta lo mismo con una fracción de la muestra. Aplicado a un ensayo clínico, esto permite recortar el brazo de control sin perder potencia estadística.

No es teoría: la EMA ha emitido una opinión de cualificación favorable sobre esta metodología para fases 2 y 3, y la FDA ha publicado principios orientadores sobre IA en desarrollo de fármacos. La variante más agresiva — sustituir el control entero por pacientes sintéticos — se explora en enfermedades raras, y ahí los reguladores son bastante más cautos.

Para un hospital español hay un segundo frente, menos mediático y más accesible: el gemelo operativo. Flujo de pacientes, quirófanos, urgencias, turnos — logística sanitaria, abordable ya este mismo año sin tocar una sola decisión clínica

EL PEAJE QUE NADIE ANTICIPA Los reguladores sanitarios exigen algo a lo que la industria no está acostumbrada: definir el contexto de uso antes de construir el modelo, cuantificar la incertidumbre paciente a paciente y validar sobre datos auditables de forma independiente. Lo que se entrega, en el fondo, no es el modelo, sino la evidencia sobre el modelo. Quien no lo planifica desde el principio suele descubrirlo tarde.

Banca: tres gemelos que se confunden en uno

El sector financiero no tiene activos físicos que replicar, y eso ha retrasado la conversación. A cambio tiene procesos y carteras digitalizados desde el origen. Hay al menos tres aplicaciones distintas, y conviene no mezclarlas, porque su madurez y su riesgo regulatorio no se parecen en nada.

El gemelo de proceso es una réplica ejecutable del onboarding, del KYC o de la concesión de un préstamo, construida sobre los registros reales de los sistemas. Permite ver dónde se atasca el expediente y probar un cambio contra el proceso simulado antes de tocar producción. Es el caso más maduro, y también el de implantación más rápida.

El gemelo de cartera refleja precios, exposiciones y cambios normativos de forma continua. El stress test deja de ser un ejercicio trimestral de semanas para convertirse en una capacidad permanente. Varios supervisores europeos ya exploran esta vía para el riesgo sistémico, y con DORA en vigor la simulación de resiliencia ha dejado de ser opcional.

El gemelo de cliente es el más vendido, y también el más delicado. Un modelo conductual individual que predice abandono, siguiente mejor oferta o riesgo de impago es técnicamente muy potente y jurídicamente incómodo a la vez: decisiones automatizadas sobre personas, RGPD, clasificación de riesgo bajo el AI Act. Si se aborda esta vía, conviene que el equipo legal entre desde el primer día.

Lo que separa el piloto del sistema

De todo lo que hemos visto, hay tres motivos que explican la mayoría de los proyectos que se quedan por el camino, y ninguno es tecnológico.

El primero es la desincronización. Un gemelo vale lo que vale su actualización, y el activo real se modifica sin parar mientras el modelo se queda quieto. Mantenerlo sincronizado cuesta, en régimen, más que construirlo — y esa partida casi nunca está en el presupuesto inicial. Los proyectos que no la contemplan suelen morir hacia el mes dieciocho, cuando el equipo empieza a desconfiar de las respuestas.

El segundo es la ausencia de una decisión asociada. Se construye el gemelo sin haber identificado antes quién va a cambiar de comportamiento con su salida, y el resultado es un cuadro de mando caro que todos elogian en la demo y nadie vuelve a abrir en marzo. Nosotros preferimos empezar por la decisión y trabajar hacia atrás: qué se decide hoy a ciegas, quién lo decide, con qué frecuencia necesita el dato.

El tercero, más simple de evitar de lo que parece, es tratar la validación como un trámite: contexto de uso definido, incertidumbre cuantificada, trazabilidad. En salud ya lo exige el regulador; en banca lo exigirá pronto; en energía lo pide, sencillamente, el sentido común. Construirlo así desde el principio resulta incómodo. Reconstruirlo después, prácticamente imposible.

Por dónde empezar

El gemelo total es una trampa. Nadie ha construido con éxito, de una sola vez, la réplica completa de una organización; quien lo intenta suele acabar con un proyecto de tres años que no ha mejorado ninguna decisión.

Lo que funciona es bastante más aburrido: un subsistema ya instrumentado, una decisión concreta que hoy se toma a ciegas, y un responsable que quiera dejar de tomarla así. Nivel 2 sobre ese perímetro, medición, y expansión por adyacencia cuando haya números que enseñar.

Un pronóstico, para cerrar: dentro de tres años probablemente nadie llamará ya a esto «gemelo digital». Se habrá disuelto en la operación normal de las empresas que lo hicieron bien, como ocurrió con el big data — y seguirá siendo, eso sí, una categoría de producto para las que no.

– Este artículo ha sido redactado por BrAIn Partners, socio del Cluster de Inteligencia Artificial de la Comunidad de Madrid.

FUENTES Y REFERENCIAS

• Estimaciones de mercado 2026: Fortune Business Insights, Global Market Insights, Grand View Research, Precedence Research y The Business Research Company (rangos divergentes, recogidos como tales).
• Salud: opinión de cualificación de la EMA sobre modelos pronósticos individuales en ensayos de fase 2 y 3; principios orientadores de la FDA sobre IA en desarrollo de fármacos; literatura sobre brazos de control sintéticos (npj Digital Medicine, Drug Discovery Today).
• Energía: proyecto Network Digital Twin de e-distribución (Endesa); digitalización BIM de i-DE (Iberdrola); guías sectoriales sobre gemelos digitales en redes de distribución.
• Banca: literatura sectorial sobre gemelos de proceso, cartera y cliente; marco DORA (UE 2022/2554) y Reglamento Europeo de IA (UE 2024/1689).

Únete al Cluster IA

👉 Si tú también quieres formar parte de un ecosistema en crecimiento, conectar con empresas, startups y profesionales de referencia en inteligencia artificial y acceder a oportunidades de colaboración, te invitamos a unirte al Cluster IA.

Escríbenos a comunicacion@iaclustermadrid.org y pasa a ser parte activa de nuestra red.