.
Inteligencia Artificial en gestión de residuos: una oportunidad todavía por explotar
Menos del 30% de las empresas de residuos tienen herramientas de software específicas – Gestores de Residuos, según un informe realizado por Teimas. Una cifra que, lejos de ser un problema, representa una oportunidad enorme para quienes se atrevan a liderar ese cambio. FCC Enviro es una de ellas.
En el último episodio de The InterBiew, Daniel Panadero, Global Head of Data e IA de la compañía, nos explica cómo están aplicando datos e IA en una industria tan esencial como poco visible, y por qué las personas siempre están en el centro de esa transformación. En este artículo, explicamos la visión de FCC Enviro y repasamos varios casos de uso específicos de IA en la compañía.
FFC Enviro: una empresa global con vocación de servicio local
FCC Enviro presta servicios de gestión integral de residuos en alrededor de 12 países: recogida, recuperación, reciclaje y, en algunos casos, incineración para generación eléctrica. También da servicio a entidades privadas como hospitales u hoteles. Detrás de cada contrato hay una operación compleja, con regulaciones distintas según el país y miles de trabajadores sobre el terreno.
El equipo de Data e IA que lidera Daniel actúa como facilitador interno: prioriza iniciativas, da soporte regulatorio en materia de datos y acompaña a los equipos locales en la adopción de tecnología. Toda iniciativa que llega a su mesa se evalúa con tres criterios claros: impacto en la seguridad y salud de los trabajadores, retorno de la inversión positivo y mejora operacional sostenible.
Visión artificial para adelantarse al residuo
“Utilizamos visión artificial para detectar desbordes de contenedores en las ciudades.” — Daniel Panadero, Global Head of Data e IA, FCC Enviro
Uno de los proyectos más reconocidos de FCC Enviro, y que ya les ha valido algún premio, consiste en utilizar visión artificial para detectar desbordes de contenedores en las ciudades. Un vehículo equipado con cámaras identifica automáticamente residuos acumulados fuera del contenedor, genera una incidencia y activa una recogida sin que el operario tenga que bajarse del camión, buscar aparcamiento o interrumpir la ruta.
El impacto va más allá de lo evidente: rutas más eficientes, menor consumo de combustible y una reducción real del riesgo para el trabajador. La versión más reciente del sistema ya incorpora caracterización del residuo, lo que permite optimizar la recogida selectiva en función de lo que hay en la calle. El resultado es una ciudad más limpia de forma proactiva, no reactiva, algo que los ayuntamientos y los propios ciudadanos perciben de inmediato.
IA conversacional para la recogida de voluminosos
El servicio de recogida de voluminosos es otro ejemplo de cómo la tecnología puede transformar una operación aparentemente sencilla. Antes, una o varias personas atendían manualmente las llamadas de ciudadanos que querían deshacerse de un colchón, un mueble o cualquier objeto de gran tamaño. En contratos pequeños gestionados desde una misma oficina, las colas de llamadas se disparaban.
La solución fue automatizar todo el flujo: el sistema atiende la llamada, asigna una fecha, explica cómo depositar el residuo y filtra los que no están permitidos por legislación. Cuando la llamada no llega a buen fin, el sistema avisa para que sea el propio trabajador quien resuelva esos casos pendientes en media hora al día siguiente. El resultado ha sido la recuperación de casi siete horas diarias por persona, y la desaparición de esas bajas laborales.
“Hemos recuperado prácticamente siete horas de las ocho de un trabajador, y la verdad es que ha supuesto un acierto grandísimo para nosotros.” — Daniel Panadero, Global Head of Data e IA, FCC Enviro
Agentes de IA y una nueva cultura del dato
La siguiente palanca que están explorando es la agéntica: agentes de IA capaces de ejecutar tareas repetitivas del día a día con supervisión humana. Pero para Daniel, la tecnología es solo una parte del cambio. La otra, y probablemente la más importante, es cultural.
Uno de sus objetivos principales ha sido formar a los empleados no en una herramienta concreta, sino en una nueva forma de trabajar. Eso implica entender cómo darle contexto a un modelo, testear que siempre produce resultados consistentes, y ser conscientes de los riesgos de compartir datos sensibles con herramientas comerciales.
La premisa de fondo es clara: la experiencia acumulada de los trabajadores es el activo más valioso de la empresa. La IA debería liberarles de las tareas que no aportan valor, no sustituirles.
“No se trata de formar a los empleados en una tecnología ni en una nueva herramienta, sino cambiarles la forma de trabajar, ayudados con esta IA, pero en un marco de trabajo seguro y controlado.” — Daniel Panadero, Global Head of Data e IA, FCC Enviro
El futuro: robótica y empleados virtuales
Existen dos líneas de evolución claras para los próximos años. Por un lado, la consolidación de la agéntica como capa de automatización inteligente dentro de los procesos. Por otro, la robótica física, lo que se conoce como physical AI, aplicada a “tareas penosas” o de riesgo que hoy realizan personas.
El objetivo, en cualquier caso, no es eliminar puestos de trabajo, sino rediseñarlos. Que las personas puedan dedicar su tiempo y conocimiento a lo que realmente importa.
¿Quieres ver la entrevista completa con Daniel Panadero? Puedes ver el episodio completo de The InterBiew aquí.
Preguntas frecuentes
¿Qué es la visión artificial aplicada a la gestión de residuos?
Es el uso de cámaras y modelos de IA para identificar automáticamente residuos, desbordes de contenedores o su tipología, sin que un operario tenga que verificarlo manualmente sobre el terreno.
¿Sustituye la IA a los trabajadores del sector de gestión de residuos?
No. En el caso de FCC Enviro, el objetivo es liberar a los empleados de tareas repetitivas o de riesgo, no eliminar sus puestos, y rediseñar los procesos para que dediquen su tiempo a lo que aporta más valor.
¿Qué inversión requiere digitalizar una operación de gestión de residuos?
Depende del punto de partida, pero conviene empezar por casos de uso concretos con impacto medible, como la visión artificial o la atención automatizada, antes de abordar toda la operación a la vez.
