Tu KPI de utilización de activos resuelve el problema de ayer
Exprimir hasta el último minuto de uso a cada máquina cara tenía sentido cuando la máquina era el bien escaso. Cuando el coste de fabricar otra se desploma, la redundancia le gana a la utilización: sale más barata, es más segura y nadie tiene que resolver el problema del recambio urgente.
El número del que más se enorgullece cualquier comité de operaciones es la tasa de utilización de activos: el porcentaje de tiempo que cada máquina cara pasa produciendo. Utilización alta suena a disciplina. Máquina parada suena a despilfarro. Carreras enteras en planificación de capacidad y mantenimiento se han construido empujando ese porcentaje hacia arriba.
Pero el KPI da por hecho algo que rara vez se dice en voz alta: que el activo es el bien escaso. Durante casi toda la historia industrial lo fue, así que nadie necesitó formular la premisa. Ahora está fallando en varios sectores a la vez, y las curvas son públicas. Un paquete de baterías de ion litio costaba más de 1.000 $ por kilovatio hora en 2010; el informe anual de precios de BloombergNEF sitúa la media de 2023 en 139 $. En el lanzamiento espacial, el análisis del Aerospace Security Project del CSIS calcula que el transbordador espacial costaba unos 54.500 $ por kilogramo a órbita baja, en dólares de 2021, frente a unos 2.600 $ del Falcon 9. Baterías y lanzadores son solo los casos mejor documentados de un fenómeno general: cuando el coste de fabricar o hacer volar una unidad más cae en un orden de magnitud, la restricción se desplaza. El manual del activo siempre ocupado sigue optimizando una escasez que ya no existe.
¿Qué mide en realidad la utilización de activos?
Lo que de verdad importa de un activo de capital es la disponibilidad: poder hacer el trabajo cuando el trabajo aparece. La disponibilidad tiene exactamente dos palancas. O se acelera la rotación de una unidad, o se tienen más unidades. Cuando una unidad cuesta una fortuna, la segunda palanca queda soldada, así que un siglo de ingeniería se volcó en la primera: ventanas de mantenimiento ajustadas, monitorización de estado, todo intercambiable en caliente. Ese esfuerzo era racional. También dependía por completo del precio de la máquina, y las verdades que dependen de un precio caducan.
Abarata la unidad y la segunda palanca se abre de golpe. Cinco unidades rotando despacio pueden dar la misma capacidad efectiva que una unidad girando a toda prisa, con margen de sobra para averías, picos de demanda e inspecciones sin prisa. La métrica que importa deja de ser el tiempo entre usos y pasa a ser las unidades disponibles, y el mantenimiento lento y a fondo se convierte en algo que sencillamente se puede pagar.
Matemáticas de hace sesenta años, objetivos rotos hoy
Conviene ser justos con lo que hay de nuevo aquí: el argumento a favor de la redundancia es viejo. La ingeniería de fiabilidad lleva calculando el precio de los repuestos así desde los años sesenta, y el Mathematical Theory of Reliability de Barlow y Proschan, de 1965, trata la asignación de redundancia como una optimización ya resuelta: compra unidades de respaldo hasta que el siguiente repuesto cueste más que los fallos que evita. La teoría de colas es todavía más contundente. La fórmula de tráfico intenso de Kingman, de 1961, muestra que los tiempos de espera crecen casi en proporción a la utilización dividida entre la capacidad libre, y por eso las colas se disparan en cuanto la utilización supera el 80% y por eso los planificadores de capacidad con más oficio siempre han dejado margen.
Lo que los manuales daban por supuesto, con razón para su época, era que el precio de una unidad se mantiene más o menos estable a lo largo del horizonte de planificación. Esa es la premisa que se ha roto. La regla de decisión que se deduce de los manuales cabe en una línea: compra el repuesto cuando la unidad cueste menos que el coste anual esperado de la parada más allá del compromiso de disponibilidad, multiplicado por la probabilidad de incumplirlo. Todos los términos de esa regla se mueven despacio salvo el coste unitario, y cuando el coste unitario cae un 80% dentro de un mismo periodo de amortización, el punto de cruce entre exprimir un activo y comprar una flota no se desplaza poco a poco: da un salto. Un objetivo fijado hace apenas cinco años lleva incorporado un precio que ya no existe. Apliquemos la regla a un caso plausible. Un activo que costó 600.000 € cuando se fijó el objetivo, una parada que vale 5.000 € la hora y un compromiso de disponibilidad del 99,5%, que permite unas 44 horas de parada al año. Una sola unidad bien mantenida, con un 98% de disponibilidad, está parada unas 175 horas al año, así que el incumplimiento es casi seguro y la regla se reduce al coste del exceso: 131 horas por encima del compromiso, unos 655.000 € de exposición anual. Ese es el precio de cruce para el repuesto. Frente a él, 600.000 € era una decisión genuinamente al filo, defendible en cualquiera de los dos sentidos una vez se admite lo blandas que son las estimaciones, y la mayoría de los consejos de administración defendían la utilización. Si esa misma unidad cuesta ahora 120.000 €, ya no queda nada al filo: rechazar el repuesto es apostar 655.000 € para ahorrarse 120.000 €, más de cinco a uno en contra, y una segunda unidad en rotación cierra la brecha entera con tiempo de inspección de sobra. Nada ha cambiado en los manuales de fiabilidad. Una sola variable cayó un 80% y la respuesta cruzó la línea.
La demostración a gran escala más limpia viene del centro de datos. A principios de los 2000, la ortodoxia para la informática seria era el hardware empresarial tolerante a fallos: máquinas diseñadas para que una unidad concreta casi nunca fallara, con el precio a la altura, y reparadas con urgencia cuando fallaba. Google construyó su infraestructura sobre la apuesta contraria. El artículo del Google File System, publicado en 2003, dice sin rodeos que los fallos de componentes se trataban como la norma y no como la excepción, con todo el sistema pensado en torno a máquinas comerciales baratas que fallan constantemente. Los servidores caídos esperan a la siguiente ronda de reparación programada mientras el software redirige el trabajo a sus vecinos. Fíjate en lo que Google nunca resolvió: no construyó un servidor individual que se negara a morir, ni consiguió arreglar uno rápido. Con unidades baratas y numerosas, ninguno de los dos problemas hacía falta resolverlo, y la urgencia que hace que una intervención apresurada sea propensa al error desapareció junto con la escasez. La fiabilidad de la unidad y la fiabilidad del servicio resultaron ser objetivos separables que la era del hardware caro había fusionado sin necesidad.
¿Cuándo le gana la redundancia a la utilización de activos?
La redundancia gana cuando se dan tres condiciones a la vez. El coste de fabricación de la unidad cae con fuerza, así que un repuesto sale barato en comparación con el pasado. El coste del fallo es alto respecto al de la unidad, así que una parada o un accidente cuesta más que el repuesto que lo habría evitado. Y lo que el negocio vende de verdad es disponibilidad, no la producción continua de una máquina concreta. Donde se cumplen las tres, la redundancia es sencillamente la forma más barata de comprar lo que la utilización siempre pretendió medir.
El hardware de cómputo está entrando en ese cruce sobre una curva ya documentada: el análisis de Epoch AI de 2022 sobre precio-rendimiento de GPU encontró que las operaciones de coma flotante por segundo que compra un dólar se han duplicado más o menos cada dos años y medio desde 2006. Los equipos que exprimen cada acelerador al máximo están optimizando la métrica de una era de GPU escasa justo cuando esa misma curva abarata toda la flota. Reservar margen suele ser la forma más barata de cumplir una promesa de latencia o de plazo de entrega, y esa cuenta debería hacerse antes de comprometer ninguna construcción (el desarrollo completo está en preparación para la IA antes de construir). Los equipos de software cometen el mismo error en miniatura: los entornos cuestan casi nada de duplicar, y aun así muchas organizaciones siguen poniendo a sus ingenieros en cola detrás de un único servidor de pruebas, que es aplicar la lógica de la utilización a un activo con coste marginal prácticamente nulo. Acertar con la economía de la plataforma es, sobre todo, cuestión de notar de qué era es la restricción que se está valorando.
Ahora la prueba de contraste, porque el nuevo enfoque tiene límites. Donde la unidad sigue siendo genuinamente escasa (slots aeroportuarios, suelo urbano, capacidad de fabricación de última generación, personal senior), la utilización conserva su trono. Y las flotas se oxidan: un repuesto que nunca se pone a prueba es un repuesto del que no te puedes fiar, así que la redundancia necesita su propia disciplina de rotación, o tu póliza de seguro es en realidad una pieza de museo. Nada de esto convierte la utilización en un error. La convierte en una métrica derivada, no en un principio de partida, que hay que recalcular cada vez que el coste unitario se mueve un orden de magnitud.
Las consecuencias de segundo orden afectan a decisiones que se toman este mismo trimestre. Los contratos de mantenimiento tarifados por velocidad de intervención pierden su prima cuando nada es urgente. Los calendarios de amortización pensados para activos exprimidos calculan mal el coste de una flota en rotación. Los incentivos son los que más tardan en ajustarse: un director de operaciones con el bonus atado a la utilización va a pelear contra la redundancia de flota con cada hoja de cálculo a su alcance, y según su KPI tendrá razón. Si en tu consejo todavía se aplaude una cifra de utilización, la pregunta útil es qué coste unitario se daba por supuesto cuando se fijó el objetivo, y si las curvas anteriores ya lo han roto. Esa pregunta pertenece a la estrategia de capex, no a compras, y es precisamente la auditoría de premisas para la que existen los servicios de estrategia técnica.
La utilización nunca fue el objetivo. Era un indicador para sacar el máximo partido a una máquina escasa, y funcionó mientras la máquina siguió siendo escasa. En un número creciente de sectores la máquina ha dejado de ser escasa, y un KPI que sobrevive a su propia premisa no es disciplina: es nostalgia con panel de control.
Preguntas frecuentes
¿Una utilización de activos alta es siempre buena señal?
No. Solo indica eficiencia mientras el activo sea la restricción real. Funcionar cerca del 100% sin margen es fragilidad disfrazada de disciplina: sin colchón para averías, inspecciones o picos de demanda, y la teoría de colas muestra que los tiempos de espera se disparan mucho antes de llegar a plena ocupación. Si el coste de fabricación de la unidad ha caído con fuerza desde que se fijó el objetivo de utilización, una cifra muy alta puede en realidad señalar falta de inversión en capacidad de flota.
¿Se puede construir un servicio fiable con máquinas poco fiables?
Sí, y suele ser el camino más barato. La redundancia convierte los fallos de unidad en un simple detalle de planificación: la capacidad de reserva asume la carga mientras las unidades averiadas esperan su turno para una reparación sin prisas. Los primeros centros de datos de Google demostraron el patrón a gran escala, ofreciendo un servicio continuo a partir de servidores comerciales que fallaban constantemente, sin llegar a diseñar nunca una máquina individual que no fallara.
¿Cómo cambia la caída del coste de fabricación la estrategia de mantenimiento?
Convierte al tiempo de nuevo en aliado del equipo de mantenimiento. Con una flota en rotación, las unidades salen de servicio para una inspección minuciosa y sin prisas mientras los repuestos asumen la carga, así que el mantenimiento basado en condición deja de competir contra un reloj de rotación. Los presupuestos pasan de pagar una prima por rapidez de intervención a financiar profundidad de flota y una disciplina de rotación que mantenga los repuestos fiables.
Relacionado
- Los bonos de retención no reducen el riesgo de persona clave: la doctrina, sí
- El tráfico de bots reparte tu presupuesto de publicidad, y lo firmó un humano
- Tu proveedor de nube también financia sus ingresos de IA: hazle due diligence financiera antes de firmar
- Data & Strategy
Escrito por una persona editorial de IA del sistema editorial propietario de Abyshire y revisado por nuestro equipo.