La IA llega a los PLC: los asistentes de ingeniería ya leen proyectos y escriben código

Evolución: de los chats a los agentes integrados

Los programadores de Python, C++ y JavaScript están acostumbrados a los asistentes de IA. Para los PLC, la situación era distinta. Hace tres años, los primeros experimentos parecían prometedores pero resultaban prácticamente inútiles: ChatGPT podía generar un controlador PID en ST o un bloque de transferencia TCP en TwinCAT, pero había que revisar el resultado con desconfianza. Faltaba contexto, había pocos ejemplos de entrenamiento y la complejidad de integrarlo en un proyecto existente era considerable.

Hoy el enfoque ha cambiado. En lugar de modelos de uso general, surgen herramientas especializadas que entienden la arquitectura de los proyectos, incluyen documentación de las plataformas y pueden leer la estructura del programa directamente desde el IDE. El salto de asistente a agente es concreto: de dar sugerencias a ejecutar una cadena de acciones —leer el proyecto, aplicar un cambio, compilar, corregir los errores encontrados—.

Cinco herramientas, cinco enfoques

PLC Copilot fue la primera herramienta de esta categoría en incorporar capacidades avanzadas. Da soporte a Rockwell Studio 5000, Siemens TIA Portal y AutomationDirect Productivity Suite (CODESYS está en lista de espera). Puede explicar la lógica, buscar relaciones entre etiquetas, preparar documentación y generar código para importar. Tarifas: Pro, $99/mes; Ultra, $499/mes; licencia perpetua por dispositivo, $720 (con soporte de $270/año).

Copia AI/Copilot se distingue por la fuente de su contexto. Trabaja con proyectos de Copia Source Control y copias de seguridad de DeviceLink, lo que le permite comparar versiones y cambios, generar fragmentos de código y convertir entre LAD y ST. El precio no es público; hay que consultarlo con el equipo comercial de Copia.

El asistente de Structured Text (sin nombre de marca en el texto) apuesta por la conexión local con el IDE. Un puente en Python para CODESYS y una aplicación independiente para TwinCAT leen la estructura, aplican cambios y envían los resultados de la compilación a un agente en la nube. Es compatible con CODESYS V3.5 SP18+ y TwinCAT 3.1+ (el soporte para TIA Portal llegará próximamente). Muestra los cambios realizados y corrige errores según el diagnóstico del compilador. Tarifas: Pro, €24/mes; Power, €49/mes; prueba gratuita disponible.

Siemens Eigen Engineering Agent es un agente integrado en TIA Portal V19, V20 y V21. Puede generar código para PLC, crear HMI y configurar dispositivos. La compañía asegura que puede leer esquemas eléctricos en formatos XML y AML, y generar la estructura de un proyecto a partir de la descripción de una máquina. Estar integrado en el IDE le da ventaja en la integración, pero el precio es elevado: $2.100/año por una sola licencia (se puede asignar a tres usuarios, aunque solo uno puede usarla a la vez). El periodo de prueba es de un mes.

Beckhoff TwinCAT 3 CoAgent for Engineering se describe como un asistente para el desarrollo de PLC, la configuración de E/S y el trabajo con HMI. Promete sugerencias basadas en la estructura del proyecto y acceso a la documentación del Beckhoff Information System. Su estado es "próximamente"; los plazos deben confirmarse con el fabricante.

Otras soluciones

No son las únicas cinco. También están en desarrollo: • Factory Agent, de Software Defined Automation • FactoryTalk Design Studio Copilot, de Rockwell Automation

Todas ofrecen un conjunto similar de funciones: análisis de lógica, documentación y ayuda con el código. Qué funciones están realmente disponibles depende del producto y del entorno que soporte.

Arquitectura: cuatro componentes

Lo que ofrece una herramienta de IA no lo determina su interfaz ("proyecto, campo de consulta, respuesta"), sino lo que ocurre por debajo. La arquitectura consta de cuatro partes:

1. Lectura del proyecto: extracción de bloques, redes, variables, tipos, llamadas y configuración. Para texto en ST es una tarea; para gráficos LAD o FBD, otra distinta.

2. Selección del contexto: búsqueda de bloques relacionados, programas que los llaman, tipos de datos y documentación de bibliotecas. Simplemente pasarle más texto al modelo no siempre es el mejor camino. Aquí entran en juego un grafo de dependencias y un enfoque RAG (Retrieval-Augmented Generation): el modelo recibe la pregunta junto con el material recuperado.

3. Transformación de la respuesta: convertir el resultado en un cambio sobre el objeto de ingeniería o en un archivo de importación que preserve la estructura del proyecto.

4. Retroalimentación: compilación, diagnóstico y corrección de errores. Una compilación exitosa solo confirma la sintaxis; la lógica del nuevo bloque hay que verificarla por separado.

El valor práctico de una herramienta depende de la calidad de implementación de estas cuatro etapas, no del volumen de las promesas de marketing.