알림 목록

Área de análisis: ciudad metropolitana de Ulsan

Áreas clave: Zona industrial automotriz de Buk-gu, Zona industrial naval de Dong-gu, Zona industrial petroquímica de Nam-gu

Agenda: Alineación entre la Declaración de la Ciudad de la IA y los resultados en materia de productividad, calidad, seguridad y energía en las plantas de fabricación.

Tipo de época dorada: Aceleración de infraestructura + Transformación de fábrica. Brecha de evidencia

Fecha de referencia: 28/08/2026

Versión: Estándar de mejora Regional AX Golden Time Intelligence v3.2
 

Ulsan atrajo un proyecto de centro de datos de IA de 7 billones de wones de SK-AWS en 2025 y posicionó a "Ulsan, la capital de la IA" en el centro de su administración municipal en 2026. La estrategia de IA de la ciudad pasó de centrarse en la educación y la investigación a un modelo de IA propio de una ciudad industrial, que combina infraestructura informática a gran escala con la industria manufacturera. Sin embargo, no existe evidencia pública confirmada que vincule la inversión en centros de datos con mejoras en las tasas de adopción de IA, la productividad, la reducción de defectos, la seguridad o la eficiencia energética en las plantas automotrices, navales y petroquímicas de Ulsan. Si la construcción de centros de datos y los proyectos de IA en las fábricas avanzan por caminos separados entre 2026 y 2028, Ulsan podría lograr establecer una infraestructura de IA, pero la transición de los sitios industriales podría depender de la demanda externa de la nube. Si bien  la declaración de Ulsan como ciudad de IA se confirma en términos de inversión en infraestructura, se considera que aún no se ha confirmado en términos de resultados en las fábricas.

En 2026, Ulsan asignó un presupuesto de 117.800 millones de wones para el fomento de las PYME y la promoción de la innovación, un aumento del 26 % con respecto al año anterior, e incluyó el programa SME AX. El alcance de la aplicación de la política de IA se está ampliando, pasando de centrarse en grandes corporaciones e instituciones de investigación a incluir a las PYME locales y empresas asociadas. Sin embargo, los datos disponibles públicamente no confirman el número de empresas apoyadas que han superado la prueba de concepto (PoC) para aplicar permanentemente la IA en líneas de producción reales, ni revelan cambios en la productividad, las ventas y el empleo. Si el apoyo se mantiene en las etapas de consultoría, equipamiento y demostración entre 2026 y 2028, la brecha en datos, personal y procesos entre las grandes corporaciones y sus empresas asociadas se ampliará aún más.  Si bien la política de difusión para Ulsan Manufacturing AX está confirmada, la tasa de conversión en los centros de producción de las PYME se considera incierta.

Ulsan se ha fijado objetivos para los próximos cinco años: cultivar 500 talentos en IA de convergencia industrial, realizar 150 demostraciones prácticas centradas en grandes corporaciones e impulsar 500 startups de tecnología avanzada. Por su parte, la Escuela de Posgrado UNIST Novatus planea capacitar a aproximadamente 100 especialistas en IA anualmente. El ecosistema de IA industrial se ha expandido hasta conformar una estructura que combina el desarrollo de talento, las startups y las demostraciones en grandes corporaciones. Sin embargo, los criterios de transición —que abarcan desde 150 demostraciones hasta la aplicación en la línea de producción, contratos remunerados, ingresos recurrentes y la expansión a empresas asociadas— no se han divulgado. Si los objetivos se mantienen centrados en el talento, las startups y el número de demostraciones durante los próximos dos o tres años, los cambios reales en las fábricas quedarán eclipsados ​​por las aportaciones del ecosistema.  Si bien se está creando la base de IA industrial de Ulsan, aún no hay evidencia de su transición a la producción.

El Ministerio de Comercio, Industria y Energía ha ampliado el presupuesto del AX industrial para 2026 a 1,1347 billones de wones, un aumento del 100,8% con respecto al año anterior, y ha elevado el presupuesto para el proyecto AI Factory a 220 mil millones de wones. El período comprendido entre 2026 y 2028, cuando la expansión de la inversión nacional en el AX manufacturero converge con las estructuras industriales de Ulsan (automotriz, naval y petroquímica), es un momento en el que fluirá una financiación externa a gran escala. Sin embargo, aún no se han verificado los datos públicos de ejecución que integran la garantía de los proyectos líderes nacionales y el rendimiento de la aplicación por proceso en las plantas de Ulsan. Si durante este período no se establecen estándares de datos de fábrica, bases de referencia de rendimiento y una estructura de difusión para las empresas asociadas, el presupuesto nacional ampliado se agotará con proyectos de demostración individuales.  El momento de oro para el sector manufacturero de Ulsan no es cuando el presupuesto de IA es insuficiente, sino más bien los próximos dos o tres años para determinar el ritmo de transición entre la demostración y la producción.

Tesis del Tiempo Dorado: La unidad para determinar si Ulsan es una ciudad global de IA no es la cantidad de inversión en centros de datos ni el número de proyectos de demostración de IA. La unidad de evaluación es cuánto ha cambiado la IA los tiempos de inactividad de las fábricas, los defectos, los costos, el consumo de energía y los accidentes laborales, y si esos cambios se han extendido a las empresas asociadas.

Ulsan es una ciudad manufacturera donde se concentran la industria automotriz en Buk-gu, la construcción naval en Dong-gu y las industrias petroquímica y energética en Nam-gu y Ulju-gun. El alcance de la aplicación de la IA no se limita a un solo proceso, sino que abarca toda la cadena de valor, desde el diseño, la adquisición, la producción, la calidad, la logística, las instalaciones, la seguridad y la energía. Sin embargo, no se ha confirmado una base de referencia oficial que compare el número de fábricas, procesos, tasas de conversión de datos de instalaciones y tasas de aplicación de IA en las tres industrias principales utilizando los mismos criterios. Además, si las operaciones comerciales por sector se expanden por separado entre 2026 y 2028, la tasa de conversión para todas las fábricas en Ulsan no se puede calcular retrospectivamente.  Si bien la escala industrial de Ulsan es clara, el denominador de la transición a la IA se considera aún sin confirmar.

La planta de Hyundai Motor en Ulsan, HD Hyundai Heavy Industries y sus instalaciones petroquímicas a gran escala son empresas clave que cuentan con una base sólida para la automatización, los sensores y la gestión de la producción a gran escala. El sector manufacturero de Ulsan ha evolucionado desde fábricas centradas en la mano de obra manual hacia una estructura que combina plantas altamente automatizadas con amplias redes de cooperación. Sin embargo, el alcance de la información divulgada sobre el porcentaje de procesos que transitan de la automatización existente a la predicción basada en IA y el control autónomo, así como el rendimiento resultante, varía según la empresa. Si no se distingue entre equipos de automatización y procesos de IA en los últimos dos o tres años, las inversiones digitales existentes se contabilizan por duplicado como nuevos logros de AX.  Si bien la base digital de la planta de Ulsan es sólida, la magnitud de su transición a la IA no puede evaluarse por separado.

El centro de datos de IA SK-AWS se presentó como una inversión de alrededor de 7 billones de wones y se incluyó en el Top 5 de la ciudad de Ulsan para 2025. Los activos de IA de Ulsan han evolucionado desde demostraciones de universidades locales y el sector público hasta la infraestructura informática a gran escala de proveedores globales de la nube. Sin embargo, no existen datos públicos que permitan distinguir los efectos de la inversión en las compras locales, el empleo local, la utilización de la computación por parte de las empresas manufactureras locales, la electricidad, el agua y los ingresos fiscales. Incluso si la inversión en construcción se lleva a cabo entre 2026 y 2028, si las fábricas locales no se convierten en clientes reales, la magnitud de la inversión y la magnitud de la transformación industrial permanecerán separadas. Si bien se confirma la magnitud económica del centro de datos de IA, se considera que la magnitud de su conexión industrial con las fábricas de Ulsan no está confirmada.

El Plan de Ciudad Inteligente de Ulsan presentó 21 proyectos, incluyendo información espacial con IA y gemelos digitales, con un costo total de 294.200 millones de wones para el período 2022-2026. La aplicación de datos urbanos se ha ampliado para incluir transporte, seguridad y gestión espacial. Sin embargo, la evidencia disponible públicamente no confirma una estructura para el análisis conjunto de datos de la ciudad inteligente con datos de procesos corporativos y del complejo industrial. Si Urban AX e Industrial AX se convierten en plataformas separadas en los próximos dos o tres años, se omitirá la influencia mutua entre transporte, logística, gestión de desastres, energía y operaciones de fábrica. Si bien  la escala de la IA en Ulsan se ha expandido tanto en el sector urbano como en el industrial, la conexión entre ambos sistemas se considera incierta.

Los centros de datos de IA, UNIST, el Parque Tecnológico de Ulsan, las instalaciones de I+D y producción de grandes corporaciones y los programas de apoyo a las pymes demuestran la concentración de activos de IA en Ulsan. El ecosistema de IA se ha convertido en una estructura que alberga la investigación, el talento, la computación y las necesidades de fabricación dentro de una misma región. Sin embargo, la tasa de conversión —desde los resultados de la investigación que se transforman en pruebas de concepto (PoC) en fábricas hasta los contratos de producción y los ingresos de las startups— no se divulga públicamente. Incluso si el número de instituciones y proyectos aumenta entre 2026 y 2028, si esta tasa de conversión se mantiene baja, esta concentración seguirá siendo simplemente una lista paralela de activos.  Si bien Ulsan posee los componentes de la IA industrial, aún no se ha verificado un ecosistema comercial funcional.

En los próximos cinco años, 150 demostraciones de campo lideradas por grandes corporaciones crearán puntos de contacto a gran escala que permitirán a las empresas emergentes y a las instituciones de investigación acceder a plantas de fabricación reales. El desarrollo tecnológico está pasando de la verificación en laboratorio a la verificación en campo, utilizando datos industriales y condiciones de los equipos. Sin embargo, aún no se han confirmado los criterios públicos para evaluar los contratos de producción, la replicación en otras fábricas, la aplicación a empresas asociadas y los ingresos por mantenimiento tras la demostración. Si el número de demostraciones aumenta rápidamente entre 2026 y 2028, será imposible distinguir entre las pruebas de concepto finalizadas y la producción en marcha.  Si bien los puntos de contacto de campo de Ulsan se están expandiendo, la brecha entre el ecosistema de demostración y el de producción persiste.

La Escuela de Posgrado UNIST Novatus busca capacitar a aproximadamente 100 especialistas en IA anualmente, mientras que la ciudad de Ulsan se ha fijado como objetivo formar a 500 profesionales de IA con enfoque en la convergencia industrial en un plazo de cinco años. La política de talento ha pasado de la educación general en IA a fomentar el talento con enfoque en la convergencia industrial, capaz de comprender los procesos de la industria automotriz, naval y energética. Sin embargo, no se ha verificado ningún registro público que vincule el empleo de los graduados en empresas de Ulsan, su permanencia a largo plazo, sus proyectos de campo o sus contribuciones a la productividad. Si el número de graduados se acumula en tan solo dos o tres años, el talento local se desvincula de la rotación externa y los resultados educativos se desconectan del desempeño de las fábricas.  Si bien existe un ecosistema de desarrollo de talento, las competencias profesionales que permanecen en las fábricas de Ulsan se consideran sin confirmar.

El Fondo de Crecimiento Regional de la ciudad de Ulsan, dotado con 50.000 millones de wones, y el objetivo de crear 500 startups de tecnología avanzada, conectan la financiación para la comercialización tras el desarrollo tecnológico. El ecosistema de IA industrial se está expandiendo, pasando de centrarse en programas de subvenciones a una estructura de inversión y escalamiento. Sin embargo, el seguimiento público de datos sobre las ventas de las empresas beneficiarias del fondo en sus fábricas de Ulsan, las inversiones posteriores, las tasas de supervivencia y el asentamiento local aún se encuentra en sus primeras etapas. Incluso si el número de startups aumenta entre 2026 y 2028, las empresas podrían trasladarse al área metropolitana de Seúl o a mercados extranjeros si se retrasa la captación de clientes de fabricación.  Si bien se confirma la base para la financiación de startups, la conexión comercial con la demanda de fabricación local aún no está verificada.

La IA aplicada a la fabricación está evolucionando desde aplicaciones individuales como la inspección de calidad, el mantenimiento predictivo y la previsión de la demanda, hacia la fabricación autónoma, donde se integran equipos, robots y planificación de la producción. El Ministerio de Comercio, Industria y Energía también ha propuesto establecer más de 500 fábricas autónomas con IA para 2030. Sin embargo, no se ha revelado el número de fábricas en Ulsan donde la IA controla las condiciones de producción de forma integral, más allá de las recomendaciones de proceso. Si las inversiones centradas en modelos individuales se consolidan entre 2026 y 2028, el coste de la automatización completa del proceso aumentará.  Aunque existen indicios de aplicaciones demostrativas de la IA en la fabricación en Ulsan, la etapa de fabricación autónoma aún no está confirmada.

La industria automotriz está pasando de centrarse en los motores de combustión interna a un modelo que combina vehículos eléctricos, vehículos autónomos, robots, baterías y servicios de datos. El alcance de la IA se ha expandido más allá de la eficiencia de los procesos para incluir la competencia de datos en el software de los vehículos y en todo el ciclo de vida del producto. No se divulgan datos sobre el ecosistema industrial regional que vinculan los datos de producción de la planta de Ulsan con los datos de operación y servicio de los vehículos. Si la IA de fábrica y la IA de producto se separan en los próximos dos o tres años, Ulsan podría seguir siendo un centro de producción, mientras que el software de alto valor añadido se concentra en regiones externas. Se  estima que la brecha en la experiencia del cliente automotriz de Ulsan es mayor en la integración de datos de producto y proceso que en la automatización de la producción.

La industria de la construcción naval se enfrenta a desafíos simultáneos relacionados con la complejidad del diseño, la producción, la soldadura, la pintura, la logística y la puesta en servicio, así como a la escasez de mano de obra cualificada. La IA y la robótica están pasando de la automatización de equipos individuales a la optimización integrada que conecta el diseño de buques con las operaciones del astillero. Sin embargo, no existen métricas públicas que confirmen en qué medida la aplicación de la IA en los astilleros de Ulsan ha modificado los plazos de los proyectos, las repeticiones de trabajo, la productividad y los accidentes laborales. Si se consolida una respuesta centrada en trabajadores temporales y la subcontratación para gestionar la cartera de pedidos entre 2026 y 2028, los datos del periodo de auge no se acumularán como activos de automatización a largo plazo. Si bien  las oportunidades de aplicación de la AX en la construcción naval de Ulsan son significativas, no existen pruebas que vinculen el periodo de auge con una transformación estructural.

Ante el exceso de oferta global, las regulaciones sobre emisiones de carbono y las presiones de costos, la industria petroquímica está pasando de la simple expansión del volumen de producción a productos de alto valor agregado, eficiencia energética, seguridad y optimización de emisiones de carbono. El papel de la IA también se está expandiendo, pasando del mantenimiento predictivo de equipos a la optimización simultánea del rendimiento del proceso, la energía, las emisiones y la seguridad. Sin embargo, no se ha verificado el tiempo de ejecución público para la utilización conjunta de datos de proceso y datos de energía, tuberías y seguridad entre las empresas del Complejo Petroquímico de Ulsan. Si la optimización se lleva a cabo solo empresa por empresa durante dos o tres años, los efectos sinérgicos en cuanto a energía, materias primas y seguridad en todo el complejo serán limitados.  Se considera que el Complejo Petroquímico de Ulsan AX tiene un menor grado de preparación para la optimización conjunta del complejo industrial en comparación con su aplicación a empresas individuales.

La ciudad de Ulsan está impulsando una estrategia de ciudad de IA basada en la Sede de Promoción de la Capital de la IA y el Comité de Inteligencia Artificial de Ulsan, integrando centros de datos a gran escala con IA industrial. El marco de respuesta se ha ampliado desde proyectos individuales de informatización hasta la gobernanza de la IA a nivel del gobierno municipal. Sin embargo, aún no se ha encontrado un panel de control que integre y divulgue públicamente las bases de productividad específicas de la industria, las tasas de adopción de fábricas, las tasas de difusión de proveedores y las tasas de retorno de la IA. Incluso si las organizaciones, los comités y los proyectos aumentan entre 2026 y 2028, la brecha entre la declaración y la transformación de las fábricas no se puede medir a menos que los resultados industriales se establezcan como indicadores comunes.  Si bien la respuesta de gobernanza de Ulsan se ha fortalecido, el sistema de gestión de resultados de manufactura se considera aún no confirmado.

El presupuesto de 117.800 millones de wones para 2026, destinado al fomento de las pymes y la promoción de la innovación, incluye apoyo para la transformación digital de las pymes (AX) y el ecosistema de startups. La respuesta a las pymes ha evolucionado desde el apoyo financiero y a los canales de venta en general hacia una estructura que abarca la inteligencia artificial y la innovación digital. Sin embargo, la asignación real de fondos para la transformación digital, las empresas beneficiarias, las empresas que se encuentran en proceso de transformación de la producción y las mejoras de productividad dentro del presupuesto total no se desglosan claramente en los datos disponibles públicamente. Si el elevado presupuesto total a lo largo de dos o tres años se interpreta como un indicador del desempeño de la transformación digital, es posible que se sobreestimen los recursos y los efectos reales invertidos en la transformación de la producción.  Si bien se confirma la dirección de la respuesta a las pymes, la relación entre la financiación de la transformación digital y los resultados aún no está confirmada.

El Centro de Control Integrado del Complejo Industrial Verde Inteligente sentó las bases para la gestión de la seguridad en complejos industriales mediante una inversión de 13 mil millones de wones entre diciembre de 2022 y noviembre de 2025. La respuesta a los complejos industriales ha evolucionado desde las inspecciones de seguridad de empresas individuales hacia una estructura que integra el monitoreo de tuberías subterráneas y riesgos dentro del complejo. Sin embargo, los datos disponibles públicamente no confirman cómo han cambiado los tiempos de detección de accidentes, fugas, paradas programadas y capacidades de respuesta conjunta desde que el centro comenzó a operar. Una vez que se completen los logros de construcción para el período 2026-2028 con la finalización de las instalaciones, se restringirá el uso de datos de seguridad para las operaciones de fábrica. Si bien  la infraestructura para la respuesta de datos del complejo industrial se ha completado, los resultados reales de la reducción de riesgos se consideran aún no confirmados.

Los objetivos de Ulsan de 500 startups de tecnología avanzada, 500 talentos en IA para la convergencia industrial y 150 demostraciones prácticas integran startups, talento y demostraciones en una única estrategia. La estructura de respuesta se ha ampliado desde programas de apoyo individual hasta un ecosistema de startups de ciclo completo. Sin embargo, no se ha divulgado toda la cadena, en la que una startup realiza una demostración en una gran corporación, se expande a pequeñas y medianas empresas asociadas y consigue ingresos recurrentes. Si los resultados de rendimiento para cada objetivo entre 2026 y 2028 se gestionan por separado, la estrategia de ciclo completo se divide en tres logros independientes.  Aunque la respuesta de ciclo completo de Ulsan ya está diseñada, su viabilidad operativa se considera aún no verificada.

El Ministerio de Comercio, Industria y Energía amplió el presupuesto del AX industrial a 1,1347 billones de wones para 2026 y aumentó el presupuesto de la Fábrica de IA a 220 mil millones de wones. Ulsan posee clústeres industriales en los sectores automotriz, naval y petroquímico, que servirán como centros de demanda directa para la expansión del AX manufacturero nacional. Sin embargo, no se han encontrado datos regionales integrados sobre la cantidad de proyectos seleccionados para Ulsan, los montos de inversión o las tasas de aplicación de líneas de producción dentro del programa nacional de la Fábrica de IA. A medida que se intensifica la competencia por los proyectos nacionales entre 2026 y 2028, la posición de liderazgo de Ulsan no puede garantizarse únicamente con los clústeres industriales. Si bien  Ulsan demuestra una alta compatibilidad estructural con la política nacional de AX, su participación comercial real y sus resultados aún no se han confirmado.

El objetivo nacional es contar con más de 500 fábricas de fabricación autónoma con IA para 2030, con 26 proyectadas para 2024. Esto marca la fase inicial de la transición de la industria nacional de fabricación con IA, desde un número limitado de fábricas líderes a una etapa de difusión a gran escala. No se dispone de datos comparativos oficiales sobre la posición de las fábricas de Ulsan dentro de estas 26 ubicaciones o las 500 proyectadas. Si otras regiones manufactureras logran establecer plataformas y proveedores comunes en los próximos dos o tres años, Ulsan podría quedarse rezagada en el ecosistema de fabricación autónoma, a pesar de la magnitud de sus grandes fábricas corporativas.  La posición de Ulsan a nivel nacional se considera líder en términos de escala industrial, pero presenta una brecha de datos en cuanto al número de fábricas de fabricación autónoma.

Las principales empresas manufactureras mundiales basan su competitividad en la combinación de estándares de datos de procesos, gemelos digitales, software industrial y personal in situ, en lugar de modelos de IA. Ulsan también cuenta con capacidades de automatización para grandes empresas, sistemas de control para complejos industriales y una base de talento en IA. Sin embargo, no se han encontrado datos que comparen la interoperabilidad de datos de procesos entre empresas, la reutilización de modelos y los estándares conjuntos entre empresas asociadas con los de las principales regiones internacionales. Si los sistemas corporativos monopolísticos se fortalecen entre 2026 y 2028, solo avanzará la AX interna de las grandes empresas individuales, en lugar del ecosistema de colaboración regional.  Se considera que la competitividad global de Ulsan está dividida entre las capacidades internas de las grandes empresas y las capacidades de difusión de toda la región.

El centro de datos de IA, valorado en más de 7 billones de wones, constituye un claro indicador de la magnitud de la inversión regional en infraestructura de IA. La participación de proveedores globales de servicios en la nube conecta la infraestructura informática, de red y energética con el mercado internacional. Sin embargo, las condiciones de uso, los costes, la seguridad, la protección de las tecnologías centrales nacionales y los estándares de exportación de datos para las empresas manufactureras locales aún no se han definido públicamente. Si el centro de datos establece una estructura operativa centrada en la demanda externa de IA en los próximos dos o tres años, el acceso real para las fábricas de Ulsan podría verse restringido, independientemente de la magnitud de la inversión.  Ulsan es considerada líder en la ubicación de infraestructura de IA, pero aún no se ha confirmado su sistema de utilización de datos de fabricación.

Al vincular la inversión de 7 billones de wones en centros de datos de IA con el presupuesto de 117.800 millones de wones para el apoyo a las PYME en 2026, la escala de capital de la estrategia de IA de Ulsan muestra una disparidad significativa entre la infraestructura a gran escala y el apoyo a las empresas locales. Si bien las dos cifras no pueden compararse directamente en términos de proporción debido a diferencias en su naturaleza y plazos, revelan una brecha estructural entre la inversión en infraestructura y la expansión de fábricas. Aún no se ha identificado el mecanismo mediante el cual la inversión en centros de datos se traduce en una reducción de los costos computacionales, un mejor acceso a los datos y una mayor productividad de la IA para las PYME. Si esta conexión no se establece entre 2026 y 2028, la inversión a gran escala y la transformación digital de las empresas locales seguirán siendo políticas separadas.  La brecha numérica de la estrategia de IA de Ulsan radica en la diferencia entre la cantidad de inversión en infraestructura y la cantidad de reconversión de fábricas.

Conectar los objetivos de 500 talentos de IA de convergencia industrial, 500 startups de tecnología avanzada y 150 demostraciones de campo no garantiza automáticamente oportunidades de demostración ni la colocación de talento para cada startup. Dado que los periodos y temas objetivo difieren, los cálculos de la proporción mecánica tampoco son válidos. No se han encontrado datos que vinculen talento, empresas, demostraciones y contratos de producción como un único proyecto. Si solo se acumulan los resultados de rendimiento para cada objetivo durante dos o tres años, se produce un desajuste en el que se forma talento y se establecen empresas, pero no se consiguen clientes de fábrica. Si bien  se ha presentado la magnitud de los objetivos del ecosistema de Ulsan, se considera que la densidad de conexión no se ha medido.

El objetivo de UNIST de capacitar a aproximadamente 100 especialistas en IA anualmente coincide matemáticamente con su meta de 500 en cinco años. Si bien el plan de oferta educativa está confirmado, no está vinculado a las demandas laborales específicas de las industrias automotriz, naval y petroquímica de Ulsan. Además, no se divulgan datos sobre el empleo local, la permanencia y el desempeño en proyectos de los graduados. Si la demanda industrial cambia más rápido que el plan de estudios entre 2026 y 2028, persistirá la escasez de personal en ciertos puestos, incluso si se cumplen los objetivos de personal.  Se considera que el plan de talento en IA de Ulsan posee coherencia cuantitativa, pero su idoneidad para los puestos de trabajo en fábricas aún no se ha confirmado.

Los 13.000 millones de wones asignados al Centro de Control Integrado del Complejo Industrial Verde Inteligente y los 294.200 millones de wones al Plan de Ciudad Inteligente demuestran que ya se ha invertido en infraestructura de datos para complejos urbanos e industriales. La iniciativa AX de Ulsan ya estaba en marcha, con sistemas de control, gemelos digitales e información espacial, incluso antes de su declaración oficial. Sin embargo, no se han verificado los resultados públicos que vinculan las inversiones con la reducción de accidentes, el ahorro energético y el tiempo de inactividad de los equipos. Si se realizan nuevas inversiones en IA en los próximos dos o tres años, podrían surgir funciones redundantes sin que se evalúe el retorno real de las inversiones digitales anteriores.  Si bien el volumen total de inversión en IA en Ulsan está aumentando, la productividad de los activos de inversión existentes sigue siendo una brecha de datos.

Vincular el objetivo de 150 demostraciones de campo con el apoyo de AX para las PYMES crea el potencial para que los resultados de las demostraciones de grandes empresas se extiendan a las empresas asociadas. Sin embargo, no se han divulgado indicadores como el número de empresas asociadas participantes por demostración, el número de fábricas réplica, los contratos pagados y los ingresos recurrentes. Dado que el número de demostraciones representa puntos de contacto tecnológicos y el número de difusiones representa cambios industriales, no son idénticos. Si no se distinguen estas dos cifras entre 2026 y 2028, el aumento de PoC se sobreestima como la difusión de AX en fábricas.  La mayor brecha numérica en la IA manufacturera de Ulsan se encuentra entre el número de demostraciones y el número de procesos de producción.

La primera deficiencia radica en la ausencia de una base de referencia para la fábrica . Si bien Ulsan cuenta con tres industrias principales y fábricas de gran escala, no se especifica la proporción de cada etapa (recopilación de datos, análisis de IA, recomendaciones automáticas y control autónomo) dentro del proceso general. Se trata de una estructura sin un denominador para la transición. A medida que aumenten los proyectos de demostración e implementación entre 2026 y 2028, resultará difícil distinguir entre procesos con aplicaciones superpuestas y aquellos sin ellas.  La mayor deficiencia en Ulsan Manufacturing AX reside en la falta de una tasa de aplicación real en relación con el total de la fábrica, más que en el número de proyectos de IA.

La segunda deficiencia radica en la falta de seguimiento de la transición de la prueba de concepto a la producción . Si bien Ulsan presentó un objetivo de 150 demostraciones de campo, no se divulgaron las operaciones reales de la línea de producción ni los criterios de los contratos remunerados tras la conclusión de las demostraciones. La verificación de la tecnología y los resultados industriales se dividen en etapas distintas. Si el número de demostraciones se convierte en el indicador de rendimiento fijo durante dos o tres años, la diferencia entre las lecciones aprendidas de las demostraciones fallidas y los modelos comercializados desaparece.  La preparación para la IA industrial se considera no confirmada en función de la tasa de conversión a producción, en lugar del número de oportunidades de demostración.

La tercera brecha radica en la separación de datos entre las grandes corporaciones y sus proveedores . Si bien las empresas ancla poseen instalaciones, personal, datos y capacidades de seguridad, los proveedores enfrentan mayores desafíos en cuanto a costos de recopilación de datos y escasez de personal especializado. Aunque la calidad, los plazos de entrega y los costos dentro de la misma cadena de suministro están interconectados, los sistemas de IA permanecen separados para cada empresa. Si las grandes corporaciones impulsan sus capacidades de AX primero entre 2026 y 2028, es posible que los proveedores no puedan satisfacer las mayores demandas de datos y calidad. La brecha en el ecosistema industrial de Ulsan se encuentra entre la optimización interna de las grandes corporaciones y la optimización de toda la cadena de suministro.

La cuarta brecha radica en la falta de conectividad entre los centros de datos de IA y las plantas de fabricación . Si bien se ha establecido una infraestructura informática a gran escala, las condiciones relativas a la seguridad de los datos de fábrica, el costo, la latencia, la protección de las tecnologías centrales y el funcionamiento de los modelos no se han verificado públicamente. Incluso si los centros de datos y las fábricas se ubican en la misma región, no forman automáticamente un único ecosistema de IA. Si las estructuras contractuales y operativas se mantienen fijas en función de la demanda externa durante dos o tres años, los requisitos de accesibilidad para las empresas manufactureras locales pasan a un segundo plano.  La infraestructura está bien preparada, pero la preparación para las aplicaciones industriales aún no se ha verificado.

La quinta deficiencia radica en la falta de transparencia respecto a los resultados de las fábricas . Los resultados de la aplicación de la IA se reflejan en la productividad, los defectos, el tiempo de inactividad de los equipos, el consumo de energía, la seguridad y los plazos de entrega. Si bien las cifras individuales pueden ser limitadas debido a secretos comerciales, tampoco se dispone de estadísticas regionales anónimas ni basadas en índices. Si los datos de rendimiento para el período 2026-2028 permanecen sin divulgarse, las políticas se evaluarán únicamente en función del número de empresas beneficiarias y proyectos piloto.  Aunque es posible que se estén produciendo cambios en las fábricas de Ulsan dentro de empresas individuales, estos no se han confirmado mediante datos a nivel de toda la ciudad.

El centro de datos de IA de SK-AWS y la infraestructura existente en complejos industriales y complejos industriales inteligentes y sostenibles están ampliando las bases para la computación, las redes y el control. La infraestructura tecnológica de Ulsan ha evolucionado hacia una estructura donde las plataformas globales de la nube y de los complejos industriales y urbanos coexisten con los servidores de las fábricas individuales. Sin embargo, las tasas de utilización reales, los costos del servicio, la latencia y los niveles de seguridad de las fábricas locales aún no se han confirmado. Una vez que se finalice el modelo operativo del centro de datos entre 2026 y 2028, las condiciones de uso iniciales se consolidarán como una accesibilidad industrial a largo plazo.  Se considera que la infraestructura informática se encuentra en una fase de construcción a gran escala, mientras que la accesibilidad para la fabricación local se considera aún por confirmar.

El objetivo de reclutar 500 talentos en IA para la convergencia industrial con UNIST Novatus sienta las bases para el suministro de personal especializado. La formación de talento ha pasado del análisis general de datos a un modelo de convergencia industrial que aborda los problemas de los procesos de fabricación. Sin embargo, no se ha revelado la demanda por función laboral en los sectores automotriz, naval y petroquímico, ni la retención regional de los graduados. Si las grandes corporaciones, los centros de datos y las startups compiten por el mismo talento en los próximos dos o tres años, la escasez de mano de obra en las pequeñas y medianas empresas (PYME) se agravará primero.  Si bien los planes de suministro para la infraestructura de talento están confirmados, la distribución por industria y la retención regional aún no se han confirmado.

Los procesos de la industria automotriz, naval y petroquímica incluyen tecnologías centrales nacionales, secretos comerciales e información de seguridad. Los datos industriales están pasando de una mayor apertura a una estructura de aprendizaje colaborativo dentro de zonas de confianza limitadas. Los estándares de Ulsan para los estándares de datos interempresariales, la autoridad, la pseudonimización, el aprendizaje federado y la rendición de cuentas de los modelos no se confirman con evidencia pública. Si los sistemas independientes de cada empresa se consolidan entre 2026 y 2028, será difícil obtener datos de entrenamiento para modelos de IA regionales comunes.  Se considera que la preparación de datos es alta en las grandes corporaciones, pero baja en términos de utilización conjunta regional.

La Sede de Promoción del Capital de IA, el Comité de Inteligencia Artificial, el Plan AX para PYMES y la Estrategia de Emprendimiento constituyen la base institucional para la implementación. La administración de IA de Ulsan se ha expandido desde departamentos individuales hasta organizaciones especializadas y un sistema de implementación público-industrial-académico. Sin embargo, aún no se ha confirmado una gobernanza abierta que integre y gestione los criterios de descontinuación específicos de cada proyecto, la verificación del desempeño, los derechos de datos, las transiciones laborales y las responsabilidades de seguridad. A medida que aumenten los proyectos en los próximos dos o tres años, la ambigüedad en los límites de responsabilidad —más que el número de instituciones— se transforma en un riesgo operativo.  Se ha determinado que, si bien se ha alcanzado la preparación institucional para establecer un marco de implementación, aún no se ha logrado un marco de responsabilidad industrial para la IA.

El presupuesto de apoyo para las pymes en 2026 asciende a 117.800 millones de wones, un 26 % más que el año anterior, e incluye la IA en su ámbito de aplicación. El objetivo de la política se ha ampliado, pasando de las grandes corporaciones e instituciones de investigación a las pymes regionales. Sin embargo, no se han divulgado por separado el número de empresas, procesos, productividad, empleo y ventas que recibieron apoyo para la IA. Si solo aumenta el presupuesto total de apoyo para el periodo 2026-2028, la transición real a las líneas de producción con IA se combinará con apoyo financiero, de canales de venta y de innovación general.  Si bien la ampliación del apoyo a las pymes está contemplada en la política, aún no se han confirmado sus resultados en las fábricas.

Las 150 demostraciones de campo centradas en grandes corporaciones sirven como vía para que las startups y los proveedores de IA accedan a datos de procesos reales. Las empresas tecnológicas obtienen las condiciones necesarias para pasar de ser beneficiarias de proyectos de investigación a proveedoras de soluciones para empresas manufactureras. Sin embargo, no se revelaron las condiciones relativas a los costes de las demostraciones, los derechos de propiedad intelectual, el acceso a los datos, las compras posteriores y la expansión a otros clientes. Si las demostraciones gratuitas dirigidas a grandes corporaciones se repiten durante dos o tres años, los proveedores pueden acumular tecnología, pero no lograr asegurar ingresos recurrentes.  Si bien la expansión de las startups se confirma en el punto de contacto con el mercado, se considera que no está verificada en términos de formación de mercado.

La IA en las fábricas afecta las tareas de los trabajadores y su exposición al riesgo al modificar las paradas de equipos, los accidentes laborales, el consumo de energía y la calidad. Los efectos de la AX industrial se manifiestan no solo en la productividad empresarial, sino también en la seguridad laboral, los cambios de empleo y la estabilidad del trabajo. Los datos públicos de Ulsan que vinculan los accidentes, los empleos cualificados, el empleo y la reconversión profesional antes y después de la aplicación de la IA no han sido confirmados. A medida que la automatización se expanda entre 2026 y 2028, las ganancias de productividad y los costos de transición laboral aparecerán en estadísticas separadas.  Los efectos de la AX en los trabajadores aún no se han evaluado, ya que la seguridad, las funciones laborales y el empleo no se consideran conjuntamente.

Las inversiones en centros de datos de IA y en la fabricación de IA incrementan la demanda local de electricidad, agua, construcción y servicios. Los efectos en los residentes y las empresas se manifiestan no solo en el empleo local y los ingresos fiscales, sino también en la carga sobre la red eléctrica, el medio ambiente y la infraestructura básica. Sin embargo, no se dispone de datos públicos integrados sobre el empleo local, la electricidad, el agua, los ingresos fiscales y los costos ambientales asociados a los centros de datos. Si la inversión en las instalaciones se extiende durante un período de dos a tres años, los beneficios iniciales esperados permanecen fijos, mientras que los costos operativos pueden hacerse evidentes una vez finalizada la obra.  Si bien la expansión regional de la infraestructura de IA a gran escala se confirma mediante los montos de inversión, el valor local neto se considera incierto.

La zona industrial automotriz de Buk-gu se caracteriza por fábricas de vehículos terminados a gran escala conectadas a redes de repuestos y logística, mientras que la zona industrial naval de Dong-gu cuenta con astilleros masivos y una estructura de cooperación y subcontratación de múltiples niveles. En la zona petroquímica de Nam-gu y Ulju-gun, los procesos continuos, las tuberías, la energía y la seguridad están interconectados entre las empresas. Esta estructura dificulta la medición de la transición de estas tres industrias utilizando una única política de IA para la fabricación. No se ha identificado un panel de control común para Ulsan que distinga las unidades de proceso y los criterios de resultados por sector industrial. Comparar el mismo número de proyectos de demostración entre 2026 y 2028 distorsiona la dificultad y los efectos de difusión por industria.  Se determina que la disparidad de AX dentro de Ulsan se debe a la ausencia de estándares de medición que reflejen las diferencias regionales en la estructura industrial.

Buk-gu, Dong-gu y Nam-gu, donde se concentran grandes empresas, difieren de Ulju-gun, donde se distribuyen pymes y complejos industriales, en cuanto a capacidades de datos, mano de obra e inversión en infraestructura. Si bien la IA para las empresas líderes puede implementarse mediante inversión interna, las pequeñas empresas dependen en gran medida del apoyo público y la infraestructura compartida. No se dispone de datos que comparen las tasas de adopción de IA, los montos de inversión y el desempeño de las empresas manufactureras en los distintos distritos y condados. Si el desempeño impulsado por las grandes corporaciones eleva el promedio de Ulsan en los próximos dos o tres años, la brecha para las pymes que no adoptan la IA se vuelve menos evidente.  Se ha determinado que el promedio de AX de Ulsan corre el riesgo de ser sobreestimado por el desempeño de las grandes corporaciones.

Si bien los centros de datos de IA y las infraestructuras de investigación y de startups se ubican en regiones específicas, la demanda de fabricación se encuentra dispersa en diversos sectores industriales. Incluso con distancias físicas cortas, surgen disparidades en la utilización si el acceso a la seguridad de los datos, las redes, los contratos y el personal especializado difiere. No se han divulgado el tiempo de uso ni los costos de la infraestructura de IA por parte de las empresas en cada región. Si los clientes y socios iniciales se consolidan entre 2026 y 2028, la brecha de productividad entre las empresas conectadas y las no conectadas se prolongará.  Se ha determinado que la accesibilidad a la IA en Ulsan es asimétrica debido al tamaño de las empresas y la autoridad de los datos, más que a la distancia.

El Sistema Integrado de Control del Complejo Industrial Verde Inteligente supervisa los riesgos comunes dentro del complejo, pero su propósito y datos difieren de la IA de producción de cada fábrica. La estructura implica un AX de seguridad a nivel del complejo industrial y un AX de producción interna de la empresa que operan en paralelo. No se dispone de un sistema público que vincule las alertas, el estado de los equipos y los programas de mantenimiento de ambos sistemas. Si los sistemas separados se consolidan durante dos o tres años, el desfase entre la evaluación de los riesgos complejos y la determinación de las operaciones de la fábrica se amplía.  Se ha determinado que el AX en el espacio industrial de Ulsan está fragmentado entre el complejo y las fábricas.

Se está impulsando la inversión en el centro de datos de IA de SK-AWS, y el Sistema de Promoción de Capital para IA se lanzó por completo en 2026. Entre 2026 y 2028 se concretarán el diseño, la construcción y las condiciones operativas del centro de datos, así como la estructura de utilización de las empresas manufactureras locales. Aún no se han confirmado los estándares relativos a las tasas de utilización de las fábricas locales, la seguridad, los costos y los servicios compartidos. Una vez finalizado el modelo operativo inicial, aumentará el costo de reorientar la demanda de la manufactura local, que actualmente tiene menor prioridad.  El primer período óptimo se determinará antes de que la relación entre la infraestructura de computación a gran escala y la demanda de las fábricas se fije mediante contrato.

El presupuesto del Ministerio de Comercio, Industria y Energía para Industrial AX se ha ampliado a 1,1347 billones de wones para 2026, y el presupuesto para AI Factories también ha aumentado a 220 mil millones de wones. National Manufacturing AX ha entrado en una fase de difusión a gran escala, pasando de un proyecto piloto limitado a una fase de expansión a gran escala. Sin embargo, el tiempo de ejecución regional que conecta los proyectos seleccionados de Ulsan, los procesos de producción y la expansión de las empresas asociadas no se ha confirmado. Si otras regiones se adelantan a los estándares, proveedores y referencias específicos de la industria entre 2026 y 2028, la ventaja de Ulsan en la aglomeración industrial podría convertirse en una carga para las instalaciones no automatizadas existentes.  El segundo período dorado es el próximo período de dos a tres años, durante el cual los recursos de National AX se consolidarán como estándares iniciales de la industria.

Ulsan aspira a realizar 150 demostraciones de campo, formar a 500 profesionales de IA para la convergencia industrial y crear 500 startups de tecnología avanzada en los próximos cinco años. El periodo comprendido entre 2026 y 2028 marca la consecución de la primera mitad de estos objetivos y la estabilización del método de evaluación del rendimiento. No se han revelado los criterios para la conversión a producción, los ingresos recurrentes ni los resultados  de la fábrica. Si la evaluación inicial se centra exclusivamente en el número de demostraciones, formación y startups, será difícil posteriormente orientar el enfoque hacia la comercialización. El tercer «Periodo Dorado» se define como el periodo previo a que la unidad de medida del rendimiento de la IA industrial se defina como el número de demostraciones.

La industria automotriz se enfrenta a los vehículos autónomos y eléctricos, la industria naval avanza hacia la autonomía y los buques digitales, y la industria petroquímica transita hacia la sobreoferta, las emisiones de carbono y los productos de alto valor añadido. El momento de la inversión en IA en Ulsan coincide con la transformación simultánea de las estructuras de producto, proceso y fuerza laboral de estas tres industrias. Los datos sobre las bases de los procesos y las transiciones laborales por sector industrial aún son incompletos. Tras la reorganización de las instalaciones, los puestos de trabajo y las cadenas de suministro entre 2026 y 2028, los datos y las estructuras de IA seleccionados incorrectamente se integrarán en el sistema de producción a largo plazo.  El cuarto "Período Dorado" no se define como el ciclo de la tecnología de IA, sino como el período durante el cual se finalizan los ciclos de inversión en instalaciones de las industrias clave de Ulsan.

12-1. Caso práctico de aplicación del Tiempo Dorado en los gobiernos locales básicos ① — Buk-gu

Buk-gu alberga la planta de Hyundai Motor en Ulsan y concentra ecosistemas de logística y componentes automotrices. La transformación digital (AX) del sector automotriz está evolucionando desde la automatización de fábricas hacia una estructura integrada de producto y proceso, donde vehículos eléctricos, vehículos autónomos, robots y datos de calidad están interconectados. Sin embargo, los datos disponibles públicamente no confirman hasta qué punto los beneficios de la aplicación de la IA en los vehículos terminados se han traducido en mejoras en la productividad, los plazos de entrega y la calidad para los proveedores de Buk-gu. Si el sistema de producción de vehículos terminados se reorganiza en torno a vehículos eléctricos y software entre 2026 y 2028, los proveedores con escasa conectividad de datos tendrán dificultades para adaptarse dependiendo únicamente de sus capacidades de suministro actuales.  Buk-gu se considera una región con alto potencial para liderar la transformación digital de las grandes fábricas corporativas, pero la transformación de toda la cadena de suministro aún no se ha confirmado.

El volumen de producción, los defectos y el tiempo de inactividad en las fábricas de vehículos terminados están vinculados a los datos de entrega y calidad de los proveedores de piezas. La unidad fundamental de la IA en la fábrica no son las líneas de producción individuales, sino la cadena de suministro, desde la recepción de piezas hasta el envío del vehículo terminado. No se han divulgado los estándares de datos y modelos entre empresas, ni los resultados compartidos. Si la optimización interna dentro del fabricante de vehículos terminados se consolida en los próximos dos o tres años, los proveedores se verán obligados a gestionar plazos de entrega más cortos y requisitos de calidad más exigentes sin una base basada en IA.  El "momento óptimo" para el Norte se considera antes de que la brecha de datos entre el fabricante de vehículos terminados y los proveedores se convierta en una disparidad en la cadena de suministro, y no durante la automatización de la fábrica.

12-2. Casos de aplicación del Tiempo Dorado en gobiernos locales básicos ② — Dong-gu

Dong-gu alberga una concentración de empresas de HD Hyundai Heavy Industries, subcontratistas de construcción naval y mano de obra cualificada. El auge de la construcción naval y la cartera de pedidos proporcionan datos de campo a gran escala para la aplicación de IA, robots y tecnologías de astilleros digitales a la producción real. Sin embargo, no existe evidencia regional unificada que confirme en qué medida la aplicación de la IA ha modificado los tiempos de construcción naval, las modificaciones, la calidad de la soldadura, los accidentes laborales o la escasez de mano de obra. Si las presiones de producción durante el período de auge de 2026-2028 se absorben mediante la expansión de trabajadores temporales y la subcontratación, los datos de campo y la capacidad de inversión disponibles para la transición se agotarán antes de que se produzca una recesión económica.  Se considera que Dong-gu es una región donde existe tanto la demanda de demostración de IA como la capacidad financiera, pero los resultados de la transformación estructural aún no se han confirmado.

Los astilleros encuentran difícil aplicar repetidamente el mismo modelo debido al diseño basado en pedidos, los grandes astilleros y los procesos de múltiples etapas. La IA en la construcción naval está estructurada para ser más efectiva cuando se integra con cambios de diseño, materiales, secuencias de trabajo y personal especializado, en lugar de a través del mantenimiento predictivo de una sola pieza de equipo. No se dispone de datos públicos de ejecución que vinculen los datos de proceso del contratista principal y el subcontratista con la productividad específica del trabajo. Si las demostraciones individuales de robots y visión se realizan de forma independiente durante un período de dos a tres años, no se agregan para acortar el tiempo total de construcción de todo el astillero.  El Tiempo Dorado de Donggu es el período para evaluar el efecto integrado que cambia el Plazo de Entrega general de un proyecto de construcción naval, en lugar de la cantidad de tecnologías demostradas.

Si la estructura operativa de los centros de datos de IA se desvincula de la producción local, Ulsan podría ser un lugar para la infraestructura computacional, pero no una región para generar valor a partir de los datos industriales. No existe una conexión confirmada entre la inversión de 7 billones de wones y las condiciones de uso para las empresas manufactureras. Si la estructura de clientes para contratos a largo plazo, electricidad y servicios en la nube se consolida entre 2026 y 2028, se reduce el margen para priorizar el acceso local e incorporar servicios específicos para la industria manufacturera.  La principal pérdida no radica en el efecto de atraer centros de datos, sino en el tiempo necesario para transformar la infraestructura computacional en productividad industrial local.

Si la validación en campo no se traslada a producción, los datos de fábrica se utilizan para proyectos puntuales y los modelos se descartan sin mantenimiento. Ulsan cuenta con 150 objetivos de validación, pero aún no se han definido los criterios para la comercialización. Si las pruebas de concepto se acumulan durante dos o tres años, las empresas asumen la carga de la fatiga de validación y los costos de suministro de datos, mientras que los proveedores no generan ingresos recurrentes.  La segunda pérdida no depende del presupuesto de validación, sino de la confianza entre la fábrica y la empresa de IA, y del tiempo necesario para la comercialización.

Si la brecha de velocidad entre el gran conglomerado AX y su socio AX se amplía, los estándares de calidad, entrega y seguridad en la cadena de suministro mejoran, pero la capacidad de respuesta de las PYME no puede mantenerse al día. Aunque el apoyo a las PYME se amplió en 2026, la tasa real de conversión de fábricas aún no se ha verificado. A medida que los sistemas de los grandes fabricantes de automóviles, astilleros y empresas petroquímicas se consoliden entre 2026 y 2028, los costos de entrada para las empresas asociadas no vinculadas aumentarán.  La tercera pérdida no solo afecta la productividad de las PYME individuales, sino también la integridad regional de la cadena de suministro de Ulsan.

Aunque se forme talento en IA, si esto no se traduce en proyectos en empresas de Ulsan ni en empleos a largo plazo, los resultados de la formación se transfieren a otras regiones. Si bien se prevé formar a aproximadamente 100 personas al año y a 500 en cinco años, las cifras de empleo y retención aún no están confirmadas. A medida que se intensifique la competencia por el talento entre centros de datos, grandes corporaciones y startups en los próximos dos o tres años, la escasez de personal de IA industrial en las pequeñas y medianas empresas (PYME) se agravará.  La cuarta pérdida no radica en el número de personal capacitado, sino en el capital humano local que posee tanto conocimientos de procesos como de IA.

Ulsan posee simultáneamente una gran demanda manufacturera en los sectores automotriz, naval y petroquímico, talento e investigación de UNIST, sedes para grandes corporaciones, apoyo a startups y centros de datos globales. La demanda, la oferta y la infraestructura de la IA industrial coexisten en una misma región. Sin embargo, aún no se ha identificado una plataforma pública que conecte estos elementos con un único resultado de fábrica. Todavía hay margen para evaluar la interconectividad antes de que las estructuras operativas de cada elemento se consoliden individualmente entre 2026 y 2028.  Actualmente, la oportunidad reside en determinar la tasa de conversión de fábrica de los activos ya integrados, en lugar de añadir activos de IA.

Las plantas automotrices, navales y petroquímicas generan grandes cantidades de datos sobre calidad, equipos, seguridad y energía. Ulsan cuenta con problemas industriales reales necesarios para el aprendizaje de la IA. Sin embargo, el aprendizaje colaborativo regional no se ha confirmado debido a las diferencias en los secretos corporativos y los estándares de datos. A medida que las estructuras de datos específicas de cada empresa se vuelvan más sofisticadas en los próximos dos o tres años, aumentarán los costos de difundir modelos comunes a las empresas asociadas.  Actualmente, la oportunidad reside en evaluar la viabilidad del aprendizaje común a partir de los datos de procesos existentes, en lugar de crear nuevos datos.

La ampliación del presupuesto nacional de AX industrial y el aumento del apoyo a las PYME en Ulsan se produjeron simultáneamente. Una estructura en la que la financiación externa y local aumenta al mismo tiempo proporciona las condiciones para absorber los costes fijos iniciales de la fabricación de IA. Sin embargo, no se han confirmado los datos sobre la superposición de proyectos, las deficiencias en los procesos y la vinculación del rendimiento. Una vez finalizado el periodo de expansión fiscal de 2026-2028, puede resultar difícil conseguir de nuevo inversiones en infraestructura y proyectos piloto de la misma magnitud.  Actualmente, la oportunidad reside en una fase de expansión fiscal en la que diversas fuentes de financiación pueden vincularse a la producción en lugar de a la cuantía de las subvenciones.

Si bien el auge de la construcción naval, las transiciones en la industria automotriz y las presiones de reestructuración del sector petroquímico representan situaciones industriales distintas, todas requieren el rediseño de los datos de los procesos y la productividad. Ulsan cuenta con una cartera de fabricación que permite comparar demostraciones específicas de cada sector, en lugar de una única política de IA de propósito general. Aún no se han identificado indicadores de rendimiento comunes entre los distintos sectores. Si las transiciones específicas de cada sector se desarrollan en los próximos dos o tres años, la oportunidad inicial de aprender de los éxitos y fracasos comunes desaparecerá.  Actualmente, la oportunidad no se determina agrupando los tres sectores bajo la misma tecnología, sino por el plazo durante el cual se pueden comparar en función del mismo resultado.

Entorno de ejecución de Industrial AX

Línea base del proceso → Recopilación de datos → Demostración de IA → Aplicación en la línea de producción → Calidad, paradas, costes, seguridad, resultados energéticos → Replicación del proveedor → Ingresos recurrentes → Competitividad industrial → Siguiente proceso

Brecha de evidencia en la aceleración de infraestructura y la transformación de fábricas

La declaración de Ulsan como ciudad de la IA ha dado resultados tangibles gracias a la inversión en organización, talento, demostración, financiación y centros de datos.

Los cambios en la productividad, la calidad, la seguridad y el consumo de energía a nivel de fábrica no se tradujeron en evidencia para toda la ciudad.

El riesgo actual no reside en la falta de inversión en IA, sino más bien en una estructura en la que las inversiones a gran escala no pasan de las fases de demostración e infraestructura a la producción en fábrica.

El período comprendido entre 2026 y 2028 es cuando la tasa de conversión de las fábricas, y no el nombre de la ciudad de IA, determina el estatus real de Ulsan.

El resultado final es la brecha de evidencia en la aceleración de infraestructura y la transformación de fábricas.

1. Número total de plantas de fabricación en Ulsan
2. Número total de procesos de producción por industria
3. Tasa de recopilación de datos del proceso
4. Tasa de aplicación de la IA en fábricas y procesos
5. Distinción entre automatización y aplicación de IA
6. Relación entre los procesos recomendados por IA y los procesos de control autónomo.
7. Número de puntos de contacto de campo que comienzan y terminan
8. Tasa de conversión de PoC a producción
9. Tasa de retención a los 12 meses después de la implementación de la producción.
10. Diferentes tasas de replicación de fábrica del mismo modelo
11. Tiempo de inactividad del equipo antes y después de la aplicación de IA
12. Tasas de defectos y retrabajo antes y después de la aplicación de la IA.
13. Plazo de producción antes y después de la aplicación de la IA
14. Intensidad energética antes y después de la aplicación de la IA
15. Accidentes de seguridad y cuasi accidentes antes y después de la aplicación de la IA.
16. Gran corporación – Empresa asociada en proyecto conjunto de IA
17. Tasa de aplicación de IA por socio
18. Importe de la ayuda a las PYME AX, empresas beneficiarias y resultados
19. Número de empresas manufactureras de Ulsan que utilizan centros de datos
20. Costes computacionales y tiempo de procesamiento de las empresas manufactureras
21. Tasa de empleo de profesionales con talento en IA en empresas de Ulsan
22. Tasas de residencia local de talento en IA a 1 y 3 años
23. Tarifa contractual pagada de la startup con grandes corporaciones
24. Ingresos recurrentes e inversión de seguimiento en empresas de IA industrial.
25. Rentabilidad de los resultados de la fábrica en comparación con la inversión en IA

BRECHA DE DATOS: En la evidencia pública, no se confirma que el Ulsan Manufacturing AX Runtime conecte el centro de datos de IA, el talento, la empresa emergente, las finanzas → demostración de campo → aplicación de línea de producción → productividad, calidad, seguridad, energía → difusión de socios → ingresos recurrentes de la empresa de IA al mismo ID de fábrica/proyecto y cronograma.

Cadena de tiempo de ejecución

Computación, Talento, Datos de Proceso → Prueba de concepto → Producción → Resultado de fábrica → Expansión de la cadena de suministro → Ingresos recurrentes → Productividad industrial → Competitividad de la fabricación global

Fuente · Verificación

• La ciudad metropolitana de Ulsan promueve a Ulsan como capital de la IA
• La ciudad metropolitana de Ulsan invierte en un centro de datos de IA de SK-AWS.
• Zona especial de desarrollo y oportunidad para centros de datos de IA en la ciudad metropolitana de Ulsan
• Estrategia para startups de IA de convergencia industrial, talento y demostración de campo en la ciudad metropolitana de Ulsan, la ciudad metropolitana de Ulsan, el área de convergencia industrial y la ciudad metropolitana de Ulsan.
• Plan de la ciudad metropolitana de Ulsan para 2026 para el fomento de las PYME y la promoción de la innovación.
• Centro de Control Integrado del Complejo Industrial Verde Inteligente de la Ciudad Metropolitana de Ulsan
• Ciudad metropolitana de Ulsan, Plan de ciudad inteligente 2022-2026
• El Ministerio de Comercio, Industria y Energía amplía la inversión en fábricas industriales AX e AI.
• Ministerio de Comercio, Industria y Energía, Nueva Política Industrial para la Era de la IA
• Ciudad metropolitana de Ulsan, estado de la población de Ulsan en mayo de 2026

Conclusiones estructurales que se desprenden de este análisis.

Los centros de datos de IA generan computación, mientras que las fábricas generan productividad. El simple hecho de que ambas instalaciones se encuentren en la misma ciudad no convierte la computación en productividad. La computación de los centros de datos se transforma en valor de fabricación únicamente cuando los derechos, la seguridad, los costos y la latencia de los datos de la fábrica se vinculan con el sistema de mantenimiento in situ de los modelos de IA.

La característica estructural de Ulsan no radica en la falta de demanda de IA, sino en que esta demanda está confinada dentro de las empresas. Si bien las plantas automotrices, navales y petroquímicas generan enormes cantidades de datos, si no pueden trascender los límites corporativos e industriales, los proveedores de IA deben crear nuevas pruebas de concepto (PoC) cada vez, y las empresas asociadas asumen repetidamente los mismos costos de transición.

Por lo tanto, la idea estructural clave de la ciudad de IA de Ulsan es que la agregación de computación y la agregación de aprendizaje son diferentes . Si bien los centros de datos concentran la computación en un solo lugar, el aprendizaje industrial no se agrega a menos que se reutilicen las pruebas, los fallos y los resultados específicos de cada fábrica. Lo que Ulsan necesita asegurar no es el título de la mayor instalación de IA, sino la velocidad con la que el aprendizaje de una fábrica se transfiere a la siguiente.

Tesis del momento clave: Ulsan se convertirá en una ciudad global de IA cuando no se complete el centro de datos de IA. Se convertirá en el día en que la prueba de concepto (PoC) de una fábrica se integre en la producción y sus resultados se repliquen para mejorar la reducción de defectos, paradas, costos y seguridad en otras fábricas y empresas asociadas. Si esta replicación no se establece entre 2026 y 2028, Ulsan contará con una infraestructura informática masiva y numerosas demostraciones de IA, pero la velocidad de aprendizaje de toda la industria manufacturera no cambiará.