España genera cada año más de 22 millones de toneladas de residuos municipales. Solo una fracción se recicla correctamente — en parte porque los clasificadores humanos en las líneas de cinta pierden entre un 20 y un 30% del material recuperable. Ese margen de error, multiplicado por miles de plantas en todo el mundo, equivale a decenas de millones de toneladas de plástico, metal y cartón que terminan compactados en vertederos. Una empresa de doce personas en el distrito 22@ de Barcelona decidió eliminarlo.
Sadako Technologies nació en 2012 de la convicción de que la tecnología de visión artificial, entonces emergente en el sector académico, tenía una aplicación directa y urgente en las plantas de tratamiento de residuos. Sus fundadores observaron algo paradójico: plantas que procesaban cientos de miles de toneladas al año seguían dependiendo de trabajadores que seleccionaban materiales a mano sobre cintas rápidas. La tasa de error era elevada, el coste laboral creciente, y las condiciones de trabajo exigentes. La inteligencia artificial podía hacerlo mejor, más rápido y sin fatiga.
El primer banco de pruebas real fue el Ecoparc 4 de Barcelona, planta de tratamiento de residuos municipales gestionada por Ferrovial Servicios para el Área Metropolitana de Barcelona. Allí instalaron Wall-B, su primer brazo robótico con visión artificial, capaz de identificar y separar envases de PET de una corriente de residuos mezclados. En su primera fase operativa, Wall-B recuperó más de 125 toneladas de PET al año —material que la maquinaria existente no detectaba— generando más de 50.000 euros anuales en valor económico recuperado. El experimento funcionó. Y los resultados atrajeron la atención internacional.
Por Qué el 80% de las Plantas de Reciclaje Siguen Fallando en la Selección
Los sistemas de clasificación óptica convencionales funcionan por reglas: detectan diferencias de color y densidad en condiciones controladas. El problema es que los residuos municipales no llegan en condiciones controladas. Llegan húmedos, deformados, mezclados y contaminados. Un separador óptico estándar tiene dificultades para distinguir una botella de PET transparente de un envase de PEAD traslúcido cuando ambos viajan a tres metros por segundo sobre una cinta. El error acumulado en una planta mediana puede suponer cientos de toneladas de material valioso que acaba en rechazo.
Sadako adoptó un enfoque radicalmente diferente. En lugar de programar reglas fijas, entrenaron redes neuronales convolucionales profundas con millones de imágenes de residuos reales tomadas directamente en planta: sucios, aplastados, parcialmente ocultos por otros materiales. Sus modelos aprenden a identificar PET, PEAD, aluminio, papel y cartón independientemente de su estado de conservación —igual que lo haría un experto con años de experiencia, pero a velocidad de máquina y sin fatiga. Y, a diferencia de los sistemas ópticos convencionales, los modelos de Sadako siguen mejorando con el tiempo a medida que procesan nuevos datos del flujo de residuos en tiempo real.
Cómo Funciona el Sistema en una Planta Real
Sadako opera dos sistemas de IA complementarios. El primero, Max-AI, combina brazos robóticos físicos con visión profunda en tiempo real. Montado sobre las cintas transportadoras, identifica y extrae objetos reciclables individuales a una velocidad de hasta 1.500 extracciones por hora, clasificando cada pieza por tipo de material, color y reciclabilidad sin detener la línea. La IA decide en milisegundos qué tomar y qué dejar pasar.
El segundo sistema, RUBSEE, es una capa de monitorización de planta completa sin partes móviles. Hasta diez unidades de visión artificial se instalan en diferentes puntos de la red de cintas. Cada unidad captura un flujo continuo de imágenes e identifica en tiempo real qué materiales circulan por cada tramo de la planta, generando un mapa de composición del flujo de residuos disponible en tiempo real para los operadores. Esto sustituye el muestreo manual, que hasta ahora requería parar la planta. RUBSEE genera alertas automáticas cuando detecta picos de contaminación, acumulación de material en la corriente incorrecta o caídas en el rendimiento del equipo.
Los Resultados: 36 Millones de Botellas y una Amortización en 4,2 Meses
Los datos publicados en el marco del programa Horizonte 2020 de la Unión Europea —que cofinanció el desarrollo de RUBSEE— muestran que una instalación estándar de diez unidades de monitorización, con un coste total de 142.000 euros (hardware, instalación y mantenimiento del primer año), permite mejorar el rendimiento del equipo existente hasta en un 20%. Para una planta municipal de tamaño medio, eso equivale a 1.200 toneladas adicionales de material recuperado al año, generando hasta 421.200 euros anuales en ingresos procedentes de material antes clasificado como rechazo. Período de amortización de la inversión: 4,2 meses.
A escala global, el impacto acumulado de los despliegues de Max-AI —que incluye instalaciones como GreenWaste Recovery en California y Repower South en Carolina del Sur, dos de las plantas de recuperación de materiales más automatizadas del mundo— se mide en decenas de millones de unidades. Una instalación Max-AI próxima a Barcelona ha superado ya los 36 millones de botellas de PET recuperadas desde 2019. Son 36 millones de objetos que, de otro modo, habrían llegado compactados a un vertedero y que ahora están de vuelta en el ciclo de la economía circular.
El mercado global valida la apuesta: el sector de la gestión de residuos impulsada por IA crece a un CAGR del 14–19% y se proyecta que supere los 18.200 millones de dólares en 2033 (Market.us, 2024). Las empresas que han integrado clasificación robótica con IA reportan entre un 40% y un 70% más de recuperación de materiales y entre un 59% y un 60% de reducción en los costes de mano de obra en las líneas de clasificación (IndexBox, 2026). Las plantas que adoptaron estas tecnologías primero llevan ya varios ciclos de recuperación de ventaja sobre las que aún operan con infraestructura solo óptica.
Stack Tecnológico
Un despliegue completo de Sadako opera sobre software propietario de IA en hardware industrial estándar, sin necesidad de computación especializada más allá de las unidades de visión.
| Sistema | Función en el Flujo | Modelo de Acceso | Proveedor |
|---|---|---|---|
| Max-AI | Brazos robóticos clasificadores — 1.500 extracciones/hora con visión deep learning en tiempo real | Comercial via BHS | BHS + Sadako Technologies |
| RUBSEE | Monitorización de 10 puntos de planta — mapa de composición en tiempo real, alertas automáticas | Comercial via Sadako | Sadako Technologies |
| Wall-B | Brazo robótico IA para líneas de volumen medio (100–500 t/año) | Comercial via Sadako | Sadako Technologies |
| Módulo de Visión Deep Learning | Redes neuronales entrenadas con más de 1.000M de imágenes de residuos — identifica PET, PEAD, aluminio, papel | Propietario (desarrollado en Barcelona) | Sadako Technologies |
Quién Puede Replicar Este Modelo
El caso de Sadako es directamente aplicable a cualquier operador de instalaciones medianas o grandes de recuperación de materiales —especialmente aquellos que todavía dependen principalmente de clasificación manual o equipos ópticos envejecidos. El sistema RUBSEE está específicamente diseñado para plantas donde una instalación robótica completa aún no está justificada económicamente: añade visibilidad de grado IA sobre el equipamiento existente sin sustituirlo, con una amortización de 4,2 meses que simplifica enormemente la justificación presupuestaria ante dirección y comités de compras. Los consorcios municipales que gestionan instalaciones regionales de residuos, los operadores privados que buscan mejorar la calidad del material para los mercados de materias primas secundarias, y los operadores industriales que gestionan flujos de residuos en sus propias instalaciones son los candidatos naturales. Esta no es una solución para hogares ni para pequeñas empresas sin acceso a infraestructura industrial de tratamiento de residuos.
Descubre más casos de automatización con IA en Sityos AI
Sadako Technologies es uno de los muchos casos reales en los que la IA genera retornos operativos medibles en sectores industriales. En Sityos AI publicamos análisis semanales de casos de automatización reales — con datos verificados, empresas identificadas y resultados que puedes comparar con tu propia operación.
Preguntas Frecuentes
- ¿Hay que sustituir el equipamiento de clasificación existente para implementar la IA de Sadako?
- No. RUBSEE es una capa de monitorización no invasiva: sus unidades de visión se instalan sobre las estructuras de cinta existentes sin modificar la infraestructura mecánica de la planta. Max-AI y Wall-B son instalaciones más sustanciales, pero se despliegan típicamente junto a los separadores ópticos existentes, no en sustitución. Wall-B está diseñado específicamente para líneas donde la clasificación óptica convencional no es rentable por volumen de flujo.
- ¿Está disponible la tecnología de Sadako fuera de España?
- Sí. La visión artificial de Sadako impulsa sistemas Max-AI en instalaciones de Estados Unidos, Europa, Latinoamérica y Asia. Su alianza con Bulk Handling Systems (BHS) les da alcance comercial global. El desarrollo de los modelos de IA, las actualizaciones de entrenamiento y las mejoras del sistema de visión se gestionan desde su oficina de Barcelona, que actúa como columna vertebral de IA para todos los despliegues globales.
- ¿Cuánto tiempo tarda una instalación de RUBSEE y cuál es el tamaño mínimo de planta?
- Los datos del proyecto EU de Sadako indican que RUBSEE está optimizado para instalaciones que procesen al menos 100 toneladas al año, donde el muestreo manual es la única alternativa actual. Una instalación estándar de 10 unidades puede completarse en días sin necesidad de parar la planta. Para instalaciones en el límite inferior de ese rango, Sadako recomienda consulta directa para dimensionar correctamente el despliegue.
La clasificación de residuos es uno de los últimos procesos industriales pesados todavía dominado por el trabajo manual. En 2026, los robots impulsados por IA ya alcanzan una precisión de identificación del 99% a 1.500 extracciones por hora, superando de forma consistente a los clasificadores humanos en velocidad, precisión y tiempo de operación (IndexBox, 2026). Sadako Technologies construyó la visión que hace posible todo esto desde Barcelona. La brecha entre quienes adoptaron esta tecnología antes y quienes la adoptan después se mide en toneladas recuperadas por año y en millones de botellas que no llegan al vertedero. La tecnología existe. La economía funciona. La única variable es cuándo cada operador decide actuar.