Este nuevo concepto habla de una etapa en la que los sistemas inteligentes están a disposición –aunque no al alcance de todos-. Hoy en día ya no hablamos de la transformación digital de la economía tradicional, sino “de la creación de una nueva economía, cuya existencia es imposible sin tecnologías digitales, una sociedad digital y un sistema de relaciones globales. Y las tecnologías de IA y toma de decisiones basadas en análisis de datos, robotización e Internet de las Cosas (IoT) se convirtieron en el motor de su desarrollo”.
La cuestión de la desigualdad en el acceso a las soluciones, junto con el potencial impacto negativo sobre la fuerza laboral, son algunas de las discusiones y preocupaciones que se abren con el nuevo modelo. De hecho la brecha en eficiencia y productividad entre los sectores y las empresas que se benefician de la IA y el aprendizaje automático, frente a los que no, está creciendo exponencialmente.
Entretanto, las predicciones suenen avasallantes: para fines de 2024 una consultora estima que el 75% de las empresas pasará de realizar pruebas piloto a poner en funcionamiento la IA, lo que generará un aumento de cinco veces en las infraestructuras de análisis y datos de transmisión. E incluso anticipa que para 2022 el 35% de las grandes organizaciones serán vendedores o compradores de datos a través de mercados en línea, frente al 25% actual.
En contexto fabril
Resulta interesante revisar cuáles son las aplicaciones reales de la inteligencia artificial en la actualidad, y cuáles son las que se anticipa para el corto plazo. Algunos de los sistemas de IA más pujantes son aquellos que colaboran o aumentan la capacidad humana, es decir, lo que se conoce como inteligencia aumentada, que pueden ayudar a completar una tarea más fácil, más rápido y usando menos energía. Algunos especialistas consideran que este tipo de aplicaciones serán las que se pondrán en práctica de modo preponderante.
En los contextos productivos los sistemas inteligentes ya están empleándose para apuntalar distintas etapas de los procesos fabriles. Por ejemplo el Centro de Innovación para Operaciones (ICO) de BCG en Paris es una fábrica modelo en la que se demuestran las innovaciones de la Industria 4.0. Este espacio incluye líneas de producción reales y demostradores de soluciones y muestra el impacto de las nuevas tecnologías -robótica avanzada, análisis de datos, impresión 3D, realidad aumentada, Internet industrial y plataforma de simulación- en las líneas de producción, con pruebas prácticas de casos de uso.
Por ejemplo, en la estación de inspección de calidad el sistema de ejecución de fabricación orienta al operador en cada programación que deba hacer. El objetivo es evitar errores y ahorrar tiempo en capacitación; y también ayudar a gestionar la diversidad de productos.
En esta fábrica también se utilizan etiquetas RFID que incorporan un identificador para determinar por ejemplo si el producto es un scooter o una secadora (y sus múltiples variaciones posibles). Además, se usan vehículos guiados automatizados que permiten mover partes de una estación a otra. Y en el área de montaje se implementaron robots colaborativos programables que pueden trabajar muy de cerca con el operador (la etapa inicial es completamente autónoma, el operador ajusta los detalles finales). Además, se trabaja con fabricación aditiva (impresión 3D): esto permite hacer distintos prototipos y crear repuestos a demanda para las herramientas o productos, por caso.
Predicción, factor clave
Últimamente estamos acostumbrados a escuchar que en el nuevo escenario de la economía digital y la analítica, big data, business intelligence e inteligencia artificial, los datos se transformaron en un activo estratégico y que el éxito de las organizaciones –particularmente las de servicios, que deben brindar experiencias cada vez más fluidas y satisfactorias a sus clientes- dependerá de la adecuada gestión de esos datos y de la aplicación de procesos analíticos oportunos. En efecto: para que la inteligencia artificial funcione correctamente, necesita buenos datos limpios, con lo cual el papel del data management será cada vez más importante.
Como indicó un catedrático y analista, en esencia lo que hace la IA es “reducir significativamente el costo de la predicción de las actividades económicas que intenta replicar”. ¿Qué implica esto para los negocios? Según él, la IA reduce el valor de la predicción humana, y en cambio incrementa el de otros factores que la complementan -como los datos de la empresa, el juicio humano (que determinará qué hacer con las predicciones) y la acción empresarial (que le dará un curso concreto a esa predicción)-. Desde esta perspectiva, a medida que el costo de la predicción siga disminuyendo, se usará cada vez más para temas en los que tradicionalmente se requería anticipación -como la administración de inventario-, pero también para otros menos convencionales -como la conducción autónoma-.
De tal suerte, a la hora de identificar maneras de utilizar la IA en los negocios un enfoque posible sería “buscar las tareas que tienen un componente de predicción significativo y que se beneficiarían con una máquina de predicción, y luego determinar el ROI para construir esa máquina para efectuar cada tarea”. En tal contexto, “las organizaciones que se beneficiarán más de la IA serán las que puedan especificar qué necesitan predecir, es decir, las que puedan definir claramente sus objetivos”.
De tal suerte, la premisa para las organizaciones es capacitarse para saber cómo opera esta tecnología, definir qué quieren hacer con los datos y reconocer cómo pueden aprovechar la inteligencia para dar un salto evolutivo.
¿En tu compañía están implementando sistemas inteligentes? ¡Nos gustaría conocer tu experiencia!