Cómo pueden aprender los fabricantes a confiar en la IA
- Conforme la inteligencia artificial (IA) se vuelve más prevalente, a muchos sectores tradicionales como el de la fabricación les está tomando tiempo confiar en la tecnología.
- La IA puede automatizar los procesos de fabricación para aumentar la eficiencia y reducir errores, además de elevar la innovación gracias al diseño generativo y crear condiciones de trabajo más seguras.
- Un 68 % (PDF, p. 6) de los fabricantes ya cuentan por lo menos con un caso de uso o proceso impulsado por la IA. Son esos pequeños pasos los que demostrarán el valor de la IA y fomentarán la confianza.
La inteligencia artificial, o IA, está incidiendo en nuestra vida diaria— desde los asistentes inteligentes como Siri y Alexa hasta los robots personales, así como desde la automatización automovilística hasta los avances emergentes en atención sanitaria. Sin embargo, sigue habiendo un problema de percepción, ya que a las personas les cuesta entender la tecnología y temen sus desventajas: tienen preocupaciones relativas a la seguridad, que reemplacen trabajos o incluso una sensación de despersonalización.
Conforme la IA se vuelve más prevalente, también aumenta la reticencia a la hora de pasar ciertas tareas a la tecnología, sobre todo en sectores tradicionales como el diseño y la fabricación (D y F). Además, el potencial de la IA apenas se ha aprovechado. Según proyecciones del Foro Económico Mundial (PDF, p.3), podría generar hasta 13 billones de dólares estadounidenses en actividad en la economía global y aumentar el PIB en un dos por ciento. Para las empresas, elegir las herramientas propulsadas por la IA puede conllevar preocupaciones, sobre todo cuando se trata de compartir datos y temas de seguridad. Pero conforme las empresas vayan notando beneficios reales al utilizar la IA sin riesgos para sus datos o área de especialización específica, la confianza en la IA aumentará.
Situación de la IA en D y F
Tal vez la IA parezca un fenómeno reciente, pero está muy arraigada en la fabricación. “Empecé mi carrera en IA en sistemas de automatización robótica guiados por visión 3D para la planta de producción de General Motors hace 40 años”, explica el Dr. Jay Lee, un pionero en IA industrial y distinguido profesor catedrático de Clark, así como director del Centro de Inteligencia Artificial Industrial del departamento de Ingeniería Mecánica de la Universidad Maryland College Park en los EE. UU. “Si les dicen que la IA está en sus inicios, no es verdad, empezamos hace 40 años. Los robots ensamblaban coches usando una visión inteligente para identificar automáticamente y ajustar la trayectoria de tal modo que se compensara por sí misma”, añade Lee, que también es miembro del Consejo Mundial Futuro del Foro Económico Mundial sobre Manufactura y Producción Avanzadas.
Desde hace mucho tiempo las empresas le han pedido ayuda al Dr. Lee para mejorar sus operaciones. Cuando no dejaban de descomponerse los sistemas de aire comprimido de la planta de Toyota en Georgetown, KY, las interrupciones no planificadas costaban dinero y retrasaban la producción en instalaciones en las que típicamente salía de la línea un coche nuevo cada 25 segundos. Lee incorporó la IA en la línea de producción usando sensores para que la IA detectara anomalías y evitara un fallo. Los costos de mantenimiento disminuyeron un 50 %, y este problema no ha causado ni una interrupción desde la implementación de esta solución en 2006.
La IA se ha vuelto más robusta desde estos primeros casos de utilización y ha ido más allá de las funciones operativas básicas. Ahora puede ayudar a las empresas a innovar con diseño generativo, que permite iteraciones y simulaciones de distintos escenarios para conseguir los mejores resultados. Un 66 % de los líderes empresariales cree que necesitará la IA dentro de los próximos dos o tres años. Pero un estudio reciente del Boston Consulting Group reveló que solo un 16% de las empresas de fabricación han cumplido sus objetivos relacionados con la IA. A pesar de un gran paso inicial hacia adelante, el sector de la fabricación ha sido lento al ponerla en funcionamiento.
Para confiar en el proceso se necesitan los datos correctos
La fabricación produce unos 1812 petabytes de datos anualmente, y convertir los datos en conclusiones y acciones puede propulsar la innovación si los fabricantes lo permiten. No obstante, según Deloitte, un 67 % de los ejecutivos están incómodos a la hora de proveer sus datos a otras organizaciones.
“Si no se construyen datos para hacer algo en particular, es probable que no se puedan utilizar para un nuevo propósito sin que se adapten”, explica Alec Shuldiner, director de Adquisición y Estrategia de datos de Autodesk. “La adquisición de datos es el trabajo que se necesita para redireccionar datos y que puedan utilizarse para impulsar nuevos procesos, por ejemplo, para una aplicación analítica o de aprendizaje automático”.
La IA es tan buena como los datos que recibe. Solo producirá los resultados deseados si los datos son fiables, precisos y relevantes. “Si me dan datos basura, no puedo ayudar”, indica Lee. “Tienen que darme datos que sean útiles y utilizables. Necesito tener el contexto adecuado para que los datos puedan conectarse con el propósito que busca conseguirse. Por ejemplo, si quiero predecir los fallos de una máquina, pues para eso necesito que me den datos relativos al estado de la máquina. Es útil tener pescado, pero si viene de aguas contaminadas, no es comestible”.
Para cerrar la brecha entre la reticencia persistente a adoptar positivamente la IA y maximizar su pleno potencial, los fabricantes deben confiar en lo que no pueden ver. Se sienten cómodos dejando que la IA maneje el mantenimiento predictivo, pero la IA generativa es la gran incógnita. Sin embargo, es un riesgo que vale la pena tomar. Conforme los fabricantes entiendan mejor cómo la IA facilita una visibilidad de principio a fin, creará más posibilidades para sus organizaciones.
Construir confianza y liberar el valor de la IA
El Dr. Lee enmarca los beneficios de la IA como las “tres W” en inglés: reducción del trabajo (work reduction), reducción de los deshechos (waste reduction) y reducción de las preocupaciones (worry reduction). “Desconocemos muchas cosas”, indica. “Por ejemplo hay quienes caminan por la fábrica, tratando de revisarlo todo. ¿Por qué? Porque se preocupan, aunque nunca se descomponga la maquinaria”. La IA ayuda a calmar esos miedos permitiendo una mayor visibilidad. “Si en una comunidad, todos cuentan con cámaras de vigilancia, nadie se preocupa. Tienen aplicaciones para ver sus casas. Oh ¿Quién es esa persona? Ah, es un mensajero con un paquete de Amazon”. Conforme la IA demuestre lo que puede hacer y la gente entienda mejor cómo funciona, empezaran a incorporarla en sus operaciones.
En la medida en que las fábricas conectadas a la nube se conviertan en la norma, la IA podrá volverse más potente, recopilando sus propios datos en tiempo real y generando conclusiones rápidamente. Pero hasta que eso ocurra, los fabricantes estarán atrapados en la toma de decisiones.
“En la actualidad, a veces nos vemos obligados a hacer sacrificios en diseño que preferiríamos no tener que hacer,” indica el Dr. Shuldiner. “Se puede diseñar algo rápidamente o se puede diseñar para que sea fácil de fabricar o diseñar para que cumpla algún objetivo de sostenibilidad como su capacidad de reciclaje. Pero en muchos casos no se puede hacer todo esto a la vez. Por lo tanto, si se quiere añadir al diseño la capacidad de ser reciclable, hay que dedicarle mucho más tiempo al diseño y tal vez la fabricación del diseño final sea más cara. La IA nos llevará a un punto en que muchos de estos sacrificios desaparezcan. Será posible diseñar rápida y eficientemente y conseguir a la vez múltiples objetivos de diseño complejos”.
El Dr. Lee señala que algunos actores atípicos de la industria que adoptaron tecnologías avanzadas de manera temprana, como Toyota y General Motors, son empresas que siguen innovando, usando computación en la nube e IA para construir vehículos mejores, ligeros y más eficientes. Pero a menudo, manejar más operaciones con IA es un proceso gradual para los fabricantes. “Nuestra industria tradicional, necesitará mejoras continuas”, dice Lee. “No se trata de conseguir el éxito de la noche a la mañana. Hay que hacer cosas pequeñas, hacer que sucedan. Wow. Ahora entiendo. Qué bien. Pasemos a lo siguiente”.
Un 68 % (PDF, p.6) de los fabricantes tienen por lo menos un caso de uso o proceso impulsado por la IA, y esos pequeños pasos demostrarán el valor de la IA y fomentarán la confianza. “La prioridad es ser consciente de los beneficios de la IA”, explica Lee. “La gente teme a la amenazas o cosas negativas de la IA. Pero no deberían dejar de avanzar por preocuparse demasiado”.