Desmontando los mitos sobre la inteligencia artificial

Los fabricantes enfrentan una tarea difícil al hacer malabarismos con la "agenda de innovación" actual. Hoy en día, el Internet industrial de las cosas (IIoT), la automatización robótica y la inteligencia artificial (IA) están preparados para ser la próxima gran novedad. Pero los que están en la primera línea de fabricación son cautelosos a la hora de adoptar la innovación, y con razón. Con demasiada frecuencia, las expectativas no se cumplen, las inversiones de capital se realizan en vano y la experimentación no se traduce positivamente en ganancias.

En cambio, muchas empresas adoptan un enfoque de esperar y ver. Esperan que las empresas líderes, con presupuestos más grandes, descubran cómo hacer viables estas nuevas tecnologías, educando en el proceso al resto del mercado. Pero la IA es diferente. La IA industrial se centra en el uso de datos de equipos y sensores para realizar predicciones inteligentes y automatizar la toma de decisiones operativas. Los fabricantes no pueden darse el lujo de esperar para implementar la IA industrial:las recompensas son demasiado grandes. A pesar de los mitos al respecto, la IA industrial es un caso raro de innovación asequible sin fallas inherentes. Repasemos los mitos uno por uno.

Mito n.º 1:la IA es cara

Si bien todas las innovaciones tienen el potencial de mejorar la fabricación, a menudo requieren grandes inversiones. Pero la IA puede lograr resultados tangibles sin una inversión significativa. El secreto está en saber aplicarlo y aprovechar los esfuerzos de I+D que ya realizan las empresas basadas en internet. De hecho, los algoritmos utilizados por Amazon y Netflix ahora se pueden transferir a implementaciones fuera de línea. Para los fabricantes, el trabajo pesado (desarrollar y probar la tecnología central) ya se ha realizado y pagado.

Sin embargo, los fabricantes deben comprender en qué parte del taller se aplicará mejor la IA. No se deje engañar por la idea futurista de las “fábricas conectadas”. La IA puede venir en un formato mucho menos extravagante y muy práctico:optimizar los procesos existentes con los datos existentes. Dados los procesos tradicionales de fabricación (flujos de trabajo establecidos, operaciones 24/7 y ciclos de vida prolongados de los equipos), la IA tiene mucho con lo que trabajar.

Esta pronto será la IA que conocemos. Integrado de forma invisible, mejorará áreas como el gasto en materias primas, la eficiencia energética y el rendimiento con una toma de decisiones más precisa en cada paso. Además, no se requerirán gastos de capital ni hardware nuevo.

Mito n.º 2:la IA solo ofrece resultados reales a largo plazo

El costo inicial no es el único temor que tienen los fabricantes cuando invierten en innovación. La preocupación por el tiempo requerido para el retorno de la inversión (ROI) también puede eclipsar las ambiciones tecnológicas. En la fabricación, la implementación de tecnología innovadora puede llevar años, y el ROI a veces se mide en décadas. Intervienen otras prioridades y los gerentes pueden sentirse menos incentivados cuando los resultados finales no están garantizados.

La situación es diferente con la IA industrial. La construcción de modelos basados ​​en IA lleva meses, no años. Las pruebas para medir los resultados de la IA en procesos continuos requieren solo días o semanas. Una vez que se aplica el modelo, genera valor inmediatamente al producir resultados que guían cambios estratégicos adicionales.

Mito n.º 3:la IA interrumpe los procesos existentes

Las personas son naturalmente aprensivas ante el cambio, especialmente cuando se trata de alterar un proceso que ya funciona. Un cambio a menudo conduce a otro y, como saben los gerentes experimentados, incluso cuando la tecnología funciona, el proceso de integración y adopción puede ser un desafío. Sin embargo, cuando se usa IA para optimizar procesos, nada de esto aplica.

Cuando se usa IA para la optimización, no hay necesidad de renovar la línea de producción o capacitar al personal para usar nuevos controles de proceso. Tampoco son necesarios proyectos complejos de integración de TI, que a menudo son la causa de quejas entre los CIO y los usuarios finales. En cambio, los mismos procesos comerciales se llevan a cabo por los mismos medios, pero de una manera mucho más eficiente. Por ejemplo, la IA puede sugerir los mejores modos de operación del equipo o la cantidad exacta de materias primas requeridas, todo en la misma interfaz que ya usan sus operadores. Lo único que se ve afectado por la IA es el resultado final del fabricante.

La IA ha estado durante mucho tiempo en el radar de fabricación. Pero hoy, con suficiente poder computacional y datos críticos disponibles, la IA se puede buscar de manera efectiva. Hay pocas razones para retrasar un proyecto de IA; la tecnología ya está aquí y los temores sobre la innovación no se aplican. En el caso de la IA, realmente no hay tiempo como el presente.