Desmitificando la IA en la fabricación: Estrategias basadas en evidencia para inversores

Los fabricantes se enfrentan a la difícil tarea de gestionar la actual «agenda de innovación». Hoy en día, el Internet Industrial de las Cosas (IIoT), la automatización robótica y la inteligencia artificial (IA) están todos destinados a ser la próxima gran revolución. Sin embargo, quienes están en la primera línea de la 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 beneficios.

En cambio, muchas empresas adoptan una actitud de «esperar y ver». Esperan a que las empresas líderes, con presupuestos más grandes, descubran cómo hacer viables estas nuevas tecnologías, educando al resto del mercado en el proceso. Pero la IA es diferente. La IA industrial se centra en utilizar datos de equipos y sensores para hacer predicciones inteligentes y automatizar la toma de decisiones operativas. Los fabricantes no pueden permitirse esperar para implementar la IA industrial: las recompensas son demasiado grandes. A pesar de los mitos que la rodean, la IA industrial es un caso raro de innovación asequible sin defectos inherentes. Analicemos estos mitos uno por uno.

Mito #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 radica en saber cómo aplicarla y aprovechar los esfuerzos de I+D ya realizados por empresas basadas en internet. De hecho, los algoritmos utilizados por Amazon y Netflix ahora pueden transferirse a implementaciones offline en la planta de producción. Para los fabricantes, el trabajo pesado —desarrollar y probar la tecnología central— ya se ha realizado y pagado.

Sin embargo, los fabricantes deben entender dónde en la planta la IA se aplicará mejor. No se dejen engañar por la idea futurista de «fábricas conectadas». La IA puede llegar en un formato mucho menos extravagante y muy práctico: optimizar procesos existentes con datos existentes. Dados los procesos tradicionales de la fabricación —flujos de trabajo establecidos, operaciones 24/7 y ciclos de vida largos de los equipos—, la IA tiene mucho con qué trabajar.

Pronto esta será la IA que conocemos. Integrada 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 requerirá gasto de capital ni nuevo hardware.

Mito #2: La IA solo entrega resultados reales a largo plazo

El coste inicial no es el único temor que tienen los fabricantes al invertir en innovación. La preocupación por el tiempo necesario para el retorno de la inversión (ROI) también puede eclipsar las ambiciones tecnológicas. En la fabricación, la implementación de tecnología innovadora puede llevar años, con un ROI que a veces se mide en décadas. Otras prioridades intervienen y los gerentes pueden perder incentivos 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 aplicado el modelo, genera valor inmediatamente al producir resultados que guían cambios estratégicos adicionales.

Mito #3: La IA interrumpe los procesos existentes

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

Donde la IA se utiliza para la optimización, no hay necesidad de renovar la línea de producción ni capacitar al personal para usar nuevos controles de proceso. Tampoco son necesarios complejos proyectos de integración de TI —a menudo la causa de quejas entre CIOs y usuarios finales—. En su lugar, los mismos procesos de negocio se llevan a cabo con los mismos medios, pero de una manera mucho más eficiente. Por ejemplo, la IA puede sugerir los mejores modos de operación de los equipos o la cantidad exacta de materias primas requeridas, todo en la misma interfaz que ya usan sus operadores. Lo único que afecta la IA es el resultado final del fabricante.

La IA lleva tiempo en el radar de la fabricación. Pero hoy, con suficiente potencia computacional y datos críticos disponibles, la IA puede perseguirse eficazmente. Hay pocas razones para retrasar un proyecto de IA; la tecnología ya está aquí y los miedos sobre la innovación no se aplican. En el caso de la IA, realmente no hay momento como el presente.