La cumbre sobre IA celebrada en París cambió de forma rápida y contundente el enfoque en torno a la inteligencia artificial, haciendo una apuesta clara por llevar a cabo mayores inversiones, una toma de riesgos más calculada y lograr avances reales para las empresas y la sociedad.

Además, la iniciativa EU AI Champions, anunciada durante la cumbre, contará con el apoyo de diferentes empresas y un compromiso de inversión de 150.000 millones de euros, a los que se sumarán otros 50.000 millones de euros de la UE.

Todas estas cifras e iniciativas deberían suponer un claro catalizador para animar a los líderes del sector de la fabricación a reconsiderar su propia estrategia de inversión en IA, incluso en un contexto tan desafiante como el actual, marcado por fluctuaciones en la demanda e incertidumbre geopolítica.

El reto de los datos en el sector fabricación

La presidenta de la UE, Ursula von der Leyen, ha declarado que “la prioridad es implementar la IA en aplicaciones complejas, aprovechando la riqueza de nuestros datos y los conocimientos de los que disponemos en los sectores de industria y fabricación”. Y así es. Los casos de uso y los requisitos de cumplimiento de los productos farmacéuticos, de automoción o alimentación son muy exigentes y requieren una IA más avanzada, como el deep learning o el software de escaneado en 3D.

Estas aspiraciones están intrínsecamente ligadas a la necesidad de contar con datos de calidad, que son los que vemos habitualmente en los procesos de fabricación. “Las industrias podrán colaborar entre ellas y federar sus datos. Estamos creando un espacio seguro porque la IA necesita competencia, pero también colaboración”, añadió Von der Leyen.

Todo esto nos recuerda el reto al que se enfrentan los fabricantes dentro de sus propias empresas. Un estudio reciente elaborado por Zebra Technologies reveló que casi el 20% de los líderes en visión artificial del sector automovilístico (concretamente en Alemania y el Reino Unido) afirmaba que implementar la IA en sus soluciones haría que funcionaran mejor. Así que es fundamental abordar la cuestión de los datos.

El volumen de datos que se genera en las empresas puede transformarse en un recurso muy valioso. Esta información puede servir para entrenar y probar modelos de inteligencia artificial o incluso para mejorar los procesos de fabricación e inspección. Cuando los datos se integran con la inteligencia artificial estamos abriendo el camino hacia la automatización de procesos, ya sea mediante el uso de cámaras más inteligentes, sensores o robótica con visión artificial. Esto permite a los líderes del sector reasignar a los trabajadores de primera línea a funciones más estratégicas para el crecimiento del negocio.

Sin embargo, tanto las plantas de fabricación como las distintas regiones operan a menudo de manera aislada, con poco o ningún intercambio de datos, incluso cuando los flujos de trabajo son iguales o muy similares. Además, la experiencia y el tiempo disponible también pueden variar entre equipos y plantas, lo que complica aún más el objetivo de lograr datos de calidad. A esto tenemos que añadir la dificultad de encontrar y contratar personal con las habilidades y la experiencia necesarias.

Es decir, los datos deben almacenarse, anotarse y utilizarse de forma coherente para entrenar modelos, pero hay que hacerlo junto a otros conjuntos de datos que ayuden a probarlos. No tiene sentido que los datos de la empresa permanezcan aislados, ya que eso perjudica el entrenamiento de la IA.

¿Cómo pueden entonces los fabricantes alcanzar ese objetivo si no pueden aprovechar todos los datos disponibles en sus distintas plantas, países y regiones? ¿Cuánto potencial de crecimiento y productividad de la mano de obra se está perdiendo por esta limitación? Lo primero que hay que hacer es superar las preocupaciones que puede generar el uso de las tecnologías en la nube, especialmente en lo que respecta a la privacidad, la seguridad y la propiedad intelectual. Una solución basada en la nube permitiría a los usuarios cargar, etiquetar y anotar datos de forma segura desde múltiples ubicaciones de fabricación (distintas plantas, países y regiones), además de ofrecer toda la escalabilidad y accesibilidad necesaria.

La buena noticia es que actualmente ya tenemos a nuestra disposición diferentes herramientas para que las soluciones de IA funcionen mejor, sea cual sea el caso de uso. Podemos trabajar con software, cámaras y sensores para aplicaciones de inspección de baterías eléctricas y semiconductores, clasificación de alimentos frescos, calidad del embalaje, lectura de números de serie o la detección de defectos en piezas de automóviles y artículos acabados.

Sin embargo, para saber si la inteligencia artificial realmente está consiguiendo sus objetivos, es necesario medir sus resultados con plazos adecuados y métricas concretas de retorno de la inversión. Por ejemplo, la transformación de la gestión de los datos, la automatización inteligente o la búsqueda de una mayor visibilidad de los activos y el inventario necesitan implementaciones, formación del personal y ajustes operativos que requieren bastante tiempo. Por otro lado, existen soluciones de IA que adoptan un enfoque con poco o ningún código y están listas para utilizar, lo que permite obtener un retorno de la inversión más rápido.

El papel crucial que deben jugar los mandos intermedios

¿Quién puede liderar el cambio y fomentar el uso de la inteligencia artificial en las empresas del sector de fabricación? Una investigación realizada recientemente por McKinsey revela que muchos millennials de entre 35 y 44 años son hoy gerentes y jefes de equipo, es decir, mandos intermedios. Están al frente del negocio, recorren la planta de producción y actúan como enlace entre los trabajadores de primera línea y la alta dirección. Estos mandos intermedios tienen experiencia e incluso el 62% declara tener un alto nivel de conocimientos sobre IA.

No hay duda de que los mandos intermedios son una fuente clave de talento que los altos directivos deben aprovechar para responder preguntas del tipo ¿cómo puede la inteligencia artificial -por ejemplo, las soluciones de aprendizaje profundo aplicado a la visión artificial- ayudar a acelerar el crecimiento a largo plazo, aumentar la productividad, automatizar procesos y mejorar la calidad en un mercado tan complejo como el actual? Aunque la reacción inicial haya sido en muchos casos suspender o pausar los proyectos ante las dificultades, este podría ser el momento perfecto para reconsiderar el papel de los mandos intermedios y actuar con valentía y determinación a la hora de adoptar la inteligencia y la visión artificiales.