Amii amplía su alianza para impulsar la adopción de la IA y apoyar a otras 25 empresas

Amii, el Alberta Machine Intelligence Institute, amplía su alianza con PrairiesCan, la agencia de desarrollo económico regional de Canadá, para ayudar a otras 25 pequeñas y medianas empresas a desarrollar capacidades prácticas en IA. El anuncio del 27 de octubre suma 2,5 millones de dólares canadienses en apoyo federal, con lo que la inversión federal total en la iniciativa asciende a 5,6 millones de dólares canadienses.

La ampliación abarca Alberta, Saskatchewan y Manitoba, donde ya están en marcha los primeros proyectos en los sectores de la energía, la agricultura y la manufactura. Amii afirma que el programa ha trabajado con 30 empresas de la región desde su lanzamiento en 2024. Su enfoque consiste en poner en contacto a las empresas con especialistas en aprendizaje automático para crear sistemas basados en sus propios datos operativos y dotarlas de los conocimientos necesarios para mantener esos sistemas.

Una alianza de investigación centrada en la implementación

Con sede en Edmonton, Amii es una organización independiente sin fines de lucro y uno de los tres institutos nacionales de IA de Canadá que forman parte de la Pan-Canadian AI Strategy. Su historia se remonta al Alberta Ingenuity Centre for Machine Learning, creado en 2002; en 2017 se convirtió en una organización independiente sin fines de lucro bajo el nombre de Amii. Su labor conecta la investigación, el desarrollo del talento y las aplicaciones comerciales.

Prairies Economic Development Canada, conocida como PrairiesCan, es la agencia federal que apoya el desarrollo económico en las tres provincias participantes. Para el público internacional, esta alianza es un ejemplo de cómo la inversión pública ayuda a las empresas más pequeñas a acceder a capacidades técnicas especializadas que les sería difícil reunir por cuenta propia.

El modelo de desarrollo de IA de Amii asigna a tiempo completo a un residente especializado en aprendizaje automático al proyecto de una empresa, bajo la supervisión de científicos del equipo. El residente trabaja con el equipo de la empresa en el desarrollo y las pruebas del modelo, y la empresa tiene la opción de contratarlo después. La oferta general contempla un compromiso de entre 12 y 15 meses, aunque el alcance y el costo varían según cada proyecto.

Las empresas conservan la propiedad intelectual desarrollada durante el proyecto y reciben documentación y transferencia de conocimientos. Así, el objetivo de la alianza es distinto del de simplemente entregar un prototipo subcontratado: la empresa debería poder adaptar el sistema cuando el equipo externo de investigación termine su trabajo.

Croptimistic: visión artificial capaz de desenvolverse en campos reales

Croptimistic Technology desarrolla el ecosistema de agricultura de precisión SWAT MAPS, que combina información sobre suelos, agua y topografía para orientar la gestión de los campos. Su producto SWAT CAM toma imágenes durante las operaciones habituales de pulverización y utiliza aprendizaje automático para analizar cultivos y malezas.

La colaboración con Amii se centró en cereales al inicio de la temporada, como el trigo y la avena. Sus hojas estrechas y superpuestas dificultan la identificación de plantas individuales. El equipo desarrolló modelos especializados de visión artificial capaces de procesar cultivos con follaje denso y afrontar condiciones de captura de imágenes difíciles, como el polvo, los reflejos y el viento.

La información sobre los productos de Croptimistic explica cómo las cámaras instaladas en las pulverizadoras conectan las imágenes detalladas de los campos con las zonas de gestión. La ventaja práctica de detectar mejor los cultivos está en el nivel de detalle espacial: los agricultores pueden examinar las diferencias en el establecimiento de los cultivos y la presión de las malezas en todo un campo, en lugar de depender únicamente de unas pocas observaciones manuales.

Carson Integrated: convertir registros ambientales en predicciones

Carson Integrated es una consultora ambiental y forestal que trabaja, entre otras cosas, con información geoespacial para proyectos relacionados con los recursos naturales. Su desafío consistía en clasificar cursos de agua, una tarea que ayuda a determinar las zonas de protección alrededor de las vías fluviales.

El estudio de caso de Carson de Amii describe un modelo creado a partir de aproximadamente dos décadas de datos recopilados, incluidas mediciones de campo e información de teledetección. Para desarrollar las características del modelo, se analizaron las condiciones del terreno y del entorno; el tamaño de la salida de la cuenca resultó especialmente útil. El estudio informa de una precisión de clasificación media de aproximadamente el 75 % cuando se disponía de los datos adecuados.

Esta aplicación muestra cómo los conocimientos especializados del sector contribuyen a crear soluciones útiles de aprendizaje automático. Identificar un curso de agua en imágenes es una tarea distinta de predecir su clasificación normativa. Las predicciones pueden ayudar a priorizar las evaluaciones en terrenos remotos, pero aún es necesario evaluar su precisión y pertinencia para las decisiones que respaldan.

Visionstate: la programación como problema de optimización con restricciones

Visionstate desarrolla software para la gestión de instalaciones, las inspecciones y la verificación del trabajo. Su sitio web actual destaca MIRA, una plataforma que conecta informes, inspecciones, órdenes de trabajo y supervisión. El proyecto con Amii se centró en la plataforma de gestión de instalaciones WANDA de la empresa.

El estudio de caso detallado explica que las rutas y los horarios de limpieza se formularon como un problema de optimización con restricciones. El sistema debe asignar una plantilla fija respetando la distribución de los espacios, los requisitos del servicio y las normas de cumplimiento, y equilibrando la eficiencia con la equidad.

El trabajo también respaldó TidyLogic, un producto de planificación de recursos, y una herramienta para estimar los costos de limpieza en el sector sanitario. El estudio de caso describía TidyLogic en fase beta y señalaba que el modelo avanzaba hacia su integración en el momento de redactarlo. Estas distinciones importan: el desarrollo de un producto comercial y la implementación completa de un sistema de optimización son hitos diferentes.

Ambyint: desarrollar experiencia en aprendizaje por refuerzo

Ambyint proporciona software de optimización de la producción para operadores de petróleo y gas. Su plataforma actual combina modelos basados en la física con control automatizado, incluidos ajustes de las consignas de los equipos mediante infraestructura de supervisión industrial.

El proyecto de Amii exploró el aprendizaje por refuerzo para pozos de levantamiento por émbolo, en los que los cambios en los umbrales de presión afectan la extracción de los líquidos acumulados. La escasez de información sobre las condiciones a gran profundidad dificulta la simulación y el control. El equipo probó enfoques basados en datos históricos y métodos basados en la física para mejorar la toma de decisiones.

El estudio de caso es explícito sobre el resultado: los modelos experimentales no mejoraron la eficiencia frente a la automatización existente de Ambyint y aún no eran lo bastante fiables ni capaces de responder con rapidez para su uso en producción. El beneficio fue contar con un equipo interno mejor preparado y comprender con mayor claridad dónde se necesitaba investigar más. Es un resultado útil para la adopción, aunque no produzca de inmediato un modelo listo para implementar.

Riva: aprovechar los datos empresariales para la IA

Amii también identifica a Riva, con sede en Edmonton, como uno de los primeros beneficiarios y señala avances hacia soluciones listas para producción, sin revelar la arquitectura específica del modelo.

La plataforma de Riva conecta el correo electrónico, el calendario, la información de contacto y los datos de reuniones con sistemas de gestión de relaciones con clientes. Entre sus capacidades se incluyen resúmenes de conversaciones generados por IA y resultados estructurados de reuniones que los equipos pueden revisar y vincular a los registros de CRM. Esto plantea un contexto de adopción distinto al de la obtención de imágenes en terreno o el control industrial: el desafío consiste en hacer que las interacciones empresariales sean aprovechables y, al mismo tiempo, mantener la gobernanza y la revisión humana.

Por qué el modelo importa más allá de Canadá

Las empresas participantes demuestran que la adopción de la IA abarca la visión artificial, los modelos predictivos, la optimización con restricciones, el aprendizaje por refuerzo y los flujos de trabajo de información empresarial. Cada ámbito requiere datos, métodos de evaluación y conocimientos operativos diferentes.

La importancia más amplia de la colaboración radica en su énfasis en la apropiación y la capacidad técnica. Una empresa obtiene algo más que un modelo cuando su propio personal aprende cómo se creó, cómo ponerlo a prueba y en qué circunstancias confiar en sus predicciones. Para las empresas más pequeñas, transferir esas capacidades puede ser tan decisivo como la entrega inicial del software.