Más allá del hype – Donde el IA realmente funciona en la fabricación

El IA se está posicionando como la próxima revolución industrial, pero muchos líderes están luchando para traducir el entusiasmo en resultados prácticos. Más del 80% de los líderes de la fabricación en EE. UU. dicen que planean aumentar su uso de IA dentro de los próximos dos años, pero eso no siempre se hace con una estrategia clara para lo que esperan lograr de manera realista.

Entre la presión a nivel de junta directiva para hacer algo con el IA y la realidad de los entornos de producción complejos, hay una brecha creciente entre la expectativa y la ejecución. Esa brecha necesita ser cerrada si los fabricantes esperan ver los beneficios del IA en sus negocios.

La adopción del IA está superando la preparación

Los líderes de la fabricación hoy saben que necesitan adoptar el IA para mantenerse competitivos. Una encuesta reciente de The National Association of Manufacturers (NAM) encontró que el 51% de los fabricantes están utilizando actualmente el IA y que el 80% considerará que el IA es esencial para expandir o mantener su negocio.

Los fabricantes están utilizando esta tecnología de muchas maneras diferentes. El IA tiene un potencial masivo. Sin embargo, en muchas organizaciones, las inversiones en IA no están delivering el ROI prometido.

Una encuesta reciente de PWC y el Manufacturing Institute encontró que el impulso de los líderes para adoptar el IA puede superar la preparación para el cambio impulsado por el IA. Esa misma encuesta también encontró, en sus palabras:

• La adopción desigual del IA puede ralentizar la integración en las operaciones diarias
• Avanzar en la curva de adopción del IA requiere capacitación y construcción de capacidades experimentales
• Las brechas humanas y de preparación pueden limitar la adopción del IA
• La entrada limitada de los líderes de primera línea puede limitar la adopción y ejecución del IA

Encontrar la solución

En lugar de tratar el IA como una solución universal, los líderes deben distinguir entre aplicaciones donde el IA sobresale – como mejorar la interacción humano-sistema, capturar el conocimiento operativo y simplificar flujos de trabajo complejos – y áreas donde sigue siendo pobremente adaptado, incluyendo el control de precisión y la toma de decisiones repetitivas en entornos de producción.

Un gran lugar para aplicar esto es durante su proceso de ventas. Muchas empresas de fabricación quieren mejorar el proceso de ventas guiadas utilizando el IA. Deben comenzar centrándose en los objetivos o resultados del cliente en lugar de pedirles que elijan parámetros específicos sobre un producto.

Aquí hay un ejemplo personal: Recientemente compré mi primer vehículo eléctrico (EV). Fui al sitio web de un fabricante de EV y lo primero que vi fueron los parámetros técnicos, como Rango: 360-558 km. Eso es un rango grande, pero entiendo lo que significa. Pero ¿caballos de fuerza? No tengo idea. Y ¿consumo? Ahora realmente no entiendo eso; ¿es bueno o malo? ¿Hará una diferencia en el viaje anual de esquí de mi familia, que actualmente me toma alrededor de siete horas? Esa es la clase de información que realmente me ayudaría a decidir.

Tener un IA para discutir mis preocupaciones con él me ayudaría al fabricante de EV a entender qué es importante para mí y traducir esas preocupaciones en las especificaciones técnicas adecuadas para mí.

Otro ejemplo es utilizar agentes de IA para descomponer problemas complejos en piezas más pequeñas. Los agentes planifican y ejecutan metas de múltiples pasos. Para obtener el máximo provecho de estos agentes, las tareas deben ser intensivas en lenguaje.

Algunas organizaciones de ingeniería están adoptando este enfoque cuando se trata de gestionar requisitos complejos. A veces la información se dispersa en cientos o miles de documentos, y el formato no está estandarizado. Si se construyera un sistema de software tradicional para importar toda esta información, habría demasiadas reglas y excepciones a esas reglas. Dado que el IA es excelente en el reconocimiento de patrones, no es necesario escribir cada regla sobre cómo interpretar esos documentos.

Mejores prácticas para el IA en la fabricación

Descomponga problemas grandes en tareas más pequeñas. El IA tiene una memoria de trabajo limitada. Si se le da demasiada información o un problema demasiado amplio, puede perder el contexto y comenzar a “alucinar” mientras intenta proporcionar una respuesta. Para reducir este riesgo, divida las tareas grandes en componentes más pequeños y agregue los resultados – un área donde los marcos de agencia están volviéndose especialmente efectivos.

Utilice el IA para el reconocimiento de patrones, no para la razón autoritaria. El IA es bueno en el reconocimiento de patrones y la identificación de relaciones, pero no es bueno para la lógica y el razonamiento. Por ejemplo, sus capacidades de “razonamiento” y matemáticas son predicción, no cálculo. Entonces, los resultados pueden parecer perspicaces, pero no están garantizados para ser correctos, a menos que se conecten a otro sistema que pueda validar los resultados. En este enfoque, el IA puede orquestar el flujo de trabajo, pero se ha tomado una decisión explícita sobre dónde están los límites operativos.

El IA en la fabricación puede crear un valor real, pero hay escenarios específicos donde el riesgo supera el beneficio. Esto incluye operaciones críticas para la seguridad y la calidad. También incluye escenarios de baja cantidad de datos o muy novedosos, porque el IA se desempeña mal cuando no ha visto suficientes datos relevantes. Los entornos altamente regulados son otro desafío, porque el IA todavía carece de verdadera trazabilidad. Los sistemas de control en tiempo real con tolerancias ajustadas son otro lugar donde el IA debe evitarse, dado que la latencia o inestabilidad del IA puede ser inaceptable en procesos de alta velocidad.

De la histeria a la practicidad

El IA no es una panacea para todos los males de la fabricación. Pero al considerar los casos de uso del mundo real y las concepciones erróneas comunes discutidas anteriormente, los fabricantes pueden adoptar un enfoque más equilibrado para el IA. A corto plazo, el punto clave es utilizar el IA para lo que es mejor: problemas que involucran un alto grado de reconocimiento de patrones. No lo utilice para casos que requieren previsibilidad, consistencia, lógica o cálculos.

Los fabricantes pueden cortar el ruido y identificar dónde el IA realmente entrega valor hoy. El objetivo no es frenar la adopción, sino asegurarse de que las organizaciones desplieguen el IA donde mejora significativamente la productividad y la toma de decisiones, en lugar de seguir simplemente el hype de la industria.