Desbloquea el valor de la inteligencia artificial en tu empresa manufacturera
La industria manufacturera global, por ejemplo, continúa siendo sacudida por las repercusiones de la pandemia y otros eventos globales disruptivos. Las cadenas de suministro de componentes como los semiconductores aún no se han recuperado y la guerra en Ucrania está afectando a una serie de cadenas de valor, especialmente los precios de la energía, lo que tiene un efecto dominó en los fabricantes.
Estas presiones adicionales están generando la necesidad de que los fabricantes "vayan más allá de los medios tradicionales para impulsar la productividad y descubrir la próxima ola de valor para las empresas, la fuerza laboral y el medio ambiente". Esa es una conclusión clave de un informe de diciembre de 2022 del Centro para la Cuarta Revolución Industrial en colaboración con la Red para la Gobernanza Tecnológica Global del Foro Económico Mundial.
El informe "Desbloqueando el Valor de la Inteligencia Artificial en la Manufactura", revela que: "En principio, la Inteligencia Artificial (IA) podría desbloquear más de 13 billones de dólares en la economía global y aumentar el PIB en un 2% al año. Sin embargo, las empresas tienen dificultades para aprovechar el valor que las aplicaciones de IA pueden crear".
Y eso no se debe a que los fabricantes no puedan ver el potencial de creación de valor de la IA. De hecho, en una encuesta global a 3,000 empresas, el 70% entendía cómo la IA puede generar valor comercial, el 59% tenía una estrategia de IA en marcha y el 57% de los encuestados dijo que su organización ya estaba probando la IA. A pesar de estos hallazgos, solo 1 de cada 10 dijo que la IA generaba beneficios financieros significativos.
Las principales barreras para la adopción de IA en la manufactura:
Los autores del informe se basaron en ideas de líderes de la industria, así como en expertos tecnológicos y académicos para identificar las principales barreras para la adopción y escalabilidad de IA en la industria de la manufactura. También desarrollaron procesos paso a paso para superar estos obstáculos.
El mismo informe identifica seis desafíos importantes que enfrentan los fabricantes y que obstaculizan la implementación y la escalabilidad de la IA, que a continuación detallamos:
1. Una falta de consistencia entre las capacidades de la IA y las necesidades operativas:
Las organizaciones suelen descuidar la planificación adecuada en la implementación de la IA. De ahí que no logren alinear las capacidades de las plataformas de IA con los puntos problemáticos del negocio que esperan resolver. Esta falta de consistencia lleva al fracaso y obstaculiza la adopción o la escalabilidad de la IA en el negocio.
Solución: Las empresas deben construir un caso sólido de negocio con un enfoque orientado a sus propias problemáticas. El objetivo es definir las necesidades comerciales y calcular el valor que la IA puede aportar para contribuir a la solución.
2. La falta de un enfoque estratégico y comunicación de liderazgo:
Las empresas no logran establecer y poner en práctica una estrategia de IA en toda la organización, ni mucho menos elaboran un plan de comunicación. Esto deja al proyecto sin el respaldo adecuado de los líderes para respaldar la inversión en IA y generar apoyo por parte de los usuarios finales.
Solución: Adoptar un enfoque estratégico y comunicarse de manera proactiva para demostrar los beneficios de la IA y los nuevos procesos que trae consigo. Esto aumentará la disposición de los empleados para adoptarla en sus rutinas.
3. Insuficiencia de habilidades en la intersección de la IA y las operaciones:
Con frecuencia, el liderazgo de los proyectos de IA se confía a consultores externos o expertos en TI tradicionales que tienen un conocimiento limitado de la IA.
Solución: Las aplicaciones de IA deben ser desarrolladas e implementadas por equipos interfuncionales con conocimientos diversos en la convergencia de TI, operaciones, datos y tecnología de IA.
4. Ausencia de una estructura de gobernanza de datos:
Las empresas manufactureras a menudo dependen de conjuntos de datos limitados y datos fragmentados o aislados. Esto puede limitar severamente la precisión y el valor de las ideas derivadas de la IA.
Solución: Crear una única fuente de información que se pueda aplicar en toda la organización. Adoptar una disposición a compartir datos más allá de los límites tradicionales de la empresa para respaldar la adopción de IA en el sector manufacturero en general.
5. Falta de modelos de IA explicables en la manufactura:
Existe mucha confusión sobre los modelos de IA y la percepción de que son excesivamente complejos. Las empresas de manufactura necesitan nuevas plataformas de IA que generen confianza a través de la transparencia y brinden predicciones significativas, explicables y precisas.
Solución: Asegurar que las ideas derivadas de la IA se entreguen en un formato que los fabricantes puedan comprender y encontrar relacionable. Esto acelerará la adopción de la IA en el sector.
6. Esfuerzos significativos de personalización en casos de uso de manufactura:
No existe una aplicación única para todos los casos de uso de IA en el sector manufacturero. Las fábricas son ecosistemas complejos con ingeniería y tecnología específicas relacionadas con el sector industrial y la producción de productos. No es posible implementar modelos de IA prefabricados.
Solución: Desarrollar aún más el diseño, entrenamiento y prueba de modelos de IA para permitir una personalización manual fácil.
Pasos para implementar con éxito la IA en la manufactura:
Una vez que se hayan identificado las principales barreras para la adopción de la IA, se sugiere un enfoque estratégico y paso a paso para su implementación exitosa. Este enfoque comienza con una fase de iniciación en la que el proyecto es respaldado por el liderazgo senior. Se establece un marco de gobernanza de datos y se crean equipos interfuncionales para impulsar la implementación de la IA.
A esto le sigue una fase para identificar y desarrollar un conjunto de casos de uso que añadirán un valor significativo al resolver problemas comerciales específicos. Enseguida, la fase de evaluación determina si los casos de uso de IA previamente identificados pueden incorporarse a las operaciones existentes, los sistemas de TI y datos, y la cultura organizativa.
Después, se lleva a cabo una fase de viabilidad que incluye pruebas de datos, búsqueda de tecnología para identificar las mejores soluciones de IA y análisis de competencias para identificar conjuntos de habilidades relevantes en la fuerza laboral y áreas para mejorar las habilidades.
Finalmente, la fase de implementación define una hoja de ruta para la implementación con pruebas y validación de modelos de IA, y colaboración para garantizar que se satisfagan las necesidades de los usuarios finales y eliminar los temores en torno al impacto de la tecnología de IA.
La investigación muestra el enorme potencial de la IA para transformar el sector manufacturero y agregar un valor exponencial. El informe concluye: "Con un enfoque holístico, la IA puede resolver algunos de los problemas más persistentes en la manufactura y aprovechar nuevas oportunidades que permitan a las empresas aumentar su rendimiento operativo, impulsar la agenda de sostenibilidad y empoderar a la fuerza laboral".
