Han pasado ya siete años desde que el fundador del Foro Económico Mundial, Klaus Schwab, pronunció la frase “cuarta revolución industrial” (4IR) en una conferencia en Davos. Aun así, el ruido en torno a su potencial, cómo se vería y cuándo llegaría no ha parado desde entonces.
En su libro con el mismo título, Schwab describe la 4IR como “una revolución tecnológica que difumina las fronteras entre los ámbitos físico, digital y biológico”.
A medida que dependemos más de tecnologías como la inteligencia artificial y esta gana peso en nuestras vidas, muchos ya no ven la 4IR como algo del futuro, sino como una realidad presente; el siguiente paso es generar confianza en la IA para acelerar su adopción. Puedes saber más sobre cómo revolucionar la toma de decisiones con IA en nuestro webinar.
Mejora las habilidades de tu equipo en IA
Transforma tu empresa dotando a tu equipo de conocimientos avanzados de IA a través de DataCamp for Business. Consigue mejores conocimientos y eficacia.
La irrupción de la IA en la industria
La IA ha sido una de las palabras de moda más sonadas del siglo XXI, sobre todo en la última década. Aunque el impulso reciente por el avance de la inteligencia artificial es claro, sus orígenes se remontan a mediados del siglo XX.
La prueba de Turing
En 1950, Alan Turing llevó el concepto de inteligencia artificial a la conciencia colectiva. En línea con sus ideas, desarrolló la prueba de Turing para identificar si las máquinas podían pensar a un nivel similar al humano o incluso superior. Por desgracia, no hubo grandes avances a finales de los 60, una etapa conocida como el primer “invierno de la IA” por la falta de financiación para la investigación y el desarrollo.
Los robots entran en la fabricación
Sin embargo, y casi en silencio, aspectos de la IA empezaron a integrarse en la fabricación pese al escaso crecimiento del periodo. Por ejemplo, en 1978 se desarrolló un brazo robótico para líneas de montaje llamado SCARA que se empleó en la industria. No fue hasta los años 80 cuando vimos el siguiente boom en I+D de IA, y el ajedrez tuvo mucho que ver.
Jaque mate para la IA
Garry Kasparov, campeón mundial de ajedrez por entonces, dominaba el juego. El ajedrez se consideraba el penúltimo desafío: superarlo significaría que la IA cumplía el criterio de Turing de construir una máquina capaz de pensar a la altura de una persona.
Kasparov no estaba convencido del avance de la IA en su terreno y llegó a proclamar que los motores de ajedrez con IA no podrían superar a los grandes maestros. Esta creencia se reforzó cuando derrotó a Deep Blue de IBM en 1996 y a su predecesor IBM Deep Thought en 1989.
Pero Kasparov tuvo que retractarse en 1997 cuando Deep Blue de IBM le derrotó en la revancha; se dice que ese momento puso fin al segundo “invierno de la IA” iniciado en 1988.
El futuro de la IA
Desde entonces, la IA ha mejorado de forma constante. El siguiente gran salto llegó en 2012, con la revolución del deep learning y, más recientemente, con el lanzamiento de GPT-4.
Cada avance ha sido clave para el crecimiento de la IA, que poco a poco ha ido calando en la industria manufacturera. Hoy en día, es habitual que los fabricantes recurran a la IA para optimizar la producción.
Ejemplos de IA en la fabricación
Podemos definir la IA como “la inteligencia —percibir, sintetizar e inferir información— demostrada por máquinas, en contraposición a la inteligencia mostrada por humanos u otros animales”.
Una rama específica de la IA, el machine learning, está logrando avances decisivos en la fabricación por las enormes cantidades de datos de las que depende este sector.
El machine learning permite a las máquinas tomar decisiones sin intervención humana a partir de patrones aprendidos de los datos. A una persona le costaría analizar grandes volúmenes de información, pero para una máquina es sencillo.
Aunque una fábrica llena de robots podía parecer ciencia ficción, hoy es un escenario real en el que los fabricantes aprovechan la IA.
Pero los fabricantes pueden beneficiarse de la IA de muchas maneras; veamos algunas.
Mantenimiento predictivo
Todo equipo industrial tiene una vida útil. No mantenerlo a tiempo puede provocar pérdidas importantes de dinero y de tiempo. Hacer el mantenimiento demasiado pronto también conlleva costes y paradas innecesarias, así que el reto es identificar el momento ideal para revisar o sustituir equipos. El mantenimiento predictivo basado en IA se ha ido incorporando precisamente para cubrir esta necesidad.
Control de calidad e inspección
Los productos manufacturados suelen seguir controles de calidad para garantizar un estándar antes de llegar a manos del consumidor. Tradicionalmente, esto suponía inspecciones visuales realizadas por personas para detectar defectos. El problema de las inspecciones humanas es doble: 1) solemos cometer errores y 2) las inspecciones pueden llevar mucho tiempo.
Delegar la inspección visual en equipos con IA, como cámaras de visión artificial, suele traducirse en detección de defectos e inspecciones más rápidas y precisas, de modo que las empresas pueden confiar en que sus productos cumplan el nivel de calidad deseado antes de llegar al cliente final.
Optimización y automatización de procesos
Tecnologías como la automatización robótica de procesos (RPA) simplifican la creación, el despliegue y la gestión de robots de software que imitan acciones humanas al interactuar con sistemas y aplicaciones.
Este software puede gestionar procesos repetitivos y de gran volumen con mayor precisión que las personas. Algunos casos de uso de RPA son la transferencia de datos entre sistemas, búsquedas, cálculos y mantenimiento de registros.
Gestión de la cadena de suministro
Un buen ejemplo de IA en la fabricación se ve en la cadena de suministro. Los fabricantes suelen procesar millones de pedidos, compras, materiales, ingredientes, etc. Gestionar todo esto manualmente consume mucho tiempo y recursos, por lo que cada vez más empresas recurren a la IA para reforzar sus procesos de supply chain.
Cobots
Los robots colaborativos, o cobots, están asumiendo un papel de apoyo cada vez mayor junto a las personas, no en su lugar.
A diferencia de los robots automatizados programados para repetir una sola tarea, los cobots pueden aprender a realizar distintas funciones y suelen desplegarse para trabajos de gran esfuerzo (por ejemplo, levantar piezas pesadas de automoción) o en líneas de ensamblaje. Otro uso habitual es localizar y recoger artículos en grandes almacenes.
Implicaciones éticas de la IA en la fabricación
Junto a los resultados positivos y los posibles avances que puede traer la IA en la fabricación, también han surgido preocupaciones éticas en algunos colectivos.
Estas son algunas de las inquietudes.
Desempleo y mayor desigualdad
La preocupación más evidente es la amenaza a la seguridad de las personas. Para algunos, es una amenaza existencial; para otros, se centra en la demanda de mano de obra.
Tradicionalmente, el progreso tecnológico aumenta la demanda de empleo altamente cualificado, mientras que disminuye la de trabajadores con menos formación y habilidades.
Sin embargo, como predijo en Davos en enero de 2023 el presidente y consejero delegado de IBM, Arvind Krishna, con la revolución de la IA podríamos ver lo contrario:
“Deberías preocuparte más por los trabajos administrativos, de oficina, que por los físicos. Muchos de ellos se sustituirán. Así que la pregunta es: ‘¿Qué empleos creas para reemplazarlos?’”
Arvind Krishna, Chairman and Chief Executive IMB
A medida que las máquinas se vuelven más inteligentes, sustituirán a muchas personas en el trabajo, dejando fuera del mercado a quienes no tengan las habilidades de la 4IR.
Amenazas a la ciberseguridad
Los ciberdelincuentes no dejan de idear nuevas formas de infiltrarse en los sistemas, lo que genera muchas preocupaciones en torno a la IA, ya que estos sistemas son más vulnerables a los ciberataques. El Foro Económico Mundial señala como principales amenazas para la fabricación:
- Ataques de phishing
- Ransomware
- Robo de propiedad intelectual
- Ataques a la cadena de suministro
- Ataques al Internet de las cosas (IoT)
A medida que personas, productos y equipos se conectan mediante el IoT, una pequeña brecha es suficiente para interrumpir una línea de producción entera y, en el peor de los casos, paralizar por completo una empresa manufacturera.
Sesgos
Uno de los compromisos al confiar en la IA para procesar grandes volúmenes de datos con rapidez es el riesgo de que aprenda sesgos inherentes. La IA no siempre es justa ni neutral.
Por ejemplo, un sistema de IA entrenado para predecir futuros delincuentes mostró un fuerte sesgo contra las personas negras. También hay que tener en cuenta a quienes construyen estos sistemas: los humanos crean la IA y cada persona puede introducir sus propios sesgos.
En fabricación, los sesgos de la IA pueden causar varios problemas.
En mantenimiento predictivo, por ejemplo, modelos entrenados con datos sesgados pueden fallar al predecir averías, provocando paradas imprevistas, costes mayores y menor productividad.
El sesgo también puede distorsionar los procesos automatizados de control de calidad, favoreciendo ciertos productos o piezas frente a otros por datos defectuosos.
Además, en la gestión de la cadena de suministro impulsada por IA, los sesgos pueden derivar en una selección injusta de proveedores, una asignación ineficiente de recursos y una estimación errónea de la demanda. Estos impactos no solo afectan a la eficiencia operativa, sino que también suponen riesgos reputacionales y de cumplimiento normativo.
Conclusión
No hay duda: la IA es una tecnología revolucionaria. Cada vez más empresas la adoptan para mejorar sus prácticas, tomar mejores decisiones y crear mejores productos.
A medida que estos sistemas se vuelvan más inteligentes, las prácticas de fabricación también mejorarán; por ello, las compañías con un sólido dominio de los fundamentos de IA tendrán una clara ventaja frente a su competencia.
Solicita una demo para ver cómo DataCamp puede guiarte en la formación continua de todo tu equipo y en la creación de una cultura positiva hacia los datos.
¿Formar a 2 o más personas? Consulta nuestras Soluciones para empresas
Consigue que tu equipo acceda a toda la biblioteca de DataCamp, con informes centralizados, tareas, proyectos y mucho más
