Lo que las empresas suelen hacer mal con la IA en la fabricación

por Jeremy Frank y Jacob Loverich

DEMASIADO TARDE

Mientras que algunas empresas están adoptando la IA de forma agresiva, la mayoría están haciendo sus pinitos con ella y planean seguir un enfoque de "seguidor rápido", una estrategia en la que las empresas esperan a que la tecnología y el mercado maduren antes de adoptarla. Esta estrategia ha funcionado en el pasado para la adopción de algunas tecnologías, pero, como se señala en un número especial dedicado a la IA de la Harvard Business Review (HBR), es el enfoque equivocado para la IA. Esto se debe a que la IA ya está lo suficientemente madura como para introducir grandes mejoras en las operaciones empresariales, y su despliegue lleva tiempo, durante el cual se adaptan las funciones laborales y se crean conjuntos de datos de entrenamiento. Por lo tanto, el impacto de la IA estará latente y será pasado por alto por los adoptantes tardíos, mientras que los adoptantes tempranos se beneficiarán de una combinación de crecimiento de los ingresos, reducción de los costes operativos y mejora de la productividad de los empleados, creando un escenario en el que el ganador se lo lleva todo. Para cuando los adoptantes tardíos terminen su andadura en la IA, ya habrán perdido una cuota de mercado considerable.

Aunque la mayoría de las empresas de los sectores industrial y manufacturero están trabajando duro para incorporar tecnologías digitales y, en algunos casos, han transformado realmente su forma de operar, el componente de la IA suele quedarse atrás. Con escasos márgenes de beneficio y un enfoque en el cambio incremental a través de prácticas ajustadas, es difícil para los fabricantes replantearse realmente su negocio y comprometerse a aplicar la IA a escala. Vikram y Mahidhar señalan acertadamente en HBR que incluso la aplicación de la IA a una larga lista de aplicaciones no impulsará un cambio consecuente a menos que las operaciones empresariales se replanteen, permitiendo a los trabajadores pivotar en sus funciones en colaboración con la IA.

"Para cuando los adoptantes tardíos terminen su andadura en la IA, ya habrán perdido una cuota de mercado considerable".

Sin embargo, una reforma completa centrada en la IA es enormemente complicada y requiere demasiadas piezas móviles, partes interesadas y proyectos. El enfoque correcto consiste en identificar un segmento o dominio crucial dentro de una empresa y replantearse todos los aspectos de ese dominio. A continuación, crear y ampliar una solución en toda la empresa dentro de ese ámbito. Para ello es necesario profundizar en un área de interés concreta y conseguir la pila completa de IA, desde los datos de formación hasta las implementaciones de algoritmos, las interfaces humano-inteligencia artificial y la capacitación laboral.

Un ámbito que destaca en el sector de la fabricación es el de la salud de las máquinas. Abordar los problemas generalizados de salud de las máquinas representa la mayor oportunidad para mejorar la eficacia general de los equipos (OEE). La OEE está influenciada por muchos factores, pero la salud de la máquina y su relación con el mantenimiento y las operaciones de proceso son la clave para mejorar la disponibilidad de los equipos evitando los tiempos de inactividad, reduciendo los defectos y aumentando la tasa de proceso, que son los factores clave de la OEE.

Para algunos de los primeros en adoptarla, la IA ya está desempeñando un papel esencial en el ámbito de la salud de las máquinas al automatizar el diagnóstico de la salud y las recomendaciones de mantenimiento. En algunos casos, la IA va incluso más allá del diagnóstico para automatizar la optimización de procesos basada en la salud de las máquinas. Por ejemplo, en la fracturación hidráulica, KCF Technologies está utilizando la IA para controlar flotas de activos en función de su estado de salud. Además de evitar fallos catastróficos inesperados, el tiempo no productivo de las bombas durante el arranque y la parada se redujo en un 40%. En otro caso, KCF Technologies demostró que los modelos de IA predicen los fallos 8 semanas antes de lo que podría lograrse mediante el análisis humano de las firmas de vibración de las máquinas. Un aspecto clave de ambos ejemplos es que la IA no sólo mejoró directamente las operaciones y los resultados finales, sino que también permitió a los trabajadores dedicar menos tiempo a realizar tediosas tareas repetitivas y más tiempo a tareas de mayor valor, como el análisis de las causas raíz y la planificación estratégica.

DEMASIADO PEQUEÑO

Elegir el ámbito adecuado y experimentar con la IA es un primer paso lógico, pero las empresas deben pasar rápidamente a la fase de ampliación. Una vez más, la IA tendrá poco impacto hasta que se acumulen suficientes datos de formación y los trabajadores se hayan adaptado a una nueva forma de operar con la IA, y ambas cosas requieren escala. Tim Fountaine y Brian McCarthy escribieron en HBR cuatro pasos necesarios para desplegar la IA a escala.

Primer paso: definir la estrategia

La clave para establecer la estrategia de IA es elegir el ámbito adecuado. Debe ser lo suficientemente amplio como para mejorar significativamente los resultados de la empresa, abordar un problema sistémico, estar en manos de un único responsable de toda la cadena de valor y ser reutilizable en toda la empresa, no sólo en una aplicación o planta. En el ámbito de la salud de las máquinas, el alcance debe incluir la detección temprana de fallos, el análisis de la causa raíz y la validación del mantenimiento.

Segundo paso: estructurar el equipo

Aunque a menudo se piensa que los científicos de datos desempeñan el papel clave detrás de la IA, en realidad, muy al contrario, los miembros más importantes del equipo son los expertos de dominio. Los expertos en la materia, como los ingenieros de fiabilidad de equipos, colaboran con los científicos de datos y los responsables del cambio organizativo para dar forma a una solución que aproveche los datos de formación adecuados y pueda aplicarse en la práctica.

Tercer paso: Reimaginar lo habitual

Para obtener los consiguientes beneficios de la IA, las empresas no solo necesitan obtener nuevos conocimientos de la IA o automatizar un proceso, sino que tendrán que volver a imaginar nuevas formas de hacer funcionar la empresa. Para ello, hay que retroceder desde el resultado final que se pretende alcanzar. Por ejemplo, en el caso de la salud de las máquinas, empiece por las causas fundamentales de los tiempos de inactividad imprevistos, los residuos y los incidentes de seguridad. Trabajando hacia atrás, el mantenimiento mal realizado y el comportamiento adverso de los procesos se descubrirán como los factores clave que degradaron la salud de la máquina. A continuación, se puede prever el papel de la IA a la hora de abordar estos problemas crónicos.

Cuarto paso: Adaptarse a los cambios organizativos y tecnológicos

Para que la IA arraigue, es esencial mejorar la cualificación de los trabajadores, cambiar las responsabilidades y ajustar los flujos de trabajo. Por ejemplo, las inspecciones de equipos peligrosos deben sustituirse por sensores inalámbricos y los ingenieros de fiabilidad que antes realizaban la supervisión de las vibraciones deben interactuar con el análisis del estado de las máquinas impulsado por la IA. En lugar de interpretar complejos conjuntos de datos, el ingeniero de fiabilidad recibirá alarmas automatizadas y utilizará la IA para aprender a resolver permanentemente los problemas que surjan.

DEMASIADO CENTRADO EN LA AI, POCO CENTRADO EN EL CAMBIO ORGANIZATIVO

Es fácil prever la inevitable aplicación de la IA al sector manufacturero y, más concretamente, por qué y cómo aportará beneficios empresariales tangibles. La implantación de la IA también puede lograrse fácilmente asociándose con empresas que ofrezcan productos adaptados al ámbito que se esté abordando. Sin embargo, el mayor obstáculo para adoptar la IA es lograr el cambio organizativo necesario para aprovechar sus ventajas.

Según una encuesta reciente de The Guardian, más de 6 millones de trabajadores del Reino Unido temen ser sustituidos por máquinas. Aunque estos temores son reales, sólo se basan en la mitad de la realidad del impacto previsto de la IA. El Foro Económico Mundial estimó que para 2025, 85 millones de puestos de trabajo se verán desplazados por la IA, pero otros 97 millones de nuevas funciones se abrirán gracias a ella. Además, aunque la automatización puede sustituir a veces el trabajo humano, lo más importante es que está creando un trabajo más valioso para los humanos. David Cremer y Garry Kasparov señalan que la IA y los humanos no tienen las mismas cualidades ni la misma capacidad. La IA es rápida, precisa y sistemáticamente racional, pero carece de intuición, creatividad y estrategia. En este contexto, los proyectos de IA deben contemplarse desde la óptica de la optimización del talento humano, alejando a los trabajadores del trabajo repetitivo, físico, aislado y peligroso y orientándolos hacia un trabajo más variable, estratégico e interactivo. En el caso de la salud de las máquinas, los ingenieros de mantenimiento y fiabilidad harán menos vueltas de llave y menos inspecciones físicas de las máquinas, y más reparaciones y análisis específicos, ayudados por la IA.

No obstante, es esencial disipar el miedo a la IA y conseguir que los trabajadores se comprometan con ella en lugar de evitarla. El CIO de Accenture afirmó acertadamente: "Cuanto mayor sea el grado de enfoque organizativo en las personas que ayudan a la IA, y en la IA que ayuda a las personas, mayor será el valor conseguido". Esta idea sustenta una pregunta clave que nos hacemos a diario en KCF Technologies: ¿cómo podemos desarrollar y ofrecer las mejores herramientas de IA para elevar a los trabajadores de modo que puedan tener un profundo impacto en el rendimiento empresarial?

Citas

Fountaine, Tim. et. al. "Getting AI To Scale". Harvard Business Review, invierno de 2021, pp. 54-60.

Babic, Boris. et. al. "A Better Way To Onboard AI". Harvard Business Review, invierno de 2021, pp. 71-76.

Jesuthasan, Ravin. et. al. "What We Often Get Wrong About Automation". Harvard Business Review, invierno de 2021, pp. 107-109.

De Cremer, David. et. al., "La IA debe aumentar la inteligencia humana, no sustituirla". Harvard Business Review, invierno de 2021, pp. 97-100.