< Blog Home

AspenTech Blog Post a Comment

¿Qué es la IA? Un panorama general “desde los 10,000 pies”

¿Qué es la IA? Un panorama general “desde los 10,000 pies”

Esta es la primera de una serie de publicaciones de nuestro blog que examinarán el tema de la inteligencia artificial (IA) y sus aplicaciones en la industria.

 

En primer lugar, este no es otro blog para hablar sobre la inteligencia artificial (IA). Lo que espero con esta publicación es presentar un entendimiento y una definición que sean comunes para la IA, y particularmente en términos de cómo ésta puede aplicarse en organizaciones con uso intensivo de sus activos.

Sin embargo, el principal desafío consiste en que la IA puede significar diferentes cosas para diferentes personas en diferentes contextos, por lo que se complica la definición de este concepto. Esto se debe a que no es realmente una tecnología en sí, sino que la IA puede describirse mejor como un conjunto de diferentes tecnologías reunidas para permitir que un sistema (proceso, activo o máquina) actúe con inteligencia.

Si ampliamos este concepto, las aplicaciones empresariales habilitadas por IA permiten que un sistema actúe con inteligencia ayudándolo a detectar, comprender, ejecutar y aprender. Entrenar un sistema con Machine Learning o deep learning es fundamental para hacerlo inteligente, y puede llegar a ser increíblemente poderoso para optimizar el desempeño, la precisión y la calidad del mismo.

En lugar de centrarse demasiado en una definición de diccionario, hay que pensar en la inteligencia artificial en términos de lo que le permite hacer a un proceso, activo, máquina o sistema. La tecnología de Machine Learning es el corazón de lo que hace que un proceso, activo, máquina o sistema sea inteligente. Y lo que va a diferenciar a la IA de otras formas de automatización es la capacidad de decidir cómo actuar mediante el análisis de los datos, en lugar de tomar decisiones solamente con base en un código predefinido.

 

La “Constelación de la IA”

A medida en que muchas empresas desarrollan sus programas de inteligencia artificial y sus planes de digitalización, se necesita un marco de referencia que ayude a capturar la esencia del cambio del paradigma de la inteligencia artificial y la transformación resultante de todos los procesos de negocio dentro de una organización, ya sea relacionados con la innovación, el servicio al cliente o las iniciativas de productividad empresarial. De los muchos marcos de referencia que existen para intentar definir y explicar la IA, el que considero más intuitivo y lógico se llama "Constelación de la IA", un paradigma introducido en el libro “Human + Machine: Reimagining Work in the Age of AI” por Paul R. Daugherty y H. James Wilson.

Bajo este paradigma, la IA empresarial se puede ver en tres niveles. En el primer nivel, la empresa define sus casos de uso y aplicaciones de negocio (el por qué y el qué) que van a generar un mayor valor a las personas claves en la organización mediante el uso de los datos. En el segundo nivel, observamos el conjunto de capacidades de IA que se pueden utilizar para potenciar las aplicaciones. Y, por último, en el tercer nivel (central), observamos los diversos métodos de Machine Learning que pueden emplearse para ofrecer la capacidad de IA previamente identificada (el cómo).

Como ejemplo, una de las aplicaciones de negocio más convincentes de la IA en las industrias con uso intensivo de los activos es el mantenimiento prescriptivo. De acuerdo con el primer nivel del marco de referencia mencionado, esta aplicación prevalece en las industrias que requieren reducir los paros no programados, mejorar la vida útil de los activos y aumentar la productividad general.

En el segundo nivel, estas aplicaciones (o agentes de software inteligente) pueden aprovechar una o más capacidades de la IA para pronosticar cuándo necesita servicio un activo. Y en el tercer nivel, estas capacidades se basan en un conjunto de métodos de Machine Learning (ML), que van desde el aprendizaje supervisado, utilizando modelos de regresión y/o redes neuronales hasta el aprendizaje semi-supervisado para la detección de patrones y otras técnicas de ML.

Cada caso de uso y aplicación comercial de IA se puede deconstruir fundamentalmente utilizando este marco de referencia, para que las empresas construyan un programa holístico de inteligencia artificial, con el propósito de analizar claramente el valor al negocio de cada iniciativa de inteligencia artificial y comprender el conjunto básico de requisitos necesarios para invertir y dirigir un programa de IA.

La Constelación de IA es un marco de referencia poderoso que las empresas pueden usar para desarrollar su programa de IA. El marco enfatiza el valor del caso de uso y las aplicaciones, ayuda a centrarse en los prerrequisitos para habilitar las capacidades de la IA y enmascara la complejidad de los métodos subyacentes de IA y ML. Con los avances que aceleran la democratización de la IA y ML, estas tecnologías se están convirtiendo en un pilar fundamental de la transformación digital a nivel empresarial.

 

Adopción de IA y ML en industrias con uso intensivo de activos

Si bien existen casos de uso convincentes y hay un valor comercial medible que se derivará de la adopción de la IA empresarial, las industrias basadas en procesos y con uso intensivo de los activos se encuentran todavía detrás de muchos otros sectores en términos de adopción de la inteligencia artificial. Una de las razones principales para esto es la madurez empresarial.

Este desafío puede caracterizarse por la necesidad de nuevas habilidades y la falta de datos de calidad. Una encuesta reciente de Gartner indica que el 56% de los líderes empresariales sienten que necesitan una actualización de sus habilidades para cumplir con tareas habilitadas por IA, y el 34% de los encuestados dice que la mala calidad de los datos es una preocupación clave al implementar un proyecto de IA. Tomando esto en cuenta, todavía existe mucho valor en proceder con IA para el mantenimiento prescriptivo, ya que también emplea técnicas para obtener resultados sólidos a partir del estado actual de los datos en cualquier activo.

Otra de las razones para la lenta adopción de la IA es la falta de entendimiento sobre los beneficios y los casos de uso. En la encuesta de Gartner mencionada, el 42% de los encuestados dijo no entender completamente los beneficios de la IA o el retorno de la inversión (ROI). La cuantificación de los beneficios de los proyectos de IA plantea un gran desafío para los líderes empresariales. Y es por eso, que para el 2024, el 50% de las inversiones en IA se cuantificarán y vincularán a indicadores específicos claves de rendimiento para medir el retorno de la inversión.

Aún queda trabajo por hacer en toda la industria. Pero se debe partir de un entendimiento en común sobre lo que es la IA. También, debe utilizarse un marco sencillo de referencia que ayude a las empresas a visualizar sus proyectos de IA. Tomando en cuenta estos conceptos fundamentales, voy a dedicar las futuras publicaciones en el blog a explorar las mejores prácticas en la aplicación de la IA para impulsar la digitalización, así como a tratar algunos de los retos comunes y los beneficios clave para las industrias con uso intensivo de los activos.

Mientras tanto, si desea tener una idea más clara de cómo las soluciones digitales pueden ayudar a desbloquear nuevos niveles de rendimiento para su negocio, lea nuestro reciente reporte ejecutivo escrito por nuestro CEO, Antonio Pietri, en Inglés, sobre Tecnologías operativas de próxima generación para Smart Enterprise.

There was a problem storing your subscription

Leave A Comment