El primer artículo de esta serie analizaba la evolución de la IA y cómo los principales fabricantes la han aprovechado para redefinir la vanguardia de la manufactura. En él se analizaba la aceleración de la Cuarta Revolución Industrial (4RI) desde el aprendizaje a la práctica. Este segundo de tres artículos explora cómo se ve la IA en la vanguardia de la fabricación actual. La última entrega hablará sobre las capacidades que los últimos faros (Lighthouses) han creado para desplegar la IA y otras tecnologías de la 4RI con velocidad y a gran escala.
Los Lighthouses (literalmente “faros”) son los abanderados de la fabricación y las cadenas de suministro. Y cada vez recurren más a la inteligencia artificial (IA) para impulsar sus transformaciones de Industria 4.0. Mientras que menos del 20 por ciento de los principales casos de uso en las tres primeras oleadas de miembros de la Global Lighthouse Network se basaban en tecnologías de IA, ahora casi el 60 por ciento de los principales casos de uso implementados por los 21 Lighthouses más nuevos anunciados en diciembre de 2023 utilizan IA (Gráfica 1). Esto no es ninguna sorpresa: los casos de uso basados en IA solo en esta última cohorte han obtenido resultados notables, como un aumento de la productividad de dos a tres veces, una mejora de los niveles de servicio del 50 por ciento, una reducción de los defectos del 99 por ciento y una disminución del consumo de energía del 30 por ciento.
CITIC Pacific Special Steel, un fabricante de aceros especiales en China, ha identificado docenas de aplicaciones para la IA en todo su proceso de producción, incluida la predicción del funcionamiento interno de sus altos hornos para optimizar los parámetros del proceso en tiempo real, aumentando el rendimiento en un 15 por ciento y reduciendo el consumo de energía en un 11 por ciento. Agilent, un fabricante de equipos de ciencias biológicas en Alemania, convirtió su tecnología de visión por ordenador en un conjunto de herramientas tan eficaz que permitió la implementación de cinco casos de uso distintos de visión por ordenador, que redujeron los índices de defectos en un 49 por ciento en solo cuatro meses.
Estas tecnologías están madurando rápidamente al tiempo que las empresas mejoran los intervalos de confianza en las predicciones y recomendaciones de la IA. A medida que la creencia en estos modelos supera la confianza en los planificadores u operarios, fábricas como el centro de panificación Mondelēz en Pekín ofrecen una idea de cómo puede ser esto, donde los trabajadores de primera línea son más técnicos que operarios de máquinas. No solo están logrando más del doble de mejoras en la productividad, sino que también están observando una reducción de hasta el 70 por ciento en los residuos y de entre el 10 y el 25 por ciento en el consumo de energía.
Si la rápida adopción de herramientas de IA generativa en la banca y la tecnología es algo de lo que aprender, es probable que, al menos para los Lighthouses, el impacto a escala de fábrica esté a la vuelta de la esquina. Los conocimientos, las habilidades y las bases de datos que los Lighthouses han ido construyendo a medida que superaban los proyectos piloto de otras tecnologías 4RI también resultarán relevantes para la IA generativa. Es el caso de ACG Capsules, un fabricante farmacéutico por contrato en Pithampur, India, que desarrolló e implementó completamente un copiloto para interactuar con los procedimientos operativos estándar (standard operating procedures, o SOPs) en menos de cinco semanas, logrando una reducción del 40 por ciento en el tiempo medio de reparación (mean time to repair, o MTTR) y, cuando se combinó con una solución de capacitación habilitada con realidad virtual, una reducción de casi el 40 por ciento en el tiempo de incorporación de los técnicos.
Por qué la IA está definiendo la Cuarta Revolución Industrial
El verdadero poder de la IA para la Cuarta Revolución Industrial (4RI) se deriva de su posición en la cúspide de una pirámide de tecnologías 4RI; está desempeñando el papel de director de orquesta para las tecnologías 4RI, que juntas interpretan una sinfonía de impacto (Gráfica A).
Consideremos el ejemplo de un cambio rápido en un centro de producción (Gráfica B). Esto requiere una robótica flexible para manipular diferentes productos, vehículos guiados automatizados para mover materiales y piezas, impresión 3D para personalizar los componentes de la línea y tecnología portátil para mantener informados a los gestores y técnicos con datos en tiempo real. ¿Qué organiza esta compleja interacción de elementos, cada uno de ellos individualmente complejo? La respuesta: la IA.
Pero la IA necesita terabytes de datos generados y recopilados de una amplia gama de fuentes: sistemas empresariales, sensores de máquinas, infraestructura de conectividad y trabajadores humanos. Por eso los más avanzados van por delante. Tuvieron la previsión de invertir y asumir los riesgos que conlleva la creación de las bases de datos necesarias para impulsar las tecnologías de IA y desbloquear su impacto potencial.
La IA está avanzando para tener un impacto rápido y no hace más que acelerarse. Los fabricantes ya no necesitan plantearse si es posible o si tendrá impacto. Los Lighthouses ya lo han demostrado. En su lugar, deben centrarse en los riesgos, las normativas y las complejidades de la implementación responsable de la IA, un tema crítico digno de su propia publicación. Los Lighthouses no son inmunes a estos riesgos y no han sido demasiado optimistas. Han adoptado un enfoque mesurado, asegurándose de que cuentan con la experiencia, los sistemas y el liderazgo para cosechar los beneficios de la IA de manera responsable.
En conjunto, la última clase de Lighthouses nos ofrece cinco ideas sobre cómo es la IA en la vanguardia de la fabricación (consulte el recuadro: “Los Lighthouses ofrecen cinco ideas sobre la adopción de la IA y la IA generativa impulsada por resultados”) y su papel en la Cuarta Revolución Industrial (consulte los recuadros: “Por qué la IA está definiendo la Cuarta Revolución Industrial” y “¿Qué es la IA generativa?”). En este artículo se analiza cada idea en detalle.
IA en todos los procesos
Más perspectivas de McKinsey en Español
Mire nuestra colección de artículos en Español y suscríbase a nuestro newsletter mensual en Español.
Los primeros proyectos piloto de IA se centraron en pasos individuales del proceso, donde el alcance era más pequeño, los riesgos más bajos y las iteraciones más rápidas. Incluso hoy en día, más del 80 por ciento de los casos de uso de los Lighthouses que involucran IA también se ejecutan en el nivel de pasos del proceso. Sin embargo, lo que es notable es que la IA está teniendo un impacto significativo en cada paso del proceso de la cadena de suministro, incluida la planeación, la gestión de activos, la calidad y la entrega.
La cohorte más reciente de Lighthouses demuestra esta amplitud y diversidad. Pensemos en la planeación, donde Ingrasys implantó un modelo de previsión de la demanda basado en IA que utiliza datos anteriores para entrenar el modelo; en solo tres años, los cambios han aumentado la precisión de los pronósticos en un 27 por ciento. O la optimización de procesos, donde Hengtong Alpha Optic-Electric optimiza automáticamente los parámetros de preformas y embutición con un modelo entrenado en estrategias pasadas. O la calidad, donde VitrA Karo implementó la visión por ordenador en su horno, lo que redujo la tasa de desechos en un 68 por ciento. O la entrega, donde China Resources Building Materials Technology ha optimizado de forma adaptativa las rutas de los equipos de transporte pesado para reducir los plazos de recogida en un 39 por ciento (Gráfica 2).
Democratizar la IA con la “asetización”
Para lograr estos niveles de impacto —mejoras del 20, 40 o incluso 60 por ciento en indicadores clave de rendimiento (key performance indicators, o KPI) críticos como la producción, la calidad y el rendimiento de las entregas—, los Lighthouses han tenido que pasar de los proyectos piloto y las pruebas de concepto (proof of concepts, o POC) a la plena implementación de casos de uso en todas las máquinas y líneas de producción. Algunos emprendieron sus propios recorridos de cuatro o cinco años para hacer pilotos, aprender y ampliar nuevas tecnologías y casos de uso. Otros —como CATL en Liyang, China; Unilever en Sonepat, India; y Johnson & Johnson en Xi'an, China— pudieron aprovechar lo aprendido en otros centros Lighthouse de sus empresas para diseñar a escala desde el primer día. Aplicaron la IA avanzada y otras tecnologías a numerosos procesos, saltándose la pronunciada curva de aprendizaje que los primeros Lighthouses no tuvieron más remedio que superar.
Una de las formas en que los Lighthouses de hoy han acelerado los proyectos piloto anteriores es con un enfoque estratégico en la “asetización” (“assetization”): es decir, el arte y la ciencia de empaquetar casos de uso para acelerar y escalar el despliegue. Otras industrias también están adoptando este enfoque: las organizaciones con mayor rendimiento en IA tienen ahora 1.6 veces más probabilidades que otras de crear aplicaciones de IA utilizando programas emergentes de bajo código o sin código, lo que les permite acelerar aún más el proceso de desarrollo.1
Los Lighthouses ya están demostrando cómo funciona este enfoque en el sector manufacturero. Están aprovechando los principios de diseño modular para garantizar la interoperabilidad con la arquitectura tecnológica existente. Están invirtiendo –y luego aprovechando– en herramientas de productividad para el despliegue, como plataformas sin código para interfaces personalizables. Y están incluyendo materiales digitales básicos de mejora de habilidades, como vídeos tutoriales y SOPs, como parte de los paquetes de activos que implementan, a los que puede acceder cualquier usuario. Así es como los nuevos casos de uso y las innovaciones digitales pueden pasar de ser una herramienta localizada a un activo para toda la empresa que se utiliza en todas partes y se adapta localmente.
Agilent hizo exactamente esto. Creó una biblioteca interna de soluciones de IA listas para implementar con el fin de detectar anomalías y responder a las desviaciones del proceso, combinando herramientas de visión por ordenador con conectores a sistemas de ejecución de fabricación y software de pruebas, así como paquetes con SOPs, documentación para el usuario y guías de capacitación para operadores. Esta democratización de la tecnología de visión por ordenador permite a los técnicos —no solo a los ingenieros— identificar, desplegar y probar nuevas aplicaciones de cámaras y visión de principio a fin. Esto permitió a Agilent implementar cinco nuevas aplicaciones en 57 centros de trabajo y 16 líneas de productos, consiguiendo una reducción de la tasa de defectos del 49 por ciento en menos de cuatro meses.
En el horizonte: Centros de mando para la automatización a nivel de sistema
Las casas inteligentes no se basan solo en siglos de mejora progresiva de la calefacción, la refrigeración, la iluminación y otras tecnologías. Lo reúnen todo con controles inteligentes, que gestionan automáticamente la temperatura ambiente, atienden automáticamente las chimeneas, ajustan las persianas y obedecen órdenes vocales para reproducir la música perfecta u orientar sobre cuándo salir para tomar el metro más cercano. Las fábricas inteligentes no son diferentes; su impacto procede de una inteligencia centralizada similar con mayores niveles de capacidad de toma de decisiones y de colocar a sus humanos “en” el bucle en lugar de “dentro” de él.
Automatización de procesos cognitivos
Al igual que las automatizaciones físicas, estas automatizaciones cognitivas se producen por etapas. En la primera, aplican inteligencia para mantener los procesos operativos en estado estable, como el uso de la IA para establecer los parámetros del proceso en tiempo real. En segundo lugar, identifican (correctamente) acciones restaurativas —por ejemplo, sugiriendo una acción correctiva para el bajo rendimiento de una máquina o recomendando un ajuste de la receta para compensar una impureza del material de entrada— con los humanos en el bucle. Por último, evolucionan hacia operaciones de fabricación y cadena de suministro totalmente “autocurativas”, con humanos en el bucle.
La mayoría de los Lighthouses ya han alcanzado los dos primeros. También están acelerando hacia el tercero: el logro tecnológico que sustenta el concepto de operaciones lights-out, en las que las fábricas obtendrán mejoras del siguiente nivel en productividad, calidad y niveles de servicio, y en las que la nueva primera línea se parecerá más a los técnicos aumentados que a los operarios de hoy. Dos nuevos Lighthouses, Mondelēz y K-water, ofrecen una visión de esta evolución (consulte el recuadro: “Centros de mando para la automatización cognitiva: Dos casos”).
Formación para la confianza
Para facilitar una verdadera automatización de las decisiones a nivel de sistema, la IA no solo tiene que identificar acciones correctivas: es imperativo que se confíe en que las recomendaciones son correctas en todo momento. Esto es cierto para todos los tipos de IA, incluida la aplicada, la generativa y otras en el horizonte. Para solucionarlo, los Lighthouses están priorizando la retroalimentación en bucle cerrado para mejorar sus modelos y aumentar los intervalos de confianza mucho antes de ceder el control. También están integrando salvaguardas, mecanismos de supervisión y anulaciones para la seguridad de los riesgos.
Hay muchas formas de generar confianza con los modelos de IA, y los Lighthouses de este año exhiben varias. Uno de ellos reentrena periódicamente los modelos con datos retroactivos, comparando las predicciones anteriores con las decisiones reales de los operarios y el rendimiento de los procesos, y ajustándolos hasta que los índices de precisión superan a los de los humanos. En otro caso, la simulación puede ayudar; técnicas avanzadas como los gemelos digitales y los modelos de simulación basados en IA pueden simular el impacto de las acciones recomendadas en parámetros como la disponibilidad de materiales, la adecuación a los requisitos del cliente y el tiempo de actividad de la máquina. Esto puede mejorar rápidamente la precisión de la toma de decisiones cognitiva con una menor necesidad de experimentación. En un tercer caso, los modelos pueden introducirse progresivamente —utilizándose primero para el aumento humano (es decir, como ayuda para la toma de decisiones)— y sus decisiones pueden recibir una puntuación de probabilidad de ser las mismas que las tomadas por un humano bien informado. Luego, los operarios pueden votar las recomendaciones, como los niveles de reabastecimiento de inventario o las acciones de mantenimiento específicas, para entrenar y mejorar los modelos de forma dinámica hasta que superen el umbral de probabilidad, listos para una verdadera automatización.
Las innovaciones de la IA generativa extienden su impacto a la cadena de valor
Se espera que la IA generativa añada entre $2.6 billones y $4.4 billones de dólares de valor anual2 a la economía global, de los cuales casi una cuarta parte podría capturarse mediante mejoras de productividad de hasta el doble y automatizaciones de tareas de casi el 70 por ciento en actividades relacionadas con la fabricación y la cadena de suministro, impulsadas principalmente por nuevas capacidades en la generación de contenidos, extracción de información e interacción con el usuario (consulte el recuadro: “IA generativa y diseño de ingeniería: Una situación hipotética”).3
Estamos intentando utilizar la IA generativa para ayudar a los nuevos ingenieros a aprender rápidamente esas reglas básicas. ¿Podemos ayudar a los ingenieros y graduados universitarios a que, tras medio año aprendiendo la herramienta [IA generativa], se conviertan en diseñadores independientes?
Los Lighthouses se han dado cuenta de este potencial y están llevando la IA generativa a las áreas en las que los datos están más desestructurados. Esto incluye áreas de desarrollo de productos y actividades relacionadas con las adquisiciones, como la visión de Ni Jun para los asesores de diseño, la capacitación de las personas con asesores técnicos, chatbots de instrucción SOP y formadores personalizados, y en la implementación de tecnología con casos de uso como los copilotos de desarrollo de software, una de las implementaciones más comunes de la IA generativa.
Este tipo de casos de uso podría permitir que se produjeran transformaciones digitales sólidas más rápidamente que el plazo de dos o tres años que mantiene la sabiduría convencional. No es de extrañar entonces que el 100 por ciento de los nuevos Lighthouses –conocidos por su deseo de velocidad y escala de I4.0– tengan al menos un piloto de IA generativa en marcha; y algunos tienen más de cinco.
Acelerando también los pilotos de IA generativa
En 2019, cuando los casos de uso de IA aplicada eran predominantemente pilotos y POCs, muchas fábricas todavía estaban construyendo sus bases de datos y tecnología, determinando qué nuevas habilidades debían tener sus fuerzas de trabajo y desarrollando estrategias para una implementación exitosa. En ese momento, el liderazgo de los Lighthouses consistía en lograr que los nuevos casos de uso tuvieran un impacto real, incluso después de haber realizado potencialmente muchos proyectos piloto. Pero si avanzamos hasta hoy, los Lighthouses van incluso más adelantados y a veces se saltan los proyectos piloto por completo. De hecho, el tiempo que tardan los nuevos Lighthouses en poner en práctica nuevos casos de uso de IA se ha reducido en casi un 25 por ciento en comparación con cohortes anteriores. Esto significa que la línea de partida para tecnologías emergentes como la IA generativa es mucho más avanzada de lo que estaba para la IA aplicada hace cinco años.
ACG Capsules es un excelente ejemplo de despliegue acelerada de la IA generativa. Para responder a las necesidades cambiantes de cualificación de los empleados en el sector manufacturero, la empresa desarrolló e implementó un asistente de IA generativa que interactúa con los SOPs y las políticas en tan solo dos semanas.
En apenas cinco semanas, después de algunas transferencias de aprendizaje y ajustes, casi tres cuartas partes de los operarios y técnicos ya estaban utilizando el asistente de IA generativa para informar sobre las acciones de mantenimiento y cumplimiento. Como resultado, ACG observó una reducción del 40 por ciento en el MTTR y en el tiempo de inactividad no planeado.
Los centros Lighthouse subrayan el potencial de la IA en la fabricación, y las empresas Lighthouse están aprovechando la ventaja que han construido. Para ponerse al día será necesario contar con seguidores rápidos que tomen medidas rápidas y juiciosas para llenar los vacíos críticos, no solo tecnológicos, sino también estratégicos y humanos. No hay tiempo que perder.
Para obtener más información sobre el informe completo del Foro Económico Mundial en el que se basa este artículo, consulte Global Lighthouse Network: Adopting AI at speed and scale, Foro Económico Mundial, diciembre de 2023.
En el último artículo de esta serie, exploraremos las seis capacidades que los Lighthouses han creado para implementar la IA con velocidad y escala.