La inteligencia artificial (IA) ha mantenido a la comunidad empresaria fascinada, especialmente desde la explosiva popularización de Chat GPT, que alcanzó el récord de 100 millones de usuarios en apenas dos meses y que ha puesto en evidencia que avanzadas tecnologías de IA son cada vez asequibles, incluso para pymes. Sin embargo, aún son relativamente pocas las empresas que han logrado crear sustancial valor y, menos aún, transformar sus modelos de negocios apalancados en la incorporación de IA.
Esta nota está dirigida especialmente a aquellos que, aunque son conscientes del impacto de la IA, aún no han apostado fuerte en ella. Está escrita para quienes saben que, ante semejante salto tecnológico, su competitividad está seriamente amenazada por la inminente posibilidad de que un competidor pase de la admiración a la acción antes, incorporando capacidades cognitivas en sus tecnologías. Aún convivimos con cierta perplejidad ante semejante disrupción: ¿Cómo hacer sentido de todas las tecnologías existentes de IA? ¿Por dónde empezar, y cómo continuar desarrollando oportunidades de negocios apalancados en AI?
Si aún tu empresa no tiene amplia experiencia en aplicaciones de IA, el primer consejo es no enfocar la atención en las tecnologías de IA en sí mismas, sino empezar por enfocarnos en las oportunidades concretas de negocio en las que su aplicación podría optimizar nuestro modelo operativo. Aunque no es necesario ser un experto en las tecnologías de IA, es útil contar con una categorización sencilla de estas tecnologías para identificar aplicaciones potenciales y contextos adecuados para su implementación. Sin embargo, no es necesario que conozcas en profundidad las distintas tecnologías de IA antes de avanzar; más bien, tu conocimiento del negocio y tu capacidad para innovar son los factores más decisivos para comenzar a adoptar estas tecnologías.
Desde la perspectiva de identificar oportunidades en un negocio, las aplicaciones de IA en las empresas se pueden agrupar en tres categorías principales: (1) análisis de grandes volúmenes de datos para identificar patrones y, eventualmente, realizar predicciones y tomar decisiones (por ejemplo, análisis de riesgo crediticio); (2) interacción con humanos (por ejemplo, chatbots para atención al cliente); y (3) eficientizar procesos del negocio (por ejemplo, preparación de cajas para pedidos de e-commerce). Estas categorías son un punto de partida, simplificado; luego, en el diseño de soluciones concretas, se combinarán según sea necesario1.
En el corazón de todas las empresas competitivas yacen los procesos, esos mecanismos esenciales de coordinación en nuestras organizaciones que alinean recursos, actividades y tecnologías para crear valor de manera consistente, satisfaciendo las necesidades de clientes, tanto externos como internos. La gestión por procesos de negocios (BPM) ha demostrado ser una práctica tan fundamental que ha mantenido su vigencia incluso ante la aparición de nuevas metodologías de gestión. Centrarse en los procesos ofrece una perspectiva robusta y orientada a la creación de valor, ideal para identificar oportunidades en un negocio que se podrían capturar adoptando IA.
Este artículo explora cómo la adopción de IA puede transformar tu negocio a través de procesos inteligentes, que van más allá de la simple automatización para alcanzar el aprendizaje autónomo. Esto permite convertir las operaciones tradicionales en sistemas dinámicos que se optimizan y evolucionan continuamente, impulsados por la IA.
Muchos tienen presente la Primera Revolución Industrial, impulsada por la innovadora tecnología de la máquina a vapor, cuyo impacto trascendió el plano empresarial para impactar también en la sociedad y la política. Menos recordada es la Segunda Revolución Industrial, marcada por la electricidad y sus aplicaciones, como los motores eléctricos, que transformaron los procesos productivos de diversas industrias. Aunque por simplificación, para cada revolución industrial destacamos una tecnología clave, es importante reconocer que son fenómenos resultantes de la convergencia de múltiples avances tecnológicos.
La Tercera Revolución Industrial fue impulsada por el surgimiento de los microprocesadores, que democratizaron el poder de cálculo y facilitaron la creación de microcomputadoras. Estos avances permitieron desarrollar tecnologías específicas como los PLCs para la automatización en entornos de manufactura, así como la automatización de procesos de negocios mediante robots programables que operan en el mundo físico según reglas rígidas, como los brazos robóticos que mueven piezas pesadas con alta precisión. Además, se digitalizaron los procesos de gestión y comunicación, eliminando el uso del papel y dando lugar a sistemas ERP cada vez más abarcativos que integran funciones empresariales esenciales como finanzas, producción y recursos humanos, centralizando toda la información en bases de datos digitales. La conectividad digital se extendió, incluso antes de la llegada de Internet, incluso a lo largo de cadenas de suministro.
La Tercera Revolución Industrial ha introducido cambios vertiginosos para las empresas y la sociedad, pero ya antes de que pudiéramos recobrar el aliento, desde aproximadamente el 2010, comenzamos a transitar la Cuarta Revolución Industrial (Revolución 4.0), un periodo que promete transformar aún más profundamente las organizaciones e industrias, con impactos económicos y en el mundo del trabajo que aún son difíciles de dimensionar. Sin embargo, si la tercera revolución industrial ya nos ha brindado robots de sofisticada automatización, conectividad generalizada, Internet y “supercomputadoras” portátiles, entre otras innovaciones, ¿qué nuevas tecnologías podrían tener el potencial transformador necesario para esta Revolución 4.0? ¿Puede alguna de las tecnologías recientes realmente inducir un cambio tan disruptivo como para establecer un nuevo paradigma industrial?
Las revoluciones industriales son impulsadas por la 'destrucción creativa' de nuevas tecnologías que vuelven obsoletos los procesos fundamentales en múltiples industrias, siendo la inteligencia artificial (IA) un claro ejemplo de esto. La IA se distingue por su alta capacidad para adaptarse, aprender y tomar decisiones de manera autónoma en entornos dinámicos, particularmente a través de metodologías avanzadas como el Deep Learning, el procesamiento avanzado del lenguaje natural y el aprendizaje reforzado. A diferencia de los métodos convencionales, basados en algoritmos de optimización estáticos o reglas fijas, la IA mejora continuamente su rendimiento en respuesta a los cambios y nuevos datos sin necesidad de intervención humana directa. Su capacidad para operar efectivamente incluso en situaciones cambiantes y poco predecibles ilustra su avanzada adaptabilidad. Actualmente, estamos viendo los primeros años del despegue de aplicaciones comerciales basadas en IA, cuyas capacidades están creciendo rápidamente en diversas áreas, especialmente relevantes para su aplicación en procesos de negocios, y esto está catalizando el avance de la Revolución 4.0.
En la Revolución 4.0, que culmina con la visión de la Industria 4.0, la automatización y los robots ya no se limitan a obedecer complejos árboles de decisiones preprogramadas del tipo 'Si... entonces...', que simulan inteligencia. Gracias a los modelos de Machine Learning (ML), ahora son capaces de aprender y mejorar a partir de los datos generados por su propia experiencia operativa (ej. el feedback recibido al operar un proceso) o datos aportados por otros interconectados. Esta capacidad de aprender y adaptarse no solo se aplica a procesos digitales, como los cálculos y el procesamiento de información administrativa digitalizada, sino también a aquellos que interactúan directamente con la realidad física. Esto es posible gracias a la tecnología del Internet de las Cosas (IoT), que utiliza extensamente sensores para digitalizar observaciones y actuadores para ejecutar acciones en el mundo físico.
Como hemos visto en la historia, las revoluciones industriales despliegan una 'destrucción creativa' que lleva a la extinción a las empresas que no pudieron o no supieron adaptarse. Con las nuevas tecnologías digitales, el tiempo para difundir el uso de cada nueva tecnología se acorta cada vez más, alcanzando velocidades de difusión sin precedentes, y la IA no es la excepción (como lo demostró el último récord de adopción de ChatGPT). Ante este panorama, ¿cómo podemos incorporar las capacidades cognitivas de la IA en nuestra empresa mientras aún estamos bregando con la implementación de tecnologías informáticas (TI) convencionales? En las adopciones de nuevas tecnologías, solemos considerar dos modalidades de implementación: Big-Bang versus incremental. Dadas las altas inversiones, riesgos y capacidades organizacionales necesarias para desplegar el potencial de IA en todas las áreas en simultáneo, son pocas las empresas que pueden afrontar una modalidad “Big-Bang” sin antes haber acumulado suficiente experiencia para ser más agresivos en su despliegue. Por otro lado, dado que Industria 4.0 se apoya en capacidades de TI desarrolladas antes del surgimiento de la IA, podemos seguir un camino de desarrollo de capacidades de TI necesarias para implementar la IA, como la captura de datos, comunicación y almacenamiento. Además, podemos combinar este desarrollo con proyectos piloto de IA, que están más enfocados en desarrollar capacidades internas y aprender para futuras implementaciones, en lugar de buscar un retorno de inversión (ROI) inmediato. Esta priorización del proyecto, enfatizando la velocidad del aprendizaje organizacional sobre el ROI inicial, ayuda a mitigar los riesgos asociados con los primeros proyectos y fortalece la base para iniciativas más ambiciosas y complejas en el futuro, buscando maximizar el ROI total de la implementación de IA a lo largo del tiempo.
En contextos donde la empresa ha desarrollado algunas capacidades de TI y cuenta con ciertos procesos críticos digitalizados, como podría ser a través de la implementación de un sistema de planificación de recursos empresariales (ERP), es común la implementación de tecnologías de "Robótica de Automatización de Procesos" (RPA). Estas tecnologías, relativamente sencillas de aplicar, pueden generar ahorros significativos principalmente mediante la automatización. Con la expansión de la inteligencia artificial en diversas aplicaciones, los sistemas RPA han empezado a integrar capacidades de IA, evolucionando hacia lo que ahora conocemos como Automatización de Procesos Inteligentes (IPA). Estos sistemas no solo operan bajo reglas rígidas preestablecidas, como en las primeras implementaciones de RPA, sino que también aprenden y mejoran su rendimiento basándose en su experiencia. Para muchas empresas, esta avanzada automatización de procesos representa una forma accesible y económica de adoptar IA, aprovechando la larga experiencia acumulada por la tecnología RPA en la automatización de procesos digitalizados. Este enfoque es un primer paso de bajo riesgo en la curva de aprendizaje hacia una adopción más amplia de la IA.
Si asociamos la Revolución 4.0 únicamente con empresas nativas digitales como los gigantes tecnológicos Alphabet (Google), Apple, Meta o Microsoft, conocidos por sus productos y servicios en el dominio puramente digital, corremos el riesgo de tener una visión muy limitada del verdadero potencial de esta revolución. Nuestras vidas biológicas aún transcurren consumiendo e interactuando con objetos materiales; vivimos en una realidad física que, comparada con las realidades digitales, es mucho más confusa, incierta y compleja, y contiene infinita información embebida, de la cual solo una mínima parte está digitalizada. En un entorno físico, la cantidad de información contextual que podemos extraer se multiplica de forma acelerada a medida que aumentamos el nivel de detalle descriptivo en nuestras observaciones, revelando una complejidad creciente. Esta complejidad de la realidad física presenta desafíos únicos para la IA en su esfuerzo por interpretar y adaptarse a un entorno en constante cambio, un desafío mucho mayor que en los entornos puramente digitales, donde la cantidad de información disponible, por vasta que sea, está acotada por la granularidad de los datos. Pero justamente es en la fusión de las capacidades de la IA con el mundo real, más físico que digital, donde la Revolución 4.0 alcanza su expresión más revolucionaria a través de la realización de la visión de la Industria 4.0, que a continuación exploraremos.
La visión de Industria 4.0 marca la culminación de esta nueva fase en la evolución industrial, engendrada por la Revolución 4.0 y caracterizada por los sistemas ciberfísicos (CPS, por sus siglas en inglés de "cyberphysical"). Estos sistemas operan como unidades productivas autónomas o como módulos dentro de estructuras productivas modulares más amplias, compuestas por conjuntos de procesos interdependientes que generan un producto o servicio final común e incluyen componentes físicos y digitales gestionados de manera integrada. Los CPS pueden abarcar diversos niveles de alcance, desde una línea de producción hasta toda una planta productiva, denominada "Smart Factory" (fábrica inteligente), o un segmento de una cadena de suministro. Estos sistemas integran máquinas, operarios, materiales, sistemas digitales, redes y operaciones físicas, todos coordinados integralmente por la inteligencia artificial. Por su parte, la tecnología de Internet de las Cosas (IoT) facilita la interconexión entre los dominios digitales y físicos a todos los niveles del proceso o cadena de suministro, permitiendo una operación coordinada y en tiempo real. A través de sensores y actuadores, IoT no solo digitaliza el mundo físico, sino que también permite actuar sobre él. En su forma más avanzada, los CPS son unidades productivas autónomas, inteligentes y autooptimizadas, impulsadas por el aprendizaje y la adaptabilidad de la IA, capaces incluso de reconfigurar los recursos a su disposición para rediseñar por sí mismos el proceso productivo.
En la visión de Industria 4.0, los CPS más avanzados se modelan mediante Digital Twins (gemelos digitales), que son modelos digitales capaces de replicar con precisión tanto los componentes físicos como digitales y que se actualizan en tiempo real. Estos Digital Twins, empleados en unidades productivas completas como una planta, se generan a partir de datos recopilados por sensores IoT, dispositivos y PLCs, entre otros elementos interconectados. El acceso a un Digital Twin permite que la IA no solo simule millones de escenarios con gran fidelidad, sino que también monitoree en tiempo real el estado detallado de la unidad productiva que gestiona y optimiza. Así, la IA puede recibir feedback continuo sobre los efectos de sus decisiones autónomas y las acciones que ejecuta, incluyendo la experimentación de mejoras. Además, puede detectar los efectos de las intervenciones humanas y de factores externos.
En esta visión, la IA puede utilizar el Digital Twin para diversos objetivos de optimización, como incrementar la productividad, mejorar la calidad, optimizar flujos de trabajo y hasta rediseñar productos o servicios. Por ejemplo, al simular un proceso de producción, la IA puede experimentar tanto digital como físicamente con modificaciones en dicho proceso para encontrar maneras de minimizar tiempos muertos, aumentar la capacidad o reducir defectos en el producto o servicio final. De esta manera, los Digital Twins permiten que la IA opere y aprenda de manera autónoma, se adapte al contexto y, eventualmente, tome decisiones que podrían incluir la reconfiguración de recursos para rediseñar el proceso productivo y hacerlo evolucionar. Esto representa la realización plena de la visión de Industria 4.0, donde la fusión del mundo físico con el digital, gracias a una IA cada vez más capaz, desata una transformación explosiva: sistemas ciberfísicos que pueden funcionar, gestionarse y mejorarse a sí mismos a velocidades y con una eficacia órdenes de magnitud superiores a las humanas, maximizando el potencial disruptivo de la Revolución 4.0.
Al tomar perspectiva sobre nuestra fascinación actual con la IA, podemos apreciar que estamos en los primeros años de lo que será visto como el incipiente despegue de las aplicaciones comerciales basadas en IA. Sus capacidades están aumentando rápida y sostenidamente en áreas cruciales para mejorar el desempeño de los procesos de negocios, extendiéndose más allá de la mera productividad. La velocidad de esta mejora implica que debemos identificar oportunidades de negocio y decidir sobre su adopción no solo basándonos en las capacidades actuales, sino también en las enormes capacidades que, a este ritmo, se desarrollarán en apenas dos o tres años. Es similar al surf, donde la decisión de remar hacia una ola debe tomarse anticipando cuán grande será; si esperas a ver la ola en su altura máxima para decidirte, será demasiado tarde y solo verás cómo otros que la anticiparon y tomaron la decisión a tiempo avanzan rápidamente, dejándote muy atrás.
Referencias
- Davenport, T. H., & Ronanki, R. (2018, January 9). Artificial Intelligence for the Real World. Harvard Business Review (HBR).