Sergey Sviridov, responsable de I+D de Zyfra

La inteligencia artificial (IA) es un tema de candente discusión en las esferas científica, económica, social y política. Sus defensores creen que la tecnología resolverá los problemas de las sociedades digitales, mientras que los más críticos advierten de las consecuencias negativas de la IA y de los posibles malos usos de la misma. Lo cierto es que ambas posturas están equivocadas. El éxito futuro de la IA dependerá principalmente del crecimiento del mercado y, aun así, muchos empresarios y consumidores ya están convencidos su potencial.

Según un reciente estudio realizado por el Observatorio Europeo de Tecnología de la Información (EITO), se espera que este año el mercado de la IA en la Unión Europea crezca alrededor de 3 mil millones de euros; llegando a unos 10 mil millones de euros en 2022. Esto corresponde a un crecimiento anual promedio del 38%. El año pasado, en contraste, el volumen del mercado fue de solo 2 mil millones de euros. Por otra parte, según un análisis realizado por el grupo consultor internacional PWC, se espera que el comercio global de inteligencia artificial alcance un valor de 70 mil millones de dólares en 2020, transformando los mercados de consumo, los corporativos, y los gubernamentales de todo el mundo. Cuando se comparan las inversiones en inteligencia artificial por país, se observa que Estados Unidos y China dominan el mercado. Por el contrario, todos los países de Europa (incluida Alemania) siguen siendo muy reacios a invertir en inteligencia artificial.

Esto se debe principalmente al hecho de que aún hoy en día existen numerosos obstáculos en la aplicación de esta tecnología. Por ejemplo, influye que la búsqueda, adquisición y procesamiento de datos represente el 60-70% del tiempo total requerido para la implementación de proyectos de IA. Dado que las empresas carecen actualmente de un único sistema de almacenamiento y procesamiento de datos; estos se recopilan en varios sistemas separados, y la mayoría de las veces, ni siquiera integrados entre sí. Los enfoques para la organización del almacenamiento son muy diversos. Y a esto se suma que el proceso de gestión de datos (garantizar su calidad e integridad) es también de gran importancia. Por lo tanto, muchas empresas simplemente no recopilan los datos necesarios para implementar algoritmos de IA. Como consecuencia, por el momento, el ritmo de la implementación de la IA se ve restringido porque las empresas no están preparadas para invertir en el almacenamiento, recopilación, y gestión de datos; así como tampoco incorporar los datos en los procesos comerciales clave.

Un argumento común a todos los críticos de la IA es que, dado el estado actual de desarrollo, las soluciones no pueden estandarizarse para llegar a adaptarse a las diversas soluciones técnicas de sistemas de producción sumamente complejos. Por lo tanto, todo tiene que ser explicado en un lenguaje corriente y el algoritmo debe aprender a manejar cada proceso por separado. Además de la información sobre el funcionamiento del negocio, la IA necesita datos sobre el negocio en sí, y sobre los procesos de producción relevantes de cada tipo de industria.

Los ingenieros expertos confían a menudo en su intuición al trabajar en el proceso de producción de metales. Por ejemplo, utilizan ferroaleaciones para conseguir la fórmula química requerida. Y asi, el acero de ferroaleaciones mejora sus propiedades físicas y mecánicas. Como ha quedado patente en la práctica,  puede haber fluctuaciones en la cantidad de ferroaleaciones añadidas en diferentes áreas de producción de una misma empresa. Esto influye en gran medida en el coste de las materias primas, pudiendo optimizarse si las decisiones sobre las proporciones de ferroaleaciones se basaran en un enfoque de IA estandarizado (en lugar de la intuición de un ingeniero experto). Pero aquí surge el problema de la ausencia de un proceso claro de toma de decisiones, ya que los mecanismos de la decisión son intuitivos y nunca se formalizan.

Por lo tanto, la pregunta clave es: ¿Puede la IA aprender observando a un ingeniero en el trabajo y recopilando datos sobre cómo toma su decisión basándose en factores externos? La respuesta es sí; puede y debe. Sin embargo, las decisiones de IA están limitadas por algoritmos operativos previamente aprendidos de los humanos.

Si la IA se encuentra ante una situación desconocida, algo que aún no se ha visto, podría generar una recomendación falsa y se vería obligada a devolver el control al ingeniero de procesos.

Es importante tener en cuenta que los grandes proveedores de equipos industriales, incluidos Siemens y Mitsubishi (quienes inicialmente instruyeron a los subcontratistas para que aplicaran un sistema de recopilación de datos en sus equipos), llevan una cierta ventaja cuando se trata de la implementación de IA.

En otras palabras, la falta de estándares y procedimientos operativos unificados están frustrando el proceso de digitalización. Por lo tanto, al final del día, el aumento de las máquinas se vera detenido por la toma de decisiones basadas en la intuición y un actual proceso de producción sumamente desordenado.

La capacidad de IA para evaluar situaciones está estrictamente limitada a un marco rígido. Es por eso por lo que las soluciones de IA se han implementado solo en plantas y etapas de producción cuidadosamente seleccionadas. Aquí no estamos hablando de intelecto, sino solo de los elementos de decisión.

En resumen, podemos concluir que la IA es inviable sin ayuda humana; ni para aprender, ni para entender los factores transitorios, porque la industria fue creada por y para humanos. La IA podría llegar a reemplazar a las personas en un futuro muy lejano. Pero por ahora, con una tecnología localizada en un punto incierto y con muchas preguntas por contestar, el programa desarrollado se basará en las personas. Y es por lo que la seguridad debe estar siempre presente en el corazón del proceso de implementación de IA. Las decisiones falsas de IA y el mal uso de la tecnología deben ser interrumpidos inmediatamente por una persona. Sin embargo, es de esperar que las investigaciones en inteligencia artificial conduzcan a una IA capaz de recopilar información tomando decisiones correctas y seguras aún en situaciones críticas.

Dejar una respuesta

Please enter your comment!
Please enter your name here