Por: Andrés Asato (*).
En IBM el objetivo fue lanzarse al desarrollo de operaciones confiables y capaces de analizar grandes volúmenes de datos y que dieran respuestas a problemas complejos, resolver situaciones a una velocidad inusual y en diferentes sectores de una organización. ¿Cómo utilizar los datos y la inteligencia artificial (IA) para obtener beneficios en el mantenimiento de activos? ¿Cómo garantizar esas operaciones hacia un nuevo modelo de negocios? ¿Cuáles son los aspectos fundamentales para comprender los aspectos preventivos, predictivos y prescriptivos e impulsar una mejoría en la eficiencia y reducir los costos operativos?
André Felipe Leite de Gusmao, Senior Technical Specialist de IBM en Latinoamérica, participó como expositor del reciente encuentro de Management Logístico 2022 y abordó en una entrevista para Énfasis Logística todos estos temas y otros aspectos como el de la capacitación profesional y el uso de activos que se están empleando en la actualidad para sacar provecho de esos datos y optimizar las operaciones. La IA no solo viene a impulsar las mejoras operativas sino también a potenciar la capacidad de decisión tanto de los clientes como de los empleados.
Te puede interesar: Índice de Intensidad Digital
Las tecnologías digitales están redefiniendo las posibilidades en todas las industrias intensivas en activos y los desafíos que afrontan tanto el mercado como la industria misma hoy son imaginarse cómo impulsar esos cambios y no quedarse atrás, sin frenar el envejecimiento de la mano de obra y de los activos, el aumento de los costos de mantenimiento y las regulaciones, y sin asumir los nuevos dilemas que surgen en un contexto de cambio climático y de pandemia latente.
Énfasis Logística: ¿Cuál es tu evaluación de la madurez del sector para el empleo de la Inteligencia Artificial?
André Felipe Leite de Gusmao: Las dificultades de los sectores del retail, la logística y el transporte son las mismas de otros sectores. Aunque existan muchas oportunidades de uso de la IA para soportar varios de los procesos, todavía no hay un entendimiento maduro de lo que se puede hacer, pero esa mirada está cambiando muy rápidamente, con varias empresas invirtiendo en mano de obra especializada y en herramientas tecnológicas. Los principales desafíos ahora son poder escalar las iniciativas que sí han demostrado resultados a través de pilotos o pruebas de concepto y mejorar la calidad de los datos, que son el insumo básico para cualquier tecnología basada en IA.
É. L. : ¿Hay personal calificado suficiente para hacer las transformaciones?
André Felipe Leite de Gusmao: La respuesta objetiva es no. Pero muchas de las empresas ya tienen claro que tienen que calificar su personal. No sólo para identificar las oportunidades donde se puede aplicar la IA, sino también para poder trabajar con los proveedores de soluciones de IA. Sin embargo, ese proceso requiere cierto tempo hasta que podamos decir con seguridad que las empresas cuentan con el nivel de especialización que se requiere.
É. L. :¿Qué dificultades puede encontrar una empresa a la hora de iniciar la transformación tecnológica?
André Felipe Leite de Gusmao: En nuestra experiencia pudimos apreciar que algunas empresas aun no logran visualizar qué tipos de resultados se pueden generar con la adopción de la IA, y sobre todo de los resultados que no pueden generar. La IA no viene a resolver todo y cualquier problema, por eso a veces las expectativas suelen ser mayores que los resultados que se generan. El cambio cultural y el miedo a perder el espacio se convierten en demoras en los procesos y para superarlo se necesita tiempo para que las personas lo entiendan y principalmente, lo acepten. Y eso es parte del proceso de transformación digital que ya varias empresas están llevando adelante.
É. L. :¿Cómo se gestionan los equipos y cuáles son las herramientas más aplicadas?
André Felipe Leite de Gusmao: Creo que el principal desafío es poder retener la mano de obra especializada, una vez que hay una disputa feroz por esos profesionales, y que todavía son pocos para la cantidad de demanda que se tiene en las empresas. Las herramientas son muchas, una vez que en la IA tenemos varias tecnologías, como por ejemplo Machine Learning o Deep Learning. Del lado de IBM, Watson es la principal herramienta, y la estamos usando para resolver problemas en áreas como salud, finanzas, gestión de activos, gestión de riesgo y compliance y operaciones de tecnologías de la información (TI).
É. L. : ¿Cuál es la clave para mejorar la confiabilidad de los activos físicos?
André Felipe Leite de Gusmao: El uso de la IA en la gestión de activos ya es una realidad, y muchas empresas ya cuentan con una o más iniciativas de adopción de IA en sus procesos de mantenimiento. De hecho, el concepto de APM –Asset Performance Management– adoptado por Gartner tiene que ver con la captura, integración, visualización y análisis de datos vinculados con el propósito explícito de mejorar la confiabilidad y disponibilidad de los activos físicos. Casos de uso como mantenimiento basado en condición, mantenimiento predictivo y colaboración aumentada (que mezcla colaboración con realidad aumentada) ya están implementados en varios de los clientes de IBM a través de nuestra solución de gestión de activos, el Maximo Application Suite, una plataforma integrada y basada en la nube para optimizar el rendimiento y ampliar la vida útil de los activos.
É. L. :¿Qué importancia se le asigna al concepto de APM?
André Felipe Leite de Gusmao: Es la que ayuda a los gerentes de mantenimiento a predecir la probabilidad de fallas futuras y determinar los factores que podrían afectar las operaciones comerciales o de planta. Elimina el tiempo de inactividad no planificado, aumenta la producción y extiende la vida útil de los activos. Permite unificar los datos operativos dispares en modelos de mantenimiento predictivo, mejora la confiabilidad de los activos y optimiza la planificación del mantenimiento.
É. L. :¿Con qué Modelo de Negocios nos encontraremos en el futuro?
André Felipe Leite de Gusmao: Ya existen algunos modelos que están tomando provecho de la IA, como por ejemplo: MLaaS (Machine Learning as a Service) o AIaaS (Artificial Inteligence as a Service), que son ejemplos que ya existen para varias otras tecnologías y que ayudan a los clientes a entender mejor los altibajos del mercado. El Marketplace de activos de IA, espacios donde se comparten o se venden activos de IA, como modelos entrenados para varios tipos de aplicaciones de negocio. La adopción de tecnologías (sistema embebido, empotrado o integrado) aplicados en productos tradicionales como autos, televisores, buscadores o celulares. Sin embargo y a pesar de estos desarrollos hay una sensación latente de que todavía estamos arañando la superficie de los modelos de negocio y debemos esperar aún el surgimiento de varios otros modelos en un futuro próximo.
(*) Colaborador Énfasis Logística.
Nota completa publicada en Revista Énfasis edición agosto 2022. Ingresá aqui.
