La IA generativa da el salto al ámbito industrial
La irrupción de Chat GPT en nuestras vidas cotidianas ha sido la más veloz jamás conocida. En poco, no sólo hemos aprendido a utilizar las ventajas obvias de preguntar a una máquina en lenguaje natural por cuestiones del día a día, sino que hemos descubierto una tecnología que queremos y sabemos que puede ser entrenada para mejorar y ajustar la respuesta. El impacto provocado por este modelo ha puesto de moda (de nuevo) la Inteligencia Artificial y ahora nos preguntamos si modelos anteriores tenían sentido y si siguen siendo válidos según qué aplicación. En concreto, en Automática e Instrumentación nos repreguntamos por el papel de la IA en general para la industria y, en particular, de esta nueva ola llamada IA Generativa. ¿Estamos preparados para el cambio?
1. ¿Cuáles son los principales ámbitos de aplicación de la IA Generativa?
La Inteligencia Artificial Generativa tiene aplicación en prácticamente todos los sectores y áreas económicas de la sociedad. Sin embargo, aún está en su fase experimental y ahora es cuando estamos empezando a ver aplicaciones reales en los ecosistemas de trabajo de las empresas. En este sentido, las primeras áreas en las que se están viendo avances significativos son la atención al cliente, el marketing, RRHH, actividad comercial, gestión interna y en la alta dirección.
- Atención al cliente: La IA Generativa permite crear respuestas automáticas personalizadas a solicitudes de clientes en tiempo real, el enrutamiento inteligente de solicitudes en función de factores como la carga de trabajo o el historial del usuario, la automatización de procesos comerciales y el análisis de KPIs como el sentimiento del cliente; todo ello con el objetivo de mejorar la experiencia y satisfacción de los clientes, a la vez que se reducen los costes operativos y se optimiza el tiempo.
- Marketing, RRHH y actividad comercial: La IA Generativa facilita la automatización de procesos rutinarios, como la segmentación de contactos, la creación de correos electrónicos, la generación de clientes potenciales y la definición de perfiles de producto. Esto implica que se puede incrementar la eficiencia y productividad de los equipos sin perder la capacidad de personalizar las ofertas y campañas.
- Entorno intranet y plataformas colaborativas: La IA Generativa ofrece funcionalidades como resúmenes automatizados de videollamadas, transcripción simultánea, creación de materiales y acceso a información relevante desde el entorno de trabajo. Sin embargo, a pesar de que muchas herramientas, como es el caso de Teams, ya tienen incorporadas algunas de estas funcionalidades, muchas empresas carecen del conocimiento para utilizarlas o incluso de que tienen la posibilidad de hacerlo.
- Alta dirección: La IA Generativa facilita la generación de informes que aborden previsiones y tendencias, así como la formulación de ideas y estrategias más eficaces construidas en base a la información veraz, actual y contextualizada. Esto conlleva que se puede tomar mejores decisiones, anticiparse a los cambios del mercado, identificar oportunidades y amenazas y liderar el cambio digital.
2. ¿Qué otros modelos fundacionales se están poniendo a disposición de empresas y mercado?
Otros de los modelos fundacionales más populares y que están disponibles para empresas y mercado son BERT y LaMDA, que son modelos de lenguaje desarrollados por Google, que pueden entender y responder a consultas en lenguaje natural. Se entrenan con grandes cantidades de texto de Internet y se pueden usar para diversas tareas de procesamiento del lenguaje natural, como analizar el sentimiento, la sintaxis y el contenido de los textos. Se ofrecen a través de plataformas comerciales como Google Bard, que usa el modelo LaMDA para ayudar a los usuarios a escribir documentos, correos electrónicos, presentaciones y demás tareas al estilo de ChatGPT. Por otro lado, DALL-E y Flamingo son modelos multimodales desarrollados por Facebook, que pueden crear y manipular imágenes a partir de descripciones en lenguaje natural. Se entrenan con grandes cantidades de texto e imágenes de Internet y se pueden usar para diversas tareas de generación y edición de imágenes, como crear logos, caricaturas, retratos, etc. Se ofrecen a través de plataformas comerciales como LLaMA 2, que usa el modelo BlenderBot 2.0 para crear agentes conversacionales multimodales.
3. ¿Qué aplicación puede tener el uso de la IA Generativa en entornos industriales?
La IA Generativa puede tener muchas aplicaciones en entornos industriales, ya que puede mejorar la eficiencia, la productividad, la creatividad, la seguridad y la sostenibilidad de las operaciones. Un claro ejemplo es en la generación y optimización de diseños. La IA Generativa puede crear y mejorar diseños de productos, procesos, sistemas y servicios, utilizando datos de entrada como requisitos, restricciones, preferencias y objetivos. En este sentido, la IA Generativa puede diseñar piezas de automóviles, turbinas eólicas, edificios, circuitos, redes etc., buscando la mejor solución posible en términos de rendimiento, coste, calidad y sostenibilidad.
Otra área de gran potencial es el mantenimiento predictivo y la gestión de activos, ya que la IA Generativa puede analizar los datos de sensores, registros, alarmas y otros indicadores de los activos industriales para predecir su comportamiento, estado y necesidades de mantenimiento. En otras palabras, puede detectar anomalías y oportunidades de mejora y sugerir acciones preventivas, correctivas o de optimización. Del mismo modo, la IA Generativa puede crear y manipular modelos digitales de escenarios, fenómenos, sistemas y procesos industriales, para simular sus resultados, ver sus consecuencias y explorar alternativas. No obstante, como comentábamos, las aplicaciones de la IA Generativa en los entornos industriales están aún en una fase inicial y, en la actualidad, la mayoría de los casos están limitados al desarrollo y la experimentación.
4. ¿Siguen teniendo sentido otros modelos analíticos orientados a la mejora de procesos en base al uso del dato?
Sí, siguen teniendo sentido otros modelos analíticos ya que, aunque los modelos generativos imitan alguno de sus comportamientos, existen diferentes tipos de modelos con funcionalidades específicas, como los descriptivos, los predictivos y los prescriptivos. Así, estos pueden complementar o contrastar los resultados de los modelos generativos, o bien abordar problemas que los modelos generativos no pueden resolver. Por ejemplo, los modelos descriptivos pueden ayudar a entender el estado actual de un proceso y detectar anomalías o patrones. Los modelos predictivos pueden ayudar a anticipar el comportamiento futuro de un proceso y estimar la probabilidad de ciertos eventos. Los modelos prescriptivos pueden ayudar a encontrar la mejor solución o acción para un proceso, teniendo en cuenta las restricciones y los objetivos.
En conclusión, los modelos analíticos son diversos y cada uno tiene su utilidad y valor. Lo importante es saber elegir el modelo adecuado para cada situación y combinarlos de forma inteligente para obtener el máximo beneficio de los datos.
