top of page

¿Una “IA eficiente”?

Comprender cómo pensar, implementar y utilizar la Inteligencia Artificial (IA) desde una perspectiva de gestión eficiente.


El uso de la Inteligencia Artificial (IA) por parte de las empresas es ya una realidad incuestionable e inevitable en todo el mundo. Ya ni siquiera es nuevo.


En 2022, por ejemplo, IBM encargó y publicó una encuesta que, entre otras cosas, reveló, ya en ese momento, que el 41% de las empresas brasileñas estaban implementando activamente la IA en los negocios. Y que el 73% de los profesionales TI de estas organizaciones estaban acelerando inversiones en este aspecto tecnológico.


Más recientemente, en marzo del año pasado, otro estudio, esta vez encargado por Microsoft, mostró que el 74% de las micro, pequeñas y medianas empresas entrevistadas, de diferentes sectores, ya utilizaban IA. Y el 90% de ellos dijo que estaban pensando en adoptar aún más intensamente en los próximos años.


La pregunta más importante en este momento, entonces, ya no es “si”, sino “cómo” usar la IA, digamos, de manera inteligente, pidiendo perdón por la redundancia. Y, principalmente, sin repetir lo que ocurrió en los inicios de las Tecnologías de la Información (TI), cuando se comprendió que la gran mayoría de los proyectos de TI simplemente no producían los impactos y resultados prometidos.


En este contexto, nosotros en Lean Institute Brasil (LIB) estamos desarrollando y ejerciendo prácticas destinadas a apoyar la implementación de la IA, pero desde una perspectiva lean, asegurando que se utilice para reducir el desperdicio, mejorar la capacidad de gestión, mejorar las condiciones de trabajo, soportar problemas. resolver y ofrecer más valor a los clientes. Sin tales directrices, las posibilidades de incurrir en inversiones innecesarias (o ineficaces) aumentan considerablemente;


El punto de partida siempre debe ser la simplificación. El objetivo final de la IA es hacer las cosas más fáciles, directas y fluidas para empleados y clientes. Simplificando pasos y procesos, aumentamos la eficiencia operativa y mejoramos la calidad de los servicios y productos, contribuyendo de manera más efectiva a los objetivos estratégicos de la organización.

Considerando la simplificación como un objetivo fundamental para el uso de la IA, enumeramos a continuación conceptos y prácticas lean que pueden inspirarnos ante el desafío de utilizar la tecnología adecuada, en el lugar correcto y en el momento adecuado. Una “IA ajustada”.


Valor para el cliente

Para ser verdaderamente eficiente, cada proyecto de IA, incluso antes de cualquier producción o implementación digital, debe comenzar con una comprensión clara y amplia de cómo la IA que se está diseñando puede, concretamente, crear valor para los clientes.

Esta base eficiente también debe respaldar plenamente todas y cada una de las inversiones en IA. Utilizar la tecnología sin entender, de forma transparente, cuál es el propósito y qué impacto se quiere producir puede generar gastos innecesarios, es decir, más, mayores y nuevos desperdicios, así como frustración por resultados no alcanzados. Necesitamos poder mantener la perspectiva del “cliente final” como equilibrio.

Por otro lado, si logramos, además de lo anterior, utilizar inteligencia artificial para capturar los comportamientos del consumidor, los “patrones de clic”, es decir, la experiencia del usuario, esto podría convertirse en feedback relevante para líderes y seguidores, por ejemplo. por ejemplo, realizar los ajustes necesarios en productos y servicios, además de generar innovaciones más relevantes.


Eliminación de residuos

El uso de la IA puede tener un impacto tremendo en el rediseño de los procesos y en la forma en que debe organizarse el trabajo humano. Esto significa dirigir los esfuerzos de manera que todos y cada uno de los pasos innecesarios a nivel de proceso sean eliminados o minimizados, dirigiendo la capacidad humana a las actividades verdaderamente importantes.

Un ejemplo clásico con el que nos encontramos cada día en las empresas son los despidos. Los pasos y las actividades se repiten de diferentes maneras, por diferentes personas, en diferentes departamentos, sin siquiera darnos cuenta. Esta es una excelente oportunidad para mapear y utilizar la IA para automatizar el trabajo, con el objetivo de eliminar superposiciones que solo roban tiempo y energía.

En estos casos se puede recurrir a la denominada “Automatización Robótica de Procesos (RPA)”, que cada vez se utiliza más para automatizar actividades cíclicas. Sin embargo, es necesario, una vez más, aplicar la visión lean ante los desafíos de la automatización. Antes de cualquier intervención que involucre tecnología, se deben mapear cuidadosamente los flujos de valor para resaltar los puntos críticos.


Identificación de errores, fallos y defectos.

Quizás una de las contribuciones más prometedoras de la IA es su capacidad para ayudarnos a identificar anomalías. Uno de los conceptos más poderosos del modelo lean es la búsqueda incesante por identificar y exponer problemas. Los propios orígenes del lean nos llevan a este concepto.

El famoso “pilar jidoka”, inspiración que Toyota trajo de la fábrica de telares y que incorporó profundamente a las prácticas de producción de vehículos, nos remite esencialmente a la capacidad que deben tener las máquinas y equipos para poder juzgar “de forma autónoma” si el producto tiene calidad o calidad. no.


En la era digital, con el apoyo de la IA, deberíamos poder alcanzar nuevos niveles de calidad, con costos decrecientes. Si nuestros sistemas, máquinas y equipos están diseñados para ayudarnos a distinguir errores, fallas y defectos, dejaremos espacio para que se aprovechen enormemente la velocidad y la eficacia de las mejoras. Por ejemplo:


En detección y diagnóstico de anomalías : la IA se puede programar para monitorear constantemente los datos de producción o servicio en tiempo real, detectando patrones que se desvían de la norma. Los algoritmos de aprendizaje automático pueden identificar fallas, defectos o problemas de calidad antes de que se vuelvan más graves. Una vez detectado el problema, el sistema puede pausar automáticamente la operación en línea, siguiendo el “pilar jidoka”.



En análisis predictivo : utilizando grandes conjuntos de datos históricos, la IA puede predecir fallas potenciales en equipos o procesos. Estas predicciones ayudan con el mantenimiento predictivo, que se alinea con "jidoka", al evitar interrupciones no planificadas y defectos de calidad, optimizando el tiempo de actividad del equipo y la eficiencia del proceso. La Industria 4.0 utiliza estos mecanismos a través de sensores RFID e IoT para capturar y recopilar datos, y hace uso del Deep Learning para alimentar la IA con la intención de realizar análisis predictivos. Por ejemplo, en el caso de los coches autónomos Clase 5.


En visión por computadora : en las líneas de montaje o en el control de calidad, la IA equipada con visión por computadora (reconocimiento de imágenes) puede inspeccionar productos a velocidades mucho más altas y con mayor precisión que los humanos. Esto no sólo mejora la detección de defectos, sino que también permite una intervención rápida, de acuerdo con los principios jidoka. Un caso muy conocido en la agroindustria es el del seguimiento de cultivos mediante drones equipados con cámaras y mecanismos de IA, mediante reconocimiento de imágenes, para identificar plagas, enfermedades y otros problemas de producción.


En automatización responsiva : los sistemas equipados con IA se pueden programar para tomar decisiones automáticas, basadas en la información recopilada y analizada. Esto incluye no sólo detener el sistema cuando sea necesario, sino también sugerir ajustes a los procesos o configuraciones de máquinas y equipos para evitar la recurrencia de defectos. En esta línea, tenemos como ejemplo la famosa entrega en producción de funcionalidades de un sistema o producto digital que, mejorado con IA, puede configurarse para implementar planes de contingencia como roll-back, en caso de detección de errores en el proceso. implementación, para proteger la última versión funcional de la solución.


Sobre la retroalimentación y la mejora continua : la IA puede ayudar a recopilar y analizar la retroalimentación de procesos y productos de forma continua, facilitando la mejora. Por ejemplo, si se detecta con frecuencia un problema específico, la IA puede analizar las causas fundamentales y sugerir cambios en el proceso o diseño del producto. Esto es muy común en canales de streaming, como Netflix, donde la IA lee continuamente patrones de comportamiento y visualización para ofrecer la mejor experiencia de usuario, brindando contenido compatible con cada individuo.


En integración con sistemas corporativos : Al conectar la IA con los sistemas de gestión empresarial (ERP, por ejemplo), es posible optimizar la respuesta a los problemas detectados. La IA puede activar automáticamente órdenes de trabajo, ajustar las cadenas de suministro o realinear los cronogramas de producción. Actualmente, la declaración de estándares en el entorno digital se ve potenciada por la IA, dado que a partir de estos estándares se pueden establecer condiciones previas y requisitos para mantener un nivel de entrega de valor en la rutina diaria.


Velocidad de mejora y resolución de problemas

Hasta la IA, realizar mejoras era una tarea exclusivamente humana. Pero quizás también estemos ante cambios profundos en este aspecto. Como vimos en los temas anteriores, disponemos cada vez más de medios “autónomos” capaces de identificar anomalías y señalar la existencia de problemas en tiempo real. Esto nos permite acelerar drásticamente el tiempo de respuesta a los problemas, aumentando la precisión de las intervenciones encaminadas a mejorar los procesos y la organización del trabajo.


Revelar y resolver problemas sigue siendo una capacidad humana fundamental y tal vez nunca deje de serlo. Después de todo, siguen siendo personas reales que tienen la responsabilidad de tomar decisiones y tienen una visión crítica del desempeño y las necesidades comerciales. Sin embargo, una “IA ajustada” puede ayudar mucho con este desafío y de una manera nunca imaginada.


Este puede ser un posible “estado ideal” de la dinámica de mejora, con la IA como un gran aliado para identificar brechas de desempeño en tiempo real, señalando caminos y contramedidas alternativas. Que se vuelva receptivo y desarrolle la capacidad de autocorregir inconsistencias a nivel de proceso. No sólo analizar y proporcionar datos e información complejos, sino también “proponer” y “realizar” las transformaciones necesarias.


Haz la pregunta correcta

Actualmente, la mayoría de las interacciones entre los humanos y la IA se producen a través de las llamadas “indicaciones”, que se guían por comandos que enviamos a los robots con nuestras demandas específicas. En este contexto, es esencial, por ejemplo, entender cómo hacer la “pregunta correcta” a las plataformas de IA, como ChatGPT, Gemini, Copilot y muchas otras.


Es necesario entender cómo pensar y formatear “indicaciones lean” que extraigan y analicen información de manera efectiva, además de ofrecer alternativas viables para iniciar, desarrollar y mejorar la solución a un problema o desafío determinado. Sin la pregunta correcta, tendremos respuestas inexactas que pueden llevarnos a decisiones equivocadas.

 Esto también implica comprender profundamente las necesidades de los clientes y sus respectivos puntos débiles. En consecuencia, identificar los elementos estratégicos en los que la IA puede aportar mejoras significativas. Luego, formule preguntas a la IA utilizando indicaciones específicas, claras y directas. Y evaluar, a partir de las respuestas, cómo podemos perfeccionar y alinear las prácticas de gestión, contribuyendo a los objetivos estratégicos.


¿Una “IA eficiente”?

Los debates en profundidad en una serie de importantes reuniones mundiales recientes sobre el tema –como Brasil en Silicon Valley, SXSW y South Summit– nos dan pistas sobre el enorme potencial de una “IA eficiente” para transformar, de maneras nunca imaginadas, la la gestión de las empresas, la evolución de los mercados y las relaciones con los clientes.

Pueden, por ejemplo, personalizar las experiencias de los usuarios, predecir las necesidades futuras del mercado y optimizar la prestación de servicios. Además, sin duda generarán nuevos modelos de negocio, crearán ventajas competitivas a través de la innovación continua y la rápida adaptación a los cambios sociales. Podrán traducir patrones de comportamiento, para alinear aún más las demandas específicas, las configuraciones organizativas y el desarrollo de las personas, fortaleciendo los ecosistemas económicos.


En este contexto, es probable que, en un futuro próximo, veamos no sólo un "sistema Lean", sino un "sistema Lean AI", que integrará la gestión y la inteligencia artificial como partes esenciales e indivisibles del funcionamiento de una empresa y gestión.

Las bases de esto incluirían una profunda integración de la IA con los procesos y el trabajo humano, en continua optimización y aprendizaje. Asimismo, generar estructuras adaptativas que permitan respuestas rápidas a los cambios, manteniendo el enfoque en la creación de valor. Y fortalecer el uso de datos y análisis cada vez más avanzados para respaldar las decisiones estratégicas y operativas.


El futuro ha llegado. Las empresas deben entender cómo pensar y ejecutar la IA de forma eficiente. No es algo que vaya a suceder todavía. Quizás ya tengamos grandes palancas potenciales para acelerar el progreso.

 


 

ACERCA DEL AUTOR.

Flávio Battaglia

Presidente del Lean Institute Brasil



Erasto Meneses

Responsable de Transformación Digital Lean de Lean Institute Brasil.



TRANSCRIPCIÓN: Areli Álvarez Lean Construction México®

378 visualizaciones

Entradas Recientes

Ver todo

תגובות


  • Facebook
  • Twitter
  • YouTube
bottom of page