¿Es la IA agente la clave para crear nuevos empleos y permitir que las fábricas del mañana hagan más con menos?
Depósito de fotos
El trabajo en una fábrica nunca es exactamente glamoroso. Pero puede ser bastante gratificante, siempre y cuando equilibres adecuadamente tu tiempo y esfuerzo como un gimnasta encaramado en una viga estrecha.
Para apreciar los peligros de ese acto de equilibrio, imagine este escenario frustrante. Todos los lunes, como jefe de una planta industrial, observa con consternación cómo sus principales empleados desaparecen en una pila de Solicitudes de cotizaciones (RFQ), sabiendo muy bien que todo su arduo trabajo dará sus frutos.
“El problema es simple”, explicó Daryl Edwards en nuestra entrevista. “Las fábricas dedican mucho tiempo a calcular los precios de proyectos que no van a ganar”.
Edwards comprende este dilema. Antes de fundar Agent Impact, una empresa de fabricación de inteligencia artificial, fue gerente de fábrica y vicepresidente de operaciones, ayudando a escalar al mayor exportador de calzado del Perú.
Aunque el desafío del nombre de Edwards es real, ahora está surgiendo una posible solución: la IA agente. Para apreciar la mejora, primero debemos retroceder en el tiempo y alrededor del mundo. Después de la Segunda Guerra Mundial, Japón se comprometió a reconstruir su economía después de tanta destrucción.
Esta no es una tarea fácil.
Las naciones derrotadas se están quedando sin recursos y reduciendo el espacio para procesar el inventario. No puede permitirse el lujo de seguir el modelo de producción estadounidense más extravagante. El enfoque industrial de los Estados Unidos suele utilizar existencias reguladoras y grandes inventarios. Llenos de una economía en auge, los almacenes estadounidenses pueden permitirse el lujo de estar llenos ante pedidos impredecibles y tiempos de espera estancados para las piezas.
Japón no tiene ese lujo. Por eso desarrolló el Sistema de Producción Toyota (TPS), basado en el principio llamado producción Justo a Tiempo: “fabricar sólo lo que se necesita, cuando se necesita y en la cantidad necesaria”, según Toyota Motor Corporation.
La idea se extendió como la pólvora.
“Después del notable éxito de Toyota con el TPS al igualar y superar la producción manufacturera estadounidense a costos más bajos, los fabricantes de todo el mundo rápidamente adoptaron e imitaron prácticas basadas en el TPS a lo largo de los años 1980, 1990 y más allá”, explica EBSCO. Cita una encuesta de 2006 de fabricantes estadounidenses que encontró que “la entrega de proveedores justo a tiempo está en la parte superior de la lista de métodos más utilizados para gestionar el inventario”.
Por revelador que sea este modelo para la fabricación global, todavía adolece de una limitación importante en 2026: el cuello de botella causado por el actual sistema de cotizaciones.
Para entender por qué, imaginemos a un cliente que necesita 10.000 rodamientos de bolas. ayer. Naturalmente, se pusieron en contacto con varios fabricantes para pedir presupuestos. El que responda más rápido y con un precio justo ganará el trabajo. Sencillo, ¿verdad? No. Determinar ese precio no es fácil. Antes de que la fábrica pueda comprometerse con el precio, los trabajadores experimentados deben diseñar la pieza a medias para determinar cuánto costará.
La parte brutal es que tienen que hacer esto sobre una base de contingencia. Trabaja demasiado lento y metódicamente y tus competidores te ganarán. Si acorta el proceso, podría terminar con cotizaciones incorrectas que no podrá manejar, dañando sus ganancias y su reputación.
Esto nos devuelve a las maravillas de la IA agente. Edwards recientemente fue pionero en un enfoque que espera represente la última reinvención de la fabricación. Su proceso implica dividir las citas en lo que él llama “pasos atómicos”, las unidades de trabajo más pequeñas.
“La cotización se redujo a 15 o 20 de ellos”, dijo. “Pueden incluir de todo, desde confirmar solicitudes por correo electrónico que contienen información relevante hasta maquinaria de extracción y requisitos de mano de obra”. Al brindar una capa adicional de asistencia a los trabajadores de la fábrica, Agentic AI puede realizar otras acciones valiosas, como ensamblar todos los elementos que los diseñadores de CAD necesitan antes de comenzar a dibujar.
Las citas caen en sólo una de varias categorías donde se aplica este enfoque atómico. Otros incluyen planificación y programación, calidad, ingeniería y diseño, visibilidad de producción y finanzas, recursos humanos y administración. Independientemente del caso de uso específico, el agente llena el vacío entre lo que el equipo sabe y lo que quizás no haya tenido tiempo suficiente para descubrir.
El resultado es una nueva forma dinámica de trabajar que ahorra tiempo y recursos, permitiendo a las fábricas hacer más con menos, un componente clave del modelo de microempresa que acabo de escribir. Forbes. “No reemplazamos a las personas”, se apresura a señalar Edwards. “Se trata de sacar tareas aburridas y con mucha información del fondo del tiempo de las personas, para que vayan y hagan cosas de nivel superior, incluidas las relaciones y la estrategia”.
Esta diferencia apunta a algo más grande. Lo que se está reinventando es cómo cualquier empresa basada en IA agente puede diseñar los flujos de trabajo del futuro, un tema que Peter Diamandis abordó recientemente en su podcast. tiro a la lunaen un segmento llamado “La nueva era del empleo: la singularidad organizacional”.
Edwards llamó a la idea detrás de esto Escalera de agentesUna forma sencilla de responder a lo que la gente quiere decir con agentes de IA. Como me dijo, “cada escalón de la escalera añade una capacidad técnica real, desde una referencia pasiva hasta un colega autodirigido.
A continuación se asigna la escalera a la antigüedad de los empleados, con los saltos técnicos enumerados entre paréntesis:
-L0, referencias (Respecto a las medidas): libros en estanterías. Recupera la información almacenada en la solicitud, sin generación ni acción.
-L1, Colaborador (la mayoría de nosotros ChatGPT hoy): un nuevo empleado en la primera semana. Genera texto, código e imágenes a pedido, un turno a la vez. Revisas cada salida.
-L2, Consultor (llamada de herramienta de cadena): trabajador junior. Combina varias herramientas para resolver tareas rutinarias y derivarle casos extremos.
-L3, Aprobar (lo que suele significar “agente”): empleado senior. Activa eventos, utiliza herramientas, escribe en su sistema y concluye el trabajo para su aprobación.
-L4, observador (continúa corriendo): jefe de departamento. Ejecuta su propia función contra la portería y las barandillas. Revisa los KPI en lugar de acciones individuales.
-L5, Inversores (superación personal): los líderes se desarrollan a sí mismos. Supervisa los resultados y reescribe su propio manual, mejorando sin ser reprogramado.
Esta jerarquía tiene implicaciones para las empresas estadounidenses más allá del espacio de fabricación en el que se encuentra. Podemos imaginar que una empresa de servicios profesionales, como una agencia de marketing, la utilice para ejecutar flujos de trabajo. Lo que es más importante es que la IA agente está cambiando la forma en que operan las empresas del futuro, allanando el camino para una dinámica de trabajo híbrida entre humanos y máquinas más productiva, independientemente del sector.
“Hay una metáfora a la que sigo volviendo y que ayuda a explicar el futuro del trabajo”, dijo Edwards. “Con Agentic AI, no compras equipos. La razón por la que muchas fábricas, incluso las modernas, permanecen estancadas, ya sea en cotizaciones, programación o calidad, porque se detienen en L1. En el mejor de los casos. “Los verdaderos resultados llegan cuando asciendes en la escalera, donde los agentes hacen tareas por ti y no solo te ayudan más rápido”.
En el pasado, Estados Unidos saltó a la fama mundial como fabricante líder de iluminación. Incluso antes de la producción de Just-In-Time, Estados Unidos abrió el camino como modelo de innovación, moldeando la forma en que funciona el mundo. Ahora que la IA agente está aquí, tenemos la oportunidad de brindar el próximo gran salto en la fabricación y muchos más, desarrollos prometedores que pueden impulsar las ganancias de productividad y acompañar el aumento de los niveles de vida que ahora estamos comenzando a comprender.
Sí, el trabajo en una fábrica nunca será glamoroso, pero gracias a Agentic AI, las empresas del mañana podrán aprovechar esta apasionante tecnología para recuperar el tiempo, el lujo más escaso en una fábrica.
