Las nuevas tecnologías están ligadas a cuestiones operativas reales: ¿cómo mejoramos la producción sin aprender todas las lecciones de forma costosa? Elija un problema que le esté costando dinero a la empresa. Luego pregunte qué es necesario cambiar para mejorar el problema.
getty
La luz de verificación del motor no repara el auto. Te dice que algo debajo del capó necesita atención. Quizás el problema sea pequeño. Quizás fue la primera señal de un gran fracaso que se había estado gestando durante meses. De cualquier manera, una vez que se encienden las luces, sabes que tienes que hacer algo.
Los fabricantes deben pensar en la IA de la misma manera. La tecnología puede predecir fallas de las máquinas, mejorar la calidad y acelerar la producción. Pero primero, probablemente encenderá la luz de verificación del motor de fábrica, mostrando al líder dónde la operación es complicada, frágil o se están ejecutando soluciones alternativas.
Puede ser doloroso y costoso pero es necesario. La IA no arreglará la fabricación hasta que las fábricas arreglen el trabajo. Y aquí es donde muchas empresas se quedan estancadas.
CON NANDA 2025 GenAI compartida El informe encontró que el 95% de los pilotos de IA generativa de la compañía no mostraron un impacto mensurable en las pérdidas y ganancias. Y la fabricación tiene un problema más fundamental. Un 70% de las fábricas todavía recopilan datos manualmente. Eso significa que muchas empresas están tratando de agregar inteligencia avanzada a operaciones que aún se ejecutan con notas escritas a mano, pliegos laterales y memorias individuales.
Aquí hay seis áreas que necesitan atención antes de que la IA pueda ofrecer valor real.
1. Comience con un problema que valga la pena solucionar
El trabajo de la fábrica virtual de BMW comenzó con un problema práctico de producción: cómo mejorar la fábrica antes de alterar la línea real. La empresa utiliza inteligencia artificial y simulación para crear gemelos digitales de sus plantas, lo que permite a los equipos probar diseños, robótica y logística antes de realizar cambios físicos.
Ese es el punto de partida correcto. Las nuevas tecnologías están ligadas a cuestiones operativas reales: ¿cómo mejoramos la producción sin aprender todas las lecciones de forma costosa? Elija un problema que le esté costando dinero a la empresa. Luego pregunte qué es necesario cambiar para mejorar el problema.
Un buen caso de uso de IA comienza con problemas operativos, una propiedad clara y resultados medibles para la empresa. De lo contrario, el proyecto se convierte en un experimento tecnológico más que busca una razón de existir.
2. Obtenga una versión de la verdad
La IA sólo es útil si sus operaciones tienen la misma visión de lo que está sucediendo. La planta de Bosch en Bamberg lo demuestra. Cámaras, sensores y estaciones de prueba introducen datos de producción en análisis impulsados por IA. Bosch afirma que el sistema procesa alrededor de 1 millón de mensajes de datos en 24 horas y ayuda a detectar desviaciones antes de que las piezas defectuosas abandonen la línea.
Esto sólo es posible porque la empresa ha realizado primero el trabajo operativo más difícil. Los datos tienen un lugar adonde ir. Los estándares son claros. La gente puede confiar en la información.
La mayoría de los fabricantes no lo tienen. Todavía viven con alguna versión de la verdad. Un número en ERP. Otro en la hoja de cálculo. Tercero en la cabeza de otra persona. La IA no conciliará eso con la magia. Pero obligará a la empresa a decidir qué versión es real. Los datos malos no se vuelven buenos porque la IA los toque. Simplemente se convierten en datos incorrectos que se mueven rápidamente.
3. Arreglar la ruptura entre equipos.
El cronograma de trabajo creado por la IA de Lenovo es un buen ejemplo porque el problema es mayor que crear un cronograma mejor. Introduce la información correcta en el negocio lo suficientemente rápido como para mantener la producción.
Lenovo afirma que el sistema reduce la planificación del cronograma de dos horas a dos minutos y aumenta el volumen de producción en un 19%. Esta programación sólo funciona cuando los equipos están conectados. Las ventas deben saber lo que la producción puede hacer. El comprador debe saber qué ingredientes faltan. La producción debe saber cuándo cambian las prioridades.
La IA puede ayudar a tomar esas decisiones más rápido. Pero no puede arreglar las empresas donde cada equipo trabaja con una versión diferente del plan. Una fábrica no puede funcionar de esta manera, no importa cuán inteligente sea el software.
4. Corrija el proceso antes de automatizarlo
La automatización tiene una forma de hacer que los malos hábitos sean permanentes. Es por eso que los fabricantes deberían hacer una pausa antes de colocar la IA en la cima de un proceso que todos saben que es frustrante, lento o inconsistente. La velocidad sólo es útil si el trabajo en sí tiene sentido.
Antes de automatizar un proceso, primero haga la pregunta incómoda: ¿por qué el trabajo se realiza de esta manera? La respuesta suele ser una mezcla de software antiguo, propiedad poco clara y formas que se han vuelto normales porque la gente está acostumbrada a vivir con ellos.
La IA no tiene por qué ser una costosa cinta adhesiva para flujos de trabajo interrumpidos. El objetivo debería ser rediseñar el trabajo para que sea más fácil repetir las mejores decisiones.
5. Traiga a alguien que conozca el taller.
Los proyectos de IA construidos demasiado lejos del taller a menudo pasan por alto cómo se realiza realmente el trabajo. Quienes hacen el trabajo conocen la diferencia entre el proceso oficial y el real. Saben qué datos son erróneos, qué alarmaron a las personas que no prestan atención y los procesos silenciosos “temporales” se convierten en una práctica habitual.
Tráelos antes de que se cree el dispositivo. Ningún proyecto de IA necesita un comité gigante. Pero todo aquel que se toma en serio necesita que alguien cercano al trabajo sepa si las recomendaciones son útiles, realistas y seguras de implementar.
El modelo debe aprender de la realidad, no de la versión de la realidad que el líder quiere.
6. Trate la IA como una mejora continua
La mejora continua es donde sobresalen los fabricantes. Saben cómo observar un proceso, encontrar qué lo ralentiza, arreglar lo que está roto, medir los resultados y seguir mejorando.
La IA debería tratarse de la misma manera. La IA debe ganarse su lugar en la fábrica. Tiene que resolver problemas reales, trabajar para las personas que realizan el trabajo y mejorar las operaciones de una manera que la gente pueda ver.
Así es como la IA resulta útil dentro de la fábrica. Se convierte en parte de la forma en que la empresa resuelve los problemas, y no en un piloto independiente que vive al margen.
Para muchos fabricantes, el primer paso resultará incómodo. La IA encenderá la luz de verificación del motor. Mostrará dónde el trabajo es confuso, dónde los números no son confiables y dónde hay cosas que no funcionan.
Ahí es donde comienzan las reparaciones. Antes de que la IA pueda ayudar a que las fábricas funcionen de manera más inteligente, debe mostrar a los líderes lo que se debe arreglar bajo el capó.
