Cuando la IA va a trabajar - Transformando la automatización de fábricas

Resumen del episodio

La Industrial AI se está mudando del laboratorio al piso de la fábrica. En este episodio de Perspectiva optimista en cinco, Lauren Espin explora cómo la IA puede ayudar a los fabricantes a abordar la escasez de mano de obra calificada y mejorar la productividad de ingeniería.

En el centro de la historia está Eigen Engineering Agent, desarrollado por el centro de IA de Siemens en Seattle. Al combinar IA con datos de ingeniería específicos de la planta, Eigen puede ayudar a los ingenieros de automatización a escribir código y configurar sistemas industriales, realizando tareas de ingeniería complejas hasta cinco veces la velocidad humana. En implementaciones piloto en más de 100 empresas en 19 países, Eigen ha logrado hasta un 50% más de eficiencia de ingeniería.

Pero llevar la IA a entornos industriales requiere más que modelos potentes. La experiencia humana, la simulación y la validación siguen siendo esenciales para garantizar que el trabajo generado por IA sea seguro, confiable y listo para el mundo real.

¿El resultado? Un vistazo a cómo la Industrial AI podría remodelar la fabricación, no reemplazando a los ingenieros, sino ayudando a las personas calificadas a hacer más.

Transcripción completa

Soy Lauren Espin, y esto es La perspectiva optimista en cinco, una actualización rápida sobre un desarrollo importante que está configurando el futuro.

Estados Unidos se ha fijado una meta ambiciosa para reindustrializar su economía. Eso significa construir nueva capacidad de fabricación, modernizar las operaciones existentes y seguir siendo competitivos a nivel mundial, todo mientras la industria enfrenta una escasez persistente de mano de obra calificada.

La Industrial AI podría ser una de las herramientas más importantes para enfrentar ese desafío. Puede basarse en décadas de progreso en automatización, software y el gemelo digital para ayudar a los ingenieros, operadores y técnicos a ser más productivos, acelerar la innovación y resolver problemas cada vez más complejos.

Pero darse cuenta de esa oportunidad requiere más que modelos de IA potentes. Necesitamos implementar IA en el mundo real, a escala, de manera que brinde ganancias de productividad medibles.

Y eso nos lleva a una pieza de tecnología en la que la mayoría de nosotros rara vez pensamos, a menos que, por supuesto, trabaje en la fabricación.

El PLC, o controlador lógico programable. Uno puede haber controlado la línea que llenó la botella de agua en su escritorio. Otro ayudó a fabricar un componente dentro del auto que conducía hoy. Y otro pudo haber ayudado a empacar la caja de entrega que apareció en su porche.

Los PLC están en todas partes en la industria moderna. Siemens hace muchos de ellos. De hecho, alrededor de un tercio de las máquinas en el mundo están controladas por PLC de Siemens.

Y cada uno de esos controladores necesita ser programado.

Ese es el trabajo de los ingenieros de automatización. Escriben código de control, configuran sistemas y redes, prueban conexiones y se aseguran de que los sistemas industriales cada vez más complejos funcionen según lo previsto.

Y hoy, esos ingenieros calificados son escasos.

Entonces, la pregunta obvia: ¿Por qué no usar IA para aumentar la productividad de la fuerza laboral que tenemos?

La IA ya está trabajando duro en las fábricas hoy en día. Las cámaras detectan defectos en las líneas de producción. Los sistemas predicen cuándo los motores están a punto de fallar. Otros encuentran maneras de exprimir más rendimiento fuera de una línea crítica.

Estas aplicaciones funcionan porque son muy buenas para hacer un trabajo específico. Una cámara. Una línea de producción. Darle a la IA suficientes ejemplos, y aprende a hacer ese trabajo extremadamente bien.

Pero programar un controlador no es un trabajo.

Es posible que se le pida a un ingeniero de automatización que resuelva cualquier número de problemas, y la respuesta correcta depende de la planta específica: el equipo, la configuración, el cableado, incluso las convenciones de nomenclatura.

Eso hace que sea difícil escalar la IA de la misma manera. No puede construir y entrenar un nuevo modelo para cada planta y cada cliente.

Mientras tanto, la IA de propósito general resuelve parte de ese problema. Los modelos más potentes de hoy en día pueden razonar, escribir software y abordar una gama mucho más amplia de tareas. Pero ellos no entienden intrínsecamente su fábrica. Los datos de ingeniería que describen una planta (su equipo, configuración y sistemas eléctricos) son específicos de ese entorno y, a menudo, privados.

Ahí es donde importa el contexto industrial.

Piense en un nuevo ingeniero brillante en su primer día. Entienden ingeniería, pero nunca han puesto un pie en su planta. No los envía de vuelta a la escuela. Les da acceso a la información correcta sobre el sistema específico en el que están trabajando y, muy rápidamente, están contribuyendo.

Esa es la idea detrás del Eigen Engineering Agent.

Desarrollado en el centro de inteligencia artificial de Siemens en Seattle, Eigen trabaja dentro del software de ingeniería que ya utilizan los ingenieros de automatización. Puede acceder a la información del proyecto que describe cómo se configura una planta, junto con diagramas de cableado eléctrico y otros datos de ingeniería relevantes.

Un ingeniero puede describir lo que quiere en un lenguaje sencillo. Eigen va más allá de generar sugerencias para ejecutar de manera autónoma tareas complejas de ingeniería. Puede entender el desafío y, básicamente, ir a trabajar, escribir código o configurar sistemas, hasta que cumpla con el objetivo de rendimiento establecido por el ingeniero.

Y ya se está desplegando.

En implementaciones piloto en más de 100 empresas en 19 países, Eigen entregó hasta un 50 por ciento más de eficiencia de ingeniería. Puede ejecutar tareas de ingeniería a una velocidad de dos a cinco veces la humana.

Cuando los ingenieros de automatización calificados son escasos, esas ganancias importan.

Para que la Industrial AI se implemente a escala, también debe ser de confianza.

Es por eso que la supervisión humana y la validación están integradas en el proceso. El código se puede probar a través de herramientas de simulación que modelan cómo se comportará el controlador antes de que llegue al equipo activo, con un ingeniero que revise y apruebe el trabajo.

Esa es una distinción importante. La Industrial AI no se trata simplemente de traer modelos de IA potentes a una fábrica. Se trata de combinar la IA con un profundo contexto industrial y experiencia en ingeniería para que pueda implementarse de manera segura y confiable en el mundo real.

Y Eigen es una parte de un esfuerzo mucho mayor. Siemens invertirá mil millones de dólares en capacidades y ofertas de IA en los próximos tres años, aprovechando décadas de experiencia en la aplicación de tecnología en la industria y la infraestructura.

Porque el próximo capítulo de IA no se definirá solo por modelos más potentes. También se definirá por nuestra capacidad para implementarlos en el mundo real, con el contexto industrial y la experiencia humana requerida para resolver problemas reales y ofrecer un valor medible.

Ese es un progreso más silencioso que un chatbot que se está volviendo más inteligente. Ocurre dentro de las fábricas, trabajando junto a ingenieros y, en última instancia, dentro de esos PLC que la mayoría de nosotros nunca veremos.

Pero todos experimentaremos los resultados.

Soy Lauren Espin, y esto es La perspectiva optimista.