La tecnología está cambiando, entre muchas cosas, el lenguaje, el cual se acopla a modismos y anglicismos dentro de un ecosistema de grandes transformaciones que impactan en la vida académica y del sector productivo, sin hacer abstracción de los efectos sociales. Frente a toda esta modalidad de avances posmodernos, los emprendedores y los líderes empresariales están en la disyuntiva de actualizar sus conocimientos y migrar de la administración general tradicional a la gerencia técnica, al desarrollo organizacional, liderazgo, y la enorme variedad de modelos administrativos, de formulación, gestión y control de proyectos; obviamente, todo ello obliga a analizar el desarrollo de la actividad empresarial en un entorno económico hostil, e hiperinflacionario que hacen saltar aleatoriamente su comportamiento cuya comprensión se facilita usando modelos de inferencia bajo condiciones de incertidumbre y riesgo.
Un informe de McKinsey Global Survey on new-business building indica que muchos más gerentes generales están apostando a la creación de nuevas fuentes de ingresos como su principal prioridad estratégica y, que casi dos tercios de los inversionistas señalan que podría ser ventajoso para las organizaciones incrementar sus inversiones para el desarrollo de nuevos emprendimientos y esperan que la IA generativa contribuya con la visualización, y creación de nuevos negocios. El gerente de estos tiempos ve pasar la actividad empresarial frente a sus ojos a gran velocidad incluyendo los cambios coyunturales e intentan sobre la marcha capturar negocios exitosos mediante nuevas tecnologías e inversiones de capital, instrumentando estrategias que puedan potenciarlo para generar alta productividad, dando un poco más a sus clientes, creando nuevas líneas de negocios y servicios, pero al final, se fundamentan en cómo hacer para poder crecer de forma innovadora.
La mutación de un gerente tradicional, acostumbrado a los procedimientos habituales de la administración general (porque siempre lo ha hecho así y le ha funcionado bien) es imprescindible para analizar el contexto de su organización y los resultados de su operación al revelarse que sus rendimientos no son suficientes, de tal manera, que con la formación profesional adecuada se convierten en CEO o expertos en un área determinada como lo es IA los cuales se orientan a nuevos productos, servicios o negocios usando mecanismos estratégicos de desarrollo para nuevos negocios.
Las relaciones entre la universidad y el sector productivo comienzan a lograr un punto de inflexión en el desarrollo y aplicación de nuevas tecnologías; aparecen nuevas tendencias en las organizaciones para hacerlas sostenibles en esta nueva visión. Investigando sobre este potencial cambio, hemos examinado una encuesta de Microsoft mediante la cual se revela en una muestra del sector industrial que el 57% de sus ejecutivos están hablando de nuevos enfoques empresariales dirigidas a asignar prioridades significativas a las nuevas tecnologías, especialmente en el segmentó de las cadenas de suministro para hacerlas más flexibles, adaptables, resilientes y dotadas de una gran capacidad de pronóstico mediante nuevas herramientas para predecir, supervisar y medir todo lo que ocurre a lo largo del proceso usando modelos técnico gerenciales de diversos tipos y de la necesidad de abordar prioritariamente nuevos desafíos para los profesionales que se ocupan de la gerencia, pero especialmente retener a la fuerza laboral disponible entrenándolos con esas nuevas herramientas potenciando las capacidades de análisis.
El 42%de los empresarios entrevistados piensan en que la creación de los ecosistemas industriales deben ser mucho mejor conectados digitalmente impulsados por la acumulación de datos procedentes de las fuentes de producción, reconociendo que ni las empresas más importantes o destacadas del mundo pueden hacerlo por si solas, por lo tanto en pleno conocimiento buscan nuevos socios de mucha competencia, o de proveedores de tecnologías para unirse a sistemas interconectados, compartir la data almacenada en la nube, y extraer con modelos la data sometida a correspondiente análisis para finalmente generar valores agregados a sus procedimientos gerenciales. Se ve claro, el desafío cuyo valor es de grandes oportunidades de desarrollo y optimización de su negocio. Toda esta actividad se inscribe en lo llamaremos Metaverso Industrial, es decir, la convergencia de nuevas y variadas tecnologías que se unen, tales como: Inteligencia Artificial, Almacenamiento digital (CLOUDS), Realidad Virtual, Gemelos Digitales, 3D y IA generativa.
El tema central que surge de la visión de ese ecosistema es como usar la data de manera integrada dentro de la particularidad de una empresa mediante la construcción de un hilo digital que abarque toda la empresa y su cadena de valor a medida que desarrollan nuevos productos, en ese sentido, la IA puede ayudar a hacer esta actividad proactiva al analizar grandes masas de datos y marcar eventos que permitan detectar temas críticos a través de la realidad aumentada, la realidad mixta y la captura de la realidad en tiempo real mediante sensores, cámaras, drones, maquetas, mapas y la construcción de gemelos digitales los cuales brindan una visión de lo que un activo está haciendo, es decir, un subsistema de equipos, o la complejidad de una planta, pero también, predecir lo que está haciendo ese activo y lo que probablemente hará en el futuro que permita optimizar los programas de mantenimiento y de logística usando modelos de monitoreo y simulación a través de árboles de fallas, e indicadores de riesgo.
El desarrollo del conocimiento cuya experticia profesional reside en los centros de investigación de las universidades, en sus académicos y estudiantes de maestría o doctorado los cuales desarrollan algoritmos para la solución de modelos de optimización de amplio contenido bajo condiciones de riesgo e incertidumbre y la resolución compleja de variables a través de procesos sustentadas en soluciones matemáticas los cuales son compartidos, analizados y sometidos a experimentación, procedimientos o productos patentados, subidos a la nube y puestos a disposición para su acceso a través de vínculos computacionales. Esta actividad pone de manifiesto el vínculo claro entre investigadores universitarios y los creadores de conocimiento. Llego el momento de usarlos, de lograr una real vinculación con los desarrolladores y las corporaciones. Este parque de conocimiento solo requiere la coordinación y conocimiento de las potencialidades de los creadores del conocimiento generalmente disponibles en los centros universitarios para insertarlos en la cadena del conocimiento, la creación y aprovechamiento científico de sus productos y su inserción en los ecosistemas de las nuevas tecnologías.
La transformación industrial está generando un mapa de cambio, que comienza con una inversión de elementos digitales lo cual no necesariamente implica gastos enormes, significa un presupuesto inteligente centrándose en algunas tecnologías y se va creciendo paso a paso; la encuesta revela que más del 60% están de acuerdo en invertir en nuevas tecnologías y en capacitar a la fuerza laboral existente. Generalmente en la industria los procesos son continuos e intensivos sustentados en enorme cantidad de sistemas y subsistemas los cuales están agrupados en cientos de miles de equipos tales como ocurre en la industria petrolera, petroquímica, de gas, eléctrica, del hierro y del aluminio, manufactura de equipos, y de productos de consumo masivo donde la cadena de suministros y su logística no necesariamente la data resultante se pone todo en la nube, pero la data significativa es continua hacia los bordes para el proceso es el cálculo de indicadores, estimadores y patrones para lo cual los modelos y sus algoritmos deben contribuir a conocer como se hace, o al menos, que significan sus resultados, trabajar con los grandes actores de los ecosistemas es clave, y en consecuencia aparecen nuevos actores para trabajar de manera más eficiente y no se tengan que construir sistemas con capacidades internas sino aprovechando la experiencias de las universidades, de los centros de investigación, y de los consultores técnicos, ello alivia mucha presión y se adquiere el conocimiento adecuado para realizar el trabajo frente a la circunstancias de construir su propio piloto en áreas muy específicas de cada empresa individual. Esto trae consigo una mayor sostenibilidad de las operaciones los cuales permite ahorros significativos de tiempo y de costos. El mantenimiento predictivo, impulsado por IA, comienza a modelar las fallas previsibles de un componente de un sistema mediante el aprendizaje continuo de la data de patrones frecuenciales históricos examinados en tiempo real dirigidos a bajar los costos de mantenimiento de los equipos, sistemas y logística de los suministros induciendo la prolongación y optimización de los costos.
Últimamente se perfeccionan viejos sistemas de seguridad industrial mediante las herramientas de Módulos de Riesgo en un ambiente de Análisis Probabilístico de Seguridad (APS) que permite prevenir accidentes, proteger a los sistemas de fallas humanas, al personal y a los activos de una organización. Para lograr aplicar estas herramientas, las cuales desde hace años han tenido solución funcional mediante la aproximación de técnicas tales como modelos de Box and Jenkins, Regresión, distribuciones de probabilidad de Weibull, Log normal, Exponenciales y otros cuya solución aplicada a cada ítem es laboriosa ha encontrado en la IA y APS la manera de obtener patrones en tiempo real, y calcular en segundos los indicadores de logística, de mantenimiento y de riesgos cuyo análisis automatizados permiten trazar graficas de indisponibilidad, demanda esperada, árboles de falla facilitando el diseño de los entradas de datos adecuada, conectarse con un API adecuado a la nube y bajar en una pantalla resultados y gráficos previamente analizados fue facilitan la toma de decisiones tal y como como., cúanto comprar, calcular la posibilidad de fallas de un componente, trazar árboles de decisión y disponer de las debidas sugerencias para ordenar acciones de mantener, reemplazar o usar sucedáneos.
Para estos propósitos solo se requiere comprender conceptualmente el valor de cada indicador, su significación e interpretación correcta de las probabilidades condicionadas e interpretar las gráficas resultantes; todo se logra con tutoriales o simplemente con programas de formación cortos, intensivos y a distancia en un ambiente del metaverso, usando lenguajes hablados, y la ayuda de aplicaciones y sugerencias. Con las predicciones resultantes dentro de un entorno de control de los errores de estimación que permiten optimizar las decisiones, lo cual permite administrar los recursos de manera adecuada, y eliminar inventarios engrosados por las malas decisiones de comprar por demás partes y repuestos. Mediante IA se optimiza también la planeación, minimización del desperdicio, una mejor asignación de mano de obra y mayor eficiencia general en las operaciones. El futuro ha llegado para la conjunción universidad-sector productivo.