‘Superautomatización’ industrial, pendiente del factor humano

En la reciente Conferencia Internacional sobre la Industria del Futuro y la Fabricación Inteligente (ISM 2025), Mauricio Faccio, de la Universidad de Padua, analizó el “aumento significativo de la complejidad” que ha supuesto la adopción del paradigma del ensamblaje bajo pedido. Los sistemas de ensamblaje se tienen que rediseñar para que sean capaces de producir una amplia gama de variantes del mismo producto base.

El desafío es gestionar miles de piezas y realizar, en cada estación de trabajo, numerosas tareas que requieren a su vez diversas herramientas y componentes. Hace falta flexibilidad y eso explica la de pendencia sustancial del ensamblaje manual, con los condicionantes asociados a él en términos de productividad, bienestar del operador, fatiga, gasto energético, carga mental, ergonomía o seguridad.

Faccio señala que la automatización flexible y los robots colaborativos ofrecen soluciones prometedoras, junto con otras tecnologías como los sistemas de visión artificial, la IA y los sensores inteligentes. En su ponencia, describió un modelo de sistemas de ensamblaje centrados en el ser humano, pero capaces de integrar tecnologías innovadoras. La clave es reconsiderarlo todo, desde los atributos físicos del espacio de trabajo hasta la asignación de tareas, la ubicación de las herramientas y las piezas y el sistema de aprovisionamiento.

McKinsey sostiene que los modelos de colaboración entre humanos y máquinas están entrando en una nueva fase, definida por interfaces más naturales, entradas multimodales e inteligencia adaptativa. Gracias a ello, la narrativa del reemplazo humano por sistemas de IA está siendo sustituida por la de la mejora mutua. A medida que las máquinas interpretan mejor el contexto, la frontera entre operador y cocreador se desvanece.

Los investigadores Uqba Othman y Erfu Yang, de la Universidad de Strath Clyde en Glasgow, han analizado la colaboración humano-robot (HRC) en los sectores del automóvil y alimentario. Están convencidos, en línea con Faccio, de que los fabricantes son conscientes de que deben modificar sus entornos de trabajo, para que sean más inteligentes y fiables en respuesta al incremento de la demanda de productos personalizados y de fabricación a medida. Pero hay casos en los que sigue resultando muy complicado. En la industria del automóvil, don de el 83% de las unidades de producción involucran tareas de ensamblaje, confiar en un robot industrial por sí solo puede no ser una solución práctica, ya que las habilidades humanas no se pueden reemplazar por completo.

Othman y Yang instan, no obstante, a explorar todas las posibilidades que se están abriendo en el campo de la HRC. Las técnicas más recientes incluyen gestos corporales, como señalar o saludar con la mano para desencadenar acciones específicas, así como seguimiento facial y ocular, comandos de voz e interfaces hápticas que proporcionan retroalimentación táctil, como vibraciones o presión, al operador humano. El objetivo es lograr una interacción más natural e intuitiva.

Algunas de las consecuencias de este cambio se van a sentir claramente en el lado humano. Según McKinsey, la frontera entre aprendizaje y trabajo está desapareciendo. Los copilotos de IA se pueden convertir en asistentes inteligentes que actúan como formadores en tiempo real, ofreciendo retroalimentación personalizada, sugiriendo recursos de aprendizaje y guiando a las personas en sus tareas diarias basándose datos reales de rendimiento. La capacidad de trabajar eficazmente con sistemas de IA y de comunicarse con claridad con el resto de áreas de la compañía se está convirtiendo, de hecho, en un factor diferenciador clave en el mercado laboral, por encima de la especialización técnica.

Poner en orden el componente humano de la organización se postula, en efecto, como el aspecto más desafiante de la nueva carrera hacia la superautomatización. La capa de nueva inteligencia que queremos introducir en los procesos será tan buena como el contexto que le proporcionemos. La ingeniería de contexto deberá traducir el conocimiento tácito en información.

El director del Data Systems Laboratory (DASLab) de la Universidad de Harvard, Stratos Ideros, explica a ATLASTECH REVIEW que el contexto es “extremadamente importante y va a ser transformador, ya que es algo que no hemos aprovechado hasta ahora”. Anima a “tomar el contexto y convertirlo en datos formales, que podamos entender de manera matemática y programar de la misma manera que hablamos de datos relacionales”.

¿Qué entiende por contexto? “Mientras diseñamos, también escribimos documentos, listas de tareas o procesos. Creamos una gran cantidad de artefactos que nos llevan a la solución”, responde Stratos Idreos. “Típicamente, el contexto son datos no estructurados que existen de forma periférica, y tienes que formalizarse. Si no lo haces, no puedes acceder programáticamente a ellos ni interpretar los, siempre necesitarás humanos para hacerlo, lo cual es lento”.

En el Foro de Davos, el CEO de Microsoft, Satya Nadella, declaró al CEO de BlackRock, Larry Fink, que no se ven resultados inmediatos de la IA generativa en la productividad “porque tienes que hacer el trabajo duro” de gestionar este conocimiento tácito. A menos que su capacidad de adaptación al cambio se mantenga al día, las grandes organizaciones tienen ante sí un reto fundamental. Para las pymes el problema es superar las dificultades que requiere ahora mismo la IA generativa para escalar.

Carolina Parada, directora de ingeniería de GoogleAI, lanza un mensaje de tranquilidad: “no debe implementarse la IA en toda la organización de golpe, sino que comenzaremos impulsándola en determinados contextos. Quizás una empresa tenga toda su flota de automatización industrial ya funcionando y comience a desplegar la IA para disponer de un mejor entendimiento de la planta, una mejor lectura de los instrumentos, y esa línea continuará evolucionando”.

Habrá que cambiar la forma en la que trabajamos. Nuestro asistente artificial nos proporcionará una visión de 360 grados, conocerá a los clientes, a los proveedores, al resto de componentes de la organización, estará al tanto de la marcha de los procesos de la compañía. Capturará la información de forma autónoma y la compartirá inmediatamente con todos los colegas en todas las funciones y áreas. Es una inversión completa de cómo fluye hoy en día la información. Las organizaciones, en realidad, se van a aplanar.

Hay derivadas sorprendentes de todo ello. La metrología industrial, que se ha centrado principalmente en el control de calidad, desempeñará un papel fundamental en la producción del futuro. Kai-Udo Modrich, director general de Carl Zeiss Automated Inspection, está convencido de que “la tecnología de medición controlará la producción de forma autónoma en la fábrica del futuro y, en última instancia, permitirá una producción sin defectos”.

Las empresas más avanzadas tecnológicamente ya están evaluando los datos de medición en la línea de producción mediante herramientas de software, lo que permite extraer conclusiones sobre el funcionamiento de las máquinas. En el futuro, se funcionará fundamentalmente con “bucles cerrados”, según Modrich.

“La fabricación inteligente saca el control de calidad de su impopular y sombría existencia y le otorga un nuevo papel central”, coincide Stefan Scherer, director general de Alicona. La medición se va a convertir en “el ojo inteligente de la producción”. Los más optimistas creen que esto acabará con los componentes defectuosos; “una primera pieza será inmediatamente una pieza en buen estado”, sentencia Scherer.

Opciones de financiación innovadoras, como el arrendamiento operativo o los modelos de pago por uso, facilitarán la adopción de nuevas tecnologías sin necesidad de gran cantidad de capital. Ganan fuerza, aunque todavía lentamente, propuestas como la robótica de servicio.

Para incrementar la automatización, hay que tener en cuenta también que una aplicación industrial puede requerir alta latencia y confiabilidad, pero sobre todo necesita una alta potencia de procesamiento. Para Olaf Munkelt, de MVTec Software, será necesario “aprovechar la computación en la nube y la computación de borde [edge computing], en combinación adecuada con el Internet Industrial de las Cosas (IioT)”.

En una dirección similar va el lema de Boris Fiedler, de ABB: “entrena en la nube, actúa localmente”. Cada 60 segundos se pinta un coche nuevo en la fabricación de carrocerías. ABB utiliza la computación en el edge para analizar datos durante el proceso de pintura y detectar anomalías, como burbujas de aire en la pintura, mediante algoritmos. Para desarrollar y mejorar estos algoritmos, sube algunos datos sin procesar a la nube y los entrena allí gracias a su capacidad de almacena miento y procesamiento disponibles.