¿Está lista Europa para liderar la IA industrial? Compartir datos es clave

El problema de las pymes no es el acceso a la tecnología, sino el acceso a los datos”, dice a principios de junio en Valencia Francisco Chinesta, matemático computacional de la École Nationale Supérieure d’Arts et Métiers (ENSAM) de París (“paso un tercio del año en San Francisco y otro tercio en Singapur”). Uno puede encontrarse con que, como cuenta Stephan Schwartz, director del equipo de análisis de datos e inteligencia artificial (IA) de Mercedes-Benz, la idea de introducir “hace más de 20 años un alto grado de estandarización en nuestras líneas de producción” al abordar el acceso a los datos”, hoy facilita la adopción de la IA generativa y, sobre todo, su escalado a todas las áreas del grupo. Desde la perspectiva de otro gigante alemán, Siemens, disponer de datos de calidad es el primer paso para compartirlos en una nueva relación de “confianza” entre los fabricantes y las empresas tecnológicas para configurar lo que, Peter Koerte, su director de estrategia e innovación, el modelo fundacional de la IA Industrial. ¿En quién confiarás para esa tarea: en una empresa europea o china?

ATLASTECH REVIEW asiste al AI With Purpose de Múnich y se sitúa así en el centro del debate global sobre la revolución a la que se asoma la industria, cuya dimensión sólo se vislumbra todavía. En los pasillos se respira, la atmósfera de una etapa de transición, quedan muchas dudas por despejar todavía, pese a la velocidad de los anuncios. Según Koerte, “es un momento único, se están uniendo muchas fuerzas. Europa se está desregulando y EEUU y China tienen sus propios desafíos. Si realmente logramos unir a todos en Europa en torno a la IA Industrial, creo firmemente que será el futuro clave para nosotros”.

“¿Pueden imaginarse a Apple dispuesta a compartir los próximos datos de diseño del próximo iPhone?; probablemente no. Pero ¿estaría dispuesta a compartir los datos de, digamos, los últimos 10 años de modelos ya conocidos? Sí, absolutamente. Hay muchas empresas de este tipo que lo hacen. La pregunta es, ¿por qué compartirían? Y aquí es exactamente donde tenemos estas conversaciones con nuestros clientes”, afirma Koerte. “Les decimos que les damos el modelo fundacional para la IA Industrial, si logramos un acuerdo de intercambio de datos. Lo hemos hecho ya con 60 compañías, es la única forma de que esto funcione”.

Y concluye: “propósito significa, en nuestro caso, que mejoramos las cosas que realmente importan; es decir, hacemos que la energía sea más eficiente y más asequible. Nos hacemos más productivos. A esto nos referimos. Nuestros modelos podrán decirle que lo que diseñó se puede mecanizar muy fácilmente o no. Y no solo le brinda retroalimentación, sino que también le indicará cuál es el código de máquina que debe generarse y que eventualmente se ejecutará”.

“Les decimos a las industrias que les daremos nuestro modelo fundacional si logramos un acuerdo de intercambio de datos. Ya lo tenemos con 60 compañías”

Infineon dice estar preparada para la llegada de esos nuevos modelos fundacionales para la industria. Su director de inteligencia artificial, Nico Kelling, explica que desde que “conectamos los sistemas de datos en tiempo real, automatizamos la generación de informes antes de acceder a diferentes sistemas. En el siguiente paso, con los modelos de base industrial, podemos encontrar correlaciones en aspectos que probablemente no hayamos visto antes, o que al menos no eran fáciles de ver”.

Imprescindible la conferencia del director general de Intrinsic en Alemania, Rainer Bischoff. Se trata de la compañía de Alphabet (la matriz de Google) que se quiere ubicar entre los sistemas de información y la nube y los proveedores de sistemas autónomos, especialmente los robots industriales. “Hoy en día en la industria manufacturera todavía tenemos robots industriales con tareas repetitivas fijas que se programan online u offline con dispositivos de aprendizaje. Normalmente, en un ecosistema cerrado. En el futuro, nos gustaría ver una automatización más flexible, no solo de alto volumen, sino también de bajo volumen y con una alta diversidad”, afirma Bischoff.

“¿Qué entendemos por redefinir la fabricación?”, continúa, “estamos construyendo una plataforma para lograr una automatización que antes era inviable o prohibitiva en cuanto a costes. La IA está reducirá las barreras de entrada a la automatización basada en robots, aumentará la flexibilidad y permitirá aplicaciones de alta diversidad. En segundo lugar, hablamos de herramientas y procesos de desarrollo adecuados, así como de los gemelos digitales. Y, en tercer lugar, estamos desarrollando, junto con nuestros socios, un ecosistema descentralizado de datos y servicios para facilitar un intercambio seguro, eficiente y soberano”.

Para Jörg Becker, senior director de smart platforms de Procter & Gamble, “lo más importante es desarrollar capacidades”, y en ese sentido “hay que adoptar un enfoque de atracción: vemos que cuanta más capacidad construimos, más usos de la IA podemos aprovechar, y ese es un aspecto fundamental de nuestra estrategia”. El moderador de su sesión pregunta a Kira Engelhardt, directora de datos e IA de EON, por su caso de uso favorito de la IA y habla del “uso de imágenes satelitales para rastrear la vegetación en la red eléctrica y saber dónde debemos enviar a un jardinero o a un técnico para que corte los árboles. Antes, era completamente manual, a veces ni siquiera se usaban helicópteros; ahora, no solo ahorramos dinero y eficiencia, sino que también es más sostenible”. La junta directiva de EON, afirma, “sabe que se necesita IA para la transición energética”.

Stephan Schwartz de Mercedes-Benz cree que habrá que tratar los datos dentro de la compañía como se hace con los productos acabados y listos para usar y sugiere crear “gerentes de producto de datos”

Henkel se imagina su fábrica del futuro “como una especie de gemelo digital”, que se nutre desde un centro de datos central. “Ya hemos ganado un par de premios, como Digital Lighthouse, pero nuestras fábricas aún parecen fábricas, todavía no hemos llegado a ese punto”, reconoce su global digital transformation manager, Nikolas Hoehme. “Cuando compartimos esa visión de un gemelo digital con nuestros colegas de TI, empiezan a preguntar qué arquitectura y qué infraestructura necesitamos”, añade.

“Para aumentar el valor, debemos pensar en la escalabilidad” y una forma de hacerlo es abordar no sólo “casos de uso localizados en una máquina de una fábrica, sino datos de extremo a extremo que conecten las diferentes partes de la cadena de suministro”.

La impresión de nos encontramos apenas en la fase de transición es muy clara en discursos como este. “Es mucho más complejo combinar diferentes fuentes de datos, de procesos de negocio completamente diferentes. Creo firmemente que los procesos son la clave donde debemos comenzar a pensar en la preparación de datos para la IA”.

En una línea similar, Dexin Luo, directora ejectuiva de IA global y digital del grupo químico Linde, apunta que “nos gustaría pasar a un sistema de cadena de suministro totalmente automatizado”. Compartir, compartir datos. Stephan Schwartz defiende que en el futuro habrá que tratar la información dentro de las compañías como se hace con los productos acabados y listos para usar que se entregan a los clientes y habla incluso de designar a un “gerente de producto de datos”. Explica que “incentivamos a quienes tienen acceso a los datos, a quienes los poseen, para que los pongan a disposición de otros en la empresa de una manera fácil de usar y manejar, como si se tratara de un producto real”.