Cuando piensa en automatización inteligente, ¿en qué piensa? ¿Fábricas sin luz? ¿Líneas de producción completamente autónomas? ¿Robots dirigiendo la planta? ¿O piensa en algo más centrado en los datos y en la predicción? ¿Quizás incluso en algo relacionado con la IA, la RA o la RM? Resulta que ninguno de ellos está equivocado. La idea de la automatización inteligente tiene muchas partes en movimiento… pero cada vez estamos más cerca de liberar su potencial.

Por supuesto, la tecnología tiene que existir antes de la implementación. La mayoría de las veces, las tecnologías de inteligencia y automatización individuales ya existen. La clave está en unirlas. Este fue uno de los puntos centrales de una mesa redonda de Automate Forward.

«Ya no se ve a los científicos locos en el laboratorio», dijo Tom Panzarella, director senior de percepción de Seegrid. «Con una mentalidad más equilibrada sobre el potencial de la automatización y los datos, las empresas están poniendo a punto sus infraestructuras para prepararse para la automatización inteligente. Se espera que esto cree un «punto de inflexión» en el que sea más fácil implementar análisis estadísticos complejos e IA en las líneas de producción.

«Los algoritmos en sí mismos en muchos casos no son nuevos», dijo John Lizzi, líder ejecutivo de robótica y sistemas autónomos en GE Research. «Pero es realmente toda la infraestructura, las herramientas y los marcos que han facilitado esto».

El viaje de la automatización no es un camino recto, especialmente con las aplicaciones críticas de seguridad que tienen que adherirse a las regulaciones gubernamentales y de seguridad. Rashmi Misra, jefe de desarrollo de negocios de IA, realidad mixta y silicio en Microsoft, habló de cómo la falta de directrices y estándares de automatización puede conducir a deficiencias en la aplicación porque los ingenieros son literalmente abandonados a sus propios dispositivos.

«Estamos todos en un ecosistema que tiene que trabajar juntos bajo esas mismas condiciones», dijo. Si bien surgen casos de uso, hay variantes de casos que deben abordar modelos de negocio y objetivos de automatización individuales. Señaló que algunos casos de uso establecidos, o conjuntos de herramientas, pueden adaptarse a otro modelo de negocio.

Los kits de herramientas pueden servir como guía de referencia para las aplicaciones a lo largo del viaje de la automatización y pueden ser valiosos para las empresas pequeñas y medianas que no tienen una gran división de investigación. Rishi Vaish, CTO y VP de IBM AI Applications, explicó dos niveles diferentes de inversión que hace IBM para que su tecnología de automatización sea consumible.

«El primero es en las herramientas», dijo. «Un nivel de inversión es hacer continuamente esas herramientas». Esto incluye los datos, el modelo, mantener el modelo funcionando en la producción y permitir que el modelo mida el sesgo en el sistema.

«El segundo nivel de inversión es cuando realmente construimos una aplicación», explicó. «Para la mayoría de las empresas que sólo quieren ponerse en marcha, algún nivel superior de abstracción es una forma mucho más rápida de poner en marcha su viaje de IA».

Pero tanto los grandes como los pequeños fabricantes comparten una dificultad similar: integrar eficazmente la nueva tecnología con la antigua.

«Para nosotros, ahí es donde está el reto», dijo Jorge Ramírez, director global de automatización de la ejecución y jefe de ciberseguridad de fabricación de General Motors. «Estamos limitados por el capital. La solución más fácil sería quitar todo lo viejo y poner lo nuevo con todas las nuevas tecnologías inteligentes, que jugaran armoniosamente».

Sin embargo, todos sabemos que esa no es la realidad.

La convergencia del legado con la tecnología inteligente es uno de los mayores desafíos en la automatización inteligente, pero está ocurriendo más a menudo, lo que dará una mano a las expansiones del conjunto de herramientas, los casos de uso especificados y, finalmente, a una adopción global más fácil.

Lizzi aconsejó a las empresas que examinaran tanto los puntos fuertes como los débiles de un sistema para determinar dónde podría vivir la automatización inteligente. También es importante examinar los puntos fuertes y débiles de la tecnología inteligente.