NEKTIU

IoT, Revolución 4.0: Reto y Oportunidad

IoT, Revolución 4.0: Reto y Oportunidad

En este nuevo paradigma,  las empresas que quieran sumarse a esta Revolución 4.0 deberán seguir los siguientes pasos:

  • Digitalización de la Cadena de Valor Vertical y Horizontal.
  • Re imaginar el Modelo de Negocio.
  • Implantar las Tecnologías Disruptivas que son necesarias para desarrollar el nuevo Modelo de Negocio

Es muy importante seguir estos pasos, pues no tendría sentido empezar introduciendo las nuevas Tecnologías Disruptivas de la Industria 4.0., como la robótica colaborativa o la fabricación aditiva o 3D, sin tener una gestión de la empresa en tiempo real o sin haber diseñado nuevo modelo de negocio que permita poder competir en el futuro y crear una ventaja competitiva o nuevo mercado.

Con la digitalización de los procesos productivos y la conectividad de los productos a través del Internet of Things, las empresas van a generar muchos “datos”, bien a través de los sensores, así como los emitidos por las máquinas y los procedentes de los productos conectados permitiendo mejorar la trazabilidad y la automatización de procesos y generar nuevos ingresos.

Por otro lado, las maquinas se comunicarán entre sí y realizarán tareas colaborativas complejas, pasando de ser meros elementos mecánicos, a convertirse en eslabones activos e inteligentes del proceso de negocio.

Sin embargo, el gran reto no está en los aspectos tecnológicos, la mayor dificultad estriba en la necesidad de gestionar adecuadamente el cambio de modelo, para aprovechar al máximo las nuevas oportunidades que nos brinda la revolución 4.0.

Ai Hoy y en el Futuro

Ai Hoy y en el Futuro

La inteligencia artificial hace diez años, era un término que para la mayoría de la gente le parecía relacionado con la Sci-Fi máquinas como 2001: una odisea del espacio.

Hoy en día es una de las palabras más usada en los negocios y la industria. La tecnología IA es gran parte el eje de la transformación digital que se está llevando a cabo hoy en día, ya que las organizaciones se posicionan para capitalizar la cantidad cada vez mayor de datos que se generan y obtienen.

Entonces, ¿cómo ha llegado este cambio? Bueno, en parte es debido a la gran revolución de los datos en sí. El exceso de datos ha llevado a una investigación intensificada den las maneras en que puede ser procesada, analizada y accionada. Las máquinas que están mucho mejor adaptadas que los seres humanos a este trabajo.

Este interés creciente en la investigación en el campo – de la Academia, la industria y entre la comunidad de código abierto que se encuentra en el centro – ha llevado a avances que están mostrando su potencial para generar un cambio tremendo. Desde la salud, los automóviles hasta predecir el resultado de los casos legales.

¿Qué es la inteligencia artificial?

El concepto que lo que define ha cambiado con el tiempo, pero la idea central siempre ha existido la de construir máquinas capaces de pensar como seres humanos.

Después de todo, los seres humanos han demostrado ser únicos capaces de interpretar el mundo que nos rodea y de usar la información que recogemos para efectuar el cambio. Si queremos construir máquinas que nos ayuden a hacer esto de manera más eficiente, entonces tiene sentido usarnos como un modelo.

El trabajo de investigación y desarrollo en IA se divide entre dos ramas. Una la “IA aplicada” que utiliza estos principios de simulación del pensamiento humano para llevar a cabo una tarea específica. El otro es conocido como “IA generalizada” – que busca desarrollar inteligencias de máquinas que puedan dar desarrollar cualquier tarea, muy parecida a una persona.

La investigación en la IA aplicada, especializada ya está proporcionando avances en los campos de estudio de la física cuántica, donde se utiliza para modelar y predecir el comportamiento de los sistemas integrados por miles de millones de partículas subatómicas, a la medicina donde se utiliza para diagnosticar pacientes basados en datos genómicos.

En la industria, en el mundo financiero para usos que van desde la detección de fraudes a la mejora del servicio al cliente mediante la predicción de los servicios que los clientes necesitarán. En la fabricación se utiliza para gestionar la mano de obra y los procesos de producción, así como para predecir fallas antes de que ocurran, lo que permite el mantenimiento predictivo.

En el mundo de los consumidores cada vez más de la tecnología que estamos adoptando en nuestra vida cotidiana se está convirtiendo e impulsado por IA-desde los asistentes de smartphone como Siri de Apple y Google, a la auto-conducción y coches autónomos.

La IA generalizada va más lenta para llevar a cabo una simulación completa del cerebro humano, esto requeriría tanto una comprensión más completa del órgano de lo que actualmente tenemos, y más poder computacional de lo que comúnmente está disponible para los investigadores. Pero eso no puede ser así por mucho tiempo, dada la velocidad con la que la tecnología informática está evolucionando. Una nueva generación de tecnología de chips de computadora conocida como procesadores Neuromórficos están siendo diseñadas para ejecutar más eficientemente el código cerebro-simulador. Y sistemas como la plataforma cognitiva de IBM Watson que utilizan simulaciones de alto nivel de procesos neurológicos humanos para llevar a cabo una gama cada vez mayor de tareas sin que se les enseñe específicamente cómo hacerlas.

¿Cuáles son los desarrollos clave en IA?

Todos estos avances se han hecho posibles debido al enfoque en la imitación de los procesos de pensamiento humano. El campo de la investigación que ha sido más fructífero en los últimos años es lo que se ha conocido como “machine learning”. De hecho, se ha vuelto tan unida a la IA contemporánea que los términos “inteligencia artificial” y “machine learning” a veces se utilizan indistintamente.

Sin embargo, este es un uso impreciso del lenguaje, y la mejor manera de pensar en ello es que el aprendizaje de máquinas representa el estado actual de la técnica en el campo más amplio de la IA. La base del aprendizaje en máquina es que en lugar de tener que enseñar a hacer todo paso a paso, las máquinas, si se pueden programar para pensar como nosotros, pueden aprender a trabajar observando, clasificando y aprendiendo de sus errores, al igual que nosotros.

La aplicación de la neurociencia a la arquitectura del sistema ha llevado al desarrollo de redes neuronales artificiales – y aunque el trabajo en este campo ha evolucionado en el último medio siglo, es sólo recientemente que las computadoras con el poder adecuado han estado disponibles para hacer de la tarea una realidad cotidiana para cualquier persona, excepto aquellos con acceso a las herramientas más caras y especializadas.

Tal vez el mayor factor de habilitación haya sido la explosión de datos que se ha desencadenado desde que la sociedad se fusionó con el mundo digital. Esta disponibilidad de datos – desde las cosas que compartimos en las redes sociales hasta los datos de máquinas generados por la maquinaria industrial conectada – significa que las computadoras ahora tienen un universo de información disponible para ellos, para ayudarles a aprender más eficientemente y tomar mejores decisiones.

¿Cuál es el futuro de AI?

Verdaderos temores de que el desarrollo de la inteligencia que equivale o excede a la nuestra, pero que tiene la capacidad de trabajar a velocidades mucho más altas, podría tener implicaciones negativas para el futuro de la humanidad se han expresado, y no sólo por la Sci-Fi apocalíptica como en Terminator, a respetados científicos como Stephen Hawking.

Incluso si los robots no nos erradican del trabajo, un escenario menos dramático, pero aún de pesadilla es que la automatización del trabajo (tanto mental como física) conducirá a un profundo cambio social – quizás para mejor, o quizás para peor.

Esta preocupación comprensible ha llevado a la creación de un grupo de investigación, incluyendo a los gigantes tecnológicos, Google, IBM, Microsoft, Facebook y Amazon. Este grupo investigará y abogará por las implementaciones éticas de IA, y establecerá pautas para futuras investigaciones y despliegues de robots y IA.