D

urante décadas, las empresas han estado atrapadas en un ciclo de cambios dolorosos y episódicos, solo para descubrir que la forma en que su organización opera, en el fondo, sigue siendo lenta. Los enormes costos de transacción (la fricción que supone coordinar al personal, gestionar la información y alinear tareas complejas) han hecho que una transformación profunda y continua resulte prohibitivamente costosa y arriesgada.

Según nuestro reciente análisis aún no publicado, más de cuatro de cada diez horas de trabajo están relacionadas con este tipo de transacciones dentro de los procesos empresariales. Ahora, un nuevo marco para la reinvención está a punto de reducir drásticamente estos costos al combinar dos factores: la visibilidad radical de los procesos y la experimentación de bajo riesgo dentro de un gemelo digital. En conjunto, transforman la reinvención de procesos de un proyecto disruptivo en una capacidad central y continua.

Visibilidad radical

El primer paso esencial en la reinvención de procesos es codificar las operaciones en un modelo dinámico y computable: un plano del estado actual, en tiempo real, de cómo ocurre realmente el trabajo. Alcanzar este nivel de visibilidad de los procesos se convierte en el catalizador crítico para toda transformación posterior, sentando las bases para construir un gemelo digital.

Considere el objetivo de la empresa minera Boliden de optimizar el control del proceso de molienda de cobre en su mina de Aitik, en Suecia. La molienda desempeña un papel fundamental en la extracción de metales valiosos a partir de depósitos minerales y sigue siendo el principal cuello de botella operativo en la planta. Incluso pequeñas mejoras en el rendimiento y la estabilidad del proceso pueden generar grandes beneficios financieros. En colaboración con el gigante multinacional ABB, (en efecto, una planta virtual), la empresa creó un modelo altamente preciso del estado actual. Lo codificaron creando una copia directa del sistema de control distribuido (DCS) real de la planta, incluyendo su lógica personalizada, para garantizar una réplica realista de la capa base de control.

Este modelo del sistema de control se conectó posteriormente a una simulación de procesos que alojaba la dinámica del proceso del molino físico. Las “huellas digitales” analizadas eran los protocolos de comunicación en tiempo real que compartían datos entre la capa base de control y la simulación del proceso, reflejando el flujo de datos real “tal cual es” de la planta física. Este modelo computable, con su visibilidad radical del proceso, proporcionó el entorno no disruptivo de un gemelo digital necesario para probar nuevas estrategias de control frente al estado actual.

Experimentación continua en el gemelo digital

La mejora continua requiere experimentación continua. La experimentación dentro de un gemelo digital permite a las organizaciones simular y validar procesos completamente nuevos desde cero en un entorno simulado sin riesgos, bajo el supuesto de que los agentes de IA gestionarán la coordinación. Esta capacidad reemplaza los cambios de proceso episódicos y de alto riesgo por un ciclo continuo de reinvención de bajo riesgo.

La “fábrica virtual” de BMW Group ilustra este cambio. La empresa construyó un gemelo digital completo de sus plantas de producción, conectando datos de edificios, datos de equipos, información logística e incluso simulaciones en 3D de procesos de trabajo manual realizados por personas. Este gemelo virtual también simula avatares de trabajadores humanos que toman piezas y ensamblan componentes, con el fin de encontrar el mejor procedimiento, minimizar problemas ergonómicos e identificar el número óptimo de trabajadores para cada tarea. Los ingenieros ahora pueden simular y validar la integración de nuevos modelos de vehículos de forma virtual, reduciendo un costoso proceso de validación física de cuatro semanas a uno de tres días.

De cara al futuro, se espera que la fábrica virtual de BMW Group reduzca los costos de planificación de producción hasta en un 30%. El proceso de validación anterior de BMW para un nuevo modelo de vehículo requería guiar manualmente una carrocería física a través de la línea de producción durante varios fines de semana. En el taller de pintura, este proceso podía implicar vaciar y limpiar por completo los tanques de recubrimiento por inmersión, lo que generaba enormes costos y tiempos de inactividad en la producción. El nuevo proceso de validación permite a los planificadores ejecutar escenarios hipotéticos (como optimizar los diseños de línea para nuevos modelos en un entorno virtual) sin interrumpir la producción en curso.

L

a IA generativa está transformando la recopilación, creación y análisis de información sobre los consumidores y el mercado: el motor del marketing estratégico.

Creemos que en el centro de esta transformación se encontrarán dos herramientas generadas por IA diseñadas para actuar como representantes de las personas: el perfil sintético (que representa a un individuo o grupo compuesto) y el gemelo digital (que representa a un individuo real). Al utilizar datos públicos o privados para simular las respuestas humanas a preguntas y encuestas, estas nuevas herramientas prometen permitir a los mercadólogos realizar investigaciones y experimentos sin el tiempo, costo y carga que implican las entrevistas o encuestas tradicionales para los participantes.

El perfil sintético

En este enfoque, los investigadores, mercadólogos, gerentes de producto y vendedores proporcionan a un modelo de IA información demográfica, psicográfica o conductual sobre un tipo o segmento de cliente para crear un perfil que sea representativo de ese tipo o segmento. Luego pueden pedirle al LLM (modelo de lenguaje de gran tamaño) que responda a preguntas como si fuera ese tipo de persona.

El gemelo digital

Este enfoque va más allá de los segmentos compuestos y los perfiles imaginarios, y aporta datos a nivel individual para la tarea. Si una empresa dispone de datos detallados a nivel individual sobre un grupo de clientes a partir de interacciones, encuestas o entrevistas anteriores, por ejemplo, podría utilizar esos datos para crear gemelos digitales de esas personas, que luego podrían participar en encuestas virtuales, “entrevistas” cualitativas e incluso experimentos en lugar de las personas a las que representan. Esto tiene muchas aplicaciones potenciales interesantes, pero también algunas implicaciones éticas importantes.

Cómo empezar

1. Determine su caso de uso. Es fundamental tener en mente el objetivo final: ¿Busca una estimación puntual de un segmento clave o desea comprender cómo las personas valoran de forma diferencial ciertas características del producto?

2. Determine el tipo de consumidores que quiere simular. ¿Quiere entender mejor el punto de vista promedio o compuesto de un segmento en particular, donde podría funcionar un perfil sintético? ¿O quiere “retroalimentación” de un consumidor específico o de un conjunto de consumidores, donde pueda valer la pena el esfuerzo y el costo extra de crear gemelos digitales capaces de captar variaciones y matices tanto dentro como entre segmentos?

3. Obtenga los datos necesarios para calibrar los perfiles o gemelos. Este puede ser el factor limitante para algunas opciones.

4. Defina métricas de rendimiento claras y precisas. Aunque es tentador tratar las métricas de rendimiento como intercambiables, no lo son, y su elección influirá en la conclusión que usted extraiga de sus datos.

5. Realice una pequeña prueba. Idealmente, esta prueba debe ser representativa de su caso de uso, y usted debe aplicarla a una muestra de participantes humanos que sean representativos de sus clientes.

6. Evalúe el rendimiento de sus perfiles sintéticos o gemelos digitales. Compare sus datos sintéticos con esa medida de la realidad sobre el terreno. Asegúrese de incluir puntos de referencia relevantes que le ayuden a contextualizar los resultados.

7. Decida si quiere escalar. En esta etapa del proceso, usted tendrá una visión holística del potencial de los datos sintéticos para su caso de uso.

8. Realice pruebas periódicas para garantizar la validez continua y mantener sus datos actualizados. Por ejemplo, puede ser útil realizar periódicamente estudios paralelos sobre las personas reales que hay detrás de su panel de gemelos digitales.

A medida que este campo continúa expandiéndose, es inevitable que los perfiles sintéticos y los gemelos digitales cobren cada vez más relevancia. Puede que aún no estén completamente preparados para posicionarse en el centro de la escena, pero pronto lo estarán, y cuando eso ocurra, es muy probable que transformen por completo el mundo del marketing.

¿

Cómo pueden los ejecutivos determinar si deben invertir en robots humanoides? Hemos desarrollado cinco preguntas que deberían hacerse.

1. ¿Qué papel pueden desempeñar los robots humanoides en nuestro negocio?

Para empezar, los ejecutivos deben evaluar los roles específicos que los robots humanoides pueden asumir dentro de sus operaciones. Dos preguntas fundamentales deben guiar esta evaluación: ¿Qué pueden hacer los robots humanoides de manera más eficaz que los robots industriales tradicionales? ¿Dónde puede un robot humanoide ofrecer mayor valor que una persona?

Los robots humanoides son adecuados para entornos que exigen una movilidad similar a la humana con restricciones espaciales complejas y tareas que requieren destreza y toma de decisiones similares a las humanas. En la manufactura, la atención médica y el comercio minorista, los robots humanoides ya operan en espacios complejos, colaborando con personas de maneras que los robots tradicionales no pueden.

Ya están demostrando su valor en tres áreas:

— Manufactura y almacenamiento: En entornos industriales, los humanoides podrían abordar la escasez de mano de obra y realizar tareas propensas a causar lesiones.

— Atención médica: Los robots humanoides ofrecen una solución a la creciente demanda de cuidados, especialmente para personas mayores y aquellas con necesidades especiales. Los robots humanoides sociales se encargan de tareas rutinarias como revisar signos vitales, administrar medicamentos y limpiar. También están entrenados en patrones de comportamiento complejos para interacciones empáticas.

— Servicio al cliente: Incluso en industrias orientadas al cliente como el comercio minorista y la hospitalidad, los robots humanoides podrían resultar invaluables, especialmente para trabajos que requieren menos habilidades especializadas y que implican tareas percibidas como monótonas, peligrosas o repetitivas, las cuales tienen el mayor potencial de adopción de robots humanoides.

2. ¿Cuál será el retorno de nuestra inversión en robots humanoides?

Las inversiones en robots humanoides requieren un análisis exhaustivo de costo-beneficio. Este análisis debe considerar no solo los costos directos (como el precio de compra, los gastos de integración y capacitación), sino también los costos indirectos (incluyendo el tiempo invertido en configurar los robots y preparar a los equipos para trabajar junto a ellos).

3. ¿Cómo pueden los robots humanoides integrarse eficazmente en nuestros procesos y sistemas existentes?

Los robots humanoides se desperdician si se utilizan para optimizar tareas aisladas. Deben contribuir a agilizar y automatizar procesos organizacionales más amplios.

Los ejecutivos deben asegurarse de que los humanoides trabajen fluidamente con las personas, otros robots y máquinas. Esta integración mejora la eficiencia y permite una asignación versátil de tareas. Al integrar los robots humanoides en procesos inteligentes potenciados por IA, pueden ajustar dinámicamente los pasos del proceso y reasignar recursos en tiempo real.

4. ¿Cómo podemos garantizar una colaboración segura entre nuestra gente y los robots humanoides?

Las empresas que consideran desplegar robots humanoides junto a empleados humanos deben desarrollar una cultura de colaboración entre humanos y máquinas. Los ejecutivos deben investigar y adoptar las mejores prácticas emergentes para la integración de robots humanoides, que sean transparentes para los empleados e incluyan una rigurosa validación de seguridad.

No es negociable reforzar la seguridad y productividad en el lugar de trabajo para posicionar a los robots humanoides como recursos beneficiosos y no amenazantes. Para lograrlo, deben asegurar una comunicación transparente y proactiva en relación con las funciones y capacidades de los robots humanoides.

5. ¿Cómo entrenaremos a los robots humanoides para operar en nuestros entornos del mundo real?

Entrenar a los robots humanoides en entornos físicos presenta importantes desafíos: es costoso, difícil de escalar y está limitado por riesgos de seguridad y desgaste. Los gemelos digitales ofrecen una solución en dos áreas clave. En primer lugar, permiten a los desarrolladores probar virtualmente componentes y sistemas robóticos en cuanto a funcionalidad y precisión antes de construir los robots humanoides. En segundo lugar, los humanoides pueden aprender física del mundo real en una simulación, lo que garantiza una operación fluida cuando se despliegan junto a personas.

Con los gemelos digitales, se puede monitorear y optimizar a un robot humanoide durante todo su ciclo de vida para asegurar su eficiencia sostenida. Las empresas de manufactura y logística ya han adoptado gemelos digitales para rastrear el desempeño de los robots, prevenir tiempos muertos y garantizar una coordinación más fluida entre los equipos humanos y robóticos.