S

obrevivir dentro de una red global de manufactura es una preocupación constante. ¿Hay algo que los líderes puedan hacer para garantizar la supervivencia a largo plazo de sus plantas? Los altos directivos de la planta de Pfizer en Puurs, Bélgica, han demostrado que sí.

Centrarse en desarrollar capacidades distintivas planteaba varias cuestiones prácticas: ¿Cómo podría la dirección local identificar qué capacidades (adecuadas para la planta) resultarían valiosas para la empresa en su conjunto? ¿Cómo podrían desarrollar esas capacidades sin poner en riesgo el desempeño general de la planta? ¿Y cómo podrían asegurarse de que Pfizer utilizara esas nuevas capacidades una vez que estuvieran desarrolladas?

Los altos directivos de Puurs respondieron a estas preguntas siguiendo un enfoque que llevó a la planta a través de cinco etapas:

Etapa 1. Mejorar la excelencia operativa.

Cualquier planta que aspire a distinguirse dentro de una red global de manufactura debe, en primer lugar, sobresalir en la mejora de sus operaciones internas; es decir, demostrar una mejora continua en métricas básicas de desempeño como la calidad, la confiabilidad, la entrega y la eficiencia en costos. La excelencia operativa es la base sobre la cual se construyen las cuatro etapas consecutivas.

Etapa 2. Mejorar las capacidades para fabricar nuevos productos.

Muchos gerentes de planta dudan en asumir la producción de productos nuevos y complejos. Prefieren productos consolidados con volúmenes altos y predecibles. Las incertidumbres y los posibles costos y esfuerzos adicionales asociados con los nuevos productos pueden afectar negativamente el rendimiento de su planta y hacerla menos competitiva.

Una menor competitividad puede dar lugar a la pérdida de la asignación de algunos de sus productos a otras plantas dentro de la red global de la empresa, lo que implica un menor volumen para absorber los costos indirectos y vuelve a la planta aún menos competitiva. Por ello, es habitual que se produzca una lucha por el volumen entre las plantas cada vez que se toman decisiones de asignación.

Etapa 3. Especializarse.

Para convertirse en un centro de especialización, una planta debe centrarse en un tipo específico de producto.

Decidir en qué especializarse no es sencillo. Los gerentes locales deben buscar activamente buenas oportunidades, pero también necesitan la aprobación de la sede central. Especializarse en productos complejos y difíciles de fabricar es particularmente desafiante. Requiere grandes inversiones en equipos avanzados y capacitación, por lo que las plantas necesitan apoyo y financiamiento de la sede central para que funcione.

Etapa 4. Aumentar la capacidad de respuesta.

Cada planta se esfuerza no solo por ser ágil, sino también por maximizar el uso de su capacidad.

Los beneficios de mantener una capacidad de reserva moderada, aunque difíciles de cuantificar, a menudo pueden superar sus costos, especialmente cuando una planta está tratando de desarrollar capacidades únicas. Pero incluso cuando la alta dirección está de acuerdo con una política de este tipo, resulta difícil implementarla. Determinar la cantidad adecuada de capacidad de reserva requiere tiempo, pruebas y un fuerte compromiso por parte del liderazgo.

Etapa 5. Construir una red de conocimiento.

Después de ser seleccionada para producir la vacuna de ARNm contra la Covid-19, la planta de Puurs comenzó a ampliar sus conexiones con socios clave fuera de la instalación. El primer grupo incluyó expertos en nuevas tecnologías necesarias para la producción de este tipo novedoso de vacuna. Desarrollar experiencia interna en esta área permitió a la planta de Puurs apoyar no solo sus propias operaciones, sino también a otras plantas de Pfizer que se preparaban para fabricar productos biotecnológicos similares.

El segundo grupo incluyó proveedores críticos, como aquellos que suministran lípidos, un ingrediente clave en las vacunas. El conocimiento adquirido en esta colaboración también se transfirió a otras plantas de Pfizer que utilizaban lípidos como materia prima.

L

a automatización ofrece una forma de abordar dos desafíos interconectados para los fabricantes occidentales: el escaso crecimiento de la productividad y la escasez de mano de obra. Pero el progreso ha sido irregular. En los Estados Unidos, solo el 12% de las fábricas cuenta con robots, y apenas el 6% ha automatizado a gran escala. La densidad de robots en los Estados Unidos (295 unidades por cada 10,000 trabajadores) está muy por detrás de Japón (419), Alemania (429), China (470) y Corea del Sur (1,012).

He aquí cinco pasos que han demostrado ser fundamentales para hacer que la automatización funcione.

1. Reconozca que la automatización es un cambio en el modelo de negocio.

Con demasiada frecuencia, la automatización se delega a los equipos de operaciones o ingeniería con poco apoyo interfuncional. Eso es un error. La automatización no es solo un asunto de implementación tecnológica. A menudo requiere rediseñar procesos, reorganizar el trabajo y reestructurar la forma en que las organizaciones toman decisiones.

Los líderes que tienen éxito elevan la automatización a la C-suite. Este tipo de movimientos señalan que la automatización no es un experimento: es parte central de la estrategia. La implicación de los altos ejecutivos también cambia el tono a nivel interno y puede generar credibilidad entre los inversionistas, reguladores y socios. En los lugares con altas tasas de adopción de la automatización, estas prioridades se filtran desde los ejecutivos hasta la planta de producción.

2. Defina un caso de negocio ambicioso y realista.

Una de las razones por las que la automatización tiene dificultades para escalar es la “parálisis piloto”, es decir, las empresas experimentan repetidamente con robots en casos de uso aislados y luego los abandonan cuando los resultados no cumplen con los objetivos de retorno de la inversión a corto plazo.

Muchos modelos de ROI se enfocan solo en los ahorros de costos laborales. Pero eso pasa por alto dos puntos críticos: 1) la automatización puede aliviar la escasez de mano de obra (no solo reemplazar personal), y 2) puede mejorar la calidad, aumentar la disponibilidad de datos y habilitar la flexibilidad operativa.

Estamos observando que los períodos de amortización se están acortando: a menudo de uno a tres años, en comparación con los cinco a siete años del pasado reciente. Con gemelos digitales y plataformas modulares, las empresas ahora pueden simular líneas de producción y validar mejoras antes de comprometerse.

¿La lección? Trate la automatización como cualquier otra transformación empresarial. Defina el “qué”, el “por qué” y el “cómo”, y luego escale con disciplina.

3. Construya una pila tecnológica lista para el futuro.

La mayoría de las fallas en la automatización no son causadas por los robots en sí, sino por errores de integración. Solo entre el 25% y el 30% de los costos totales del sistema están ligados al hardware, el resto corresponde a la configuración del sistema para que funcione con los equipos, la infraestructura de tecnología de la información y los flujos de trabajo existentes.

La fragmentación es el problema más común. Muchas herramientas de automatización son de propósito general por diseño, pero las empresas necesitan que funcionen en entornos muy específicos, a menudo propietarios. Esto conduce a integraciones únicas, interoperabilidad limitada y sistemas insostenibles.

Los datos son el combustible para los robots avanzados, especialmente a medida que los modelos fundacionales y los sistemas impulsados por inteligencia artificial se vuelven más poderosos. Las empresas deben mejorar la documentación, la integración y la transparencia para respaldar la escalabilidad.

4. Adopte un enfoque empresarial para equilibrar el riesgo.

Para escalar la automatización con éxito se requiere una estrategia que abarque toda la empresa, con una cartera de proyectos que equilibre las iniciativas de recuperación rápida con inversiones a más largo plazo. Las estructuras de gobernanza centralizadas para asignar capital y evaluar el progreso, como los directores de automatización o los comités directivos interfuncionales, han demostrado ser efectivas.

5. Invierta en las personas desde el principio y con frecuencia.

La tecnología no genera valor, las personas sí. La automatización solo tendrá éxito si la fuerza laboral está lista para ello.

El temor a que los robots nos quiten el trabajo es real. Una de las claves para el éxito es rediseñar las funciones de ingeniería y producción para que se encarguen de identificar e integrar las nuevas tecnologías.

Esto no es un problema tecnológico. Es un problema de gestión, y es uno que los gerentes pueden resolver.

¿

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.

L

a manera en que los humanos interactúan y colaboran con la IA está dando un salto dramático hacia adelante con la IA agéntica. Mientras que los asistentes de IA anteriores se basaban en reglas y tenían una capacidad limitada para actuar de forma independiente, la IA agéntica estará capacitada para hacer más en nuestro nombre. Pero, ¿qué es exactamente la IA agéntica?

«Se puede definir la IA agéntica con una palabra: proactividad», dijo Enver Cetin, experto en IA de la firma global de ingeniería de experiencias Ciklum, a quien entrevisté. «Se refiere a sistemas y modelos de IA que pueden actuar de forma autónoma para alcanzar objetivos sin la necesidad de una guía humana constante. El sistema de IA agéntica comprende cuál es el objetivo o la visión del usuario y el contexto del problema que están tratando de resolver».

Para lograr este nivel de toma de decisiones y acción autónoma, la IA agéntica se basa en un complejo conjunto de diferentes tecnologías de aprendizaje automático, procesamiento de lenguaje natural y automatización. Aunque los sistemas de IA agéntica aprovechan las capacidades creativas de los modelos de IA generativa como ChatGPT, difieren en varios aspectos. En primer lugar, se centran en la toma de decisiones más que en la creación de contenido. En segundo lugar, no dependen de indicaciones humanas, sino que se configuran para optimizar objetivos o metas particulares. Y, en tercer lugar, a diferencia de la IA generativa, también pueden llevar a cabo secuencias complejas de actividades, buscando de manera independiente en bases de datos o activando flujos de trabajo para completar tareas.

Las ventajas de trabajar con IA agéntica

Con sus capacidades potenciadas de razonamiento y ejecución, los sistemas de IA agéntica prometen transformar muchos aspectos de la colaboración entre humanos y máquinas, especialmente en áreas de trabajo que anteriormente estaban aisladas de la automatización basada en IA, como la gestión proactiva de sistemas de TI complejos para prevenir fallas; la reconfiguración dinámica de cadenas de suministro en respuesta a interrupciones geopolíticas o meteorológicas; o la interacción realista con pacientes o clientes para resolver problemas.

Tres de los principales beneficios serán una mayor especialización de la fuerza laboral, una mayor confiabilidad de la información y una innovación mejorada.

1. Mayor especialización

La importancia de la especialización de la fuerza laboral (la «división del trabajo») se comprende desde la célebre visita de Adam Smith a una fábrica de alfileres en los primeros párrafos de «La riqueza de las naciones«. La especialización aporta mayor eficiencia y aprendizaje a través de la práctica e innovación, sin embargo, puede ser difícil de implementar cuando las empresas se enfrentan a la escasez de mano de obra y a la falta de adecuación entre las funciones y las capacidades humanas disponibles. Dado que los modelos agénticos están diseñados explícitamente para realizar tareas muy detalladas, permiten una mayor especialización de los roles en comparación con los anteriores sistemas de automatización más generales.

2. Innovación

Con su juicio mejorado y sus capacidades de ejecución, los sistemas de IA agéntica son ideales para la experimentación y la innovación. Los modelos de IA multiagente también pueden escanear y analizar vastos espacios de investigación (como artículos científicos y bases de datos) en una fracción del tiempo que le tomaría a equipos de científicos e investigadores humanos.

3. Mayor confiabilidad

El mayor razonamiento cognitivo de los sistemas de IA agéntica significa que es menos probable que sufran las llamadas alucinaciones (o información inventada) comunes en los sistemas de IA generativa. Los sistemas de IA agéntica también tienen una capacidad significativamente mayor para filtrar y diferenciar las fuentes de información según su calidad y fiabilidad, aumentando el grado de confianza en sus decisiones. Por ejemplo, mientras que la información del cliente a menudo se encuentra dispersa en diferentes formatos en distintas partes de una empresa (correos electrónicos, bases de datos, hojas de cálculo y similares), un sistema de IA agéntica puede discernir rápidamente que la información más fiable y actualizada probablemente se encuentre en los sistemas de gestión de relaciones con los clientes (CRM) de la empresa.

Casos de uso potenciales

Aunque muchas aplicaciones de la IA agéntica siguen siendo experimentales o están en fase piloto, ya están empezando a emerger aplicaciones potenciales en diferentes industrias y funciones. Algunos ejemplos incluyen:

Servicio al cliente

A diferencia de los bots de servicio al cliente tradicionales que estaban preprogramados con un rango limitado de respuestas y acciones, los agentes de servicio al cliente agénticos pueden captar rápidamente las intenciones y emociones de los clientes y tomar medidas independientes para resolver consultas y problemas.

Manufactura

Desde el control del flujo de las líneas de producción hasta la personalización de productos y la formulación de sugerencias para mejorar el diseño de los productos, es probable que la IA agéntica tenga múltiples aplicaciones en la manufactura inteligente. Los datos de sensores conectados a máquinas, componentes y otros activos físicos en fábricas y transportes pueden ser analizados por sistemas de IA agéntica para predecir el desgaste y las interrupciones de producción, evitando el tiempo de inactividad no programado y los costos asociados para los fabricantes.

Soporte de ventas

Para los agentes de ventas, el objetivo crucial de encontrar y desarrollar oportunidades comerciales a menudo queda enterrado bajo una avalancha de correos electrónicos, papeleo y otras tareas administrativas mundanas pero necesarias. Los sistemas de IA agéntica podrían liberar significativamente a los equipos de ventas de gran parte de esta actividad que consume mucho tiempo.

Salud y cuidados sociales

Su capacidad para adaptarse a diferentes entornos, interpretar emociones humanas y mostrar empatía hace que los sistemas de IA agéntica sean ideales para trabajos no rutinarios que requieren habilidades interpersonales, como la atención médica y el cuidado de personas.

Los desafíos por delante

A pesar de su gran potencial para transformar la colaboración entre humanos y máquinas, y aumentar la eficiencia y el crecimiento empresarial, los sistemas de IA agéntica aún se encuentran en una etapa relativamente temprana de desarrollo. Además, pese a sus mayores capacidades de razonamiento y ejecución, no eliminan los desafíos tradicionales de la gestión de equipos; más bien, los transforman. Al igual que con los equipos humanos tradicionales, los gerentes deben seguir prestando atención a la composición del equipo, la asignación de funciones y la definición de metas adecuadas para garantizar el éxito de los equipos híbridos o de los sistemas de IA agéntica.

Claves para el éxito

Para aprovechar las oportunidades que ofrece la IA agéntica y, al mismo tiempo, mitigar los riesgos, los gerentes deben considerar las siguientes acciones clave:

Establecer objetivos SMART

Al igual que el rendimiento de los equipos humanos puede verse obstaculizado por objetivos mal definidos o poco claros, los sistemas de IA agéntica también pueden desviarse si no se establecen metas precisas. Cetin, de Ciklum, destaca la importancia de fijar objetivos exhaustivos: «Para que la IA agéntica tenga éxito, los modelos deben tener objetivos y subobjetivos SMART (específicos, medibles, alcanzables, relevantes y con tiempo definido) y saber cómo medirlos. Como gerentes, necesitamos establecer bucles de retroalimentación para ajustar los modelos a medida que aprendemos más sobre su desempeño».

Prestar atención a la selección del equipo

En comparación con la IA generativa, que se basa en gran medida en hacer preguntas concretas a modelos de lenguaje de gran tamaño, la IA agéntica es mucho más un esfuerzo de equipo. Al igual que en los equipos humanos, es probable que surjan problemas de coordinación, conflictos y gestión de recursos. Los gerentes que utilicen sistemas de IA agéntica deberán prestar especial atención a la selección del equipo, asegurándose de contar con la combinación adecuada de roles agénticos que lleven a cabo las tareas correctas de manera eficiente.

Estructurar el espacio de decisión

Aunque los modelos de IA agéntica están diseñados explícitamente para evaluar opciones y ejecutar secuencias complejas de acciones, no son infalibles y pueden cometer errores, al igual que los humanos. La ciencia del aprendizaje destaca la importancia del «andamiaje» en el aprendizaje, que consiste en exponer a los aprendices a la práctica del mundo real con salvaguardas que se retiran progresivamente a medida que aumenta la experiencia.

Desde los primeros días de los autómatas mecánicos hasta los bots conversacionales más recientes, los científicos e ingenieros han soñado con un futuro en el que los sistemas de IA puedan funcionar y actuar de forma inteligente e independiente. Los avances recientes en la IA agéntica acercan ese futuro autónomo un paso más a la realidad.