El tradicional La inteligencia artificial que creció durante la última década procesaba números, buscando patrones y proporcionando análisis predictivo basado en probabilidades probables. Ingresar IA generativa que, entre sus muchas capacidades, proporciona una puerta de entrada a numérico Predicciones y observaciones de IA, que abren posibilidades para consultas verbales altamente interactivas.
La IA generativa ayuda a abrir la antes muy oscura caja negra de la IA para una variedad de funciones empresariales, e incluso puede ayudar a cerrar la brecha entre la tecnología operativa y la de la información, dice Pedro Zornio, vicepresidente senior y director de tecnología de Emerson. Recientemente me reuní con Zornio en Nueva York, donde me explicó cómo la IA generativa y la IA numérica representan dos extremos de un continuo. Las dos variaciones se basan en modelos numéricos y modelos basados en lenguaje.
La base técnica de las dos variantes de IA es la misma, afirma, pero la forma en que trabajamos con ellas es diferente. «Los modelos de producción de orientación numérica se basan en conjuntos de datos numéricos», explica. «Los modelos de lenguaje utilizan conjuntos de datos basados en millones de documentos, imágenes y otras cosas».
Ahora, afirma, estos dos extremos de la IA están convergiendo, abriendo nuevos ámbitos para el aspecto tradicional detrás de escena de la IA tradicional. «Estamos viendo que los dos se utilizan juntos», dice Zornio. «En entornos industriales, usaríamos modelos basados en lenguaje como una forma de interactuar con los modelos basados en números que ya tenemos. Entonces, ¿te imaginas a un operador diciendo algo como: ‘Oye, computadora, ¿por qué se está desacelerando la producción en esta unidad? ? ¿Y qué puedo hacer para ajustarlo?'»
Esto tiene una inmensa implicaciones de productividad y ahorro de tiempo, él continúa. «Es una forma natural de interactuar. Así es como podrías hablar con un experto con 30 años de experiencia en la empresa, ¿verdad? Podrías preguntarle a Fred, de ingeniería: ‘¿Qué está pasando?’ Luego Fred iba a ver todas las tendencias en producción y eventualmente regresaba y te decía: ‘Bueno, normalmente, cuando esto sucede, lo que sucede es que el catalizador se ensucia, y esto es lo que hay que hacer’. Probablemente necesites parar y hacer una regeneración.'»
También: GPT-4 Turbo recupera la corona de ‘mejor modelo de IA’ de Claude 3 de Anthropic
El talento humano es esencial, y lo que Fred en ingeniería está haciendo es «usar el modelo que construyó en su cabeza al dirigir ese lugar durante 30 años», dice Zornio. La IA generativa retoma ese trabajo; interactuar con la IA de base numérica implica hablar con una computadora de la misma manera que con un ingeniero experto, empleando la deducción científica. También es capaz de «observar los últimos cinco años de operaciones, tratando de encontrar un escenario en el que exactamente el mismo conjunto de circunstancias coincidiera con un tipo de huella de producción muy similar. Y esa huella diría: ‘Bueno, ¿qué?» ¿Qué hacemos?’ Esto es lo que Fred estaría pensando: ‘La última vez que sucedió esto, hicimos esto'».
Finalmente, dice Zomio, la IA «revisaría y encontraría todos esos escenarios diferentes, miraría las respuestas y le diría: ‘Aquí hay tres acciones que en el pasado generaron los mejores resultados para resolver el problema'».
Este enfoque de IA de extremo a extremo ofrece «una excelente manera de crear un sistema de soporte de producto, donde se toman todos los manuales, todas las interacciones con el personal de soporte y se colocan en un sistema en el que luego se pueden hacer preguntas sobre el producto». «, dice Zornio.
Existen aplicaciones en todas las líneas de fabricación discreta y de procesos, desde la petroquímica hasta la fabricación de automóviles. Pensemos en la industria vitivinícola, que también se beneficiará de la IA de extremo a extremo, señala Zornio. Los enólogos con campos bien sensores y cubas de almacenamiento podrían hacer preguntas como «¿por qué el vino de este año fue mucho mejor que el del año pasado?» La IA podría revisar «indicadores clave como la temperatura, el contenido de azúcar, la acidez de la uva y la duración de la fermentación. ¿Cuál es la condición del suelo? ¿Cuál es la condición de humedad? ¿Cuánto sol había? ¿Cuánta lluvia?».
De muchas maneras y en muchas industrias, la IA actuará como un asistente y «una excelente manera de interactuar y consultar los modelos que tienes», señala Zornio. «Es posible que se generen más a partir de datos, generados a partir de datos numéricos, pero también se pueden ver registros como el libro de registro del operador. Porque cada vez que sucede algo, los operadores lo anotan. Y si ingresas todo eso, entonces podría preguntar: ‘¿Dónde sucedió esto antes en los registros del operador?’ O ‘¿Qué se hizo para resolver el problema?'»
También: Los mejores chatbots de IA: ChatGPT no es el único que vale la pena probar
Esto también requiere una mayor colaboración entre dos partes de la casa que tienden a estar divididas: los equipos de tecnología operativa y tecnología de la información. Los datos es donde comienza esta cooperación. Los equipos de TI y OT necesitan racionalizar los datos «de todos los formatos diferentes, de diferentes fabricantes», explica Zornio. «Históricamente, no hay mucho amor entre las dos organizaciones. Porque la gente de operaciones tiene sus propios sistemas integrados para hacer todo esto. Y tienen ideas muy diferentes sobre cómo implementarlo y usarlo. Algunos más ilustrados han tratado de proporcionar «Más integración, pero, en el futuro, tendrá que haber una mayor colaboración entre los dos».
Por eso, insta Zomio, «necesitamos diseñar una arquitectura que permita que los datos se extraigan más fácilmente del mundo de OT al mundo de TI y viceversa. Especialmente si hablamos de usar sistemas de IA que pueden estar en la nube. Será OpenAI u otros modelos de IA basados en lenguajes con los que todos interactuarán».