Listado de la etiqueta: ai

En este año MD&M Este, anteriormente IME East 2025, Augmentir tomó el centro del escenario cuando Chris Kuntz, vicepresidente de operaciones estratégicas, realizó una poderosa presentación sobre el papel transformador de los copilotos y agentes de IA en la fabricación.

Lea a continuación un breve resumen de la presentación, así como una grabación de vídeo de la presentación.

Abordar la crisis de la fuerza laboral con IA

Chris comenzó con una realidad que da mucho que pensar: incluso si todos los trabajadores cualificados de EE. UU. tuvieran empleo, 35% más de empleos en el sector manufacturero quedarían vacantes. Citando un coste de oportunidad anual de $1 billón para 2030 (Deloitte), Chris enfatizó que las estrategias tradicionales de gestión de la fuerza laboral no son suficientes, y que ahora es el momento de la automatización inteligente y la ampliación de la fuerza laboral.

Aspectos destacados de la presentación

El auge de los copilotos y agentes de IA

Chris presentó los Copilotos de IA como herramientas conversacionales impulsadas por LLM, que brindan soporte contextual y en tiempo real a los trabajadores. Los Agentes de IA, por otro lado, son sistemas autónomos que ejecutan tareas complejas de forma independiente, lo que reduce la fricción, el tiempo de inactividad y la ineficiencia manual.

El trabajador conectado aumentado

En el centro de la charla estuvo el tema de Augmentir. Tecnología de Trabajador Conectado—un marco que reúne:

• Orientación y soporte impulsados por IA para ayudar a los trabajadores de primera línea a realizar tareas de manera más eficiente, segura y precisa.
• Captura de datos y conocimientos en tiempo real que impulsan la mejora continua en las operaciones, la capacitación y el desempeño de la fuerza laboral.
• Una plataforma digital unificada que conecta personas, procesos y sistemas para permitir la transformación escalable de la fuerza laboral en la fabricación.

6 casos de uso que cambian el juego

Chris guió a los asistentes a través de seis casos de uso del mundo real, mostrando cómo Augmentir y Augie están ofreciendo resultados mensurables para los fabricantes:

• Asistente de contenido – 76% digitalización más rápida de procedimientos operativos estándar y documentos de capacitación
• Asistente de trabajo y formación – 82% redujo el tiempo de incorporación
• Comparación de imágenes – Mayor precisión de inspección, menor repetición del trabajo
• Agente de IA de habilidades y entrenamiento – Aprendizaje y certificación a demanda
• Agente de operaciones – Soporte para resolución de problemas en tiempo real
• Gráficos de conocimiento corporativo – Acceso más inteligente al conocimiento institucional

Los estudios de casos de empresas líderes en envases y bebidas agregaron credibilidad en el mundo real y demostraron cómo las organizaciones están escalando más rápido y al mismo tiempo minimizando el tiempo de inactividad y los incidentes de seguridad.

Grabación de vídeo

Transcripción completa

Me llamo Chris Kuntz. Trabajo en una empresa de inteligencia artificial llamada Augmentir y ofrecemos software para trabajadores conectados en la primera línea del sector manufacturero. Hoy hablaré sobre la inteligencia artificial, que en muchos sentidos ha conquistado los medios y se ha convertido en una parte fundamental de nuestras vidas. Sin embargo, quiero abordarla en el contexto de la fabricación, y en concreto, sobre los asistentes y agentes de IA generativos que pueden utilizarse en la fabricación para guiar y apoyar a los trabajadores de primera línea de hoy.

Así que solo unos 30 segundos rápidos sobre Augmentir y quiénes somos como empresa. Somos una empresa relativamente joven, fundada en 2018, pero tenemos una larga trayectoria en software innovador y fabricación, que se remonta a finales de la década de 1980. Los fundadores de Augmentir fueron los mismos innovadores de la industria que fundaron Wonderware en 1987, que revolucionó el software HMI en las fábricas. Wonderware salió a bolsa y ahora forma parte de AVEVA/Schneider Electric. Fuimos los fundadores de Lighthammer, que ahora forma parte de la oferta MII de SAP. Y fuimos los fundadores de ThingWorx, que ahora forma parte de PTC y revolucionó el espacio del Internet Industrial de las Cosas. Y cuando dejamos PTC, el equipo se reunió de nuevo y quisimos centrarnos en abordar lo que considerábamos el próximo gran problema en la fabricación en ese momento: el trabajador humano.

Si pensamos en la IA y su evolución, la automatización y cómo la IA ha optimizado las líneas de producción, la clave para impulsar la eficiencia en la fabricación reside en el trabajador humano. Y, aún más evidente en los últimos cinco años desde la pandemia, la escasez de mano de obra cualificada ha tenido un impacto drástico en la calidad y la eficiencia de los productos, así como en el rendimiento general de la fabricación. Por eso, nuestro objetivo en Augmentir era abordar este problema.

Comencemos esta conversación hablando de la IA y su historia en la manufactura. Esta se remonta a la década de 1960. La IA se ha utilizado en la automatización de la manufactura durante décadas. Se ha utilizado para impulsar niveles increíbles de eficiencia. Se ha utilizado en sistemas de visión artificial para mejoras de calidad. Y, como pueden ver en ferias de manufactura como esta, se ha utilizado en la automatización de almacenes y, más recientemente, en el internet industrial de las cosas (IoT), conectando digitalmente equipos y utilizando la IA para analizar los datos que emiten para impulsar una mayor eficiencia en la producción. Pero un tema común en todo esto es que, hasta ahora, la IA se ha utilizado para reemplazar al trabajador humano o para optimizar el trabajo manual que antes realizaban los humanos en las fábricas. La IA tiene una oportunidad única, específicamente en torno a los copilotos de IA generativa, como ChatGPT o los agentes de IA, para complementar al trabajador humano, no para reemplazarlo.

Así que la pregunta que nos hicimos en Augmentir, al empezar, fue: ¿puede la IA hacer lo mismo por los humanos? ¿Puede la IA impulsar la eficiencia de los humanos que aún trabajan en el taller en funciones de fabricación, calidad, ingeniería y mantenimiento, así como en la operación de equipos? Y lo que es más importante, en mantenimiento, ¿puede la IA utilizarse para optimizar el trabajo que realizan? ¿Y por qué ahora? Aquí hay algunas estadísticas de un informe que LNS Research, una firma de análisis con sede en Boston, elaboró el año pasado sobre el futuro del trabajo industrial. Estadísticas bastante fascinantes. Al analizar la tasa promedio de permanencia en la industria manufacturera en 2019 en comparación con finales del año pasado, se observa que, de 20 años a tres años, el tiempo y el puesto promedio se redujeron de siete años a nueve meses, y la tasa promedio de retención de tres meses (la tasa a la que las personas permanecen después de los primeros tres meses) pasó de 90% a 50%. El problema actual en la manufactura es la escasez de mano de obra y la dificultad para encontrar mano de obra cualificada. Sin embargo, como se requiere personal humano en la manufactura, las organizaciones contratan trabajadores menos cualificados. Y ahora existe un doble problema en el taller: trabajadores con menos experiencia, o trabajadores menos cualificados, también con menos experiencia. Esto genera problemas de seguridad, problemas de calidad, retiradas de productos, tiempos de inactividad y todo lo imaginable relacionado con errores humanos en la planta de producción.

En esta encuesta de LNS, el 921% de los encuestados afirmó considerar la tecnología como una forma de compensar la escasez de mano de obra cualificada. Ahora bien, no es la única solución; sin duda existen mejores estrategias de contratación y capacitación, pero sin duda la tecnología es un factor clave para compensar la crisis laboral. Otra estadística de un estudio de Deloitte: incluso si cada trabajador cualificado (y esto solo en Estados Unidos) estuviera empleado, seguiría habiendo una brecha de 351% en vacantes sin cubrir en el sector manufacturero. Así de grave es la situación. Deloitte predice que para 2030, el problema será de 1 billón de dólares solo en Estados Unidos. Y creo que pronosticaron 1 billón de dólares a nivel mundial, un problema que existe para la producción y la manufactura.

Esto nos lleva al tema que hoy tratamos: agentes y copilotos de IA. Todos aquí han usado ChatGPT, Gemini, Perplexity o cualquier otro chatbot que deseen usar hoy en día. Se han obtenido resultados y oportunidades fantásticos en la IA de consumo. Pero lo que quiero abordar es el contexto de la asistencia con IA, así como de los agentes, donde la línea es un poco difusa, pero hablaremos de ello y de su aplicabilidad en operaciones industriales y de por qué es bastante diferente de la IA de consumo.

¿Qué es un copiloto de IA? El mejor ejemplo es ChatGPT, ¿verdad? Todos lo hemos usado. Una interfaz de lenguaje natural, la capacidad de usar lo que llaman un modelo de lenguaje grande (LLM), para quienes no tengan conocimientos técnicos, que permite a ese agente o asistente comprender grandes cantidades de datos y brindar asistencia contextual a los usuarios. Por otro lado, ¿qué es un agente? Un agente es un bot de IA que actúa de forma más autónoma. Puede operar según una indicación, como con ChatGPT, pero no está obligado a hacerlo. De hecho, puede actuar de forma autónoma según las instrucciones que le des. Ahora bien, si lo piensas, voy a usar ChatGPT como ejemplo hoy porque creo que probablemente todos lo hayamos usado o algo similar. Están empezando a desdibujar un poco los límites con su, creo que lo llaman operador ChatGPT, lo que está empezando a desdibujar los límites entre la IA autónoma y la IA estrictamente basada en indicaciones. Pero la idea es la misma en el contexto actual, de lo que hablamos en términos de un copiloto de IA o un asistente que es un bot basado en indicaciones que un usuario podría usar. Y desde la perspectiva del agente, es algo que puede actuar de forma más autónoma. Y un prerrequisito para todo esto, cuando pensamos en la fabricación y en los trabajadores de primera línea, ya sea que trabajen en seguridad, calidad, mantenimiento y reparación de equipos y máquinas, o en la operación de equipos, es la capacidad de tener un trabajador conectado.

En Augmentir, nos referimos al trabajador conectado como aquel que no solo está conectado con una herramienta digital o móvil, como un teléfono, una tableta, una tecnología wearable o un dispositivo portátil de realidad aumentada, sino que también está conectado digitalmente con la empresa. Así, al usar esa interfaz no solo los conectamos físicamente con un dispositivo, sino también con los sistemas de RR. HH., gestión del aprendizaje, ERP, calidad y seguridad, sistemas que utilizan a diario. Ahora que están conectados, pueden convertirse en sensores humanos en la planta. Existe una gran cantidad de datos que podemos aprovechar, y la IA puede actuar en consecuencia.

Ahora quiero hablar sobre la IA de consumo, como ejemplo de ChatGPT en comparación con la IA industrial. Hoy daré ejemplos de empresas manufactureras que utilizan esta tecnología. Sin embargo, al pensar en operaciones industriales, debemos pensar de forma bastante diferente a cómo usamos Gemini o ChatGPT hoy en día. Voy a mostrar un ejemplo. Tenemos un trabajador de primera línea, un operador en una planta de fabricación, cuyo trabajo diario consiste en operar la mezcladora. ¿De acuerdo? Parte de su trabajo también consiste en limpiar, inspeccionar y lubricar periódicamente el equipo para que no se estropee o para evitar fallos. Eso es una CIL. Volvamos al contexto con el que inicié esta conversación. Supongamos que tenemos un trabajador con menos experiencia, quizás un novato.