Los nuevos invitados al baile

De todos es conocido que la gran revolución que propone la Industria 4.0 está relacionada íntimamente con el uso de los datos y, por ende, el análisis de los mismos a través de la denominada Inteligencia Artificial (IA). Para que esto ocurra, se necesitan fábricas sensorizadas, infraestructuras comunicadas, almacenamiento seguro, escalado a la nube y aplicación de algoritmos de análisis inteligente (IA) y aprendizaje automático (ML). Los beneficios esperados para la industria van más allá de la mejora de la eficiencia. Se trata de conseguir nuevos negocios accediendo a servicios relacionados con el propio ecosistema fabril o/y, como no, accediendo a los servicios que ofrecen los nuevos ecosistemas digitales. Los actores que mueven ahora las inversiones industriales en la aplicación de inteligencia artificial no son ya exclusivamente los líderes del sector. Se incorporan grandes gigantes del mundo IT. A todos, preguntamos en el siguiente artículo.

Para comenzar este análisis le preguntamos a los expertos la siguiente cuestión: ¿Qué papel juega ya la IA/ML en la industria del presente? ¿Qué se obtiene de forma tangible y real más allá de visiones futuristas? Rajesh Ramachandran, Global Chief Digital Officer en ABB Process Automation&ABB Ability, responde: “Lejos de ser una tecnología ‘futurista’, la inteligencia artificial y el aprendizaje automático son tecnologías disponibles para la industria ahora y ya están teniendo un impacto masivo en la sostenibilidad, la previsibilidad y la eficiencia en todas las operaciones. Los principales despliegues de estas tecnologías, y las propuestas que ABB ya ha introducido en el mercado, incluyen el análisis de datos, que utiliza y aprovecha grandes cantidades de datos que antes se dejaban sobre la mesa de forma más rápida, eficiente y con mayor impacto estratégico, así como la gestión del rendimiento de los activos y el mantenimiento predictivo”. Un ejemplo concreto del poder de la IA/ML en un caso de uso real es el de un mantenimiento predictivo inteligente, una solución desarrollada por ABB para su sistema de propulsión orientable sin engranajes Azipod que identifica posibles anomalías y genera una señal de alerta temprana para los equipos de mantenimiento. El motor para la detección de condiciones anómalas y la alerta temprana se basa en la integración de datos en tiempo real de las temperaturas del bobinado, la velocidad, el par, la potencia y las temperaturas del aire de refrigeración de entrada y salida extraídas de la colaboración interna. En este caso, la aplicación piloto de los estudios demostraron un aumento del tiempo de espera, de más de una hora, lo que permite abordar los problemas antes de que puedan provocar un fallo catastrófico en medio del mar.

“Lo primero es distinguir bien qué es la inteligencia artificial (IA) y qué es el aprendizaje automático o Machine Learning (ML). La inteligencia artificial es un conjunto de distintas tecnologías que hacen que las máquinas puedan percibir, comprender, actuar y aprender para ampliar las capacidades humanas. El aprendizaje automático (ML) es una de estas tecnologías usadas por la IA y es el proceso de usar modelos matemáticos de datos para ayudar a un sistema informático a aprender sin seguir instrucciones directas”, clarifica, por su parte, Gustavo Samayoa, managing director de Industrial&Mobility de Accenture. Y añade: “Hoy la inteligencia artificial es un elemento clave para la rentabilidad de las empresas. La constante disminución de la rentabilidad empresarial en múltiples industrias amenaza con erosionar la inversión, la innovación y el valor de las acciones en un futuro”.

Según estudios de Accenture, en el sector industrial podría aumentar un 39% sus beneficios gracias a los sistemas alimentados por IA, cuya capacidad de aprender, adaptarse y evolucionar con el tiempo puede eliminar la maquinaria defectuosa y el equipo inactivo. La IA puede invertir el ciclo de baja rentabilidad en las industrias a través de tres canales:

• La automatización inteligente, que ofrece enormes ventajas sobre la automatización tradicional, bien agilizando la cadena de producción, facilitando la gestión de la cadena de suministro o simplificando el proceso de venta.
• El enriquecimiento del capital y del trabajo. Los trabajadores pueden delegar tareas de bajo valor a la IA y ser más productivos en sus tareas principales. La IA también puede ayudar a las empresas a maximizar sus activos.
• La difusión de la innovación, al acelerar el desarrollo de nuevos productos, la IA ayuda a potenciar la innovación, eliminar los costes redundantes y generar nuevos flujos de ingresos para aumentar la rentabilidad.

Javier Ramírez, Senior Developer Advocate en Amazon Web Services (AWS) para España, comparte la misma visión al considerar que el sector industrial y de fabricación se encuentra en medio de una gran transformación digital centrada en mejorar el tiempo de comercialización, reducir costes y optimizar la producción y la calidad de los productos. “En esta transformación, el objetivo es integrar la tecnología de la información con las tecnologías operativas existentes logrando que los procesos de fabricación estén optimizados, dando respuesta a la demanda de los clientes y siendo capaces de automatizar procesos que mejoren la fabricación”, explica. Durante más de 25 años, Amazon ha diseñado y fabricado productos inteligentes y distribuido miles de millones de productos a través de su red de distribución conectada globalmente utilizando los servicios en la nube Amazon Web Services (AWS) de automatización, aprendizaje automático e inteligencia artificial y robótica, con AWS en su núcleo. Desde el diseño de productos hasta la fábrica inteligente, AWS ayuda a los fabricantes líderes a transformar sus operaciones de fabricación con el conjunto de soluciones en la nube más completo y avanzado disponible en la actualidad, al tiempo que aprovecha la seguridad diseñada para las industrias más reguladas. Además, la tecnología en la nube es indispensable en toda esa transformación, ya que posibilita el almacenamiento y el análisis de cantidades ingentes de datos en un modelo de pago por uso. “En nuestro trabajo con clientes del sector de la industria hemos visto que desde hace años se está incrementando enormemente el uso de tecnologías de análisis de datos, internet de las cosas, inteligencia artificial y aprendizaje automático. Gracias a estos servicios, las empresas fabricantes pueden tomar mejores decisiones basadas en el análisis de los datos, pueden utilizar modelos predictivos sofisticados que les permitan optimizar sus procesos de producción y prevenir fallos, así como reducir costes, por ejemplo, en ahorro energético, e innovar más rápidamente para cumplir las peticiones de sus clientes. En AWS tenemos millones de clientes activos, entre los que se encuentran grandes referencias en el sector industrial como Siemens, General Electric o 3M, entre muchos otros. La gran mayoría de estos clientes industriales ya hacen uso de servicios de ML/AI, Internet de las Cosas o análisis de datos”, concluye Ramírez.

Para Salomé Valero, Kyndryl Country Practice Leader for Aplications, Data & AI Spain & Portugal (empresa recientemente escindida de IBM), la IA/MI en la industria de hoy juega un papel clave en la detección de anomalías en la industria. En su opinión, permite identificarlas generando alertas y avisa de su impacto en el negocio.  También optimiza la programación de las órdenes de trabajo, analiza los riesgos de fallo y mejora la gestión predictiva de activos. Se puede anticipar cuándo un determinado componente ha de ser sustituido por otro por temas de capacidad o fin de vida útil. También mejora los procesos de gestión inventario, proveedores, componentes y materias primas. Su contribución es muy importante para optimizar procesos industriales y tomar acciones para mejorar la productividad, la disponibilidad y la calidad.  “La IA también en es un pilar fundamental en la automatización industrial a gran escala y en la transformación digital de las empresas. Si incrementamos el nivel de automatización de los procesos actuales, se liberan recursos clave para dedicar esfuerzos a nuevos productos, servicios o mercados.  Y la adaptación a la nueva era digital genera cambios significativos en las organizaciones tanto en la generación de nuevos servicios como en sus procesos”, explica Valero y añade que, en definitiva, “surge un nuevo espacio productivo que ha nacido de la confluencia entre el mundo físico y el mundo digital. Un reto de transformación que no sólo afecta a los procesos operativos, sino también a las personas. En el mundo de la industria actual, la principal materia prima son los datos”.

Por último, desde Microsoft, afirman que, aunque las empresas de Tecnología, Servicios y Banca son las que mejor están aprovechando el potencial de la Inteligencia Artificial, ésta puede traer beneficios a todos los sectores: servicios, ciencias de la salud, retail, industria e infraestructuras, tecnología y telecomunicaciones, y servicios financieros. En el caso del sector industrial, como recoge el libro ‘The Future Computed: AI and Manufacturing’, lanzado por Microsoft, la IA lo está transformando al impulsar su eficiencia y permitir la fabricación de nuevos productos, el despliegue de servicios innovadores y espacios de trabajo más seguros. Así, seis grandes empresas han creado el consorcio de inteligencia artifical IndesIA, identificando más de 60 casos de uso basados en IA y analítica de datos y orientando su aplicación a procesos comunes como el mantenimiento predictivo de los equipos, la optimización de la planificación productiva, la logística inteligente, el desarrollo de plantas productivas autónomas, la optimización del consumo energético en la producción, el desarrollo de gemelos digitales, la robotización de procesos industriales, la optimización de la calidad y el desarrollo de materiales avanzados.

Aplicación de resultados

La segunda cuestión: ¿Dónde aplican los resultados obtenidos, al I+D, al desarrollo de nuevos productos, al mantenimiento predictivo, a la mejora de la eficiencia, a la generación de servicios añadidos… “Las organizaciones están desplegando cada vez más dispositivos IoT, sensores inteligentes y soluciones de software para gestionar sus plantas industriales. Esto ha llevado a un aumento exponencial de múltiples tipos de datos: datos operativos, datos de mantenimiento, datos de construcción/diseño y datos derivados”, responde Rajesh Ramachandran desde ABB, “los especialistas en procesos están buscando formas significativas de analizar estos ricos datos para realizar análisis de autoservicio impulsados por la IA y el ML de manera objetiva. De este modo, son capaces de optimizar los activos y, al mismo tiempo, predecir y mitigar los costosos fallos potenciales”. Dentro de ABB Process Automation Digital, el objetivo es tener un impacto en una variedad de industrias de uso intensivo de activos como el petróleo y el gas, los productos químicos y las refinerías, la minería, la energía, los metales, la pulpa y el papel, el cemento, la marina y los puertos, los servicios de agua, por nombrar algunos. “En estas industrias, los resultados se utilizan no sólo para la I+D, sino para resolver diversos retos, como el mantenimiento predictivo, la mejora de la eficiencia energética, etc. Los análisis avanzados que utilizan los datos internos con capacidades como la exploración de datos, el preprocesamiento estadístico, la reación/recomendación de modelos, el despliegue y el entrenamiento de modelos permiten una visión interfuncional para las medidas predictivas, prescriptivas y de optimización de sus activos”.

En todas ellas. Opinan, por su parte en Accenture. Para todas ellas hay ya soluciones de inteligencia artificial, según indica Gustavo Samayoa y pone el siguiente ejemplo: “se está usando para el desarrollo de nuevas vacunas contra la Covid para acortar los plazos de diseño de los coches, usando realidad virtual. Partiendo de los datos históricos y de las características de las instalaciones, se crean planes de mantenimiento predictivo. O usando gemelos digitales de producción se están optimizando la eficiencia de los procesos de fabricación. No existe área de una empresa donde no se estén planteando usos de estas herramientas”.

“El Internet de las cosas industrial, la inteligencia artificial y el aprendizaje automático ya están liderando la transformación en la fabricación”, añade Javier Ramírez, “vemos cómo los servicios en la nube de AWS están ayudando a nuestros clientes industriales en tres escenarios principales”:

• En primer lugar, en el desarrollo de productos y procesos de fabricación. Con la informática de alto rendimiento (HPC), los ingenieros y desarrolladores de productos pueden resolver problemas complejos mediante el uso de simulaciones paralelas a gran escala y diseñadas a base de modelos. Con la tecnología en la nube de AWS pueden concentrarse solo en el diseño y no en la infraestructura para lograrlo, pueden acelerar el tiempo de obtención de resultados y de comercialización al ejecutar tareas paralelas en la nube y puede reducir los costes gracias al pago por uso en función de la demanda.
• En segundo lugar, vemos como muchos clientes utilizan los servicios de análisis de datos inteligencia artificial, machine learning e internet de las cosas de AWS para crear fábricas inteligentes. Mejoran las operaciones de fabricación gracias a la captura, el análisis, la visualización y la ejecución de datos de la planta.  Con ello pueden mejorar la eficiencia de los equipos de fabricación, hacer predicciones en tiempo real y predecir potenciales fallos antes de que ocurran.
• En tercer lugar, sus clientes también pueden fabricar productos y servicios inteligentes. Gracias a la nube de AWS las empresas de fabricación están innovando en la creación de productos inteligentes conectados con servicios en la nube de IA o IoT. Esto les permite tener una innovadora oferta dando respuesta a las peticiones de los clientes, ofrecer productos como servicios e, incluso, habilitar modelos de ingresos posteriores a la venta.

Desde Kyndryl también lo tienen claro, existen diversidad de casos de uso aplicables. “En sistemas complejos y tecnologías diversas, la IA nos ayuda a reducir costes de operación con un mantenimiento preventivo. El objetivo es anticiparse para tomar decisiones de manera temprana. Con un sistema inteligente bien entrenado, se contribuye a reducir ineficiencias monitorizando procesos para detectar fallos en los productos, tendencias de defectos y desviaciones, predicción de averías en equipos, paradas no planificadas, etc.”, subraya Salomé Valero. También existen ejemplos de casos orientados a personalizar la experiencia de cada cliente ofreciéndole productos y servicios acorde a sus características, gustos o interacciones anteriores. Se trata de aprender en cada interacción con los clientes, retener la información clave y transformarla en propuestas individualizadas. Y todo tipo de chatbots de soporte a empleados internos, clientes o colaboradores. Se trata de construir un corpus de conocimiento clave e ir aprendiendo de cada interacción para analizar después consultas más frecuentes o necesidades del cliente no cubiertas. De esta manera, el conocimiento generado sirve para poder crear nuevos productos o servicios. “Destacaría también ejemplos de ingeniería con propósito social, como la solución que tenemos para monitorizar en tiempo real la exposición a substancias tóxicas de los bomberos. Los efectos del humo son diferentes en cada persona porque dependen de sus características físicas y también de los valores de exposición acumulada a los tóxicos. La IA aporta el análisis de la experiencia individual de cada persona con el fin último de disponer de estrategias individualizadas para protegerles. Lo mismo es aplicable a la minería o a industrias que manipulen substancias tóxicas. Y en definitiva, cuando tenemos datos diversos de muchas fuentes, la IA nos ayuda a encontrar patrones que nos permiten mejorar la toma de decisiones”, concluye. Y una respuesta más en la misma línea, la de Microsoft, que lleva casi tres décadas trabajando en el desarrollo de Inteligencia Artificial y machine learning. Y, con el objetivo de ayudar a las empresas a que puedan desplegar sus propios proyectos de IA, han desarrollado distintas herramientas que abordan su implementación en distintos niveles.

Casos de uso

Respecto a los casos de uso resueltos con la tecnología de cada una de estas compañías, ABB Process Automation Digital se esfuerza por centrarse en la aplicación de la ingeniería de valor de la industria digital para construir soluciones aprovechando la IA/ML en los siguientes pilares de valor dentro de una empresa: Integridad operativa (Detección de anomalías en el sistema, Eficiencia energética, Optimización del proceso, Eficacia general del equipo y Mapeo del flujo de valor), Integridad de los activos (Gestión del rendimiento de los activos, Mantenimiento basado en la condición y    Planificación de la inversión de activos), Medio ambiente y seguridad (Seguridad de los procesos, Control de las emisiones y Optimización de los residuos) y la Cadena de suministro (Planificación logística, Optimización de inventarios y Optimización del coste del producto).

Asimismo, un ejemplo muy sencillo, pero a la vez fácilmente entendible, es el de uno de los grandes clientes industriales de Accenture. Le ha implementado una tecnología de inteligencia artificial llamada RPA (automatización robotizada de procesos) para automatizar la gestión de las facturas. El resultado: redujeron el tiempo de procesamiento en un 70%, con un 30% de mejora en productividad, y un 100% de precisión. Otro ejemplo muy actual es el caso de uno de sus clientes de la industria química. “La crisis de la Covid-19 ha interrumpido la oferta y la demanda global en niveles sin precedentes. Los supuestos tradicionales, desde la disponibilidad de materias primas y suministros críticos hasta la tasa de consumo nacional e internacional, simplemente ya no están asegurados”, explica Gustavo Samayoa, managing director de Industrial&Mobility de Accenture, “la escasez y consecuente crisis de los famosos semiconductores es un buen ejemplo de ello. Las compañías se preguntaban: ¿Cómo optimizamos los inventarios de almacenamiento de materia prima, teniendo en cuenta el coste de la materia prima, la selección de la mezcla correcta, los precios futuros y las tarifas de almacenamiento? ¿Cómo sabemos si estamos produciendo la combinación de productos correcta y comprendemos mejor el impacto de nuestras elecciones en la oferta, la demanda y los ingresos por ventas? ¿Cómo optimizamos la programación de nuestra flota de buques y camiones? ¿Nuestros costes y márgenes logísticos son completamente comprendidos por las personas que toman las decisiones? Aquí es donde entra la inteligencia artificial. Les hemos implantado distintas tecnologías de IA para que se puedan responder preguntas como éstas y utilizar conocimientos basados en datos para optimizar las operaciones de una manera integral”.

Otro gran ejemplo en España es Hijos de Rivera, productor de la cerveza Estrella Galicia. La compañía cuenta con una plataforma basada en la nube de AWS que permite medir y controlar el proceso de producción de su cerveza. El Laboratorio de Inteligencia Artificial, denominación que ha recibido la plataforma, posibilita a la cervecera controlar el proceso de producción y optimizar la toma de decisiones, en base a los datos almacenados en el sistema. Otro ejemplo en nuestro país es Cepsa. La empresa española, haciendo uso de los servicios de aprendizaje automático de AWS, ha logrado recopilar y analizar los datos recibidos desde más de 300,000 sensores en diferentes plantas de producción, mejorando su previsión de demanda, su fabricación e identifincado ineficiencias. En una de sus plantas químicas en Huelva han aplicado estas técnicas a la producción de Fenol, creando un sistema que recomienda las cantidades óptimas de materias primas y energía, aumentando la producción a la vez que han reducido en 1500 toneladas las emisiones de dióxido de carbono al año.

A nivel global, el grupo Volkswagen está colaborando con AWS en la creación del Volkswagen Industrial Cloud, que combinará los datos de todas las máquinas, plantas y sistemas de todas y cada una de las 122 instalaciones del Grupo Volkswagen en el mundo. Esto generará nuevas perspectivas para la optimización de procesos en el ámbito de la producción, y permitirá mejoras significativas de productividad en las plantas. A largo plazo, la cadena de suministro global del Grupo Volkswagen, con más de 30.000 centros de más de 1.500 proveedores y compañías asociadas, también podría integrarse.

Desde Kyndryl explican que hay diversidad de casos de uso aplicables. En sistemas complejos y tecnologías diversas, “la IA nos ayuda a reducir costes de operación con un mantenimiento preventivo. El objetivo es anticiparse para tomar decisiones de manera temprana. Con un sistema inteligente bien entrenado, se contribuye a reducir ineficiencias monitorizando procesos para detectar fallos en los productos, tendencias de defectos y desviaciones, predicción de averías en equipos, paradas no planificadas, etc.”.  También existen ejemplos de casos orientados a personalizar la experiencia de cada cliente ofreciéndole productos y servicios acorde a sus características, gustos o interacciones anteriores. Se trata de aprender en cada interacción con los clientes, retener la información clave y transformarla en propuestas individualizadas. Y todo tipo de chatbots de soporte a empleados internos, clientes o colaboradores. “Se trata de construir un corpus de conocimiento clave e ir aprendiendo de cada interacción para analizar después consultas más frecuentes o necesidades del cliente no cubiertas. De esta manera, el conocimiento generado sirve para poder crear nuevos productos o servicios”, añade Salomé Valero, quien destacaría también ejemplos de ingeniería con propósito social, “como la solución que tenemos para monitorizar en tiempo real la exposición a substancias tóxicas de los bomberos. Los efectos del humo son diferentes en cada persona porque dependen de sus características físicas y también de los valores de exposición acumulada a los tóxicos. La IA aporta el análisis de la experiencia individual de cada persona con el fin último de disponer de estrategias individualizadas para protegerles. Lo mismo es aplicable a la minería o a industrias que manipulen substancias tóxicas. Y, en definitiva, cuando tenemos datos diversos de muchas fuentes, la IA nos ayuda a encontrar patrones que nos permiten mejorar la toma de decisiones”.

Por último, algunos de los casos de éxito en la aplicación de estas tecnologías de Microsoft son los siguientes:

• Dentro del programa global AI for Earth, Microsoft ha hecho posible la viabilidad de cinco proyectos españoles donde la Inteligencia Artificial de Microsoft se pone al servicio del medioambiente.
• Naturgy aplica la tecnología de la suite de Microsoft Azure IoT en el desarrollo e implementación de un sistema de supervisión remota en su red de distribución eléctrica. Los próximos pasos se centran en el desarrollo de una plataforma basada en la Inteligencia Artificial de Microsoft Azure para analizar distintos patrones y reducir los tiempos de intervención. Más adelante, se avanzará en la automatización a la hora de generar partes de intervención con Dynamics 365.
• AENOR ha apostado por la solución Microsoft Azure para implantar servicios de inteligencia artificial y soluciones cognitivas para ayudar a los usuarios de estándares a llegar de forma inteligente al contenido exacto del estándar que necesitan aplicar en sus industrias, negocios o empresas.
• En los últimos años, gracias a los avances en la tecnología de IA e IoT, empresas como Siemens Gamesa, Intel o Bühler utilizan la innovación para ganar eficiencia.
• PepsiCo aprovecha la inteligencia artificial de la compañía para crear un sistema de monitorización inteligente que mejora la consistencia de sus Cheetos.

El siguiente paso

“El siguiente paso en el uso de los datos industriales no consiste necesariamente en generar más datos, sino en utilizar los que existen de forma más eficaz y en combinar de forma significativa los datos procedentes de múltiples fuentes de la tecnología operativa (OT), la tecnología de la información (IT) y la tecnología de la ingeniería (ET) para obtener conocimientos más profundos”, considera Rajesh Ramachandran al preguntarle sobre cuál sería el siguiente paso en el uso de los datos, “esto es lo que la plataforma Genix de ABB ayuda a ofrecer: significa que un director de planta o un ingeniero obtienen una visión holística de sus operaciones y la interconectividad entre todas las partes móviles. Esta convergencia de datos, que luego se ejecuta a través de la IA industrial y el análisis para permitir decisiones más inteligentes. “El uso holístico de los mismos”, responden, por su parte, desde Accenture. La digitalización en las empresas ha traído la aparición de cientos de millones de datos en cualquier área. Estos datos están generalmente aislados. Realmente no se usan para tomar decisiones. “Por ejemplo, -continúa- podemos llegar a encontrarnos con compañías que sólo hacen uso del 10% de los datos que le dan sus máquinas y equipos. Estos no salen del área de fabricación. El futuro, y presente en las empresas más avanzadas, será la utilización holística de ellos gracias a la inteligencia artificial, que permite y permitirá quitar estos aislamientos, integrar todos los datos originados por toda la empresa, analizarlos y tomar decisiones focalizadas en la rentabilidad. Estas empresas más punteras lo están haciendo ya a través de un plan estratégico integral que tiene el dato como fuente integral de información”.

“En conversaciones con nuestros clientes del sector industrial hemos podido entender que, cada vez más, quieren incorporar la inteligencia artificial a sus procesos y que para ellos la velocidad en la toma de decisiones en las plantas productivas es muy importante”, explica Javier Ramírez. Por ello, desde AWS han querido facilitar la incorporación de la inteligencia artificial a los procesos de fabricación, lanzando soluciones específicas de inteligencia artificial industrial, basadas en la nube. Un ejemplo es Amazon Monitron, que permite aplicar técnicas de mantenimiento predictivo a máquinas que no tienen sensores para recoger datos, o Amazon Lookout For Equipment, que recoge datos de sensores ya existentes y ayuda a los clientes a tomar decisiones de forma automática.

Y Para Kyndryl, el principal reto de sus clientes es disponer de la capacidad para recopilar y almacenar cantidades enormes y cambiantes de datos, de ejecutar modelos sobre esos datos y poder hacerlo en cualquier lugar. Aquí es donde Kyndryl aporta la tecnología, el talento y la experiencia en la gestión integral del dato, la analítica de esos datos que se recogen de múltiples fuentes y la Inteligencia Artificial para extraerles su máximo valor. El resultado más tangible es conectar el dato correcto con la persona indicada en el momento clave para tomar la mejor decisión para el negocio.  “Respecto al futuro, si primero fueron los sistemas mecanizados y luego los sistemas automatizados, ahora el futuro va a estar dominado por sistemas autónomos impulsados por IA para mejorar la calidad, aumentar la productividad e impulsar el rendimiento de la industria”, afirman desde Microsoft; “sin embargo, todo ello requiere una nueva capacitación en habilidades digitales e IA de las personas. Por ello, la compañía ha creado y reforzado diversos programas formativos totalmente gratuitos, que permiten a las empresas diseñar un itinerario específico en función del perfil profesional. Entre ellos destacan Microsoft Learn y Microsoft AI school. Éste último ha sido creado específicamente para compartir ideas y orientación práctica sobre cómo aplicar estratégicamente la IA en las organizaciones e, incluso, cuenta con una versión específica, Microsoft AI Business School, dirigida a altos ejecutivos con perfiles no técnicos.

págs. 38 a 44.