Durante a\u00f1os, la transformaci\u00f3n digital de la manufactura estuvo asociada a automatizar procesos: sensores, robots, ERP, sistemas de planificaci\u00f3n y algoritmos capaces de procesar grandes vol\u00famenes de datos. La IA ag\u00e9ntica introduce ahora un cambio m\u00e1s profundo: no solo analiza o recomienda, sino que puede actuar sobre un proceso y encadenar decisiones para alcanzar un objetivo.<\/p>\n
La IA generativa puso inteligencia al alcance de las empresas; la IA ag\u00e9ntica pretende poner esa inteligencia a tomar decisiones. En producci\u00f3n, esto podr\u00eda significar que un agente detecte el atraso de un proveedor, revise inventarios y capacidad, eval\u00fae alternativas, proponga una nueva secuencia de fabricaci\u00f3n e incluso ejecute cambios autorizados en los sistemas de gesti\u00f3n.<\/p>\n
La oportunidad es relevante. Un estudio reciente del MIT sobre IA ag\u00e9ntica en ingenier\u00eda y manufactura muestra que su mayor potencial no est\u00e1 \u00fanicamente en automatizar tareas repetitivas, sino en coordinar procesos complejos entre distintas herramientas. Al mismo tiempo, identifica como condiciones cr\u00edticas la confiabilidad, la verificaci\u00f3n y la trazabilidad de sus decisiones, manteniendo al ser humano como decisor final.<\/p>\n
Este punto es de suma importancia en la gesti\u00f3n de operaciones. Procesar m\u00e1s informaci\u00f3n con respuestas m\u00e1s r\u00e1pidas apoyadas desde una IA, no significa necesariamente tener raz\u00f3n. Los modelos pueden operar con datos incompletos, supuestos equivocados o informaci\u00f3n desactualizada e incluso incorrecta. Una revisi\u00f3n publicada en Journal of Manufacturing Systems se\u00f1ala precisamente que la integraci\u00f3n de grandes modelos de lenguaje en manufactura todav\u00eda presenta desaf\u00edos de validaci\u00f3n, incertidumbre e integraci\u00f3n en tiempo real, reforzando la necesidad de esquemas human-in-the-loop, es decir, modelos en que la IA apoya el an\u00e1lisis y la toma de decisiones, pero mantiene al ser humano en la validaci\u00f3n y supervisi\u00f3n.<\/p>\n
En una f\u00e1brica, adem\u00e1s, el error deja de ser solo informacional. Una decisi\u00f3n incorrecta puede generar problemas de inventario, modificar una programaci\u00f3n comprometiendo las entregas, afectar la calidad o incluso introducir riesgos de seguridad, entre muchas otras cosas. Por eso, el avance hacia sistemas productivos m\u00e1s aut\u00f3nomos debe ir acompa\u00f1ado de mecanismos claros de gobernanza, supervisi\u00f3n y responsabilidad, porque, frente a decisiones que pueden tener consecuencias econ\u00f3micas significativas, ya no basta con decir simplemente: \u201cfall\u00f3 el sistema\u201d. El marco de gesti\u00f3n de riesgos de IA del Instituto Nacional de Est\u00e1ndares y Tecnolog\u00eda de Estados Unidos (NIST), organismo t\u00e9cnico de referencia internacional en est\u00e1ndares y gesti\u00f3n de riesgos tecnol\u00f3gicos, tambi\u00e9n insiste en la necesidad de gestionar la confiabilidad y los riesgos durante todo el ciclo de vida de estos sistemas.<\/p>\n
La pregunta, entonces, no es si la IA podr\u00e1 participar en las decisiones de producci\u00f3n. Probablemente lo har\u00e1 y cada vez m\u00e1s. La verdadera discusi\u00f3n debe centrarse en cu\u00e1nto y qu\u00e9 queremos delegar y bajo qu\u00e9 condiciones.<\/p>\n
Por ende, la f\u00e1brica del futuro probablemente combinar\u00e1 personas, modelos de optimizaci\u00f3n, sistemas digitales y agentes de IA tomando decisiones de manera coordinada. Pero autonom\u00eda tecnol\u00f3gica no puede confundirse con responsabilidad. Podemos delegar an\u00e1lisis, tareas e incluso determinadas decisiones a la inteligencia artificial, sin embargo, la responsabilidad por sus consecuencias seguir\u00e1 siendo nuestra.<\/p>\n
Francisco Jones – Director Ingenier\u00eda Industrial UNAB<\/p>\n","protected":false},"excerpt":{"rendered":"
Durante a\u00f1os, la transformaci\u00f3n digital de la manufactura estuvo asociada a automatizar procesos: sensores, robots, ERP, sistemas de planificaci\u00f3n y algoritmos capaces de procesar grandes vol\u00famenes de datos. La IA ag\u00e9ntica introduce ahora un cambio m\u00e1s profundo: no solo analiza o recomienda, sino que puede actuar sobre un proceso y encadenar decisiones para alcanzar un […]<\/p>\n","protected":false},"author":1,"featured_media":30901,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"jnews-multi-image_gallery":[],"jnews_single_post":{"subtitle":"","format":"standard","jnews_video_option_group":[[]],"override":[{"template":"1","parallax":"1","fullscreen":"1","layout":"right-sidebar","sidebar":"home-loop","second_sidebar":"default-sidebar","share_position":"top","share_float_style":"share-monocrhome","show_share_counter":"1","show_view_counter":"1","show_featured":"1","show_post_author_image":"1","show_post_date":"1","post_date_format":"default","post_date_format_custom":"Y\/m\/d","show_post_category":"1","show_post_reading_time":"0","post_reading_time_wpm":"300","post_calculate_word_method":"str_word_count","show_zoom_button":"0","zoom_button_out_step":"2","zoom_button_in_step":"3","show_post_tag":"1","show_prev_next_post":"1","show_popup_post":"1","number_popup_post":"1","show_post_related":"1","show_inline_post_related":"1"}],"image_override":[{"single_post_thumbnail_size":"crop-500","single_post_gallery_size":"crop-500"}],"trending_post_position":"meta","trending_post_label":"Trending","sponsored_post_label":"Sponsored by","disable_ad":"0"},"jnews_primary_category":[],"jnews_social_meta":[],"jnews_override_counter":{"view_counter_number":"0","share_counter_number":"0","like_counter_number":"0","dislike_counter_number":"0"},"footnotes":""},"categories":[83],"tags":[],"class_list":["post-30900","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-analisis"],"acf":[],"yoast_head":"\n