En 1940, Alan Turing, terminaba de construir a Enigma, la máquina que logró decodificar los mensajes encriptados de los Nazis y con ello contribuyó a adelantar la finalización de la Segunda Guerra Mundial. Por lo anterior, la genialidad de Turing es ampliamente reconocida en el mundo.

Sin embargo, en los 30’s, Turing había propuesto el modelo de computación teórica tal y como la conocemos actualmente, y de este modo, 20 años antes de que existiera la primera computadora operable del mundo (conocida como ENIAC), Alan Turing no solo visualizó el desarrollo de la computación, sino que también advirtió sobre su potencia a futuro teorizando sobre las posibilidades de llegar a convertirse en máquinas tan hábiles que podían competir con los seres humanos en la solución de problemas. Es por ello que la prueba de “Inteligencia” aceptada en la comunidad científica se le conoce como “Prueba de Turing”. Para pasar la prueba, una Máquina debe interactuar con un ser humano a quien no puede ver directamente. Si al final de la prueba la persona no puede distinguir si interactuó con una persona o con una máquina, se acepta que la máquina es inteligente.

Las actuales herramientas de IA como Chat GPT (Open IA), Gemini (Google), Copilot (Microsoft) pueden pasar la prueba de Turing fácilmente. No solo eso, también pueden enseñarnos, corregirnos y en general orientarnos en áreas donde muchas personas no podrían hacerlo. Más aún, algunas tareas como Aprendizaje, Análisis, Diseño, Razonamiento, Síntesis, Diagnóstico y Comprensión ya son actividades básicas de muchas de estas herramientas de IA. Por lo anterior la amenaza de muchas tareas rutinarias o no tan rutinarias donde las máquinas puedan ser mejores que los humanos es un absoluto hecho. Por ahora, ningún científico o autor futurista pone en tela de juicio si muchos trabajos serán reemplazados o no por máquinas. El único debate es “Cuando” las máquinas nos reemplazaran.

Cruzando información de autores en este tema como Andrés Openhaimer en su libro “Sálvese quien pueda” y con consultas a Chat-GPT (irónicamente), en seguida se presenta una serie de los principales trabajos que pueden ser reemplazados en 10 años o menos:

Operadores de Telemarketing, Todo tipo de capturistas de datos, Trabajos Técnicos (Ingenieros de Software, Desarrolladores de Software, Analistas de Datos), Trabajos en Medios (Especialistas de Publicidad, Creadores de contenido, Periodistas, Diseñadores Gráficos, Conductores de TV), Trabajos Legales (Abogados, Asistentes legales), Administradores (En Oficinas, Auxiliares, Asistentes, Especialistas de RH), Maestros (de cualquier nivel), Trabajos Financieros (Analistas financieros, Asesores financieros, Contadores), Comerciales (Analistas de Mercados, Directores de ventas, Vendedores, Agentes de servicio a clientes), Artistas (Músicos, Pintores, Actores, Cineastas, Guionistas), Obreros, Diseñadores (de interiores, de modas), Médicos Generales, Taxistas, Choferes, Repartidores, Pilotos, Entrenadores (de cualquier deporte o gimnasios), Cajeros (en tiendas o en cualquier actividad), Chefs, Meseros, Trabajadores Agrícolas, Trabajadores de Construcción.

Mas allá de 10 ó 15 años, casi cualquier actividad podría ser reemplazada por la IA, pero, estemos o no la lista inmediata, no todo está perdido. La IA y los robots podrán hacer muchos de nuestros trabajos, pero esto solo nos impulsará hacer cosas que solo los humanos pueden hacer mejor y con ello tendremos la oportunidad para lograr de este mundo, un mejor lugar para vivir alcanzando grandes transformaciones y nuevos ecosistemas. Uno de los futuristas de la IA más respetado, Max Tegmark en su libro “Life 3.0” llega a proponer hasta 7 panoramas variantes del futuro de la humanidad que la IA puede provocar. Algunas catastróficas, algunas casi ideales, pero dado que la mejor forma de predecir el futuro es creándolo, me quedo en un futuro donde el trabajo estará orientado solo a actividades altamente valiosas que requieren de Inspiración, Creatividad, Investigación, Innovación, Sabiduría, Conciencia, Emoción, Ética, Humanismo, Pasión, Justicia, Respeto, Responsabilidad, Empatía, Propósito, etc. Con lo anterior como referencia, muchos expertos establecen ya, que las personas que están naciendo o por nacer, les tocará hacer estudios en alguna especialidad que no existe y las aplicarán en “trabajos” que aún no se inventan.

A mucha gente le gusta cereal en el desayuno. Por lo menos eso es común en México.

En el 2004, una planta de manufactura ubicada en Querétaro de marca de cereal líder cuyo nombre inicia con “K” (por aquello de evitar mensajes publicitarios aquí), celebró una “gran triunfo” con fiesta, mensajes, eventos, mega anuncios en toda la planta y visibles desde la calle. La festividad fue por haber alcanzado un índice de eficiencia OEE (Overall Equipment Effectiveness) del 85%. En el mundo de la manufactura de clase mundial, llegar a ese nivel, se considera una productividad extraordinariamente alta. Esto lo tengo muy presente porque como proveedor externo, lideré la implementación del software para medición de efectividad de todas las líneas de producción en 7 plantas de la empresa “K” distribuidas en distintos países de América Latina.

Por años la industria de manufactura que busca mantenerse por lo menos a flote, ha realizado inversiones en sistemas de gestión (ERP´s) y otras tecnologías como equipos de medición, autodiagnóstico, paneles de control, alertas, PLC´s, sistemas de rechazo de scrap, sistemas andon, etc. Sin embargo, al momento de reportar la información sobre la producción, en muchos lugares se continúan usando plumones sobre pizarrones para registro hora por hora y hojas de papel que se recolectan al final del turno.

En estos casos, el escenario común es que el operador anota las piezas producidas, alguien lo transcribe a una hoja electrónica y alguien más lo traduce para capturarlo en el ERP (si existe).

Además, otra persona genera reportes semanales incluyendo las gráficas que van a los pizarrones (que nadie consulta, pero se ven llamativas) y al final alguien más hace los informes de cierre de mes para la dirección.

Desde luego que los números que llegan a la dirección son los que el operador indicó (protegiendo su turno), el supervisor revisó (protegiendo a su equipo), el gerente corrigió (protegiendo su área) y al final el director recibió un informe de eficiencia del 95% y con ello, todo el mundo está feliz. La empresa presume alta productividad y se encuentra dentro de un margen de confort que opaca áreas de oportunidad. ¿Suena familiar?  En mi experiencia esto es más común de lo que parece y no solo en empresas de manufactura.

La realidad es que si los datos no fueran anotados (algo sujeto a interpretación), capturados, en ocasiones recapturados (sujeto a errores humanos) y filtrados a diferentes niveles, los informes no “desviarían” la eficiencia real que con frecuencia esta abajo del 60%. Lo que no se puede medir no puede mejorar, y si la dirección no tiene información precisa, será improbable que impulse acciones de mejora. Aquí “eficiencia“, se traduce como la métrica estándar de los programas de mejora continua TPM (Total Productivity Maintenance), es decir el OEE, que casi toda la industria ya registra, pero solo queda como indicador y no lo usa en su propio beneficio.

Bajo este panorama, el Internet de las cosas industrial (IIOT por sus siglas en inglés) que es una de las principales tendencias tecnológicas, es potencialmente impactante en la industria y puede impulsar lo que ya se conoce como Industria 4.0. Esta tecnología va más allá de ámbitos como seguridad, monitoreo, optimización, etc.

El IIOT puede parecer un concepto asociado al futuro, complejo o caro, pero es importante hacer notar que hoy la industria de cualquier tamaño puede acceder a este tipo de tecnología por menos de Mil USD por la línea de producción y con ello es posible automatizar variables como el OEE y monitorear procesos en tiempo real. 

Los elementos a aprovechar son:

1) Sensores sencillos que detecten cada producto que las líneas entregan y nos genera el dato preciso de producción, velocidad y paros de equipo que se registran en un sistema sin intervención humana

2) Sistemas de comunicación entre máquinas, por ejemplo redes inalámbricas inmunes al ruido electromagnético

3) Software estadístico y de análisis

4) El Internet para conocer el estado de un equipo, su eficiencia y/o alertas, sin la necesidad de estar físicamente en la línea o en planta.

Lo anterior potencia la visibilidad de la producción, evita escribir, capturar o interpretar datos y tener en tiempo real información que la organización puede aprovechar para tomar decisiones efectivas al momento que sucede cualquier evento y no quedarse solo en conocer lo qué pasó con informes al cierre el mes.

Entre el 2012 y 2014 tuve la oportunidad de participar en 3 iniciativas de implementación de OEE en tiempo real mediante equipos IIOT para diferentes empresas del sector Automotriz. Las etapas de prueba o demostración de uso de los equipos resultaron totalmente exitosas. Sensores precisos, comunicación inalámbrica impecable, software de analítica muy probado, en fin, todo prácticamente perfecto. El indicador OEE se obtenía automáticamente y nadie podía desviar o cambiar ningún dato.

Sorpresivamente, ninguna de las 3 empresas adoptó la tecnología. ¿Qué pasó? Resulta que el indicador que por años tenían reportando a su casa matriz en el extranjero no coincidía con la medición real del sistema.  Su OEE reportado estaba arriba del 95% cuando lo real entregado por el sistema (demostrado y aceptado por cada organización) no superaba el 65%.

De esta forma, para ellos era totalmente inviable adoptar un sistema de medición autónomo, real y que no pudieran “ajustar”. Como podemos ver, la adopción de Industria 4.0 no solo es cuestión de tecnología, de iniciativa, de inversiones o de talento capacitado. Desafortunadamente, factores culturales o políticos también influyen.

En Assetel tenemos toda esta experiencia y contamos con la tecnología para apoyar a la industria de manufactura a medirse, retarse, mejorar y crecer siempre y cuando los factores culturales de cada organización lo permitan.