El uso generalizado de la inteligencia artificial incrementa las necesidades energéticas de los centros de datos, y el coste real de los grandes modelos de lenguaje, en particular, solo se revelará cuando se implementen a gran escala. Por lo tanto, las empresas deberían analizar los costes de los servicios en la nube y considerar modelos híbridos, en los que la computación ligera se realice localmente y la computación pesada en la nube solo cuando sea necesario. Al mismo tiempo, el desarrollo de agentes de inteligencia artificial aporta una nueva forma de operar a la industria: pueden actuar como asistentes autónomos que optimizan procesos, facilitan el mantenimiento y hacen que la planificación sea más eficiente. Esto abre nuevos modelos de negocio, pero también requiere nuevos conocimientos, arquitectura y garantías de seguridad de la información.
El consumo eléctrico de los nuevos centros de datos será un problema. La inteligencia artificial consume mucha energía tanto al entrenar modelos como al utilizarlos. El coste real de los modelos de lenguaje prefabricados suele hacerse evidente solo cuando se intenta escalarlos para su uso generalizado. Es necesario analizar el precio de los servicios en la nube antes de la adopción generalizada del producto. A menudo, la solución se puede implementar como un modelo híbrido. Para una respuesta rápida, el código y un modelo pequeño se ejecutan localmente, lo que resulta en una respuesta ágil. Sin embargo, la otra parte, que requiere cálculos más complejos y mucha información, se ejecuta en la nube solo cuando es necesario. Están surgiendo nuevos modelos de lenguaje semiacabados que se pueden entrenar con datos propios, lo que permite obtener resultados más precisos y mejores que los modelos genéricos de grandes conjuntos de datos. Por supuesto, se deben tener suficientes datos disponibles para entrenarlos, y el entrenamiento se realiza en la nube, que cuenta con la potencia y la memoria necesarias. Los proveedores de servicios en la nube están preparados para ello, y se están construyendo nuevos centros de datos, en parte, para que los clientes puedan entrenar sus propios modelos de datos.
Agentes de inteligencia artificial
Los agentes son pequeños asistentes que realizan tareas específicas. El agente se programa con kits de desarrollo de software (SDK) predefinidos y se integra para usar una base de datos u otra interfaz externa. Pueden realizar tareas específicas sin generar alucinaciones. Los agentes son autónomos, operan sin guía humana y poseen memoria a corto plazo (contexto) y memoria a largo plazo si es necesario (conocimiento). Pueden usar protocolos como el Protocolo de Contexto de Modelo (MCP) o la comunicación entre agentes (A2A) para comunicarse entre sí o con un modelo de lenguaje, y pueden integrarse en sistemas existentes, donde esta conectividad permite aprovechar al máximo la tecnología de inteligencia artificial. Una nueva característica añadida a los agentes son las habilidades. Estas permiten dar a los agentes mejores instrucciones sobre cómo y qué hacer al usar la interfaz de sus herramientas. Las habilidades les permiten operar de forma más eficiente y crear datos más fáciles de usar. Al desarrollar agentes, se requiere planificación contextual en lugar de indicaciones, y la acción real se limita para que no sea demasiado amplia. Esto permite que los agentes trabajen de forma eficiente y precisa. Los agentes de software ya están integrados en las herramientas de desarrollo y, si se utilizan correctamente, pueden aumentar la generación de código entre un 30 % y un 40 %. La coordinación entre agentes resulta crucial cuando cientos de ellos contribuyen de alguna manera a la resolución de una tarea determinada.
Monitoreo de condiciones mediante agentes
Los agentes deben ser seguros y la información que comparten debe manejarse con cuidado. El uso conjunto, y especialmente el de agentes de diferentes proveedores que pueden comunicarse y utilizar información para crear la situación de caso de uso deseada, por ejemplo, para la gestión de condiciones, debe definirse con precisión. Este ejemplo podría constituir una nueva área de aplicación en el futuro, donde en lugar de leer diagnósticos de dispositivos y combinar información en tiempo real, se podrían utilizar agentes proporcionados por el fabricante del dispositivo para la monitorización de condiciones. La ventaja de esta solución es que no es necesario volver a guardar todos los datos, sino que la combinación del proveedor del dispositivo y el dispositivo crea la situación de monitorización de condiciones y también puede proporcionar instrucciones y predecir mejor el mantenimiento del dispositivo que un sistema de mantenimiento independiente, que es un sistema externo y genérico que no dispone de información detallada y precisa sobre el dispositivo. El proveedor del dispositivo conoce y está familiarizado con sus propios dispositivos y su mantenimiento mejor que nadie. La documentación se entrega con el dispositivo, actualmente en formato PDF electrónico, y también para la configuración del dispositivo, los buses de campo actuales requieren un archivo de descripción del dispositivo, que los programas de configuración necesitan. El proveedor del equipo podría proporcionar agentes preconfigurados que puedan leer datos en tiempo real y utilizar la documentación del equipo y el modelo del equipo creado por el proveedor. Con estas herramientas, el sistema de inteligencia artificial del cliente podría consultar a los agentes sobre la necesidad de mantenimiento en lugar de leer y almacenar datos del equipo. Estos datos podrían utilizarse para crear un modelo del estado del equipo. Los agentes podrían crear directamente un programa de mantenimiento con cronogramas, repuestos e instrucciones. Incluso podrían realizar pedidos directamente en SAP u otro sistema de back-end a través de un agente adecuado. Por supuesto, estos pedidos aún deben ser aprobados por una persona, por ejemplo, debido al presupuesto y otra información a la que los agentes no necesariamente tienen acceso. Crear una visión general precisa de la fábrica y su equipo requiere información que a menudo solo está disponible para las personas. Para ello, se deberían revisar diversas opciones con los proveedores de equipos y crear un marco para agentes de mantenimiento que todos los proveedores puedan utilizar. Un agente genérico también podría funcionar, siempre que pueda leer los datos del equipo y otras instrucciones, pero el mejor resultado se lograría cuando el proveedor de equipos pudiera proporcionar un modelo predefinido. El modelo del proveedor incluiría un modelo protegido y también podría leer los datos de diagnóstico internos del dispositivo, que normalmente no se pueden utilizar en el monitoreo de estado.
Agentes que hacen que la planificación sea más eficiente
Los agentes también pueden utilizarse para optimizar el diseño. Diversos modelos de lenguaje que leen Excel, PDF y otros documentos de diseño básicos buscan información a nivel general. Los agentes permiten realizar búsquedas más precisas y utilizan un analizador que lee las partes relevantes del documento por separado y las guarda para el diseño. De esta forma, se puede recopilar la mayor parte de la información del diseño de automatización de la planta, lista para su uso en el diseño real. Se puede aumentar la eficiencia del diseño basado en datos de circuitos o plantillas. El siguiente paso en el diseño consiste en utilizar Co-pilot u otra inteligencia artificial para generar código de aplicación en lugar de la generación de código tradicional. Ya estamos avanzando en esta dirección y existen varios experimentos preliminares en la programación de PLC. Se pueden dotar a los agentes de habilidades para crear circuitos de aplicación y pantallas que requerirían mucho tiempo si se crearan manualmente. Asimismo, los agentes podrían integrarse con herramientas de diseño para que todo el flujo de trabajo sea controlado por ellos. En ciertos puntos críticos, el agente solicita confirmación a un humano para saber si puede realizar una acción o no. Estos agentes de automatización permitirían la producción de diversas soluciones de automatización y la ejecución de proyectos de forma muy eficiente.
Agentes para asistir al operador en el funcionamiento de la fábrica.
En ciertas situaciones especiales, se requiere una toma de decisiones rápida, como cuando una central eléctrica sufre una interrupción. Esto se puede practicar de forma segura en un simulador, pero cuando surge la situación adecuada, el agente puede dar instrucciones al operador sobre cómo actuar. Las interrupciones en la red eléctrica son una situación imprevista que puede ocurrir cuando la central eléctrica se desconecta de la red nacional y debe sincronizarse y reconectarse a la red lo más rápido posible. En este caso, el agente puede ayudar dando las instrucciones correctas directamente al operador. De manera similar, cuando se produce una rotura de la banda de una máquina de papel, las instrucciones precisas ayudan al operador con la alimentación final de la banda, minimizando así la duración de la interrupción de la producción. Algunos de los agentes de asistencia se pueden preprogramar mediante un simulador de entrenamiento. Otros pueden ser dinámicos, que el operador puede crear según sea necesario con una situación problemática no preprogramada. Para ello, el operador puede revisar la base de datos del historial y las operaciones realizadas simultáneamente y compilar un agente de asistencia para la situación correspondiente.
Optimización de la producción mediante agentes
Los operarios suelen tener su propia forma de gestionar una fábrica, lo cual se hace evidente al analizar la operatividad de la misma y el uso de materias primas y energía. Pequeños cambios en los parámetros de ajuste pueden tener un impacto significativo en la productividad. La solución podría ser un agente de inteligencia artificial que informe al operario sobre cómo afectará el cambio a la producción. Para ello, se necesita un modelo de proceso, junto con un agente de predicción que lo utilice, así como un agente que recuerde el historial y pueda comparar cómo le afectará el cambio. Los operarios suelen modificar ciertos parámetros de ajuste, y el seguimiento de estos cambios, comparándolos con el modelo y sus efectos, les proporcionaría una visión relativamente clara. También sería conveniente que los agentes monitorizaran en tiempo real los diversos indicadores de productividad y eficiencia de la fábrica, pudiendo interactuar entre sí y buscar posibles soluciones de ahorro energético. Resulta difícil para los humanos comprender un proceso sujeto a múltiples variables y restricciones, pero en el que se espera que la producción se mantenga estable. Esto permitiría desarrollar nuevos modelos de usuario y métodos operativos.
Descripción general de un agente de inteligencia artificial.
Inteligencia Artificial y Arquitectura de Agentes e Ingeniería de Software
El uso de la inteligencia artificial y la arquitectura que requiere exigen nuevas habilidades. De igual modo, la programación de agentes y la creación y comprensión del entorno multiagente que necesitan darán lugar a nuevos cursos en las universidades o requerirán la actualización del contenido de los cursos existentes. La industria necesita nuevas habilidades y se requieren diversas capacitaciones para los programadores y operadores de procesos actuales. La velocidad del cambio y la lentitud de las organizaciones dificultan este trabajo. El problema en muchas empresas y universidades radica en la burocracia lenta y el plan de acción anual, el llamado calendario anual, que define el presupuesto y las actividades para todo el año con antelación. Cuando hablamos de desarrollo ágil, también deberíamos hablar de organización ágil y presupuestos dinámicos/flexibles. Con una combinación de estos, podríamos solucionar muchos problemas y las operaciones industriales se agilizarían. El año 2026 mostrará cómo se activará el uso de la inteligencia artificial en la industria y qué tipo de aplicaciones e integraciones utilizaremos en el futuro.
La inteligencia artificial permite nuevos modelos de negocio.
Las licencias tradicionales basadas en capacidad para la monitorización de condiciones industriales y la optimización de parámetros de controladores podrían quedar obsoletas cuando se utilicen agentes para comercializar la eficiencia de la planta y los procesos. El precio de una determinada eficiencia es constante, y si la eficiencia disminuye, el precio también lo hace. El proveedor busca utilizar una cantidad específica de capacidad de procesamiento para lograr la eficiencia. Los agentes de mantenimiento y monitorización se encargan de aumentar la capacidad de procesamiento o de ajustar el modelo a una nueva situación de conducción, si es necesario. Gana el proveedor que pueda garantizar y ofrecer el mayor aumento de eficiencia. Otra posibilidad es un modelo de licencia basado en transacciones. En este caso, cuando se almacenan o se leen datos de una base de datos, se produce una transacción con un precio definido. El usuario, naturalmente, busca almacenar o recuperar la mayor cantidad de información posible en una sola transacción. Sin embargo, el tamaño de los datos o la duración de la transacción pueden ser una limitación. Estos factores establecen límites a la actividad, en función de la cual se puede operar dentro del tiempo previsto. El desafío radicará en las diferentes situaciones excepcionales y en cómo crear combinaciones de IA + agentes impecables o tolerantes a fallos para que los clientes se atrevan a probarlas y adoptarlas de inmediato. Los distintos ecosistemas nuevos también podrían conformar un nuevo mercado para el uso y la venta de agentes.
Resumen
Dentro de unos años, la inteligencia artificial se utilizará en la industria de forma descentralizada. Para ello, es necesario sentar las bases para el uso de agentes durante el próximo año, dado el rápido desarrollo actual. Los nuevos agentes dinámicos ayudarán a los humanos a tomar decisiones y les asistirán, por ejemplo, en tareas de mantenimiento, su planificación, ejecución e informes. Además de los agentes dinámicos, los nuevos agentes interactivos podrán aprender de los humanos y, por lo tanto, adaptarse mejor al entorno operativo y a los requisitos que deben conocer. Sin embargo, seguiremos necesitando a los humanos para generar nueva información y garantizar el funcionamiento de los modelos y agentes, así como para realizar el trabajo manual en la fábrica.