EVENTOS lInversión en talento y perfiles de base técnica. Conocer y dominar las distintas y nuevas posiciones laborales en el entorno de la InteligenciaArtificial. lImplementar una metodología sistemática y ortodoxa de adquisición, preparación y limpieza de datos. lInstalar con naturalidad un entorno de experimentación y de prueba-error. Con respecto al primer punto, la experta aseguraba que es necesario conocer con exactitud el nivel de madurez de la compañìa en analítica de datos, lo que implica evaluar varios aspectos. Uno de los hitos clave de la transformacioìn digital es el desarrollo de una infraestructura de datos centralizada. Por lo que respecta al negocio, el caso en que invertir en Inteligencia Artificial y automatización en una empresa dependerá en gran medida de su equipo de dirección y stakeholders, puesto que ellos poseen distintos tipos de prioridades de negocio, métricas de rendimiento, aptitudes técnicas, aversión al riesgo y relaciones políticas. Presentar un ROI claro para las iniciativas de Inteligencia Artificial es la mejor manera de persuadir a los representantes de los órganos de decisión. Las empresas que aún se encuentran en las fases tempranas de la madurez en la analítica de datos deberán esperar hasta que se haya desarrollado una infraestructura de explotación y análisis de datos que dé soporte a las decisiones. Por último, mostrar impresionantes ROIs es una de las mejores maneras de abrir el apetito para ganar adeptos en la empresa para la adopción de la InteligenciaArtificial. La necesidad de talento técnico es evidente. Encontrar el talento adecuado para el desarrollo de iniciativas de Inteligencia Artificial en una empresa puede ser no menos desafiante que alinear al comité de dirección. Jean-Franc’ois Gagné, fundador de la empresa Element.AI, líder en Inteligencia Artificial, calculó que hay menos de 10.000 personas a nivel mundial actualmente cualificadas para hacer investigación y desarrollo en Inteligencia Artificial. La elevada demanda por el talento formado en InteligenciaArtificial, acompañada de la escasez de nuevos profesionales que se forman, llevan a las compañías a tener que adoptar nuevas estrategias a la hora de contratar personal para una nueva iniciativa de InteligenciaArtificial. Los científicos de datos (Data Scientists) trabajan típicamente fuera del entorno de producción. Se ocupan de adquirir y recoger los datos, invirtiendo la mayor parte de su tiempo en la limpieza de datos y el resto en el análisis de patrones y en la implementación de modelos predictivos. Normalmente tienen estudios en estadística ymatemáticas, aunque a causa de su constante interacción con la programación, alternativamente también pueden poseer estudios de informática. Aquellos que se focalizan en el desarrollo de modelos de Machine Learning reciben el nombre de Ingenieros de Machine Learning (ML Engineers). Estas son las figures centrales del equipo. Dada la gran cantidad de datos y poder de computación necesarios, muchos de los métodos de Inteligencia Artificial y Machine Learning topan con problemas de escalabilidad. En este sentido, un ingeniero de infraestructura talentoso puede solucionar los retos asociados a los grandes volúmenes de datos, permitiendo que los científicos de datos y los ingenieros en Machine Learning se puedan centrar en el desarrollo de sus modelos más que en su rendimiento. Apesar de que no se trata de un papel totalmente vinculado a la inteligencia artificial en cuanto a aptitudes se refiere, sí que su presencia resulta vital en un equipo de inteligencia artificial existoso. Por último, para obtener la aceptación de la empresa, la experta proponía lo siguiente: lFocalización en los potenciales ingresos. La Inteligencia Artificial puede ahorrar tiempo y energía, reducir costes e incrementar los beneficios. Utilizar estos argumentos ayudará a abrir el apetito a los máximos dirigentes de la empresa ante esta tecnología. lEmpezar con pequeñas pruebas y mostrar éxitos tempranos. Es recomendable escoger un acotado y pequeño Proyecto ganador para mostrar las posibilidades. Si bien el retorno puede ser limitado, un éxito temprano dará confianza y la posibilidad de ampliar el alcance del proyecto. lNo llamarlo InteligenciaArtificial. Ala hora de comunicar los primeros proyectos es conveniente enfatizar el valor de la nueva tecnología en lugar de en los detalles técnicos. Para mantener las expectativas bajas es mejor evitar los términos machine learning e inteligencia artificial hasta que el Sistema empiece a mostrar resultados prometedores. lAlejar los miedos a la pérdida de empleo. Debido a la negativa repercusión mediática de la Inteligencia Artificial los empleados pueden tener miedos con respecto a la conservación de su empleo. No obstante, la investigación demuestra que mientras el 45% de tareas son automatizables, solo un 5% de todos los trabajos han sido remplazados. Los sistemasAI son indicados para tareas individuales, no para empleos en su totalidad. Eficiencia energética La última intervención del día corrió a cargo de Cristina Corchero, responsable del Grupo de análisis de sistemas energéticos del Instituto de Investigación en Energía de Cataluña (IREC). Energy Systems Analytics es un grupo de investigación cuyas áreas de experiencia son la Ciencia de los Datos, Modelización y Optimización y Análisis del Impacto Económico yMedioambiental. Estas áreas se aplican a la Integración de Sistemas Energéticos y los Usos Innovadores de la Energía. Según apuntó Corchero, el incremento de la eficiencia energética en la industria es clave para alcanzar los objetivos de reducción planteados; se requiere la adopción de la generación local renovable, al tiempo que la investigación y el desarrollo de nuevas rutas de proceso con bajas emisiones es básica. La energía supone uno de los costes de producción más relevante, incluso por encima del coste laboral. La electricidad –mayoritaria en todas las actividades– suponecasi lamitaddel consumoenergético de las empresas industriales (48%) –el gas (28%) y los productos petrolíferos (18%)–. Cristina Corchero explicó en qué consiste la Generación Distribuida de Energía: sistemas que se basan en el aprovechamiento de los recursos energéticos, disponibles localmente y que provienen de fuentes renovables, para generar energía (eléctrica o térmica) para uso local: energía solar, eólica, geotérmica, biomasa, biogás o residuos. Asimismo, afirmó que, según diversos estudios, un 64% de las flotas serán eléctricas en 2030.La electrificación de flotas representa una oportunidad para el sector industrial, representando un sistema de almacenamiento eléctrico que aumenta el potencial beneficio de los sistemas de generación local.El V2B (Vehicle-to-Building) incrementa los potenciales beneficios aportando la posibilidad de cargar y descargar las baterías de las flotas según las necesidades y los costes. La electrificación de flotas aporta un plus de flexibilidad y, según un proyecto piloto realizado en Dinamarca, se demostró un beneficio de 120e/mes/vehículo por los servicios a red proporcionados por su flota. Como conclusiones de su intervención, la experta resumió los siguientes puntos: lLa Industria 4.0 facilitaraì la gestioìn energeìtica de los procesos. lLa instalación de generación local renovable permitirá reducir las emisiones en el sector industrial. lLos nuevos mecanismos y actores del sector eléctrico, agregadores y comunidades energéticas, facilitarán la amortización de la generación local instalada. lDado el alto impacto energético de la industria, es necesario seguir investigando en nuevos métodos de generación, almacenaje y/o CCUS para conseguir la reducción de emisiones esperada. 46 - Ascensores y Montacargas
RkJQdWJsaXNoZXIy Njg1MjYx