Por: Rafael Cruz Guerrero*

Los principios básicos de la economía sugieren que el uso de la Inteligencia Artificial (IA) está por experimentar un crecimiento exponencial. Los resultados del Technology Vision 2018 publicado por Accenture, revelan que el 68% de las empresas planean invertir en IA el próximo año.

Entonces tenemos la pregunta obvia: ¿Cómo la industria química puede apoyarse en IA para mejorar sus capacidades de predicción?

Tomar decisiones dentro de una compañía química, significa que los trabajadores, gerentes y ejecutivos miden continuamente el impacto de diferentes predicciones, por ejemplo: Un encargado de laboratorio puede predecir cómo la variación en una receta afectará la funcionalidad de una fórmula antes aplicarla. Un gerente comercial puede predecir cómo el aumento de precio en un producto será percibido por los clientes y la competencia. Un gerente de reclutamiento puede predecir el desempeño de un candidato y cómo este se integrará a la cultura de la empresa antes de tomar la decisión de contratarlo. La lista de aplicaciones sigue y sigue.

PUBLICIDAD

Lo que es un hecho, es que desde cualquier rol dentro de una organización, el Análisis Predictivo es ya un elemento fundamental para la funcionalidad y crecimiento del negocio y bajo esta premisa; no se puede dejar al azar o tomarse a la ligera. Debe basarse en datos precisos y modelos analíticos probados. Nuestro reto está en que generalmente, el conjunto de datos utilizados para la toma de decisiones está incompleto, o puede no ser confiable, ya que su construcción se definió a partir de información limitada. Algunos ejemplos:

Previsión de precios: el gerente de una empresa de poliéster realiza su predicción de precios a partir del costo de ciertos químicos, el pulso de la industria, el movimiento en los precios del poliéster, etc. Las predicciones basadas en esta información, en el mejor de los casos, tienden a estar solo direccionalmente correctas. Existen otras variables como: el precio del algodón, las tendencias de moda a corto plazo, el ingreso disponible, costos de envío o posiciones de inventario; que también pueden afectar el precio; sin embargo, no es fácil acceder a esta información o integrarla al análisis para obtener predicciones asertivas.

Creando fórmulas: un químico que formula un aditivo para mejorar el funcionamiento de un motor confía en ciertas fórmulas desarrolladas para integrar a su propia receta. Él debe lidiar con al menos 20 o 25 componentes muy complejos que reaccionan entre ellos, y que, colectivamente, deberían producir las características deseadas para el producto final esperado. Una vez que las variables son desarrolladas se corren costosas pruebas en motores que generan una importante cantidad de información cualitativa y cuantitativa. Por lo tanto, el desarrollo de este aditivo incluye prácticas de prueba y error que el químico pudo haber realizado al momento de la formulación.

Los dos ejemplos que usamos ilustran que las compañías químicas podrían aplicar IA a lo largo de toda su operación, e incluso, en las áreas de soporte, para mejorar la calidad y velocidad de su proceso de toma de decisiones. El uso de IA se convierte en algo que mejora la toma de decisiones y también algo que funciona en todos los niveles de la organización para que un negocio químico se transforme en un negocio digital. Para entender por qué el uso de IA se está disparando (y lo hará exponencialmente en un futuro cercano) es importante estar consiente de los cambios que en años recientes afectaron los costos del manejo de información y el poder de procesamiento computacional, dos elementos clave para hacer predicciones.

Actualmente el manejo de información es cada vez más sencillo y económico. Recolectar y almacenar grandes cantidades de información junto con el costo de sensores del Internet de las Cosas (IoT – por sus siglas en inglés) es irrelevante en comparación con los beneficios que trae y/o comparado con el precio que tenía hace cinco o diez años. El poder de procesamiento computacional por dólar aumenta exponencialmente cada cuatro o cinco años; existen estimaciones que sugieren que este crecimiento se ha dado a un factor mínimo de 10 veces.

Existe otra forma de interpretar esto: La industria química se ha enfocado durante mucho tiempo en términos de perfeccionar las actividades alrededor de la cadena de valor y, por lo tanto, las compañías solamente han perfeccionado el arte de crear valor mediante la administración de su flujo físico.

Las compañías químicas deben dominar el arte de crear valor no solo en su operación, sino adentrándose al vasto flujo de información que a su vez acompaña el flujo físico de sus productos. Este movimiento de datos siempre ha existido, lo que ha cambiado es el costo de la recolección y procesamiento de la información. Desplegar IA a lo largo de todo el negocio, activará numerosas oportunidades para capitalizar el flujo de datos. Esto nos permite ver claramente que: los puntos adicionales de EBITDA que estamos buscando no están más detrás de la eficiencia operativa, sino detrás del dominio del flujo de información de la operación y es justamente esto lo que convertirá al negocio químico en un negocio digital.

*Director de la Industria de Recursos Naturales en Accenture México

Las opiniones expresadas son sólo responsabilidad de sus autores y son completamente independientes de la postura y la línea editorial de Forbes México.

 

Siguientes artículos

Pemex y Talos Energy firman plan para compartir campos petroleros
Por

Este acuerdo, cuya vigencia es de dos años, permite a ambas partes compartir información del descubrimiento Zama para ev...