La inteligencia artificial (IA) es un concepto aparentemente nuevo pero que, como muchos otros que creemos innovadores, encierran tras de sí una larga historia. Leonardo Da Vinci ya intentaba imitar el comportamiento del hombre con algunas de sus máquinas e inventos. Mucho más cerca en el tiempo, Alan Turing diseñó un test mediante el que establecía si una máquina era inteligente.

Pero el golpe de realidad llegó cuando un ordenador pudo ganar al mejor jugador de ajedrez conocido: Gary Kaspárov.

La IA es algo real, tangible y, desde luego, aplicable a múltiples usos. La industria y otros sectores profesionales no son ajenos a ella. Ya existen soluciones que se pueden aplicar a usos tan diversos como la lectura de etiquetas, la detección del uso de EPI para salvaguardar la seguridad en el puesto de trabajo o el análisis del tráfico, entre muchos otros.

Casos de uso y soluciones para la industria

La IA tiene múltiples aplicaciones para la industria. Por ejemplo, algo tan genérico como la seguridad laboral puede verse mejorado gracias a esta tecnología. El análisis de imágenes mediante la IA permite reducir el número de accidentes, asegurándose de que los trabajadores cumplan con las normas de seguridad laboral como, por ejemplo, llevar correctamente su Equipo de Protección Individual (EPI), tapones para los oídos, orejeras, cascos, mascarillas, chalecos, zapatos o guantes de seguridad.

Algo tan genérico como la seguridad laboral puede verse mejorado gracias al uso de la IA

Un ejemplo concreto de aplicación lo encontramos en la clasificación de la chatarra. Esta es una tarea habitual en los entornos industriales, en la que es necesario clasificar productos, materias primas o piezas defectuosas antes de su procesamiento. Además, es una tarea que se desarrolla en entornos complejos y peligrosos para los trabajadores.

El procesamiento de imágenes mediante IA permite automatizar el sistema manual tradicional y agilizar el proceso de clasificación. Esto mejora el rendimiento y seguridad de los operarios al reducir el personal presente en zonas de descarga con un elevado tránsito de vehículos pesados y altos niveles de polvo en suspensión. Además, ayuda a incrementar la productividad de las empresas, y ahorra tiempo y recursos.

Otro ejemplo lo tenemos en el sector alimentario, en concreto, del envasado. En este caso, hablamos del trenzado metálico y de las placas para tapones de cava. En una de las principales empresas de este sector se ha implementado un sistema de análisis de imágenes en el proceso de fabricación de los bozales para tapones. La IA ayuda a reducir y predecir de forma automatizada posibles fallos en el trenzado y encajado de los bozales, aumentando la calidad del producto final.

Mejora de la salud animal

En el caso de las granjas, la IA puede ahorrar tiempo y dinero, además de mejorar la salud y el bienestar animal. El análisis de imágenes permite hacer un seguimiento de la salud de los animales, detectando alteraciones en el cuerpo y el rostro, incluso en su expresión facial. De este modo es posible comprobar si existe un problema de salud o de exceso de suciedad. Además, este proceso se realiza de una manera no intrusiva.

El análisis de imágenes permite hacer un seguimiento de la salud de los animales de una manera no intrusiva

En este caso, la IA redunda en el bienestar de los animales, pero también en el rendimiento del negocio, y es más eficiente ya que se necesitan menos recursos para tratar enfermedades, previendo el exceso de suciedad que perjudica tanto a los animales como al entorno.

La IA, además, ayuda a realizar una mejor gestión de sus necesidades básicas sin necesidad de una vigilancia constante. Por ejemplo, el uso de machine learning en las imágenes permite saber cómo está el pasto para el ganado o si es necesaria más comida.

Concretando en el sector porcino, existen muchos procesos que es posible optimizar y mejorar, aportando seguridad y reduciendo los fallos. Por ejemplo, es posible agilizar la recepción de ganado, automatizando ciertos procesos como el pesado, el conteo y la desinfección de los animales antes de entrar al matadero. Se puede seguir su estado, sus posibles problemas sanitarios e, incluso, su nivel de estrés. También se puede detectar el grado de contaminación, algo que normalmente se realiza de forma visual, por parte de un veterinario, y que puede llevar a decisiones subjetivas y disparidad de criterios.

El punto de venta

Otra forma de utilizar la IA unida a las imágenes es la gestión del punto de venta. Existen soluciones, como la de Pervasive Technologies y Xpuntocero, que permiten un control y seguimiento del punto de venta con la optimización de tres ejes de la gestión de la tienda: presencia, visibilidad y activación.

Maximizar las ventas de un establecimiento depende en gran parte de la presencia de productos en el lineal y de una correcta colocación. Esta es una labor que se puede realizar de forma manual, a través de un equipo humano, pero verificar que los productos adecuados estén en la cantidad y ubicación correctas es una tarea ardua, que conlleva mucho tiempo y costes. En consecuencia, la realidad es que, muchas veces no se realiza adecuadamente debido a fallos humanos o una frecuencia escasa.

El uso de la IA permite incorporar el reconocimiento de productos para mejorar la eficacia de los gestores del punto de venta

El uso de inteligencia artificial en la gestión del punto de venta permite incorporar el reconocimiento de productos para mejorar la eficacia de los gestores del punto de venta. Esta tecnología puede reducir a más de la mitad el tiempo que se dedica a auditar el lineal que, además se mide de forma objetiva. La información obtenida permite crear un ciclo de informes de mejora continua que optimiza la presencia en las tiendas, algo que se traduce en un incremento de las ventas. Las decisiones de negocio han de estar basadas en datos que identifiquen tendencias, para poder actuar en consecuencia.

La IA para estudiar el espacio

Además de su uso para la industria, el comercio o la ganadería, la IA también es un elemento disruptivo para la ciencia. Así lo demuestra la colaboración con la Universidad de Barcelona en el proyecto Galactic RainCloudS galardonado en la convocatoria Cloud Funding For Research de la red europea Open Clouds for Research Environments (OCRE).

La combinación entre los volúmenes extraordinarios de datos del satélite Gaia de la Agencia Espacial Europea (ESA), la alta capacidad computacional y la flexibilidad de las infraestructuras en la nube y las técnicas de minería de datos permitirán a los equipos de estudio analizar de forma holística los vínculos existentes entre la formación de estrellas y los choques de galaxias que se produjeron en el pasado.

La Vía Láctea y sus galaxias satélites serán el laboratorio experimental de esta iniciativa donde la IA tiene un papel crucial.