Cómo aprovechar las ventajas de la IA agéntica en la empresa
La IA agéntica promete revolucionar el funcionamiento de las empresas, ya que permite a los sistemas tomar decisiones y emprender acciones de forma autónoma. Pero sin datos armonizados y de alta calidad, es probable que incluso las iniciativas de IA más avanzadas fracasen.
Contacto

Dr. Steele Arbeeny
CTO North America at SNP
Compartir blog
Una nueva era para las interfaces de usuario
Los proveedores de software empresarial están adoptando interfaces de usuario de IA agéntica, sistemas que sustituyen las GUI tradicionales por agentes inteligentes y autónomos. Estos agentes pueden ejecutar tareas, tomar decisiones y trabajar para alcanzar objetivos en función de parámetros como el costo, el tiempo y la complejidad. Muchos incluso admiten interacciones por voz, similares a los asistentes inteligentes que utilizamos en casa.
Los principales proveedores de ERP prevén que las interfaces de usuario de IA agéntica sustituyan en gran medida a las interfaces gráficas de usuario tradicionales que utilizamos hoy en día. Sin embargo, el comportamiento autónomo y la orquestación de la IA agéntica dependen en gran medida de la calidad y la coherencia de los datos. Fuentes del sector informan que una cifra extraordinaria del 87 % de los proyectos de IA fracasan en la empresa, y la causa más importante es la mala calidad de los datos. El adagio de que “si entra basura, sale basura” se aplica ahora más que nunca.
El auge de la IA agéntica y sus riesgos
Más del 70 % de las empresas de la lista Fortune 500 están en proceso de implementar algún tipo de solución impulsada por agentes. Sin embargo, dada la tasa de fracaso del 87 % mencionada anteriormente, podemos asumir que, lamentablemente, la mayoría de estas iniciativas no tendrán éxito. Aun así, se espera que la proporción de productos impulsados por agentes en el mercado alcance el 33 % en 2028, frente a menos del 1 % en 2024. Esto subraya la promesa y el interés que hay detrás de este tipo de soluciones, y los beneficios alcanzados en la productividad de más del 200 % no hacen más que seguir aumentándolos.
La IA agéntica en la gestión de activos empresariales
La gestión de activos empresariales (EAM) es una de las áreas más preparadas para beneficiarse de la IA agéntica. Las empresas de industrias como la automoción, el petróleo y el gas, la minería, la aeroespacial y otras de manufactura compleja son las usuarias más habituales de estos procesos, ya que dependen en gran medida de los equipos, el tiempo de inactividad es costoso y la posibilidad de lesiones graves aumenta con un mantenimiento inadecuado.
Llevamos años aplicando una orquestación del tipo agéntico a las órdenes de trabajo de mantenimiento preventivo. Estas órdenes de trabajo – que abarcan una solicitud e instrucciones para completar una tarea específica de EAM – pueden generarse automáticamente a partir de un contador o incluso de un sensor de IoT que transmita las métricas del equipo a un sistema central. Cuando se cumplen determinadas condiciones, se genera automáticamente una nueva orden de trabajo para resolver el problema, se piden las piezas y herramientas necesarias y se envía el trabajo a un técnico con las competencias adecuadas. De acuerdo con la descripción anterior, se trata de un comportamiento agéntico, aunque llevemos décadas haciéndolo sin la ayuda de la inteligencia artificial.
Por desgracia, los procesos tradicionales de mantenimiento preventivo, así como los nuevos procesos basados en agentes inteligentes, pueden verse fácilmente perturbados por la mala calidad de los datos. Las lecturas incorrectas de los contadores, los umbrales inadecuados y los metadatos incoherentes de los equipos provocan malas decisiones, la omisión del mantenimiento o un error en él y, potencialmente, lesiones o incluso muertes. Es habitual que las empresas modernas tengan datos repartidos entre varios sistemas de distintos proveedores. La existencia de sistemas separados de ERP, gestión de activos, despacho de trabajos y compras hace que sea prácticamente imposible y arriesgado que cualquier proceso automatizado agregue todos los datos, los armonice y tome decisiones que podrían tener un impacto en la seguridad de la vida. Muchos incidentes ocurridos en 2024 se atribuyeron a procedimientos y datos de EAM inadecuados. Por ejemplo, en abril de 2024, en una planta de fabricación de neumáticos, se activó indebidamente un equipo mientras se trabajaba en él, y en octubre se partió un cable de una grúa, lo que provocó un grave accidente minero. Una encuesta realizada por la revista Plant Services reveló que el 41 % de los fallos de los equipos se debían a datos inexactos o inexistentes, lo que hace la mala calidad de los datos una de las causas principales de los fallos evitables de los equipos.
Sistemas desconectados, información desconectada: el desafío de los datos EAM aislados
Uno de los problemas de la gestión de activos empresariales en las grandes empresas es que los datos EAM están dispersos en varios sistemas. Existen sistemas de gestión del trabajo, como los de ERP, en los que se generan órdenes de trabajo y se hace un seguimiento financiero – a menudo más de uno. También hay sistemas que mantienen el acceso al activo en funcionamiento o los llamados sistemas de bloqueo y etiquetado (LOTO). Además, existen sistemas de control y adquisición de datos (SCADA) que controlan las máquinas y recogen datos de supervisión. Todos estos sistemas suelen tener vistas desconectadas del mismo equipo, de sus metadatos y de sus características. Esto puede ser un problema peligroso.
La centralización, en la que los datos se fusionan en un único sistema, es un paso esencial hacia una gestión de activos más segura e inteligente. Al fin y al cabo, todos los principales sistemas ERP modernos soportan procesos complejos de EAM, el mantenimiento basado en la condición y la generación y el envío automáticos de órdenes de trabajo. Sin embargo, consolidar los datos no es una tarea sencilla. Los distintos sistemas suelen ejecutar los procesos de maneras diferentes, lo que exige una cuidadosa alineación y estandarización de los datos maestros y de transacción. Es crucial considerar la migración y estandarización de los datos maestros y de transacción y, al hacerlo, determinar la asignación de los procesos heredados a los nuevos procesos. También se necesitan datos históricos para que los modelos de predicción de fallos puedan entrenarse con información del mundo real. Además, es aconsejable estandarizar basándose en taxonomías de equipos del sector, como la ISO 14224. Esto significa que hay que emprender un análisis exhaustivo de datos, una asignación de los datos empresariales y técnicos y la migración y verificación. No es sencillo y puede ser muy costoso, pero los beneficios son evidentes: un único conjunto de datos maestros que mantener, una predicción y resolución de fallos coherentes y, en última instancia, menores costos de los equipos y un entorno de trabajo más seguro.
Cómo alcanzar el éxito con la automatización
La automatización es clave para lograr este resultado. Según nuestra experiencia en SNP, los métodos manuales de consolidación de sistemas y de migración de datos ofrecen datos de baja calidad y suelen tardar dos o más años en completarse, si es que llegan a hacerlo. Tanto Gartner como un estudio académico (Wong, Ada & Scarbrough, Harry & Chau, Patrick & Davison, Robert. Critical Failure Factors in ERP Implementation) citan tasas de fracaso de entre el 70 y el 90 % en este tipo de proyectos. SNP puede confirmar estas cifras porque nos suelen llamar para remediar este tipo de situaciones.
La clave del éxito reside en la repetibilidad y el uso de contenidos predefinidos. Reutilizar reglas y metodologías de migración comprobadas en proyectos anteriores ayuda a evitar reinventar la rueda, lo que ahorra tiempo y reduce los riesgos. Un proyecto típico de consolidación y traslado de sistemas heterogéneos consta de las conocidas fases de análisis, diseño, implementación y verificación. Para una verdadera repetibilidad, cada paso del proceso debe acelerarse mediante la automatización del software. Esto no solo acorta los plazos del proyecto, sino que también ofrece resultados que ya se han comprobado, lo que acelera enormemente el proyecto y minimiza las pruebas y las interrupciones. Esto es exactamente lo que ofrece SNP en la plataforma Kyano: 30 años de transformación de datos empresariales integrados en una plataforma que te ayudará a planificar, trasladar y gestionar tu entorno de múltiples proveedores, y que te permitirá aprovechar al máximo el potencial de la IA agéntica.
¿Te interesa agilizar el viaje de transformación? Contáctanos para saber cómo SNP te puede ayudar.
Contacto

Dr. Steele Arbeeny
CTO North America at SNP