Bloomberg Línea — La inteligencia artificial (IA) industrial promete ser más amplia que los modelos basados en el lenguaje natural, que dependen en gran medida de idiomas como el inglés. Esta es la visión de la directora global de investigación en IA industrial de Siemens, Olympia Brikis.
A pesar del avance significativo de los modelos creados para interpretar y recrear el lenguaje humano, como ChatGPT, por ejemplo, este tipo de tecnología aún presenta algunas barreras para determinadas tareas.
“Cuando se trata de ingeniería y datos físicos del mundo real, el desafío será menor, porque los estándares que usamos en la industria son universales en todos los idiomas”, dijo la directiva en una entrevista con Bloomberg Línea.
Brikis tiene un máster en Ciencias de la Computación de la Universidad Ludwig-Maximilians de Múnich, Alemania, y desde 2015 imparte clases sobre inteligencia artificial, además de actuar como consultora de la Comisión Europea en esta área.
Ver más: Elon Musk vs. Sam Altman: el juicio que pone en juego el futuro de OpenAI
Ella cuenta que su trayectoria en el campo de la IA no fue lineal. “Empecé estudiando matemáticas, no sabía que terminaría programando o escribiendo códigos”.
Mientras estudiaba matemáticas, se dio cuenta de que la resolución de problemas del mundo real utilizando los conceptos del pensamiento analítico era su gran motivación.
Al final de la universidad, Brikis terminó cambiando de carrera a Ciencias de la Computación y también estudió, en paralelo, filosofía. “Además del campo técnico, sentía que necesitaba ampliar mis perspectivas, pensar los problemas de una manera más holística”.
Para la directiva, el desarrollo de su carrera en torno a la IA terminó siendo coherente. “Ahora, mirando hacia atrás, veo que las matemáticas, la filosofía y las ciencias de la computación convergen en torno a la IA — el campo donde estas tres disciplinas se encuentran”, valora.
Añade que el salto en su carrera hacia la IA industrial, también llamada IA física, estuvo guiado principalmente por el hecho de que realizó una pasantía en Siemens durante su maestría.
A mediados de 2017, cuando el campo de la IA aún contaba con pocas mujeres en este tipo de investigación, Brikis llegó a Siemens para trabajar en automatización e ingeniería. “Llegué a la empresa con toda una experiencia, pero me encontré con una industria donde la IA prácticamente no se utilizaba”, afirma.
Ver más: Los CEO están aplicando mal la inteligencia artificial: jefe de Bain Capital
En este contexto, explica que la industria en general tenía una “adopción lenta” de la IA. “En el sector de consumo veíamos una adopción mucho mayor de la IA, pero la industria era un entorno muy conservador para este tipo de tecnología; había muy pocos ejemplos reales de implementación”, afirma.
En Siemens, ella lidera el desarrollo de la próxima generación de IA —incluidos los modelos generativos— aplicada a operaciones, automatización, ingeniería, electrificación y movilidad, con un enfoque en modelos capaces de comprender sistemas físicos complejos y operar con seguridad en entornos regulados.
En su opinión, existe un consenso de que la próxima frontera de la IA es el mundo físico, pero no será sencillo llevar esta tecnología al entorno industrial.
Según la directiva, incluso antes de la popularización de ChatGPT ya existía la aplicación de la llamada “IA estrecha” (IA limitada, utilizada en segmentos como recomendaciones de compras o películas) en la industria. Ella explica que diferentes modelos —de mantenimiento o predicción— se aplican a determinadas máquinas de fábricas o a tipos específicos de redes de energía.
“Estas aplicaciones existen desde hace mucho tiempo. Siemens ya viene creando soluciones de este tipo para los clientes”, aclara.
Lo que ha cambiado desde la popularización de ChatGPT, a mediados de 2022, fue la evolución hacia un modelo de IA que resuelve tareas que no le han sido “enseñadas”, yendo más allá del entrenamiento.
Brikis observa que la IA generativa funciona bien para el lenguaje, el video y las imágenes, modalidades con muchos datos ya introducidos en internet. Sin embargo, para particularidades de la industria como la lectura de sensores, series temporales, diagramas técnicos, esquemas eléctricos, entre otros, el LLM aún no comprende en profundidad.
“En Siemens decimos que estos modelos todavía no hablan el lenguaje de la ingeniería y la manufactura”.
Algunos expertos sostienen que los modelos de video ya están comenzando a comprender el mundo físico. “Esto es cierto hasta cierto punto, pero para aplicaciones reales, la exactitud requerida es mucho mayor. El ingeniero necesita precisión absoluta”.
Ventaja de la IA física
A diferencia de los modelos de lenguaje, en la industria hay pocos elementos textuales. “La mayor parte (de los datos) está compuesta por números. En las simulaciones, hay aún menos dependencia del lenguaje, no es como ocurre en la generación de imágenes, por ejemplo”, dice la directiva. “Cuando construyamos modelos industriales fundamentales, probablemente serán más universales y menos dependientes del lenguaje humano”, añade.
Para Brikis, la transformación derivada de la IA industrial será enorme. “La IA física es como una inteligencia con ‘cuerpo’, que interactuará con el mundo real y tomará decisiones a través de ese cuerpo. Para ello, necesitaremos mucho más hardware: sensores, infraestructura, dispositivos que permitan a la IA ver, oír y tocar”, aclara.
Otro cambio significativo está relacionado con la infraestructura. Hoy en día, la mayor parte de la computación de IA se lleva a cabo en grandes centros de datos. Sin embargo, con la IA física, la “inferencia” (proceso en el que la máquina, ya entrenada, aplica el conocimiento adquirido a nuevos datos para generar predicciones, decisiones o conclusiones en tiempo real) estará en todas partes: desde fábricas hasta hogares y automóviles. “Esto aumenta mucho la demanda de energía y computación localizadas”.
Actualmente, cuando el modelo LLM se ejecuta en la computadora, esto ocurre a través de un centro de datos, que puede estar muy lejos. “En el futuro, la IA física se ejecutará en miles de dispositivos por todo el mundo”, dice.
El beneficio, señala la experta, es la automatización acelerada. “Tareas que antes eran difíciles de automatizar finalmente podrán ser cubiertas por la IA física”.
Sin embargo, para el entrenamiento, los países aún necesitarán invertir en “fábricas de IA”. Con la naturaleza más distribuida de la IA física, no obstante, las barreras para la adopción de la tecnología deberían disminuir, permitiendo una implementación más localizada, caso por caso.
En el caso de Siemens, señala que las soluciones de IA industrial incluyen visión computacional para la inspección de calidad, análisis de datos, mantenimiento predictivo y asistencia basada en IA en el ciclo completo de ingeniería, desde el diseño hasta la fabricación. “Seguimos desarrollando modelos cada vez más potentes”, afirma.
Difusión de la IA física
En opinión de Brikis, la IA generativa ya ha reducido drásticamente las barreras a la innovación. “Tareas que antes requerían un equipo numeroso y una gran inversión ahora pueden ser prototipadas por una sola persona con herramientas avanzadas”, explica.
Sin embargo, advierte que la barrera solo caerá de verdad si la gente usa las herramientas. “Los datos muestran que pocos las usan realmente”.
Sobre una posible sustitución de la mano de obra —principalmente de ingenieros, en el caso de la industria— afirma que el miedo aún existe.
“No quiero ignorarlo. Pero personalmente lo veo como una oportunidad, los ingenieros siempre tienen más trabajo del que pueden realizar”, destaca. En su opinión, al agilizar el trabajo, el ingeniero no se quedará sin tareas. “El proyecto avanzará más rápidamente. El riesgo real es para quienes no adopten estas herramientas; esos sí se quedarán atrás”.
Te puede interesar
Seis petroleras del mundo ganarán casi US$37 millones diarios más en 2026: Oxfam
OpenAI pone fin a exclusividad con Microsoft y podrá vender IA a rivales
