Se está produciendo un cambio notable en todos los sectores en torno a la forma en que el Internet de las cosas (IoT) tradicional está evolucionando, y tanto los datos de las soluciones de captura de datos y como los de primera línea aportan un nuevo valor e inteligencia gracias a la IA.
Aunque algunos podrían llamarlo AI IoT, creo que un término más adecuado es “inteligencia ambiental”. Si el AI IoT es el “cómo”, la inteligencia ambiental es el “qué”: el resultado valioso que los trabajadores de primera línea pueden aprovechar en su trabajo.
Pero, cabría preguntarse ¿qué entendemos por inteligencia ambiental? En pocas palabras, consiste en digitalizar entornos físicos, flujos de trabajo, activos e inventario, y convertir esos datos en información útil, tendencias, predicciones, alertas y recomendaciones para los trabajadores de primera línea y las operaciones. Además, integra la capa física, la capa de datos, una capa de análisis de IA y la capa de ejecución con un nivel adecuado de automatización. Y funciona en tiempo real, como un sistema vivo o un reflejo de lo que está sucediendo en ese momento.
Las capas multisensor y la inteligencia artificial pueden crear una visión adaptativa y en tiempo real de las operaciones al dotar a los espacios físicos y a los trabajadores de primera línea de capacidad de reconocimiento del contexto. Este enfoque holístico conecta a los trabajadores de primera línea, comprende el entorno en su totalidad, hace visibles todos los activos y facilita la automatización inteligente en numerosos entornos industriales.
La capa que lo conecta todo: inteligencia distribuida en el edge
Uno de los principales habilitadores de la inteligencia ambiental es esa capa que conecta tecnologías de sensorización, software, procesamiento en tiempo real en el edge e inteligencia artificial. Los entornos físicos alimentan los modelos de IA con datos procedentes de múltiples fuentes, integrando distintas tecnologías de captura para construir una comprensión dinámica del entorno y de los flujos de trabajo, todo ello orquestado mediante plataformas de software modernas.
Esto incluye tecnologías como RFID, donde las soluciones avanzadas de localización en tiempo real (RTLS) utilizan sistemas fijos y flexibles para ofrecer una ubicación precisa de activos y personas. También incorpora visión por computador, comandos de voz impulsados por IA, datos de uso de los dispositivos, geolocalización, visión artificial 2D y 3D y códigos de barras, que aportan la información básica de identificación.
A medida que aumenta el número de sensores, también crece exponencialmente el volumen de datos (imágenes, audio, rendimiento o localización). Los modelos de IA multimodal aprovechan toda esta información para comprender el entorno, generar inteligencia multimodal y automatizar los flujos de trabajo.
El procesamiento de estos datos en el edge reduce la distancia entre el entorno físico, los datos y la ejecución, haciendo posibles flujos de trabajo con latencia prácticamente nula, esenciales en entornos industriales de alta velocidad o en operaciones en exteriores donde la conectividad puede ser irregular. Además, gracias a los ordenadores móviles y equipos de visión artificial de última generación, equipados con unidades de procesamiento neuronal (NPU), los datos se procesan localmente para ofrecer inferencias más rápidas, reducir los costes asociados a la nube y reforzar la seguridad y la privacidad. De este modo, los trabajadores en primera línea reciben información accionable directamente en sus pantallas o auriculares, justo en el momento en que la necesitan.
Mirando hacia el futuro: inteligencia colectiva aumentada (ACI)
A medida que el Internet de las Cosas evoluciona hacia la inteligencia ambiental impulsada por la IA, también lo hace la propia inteligencia artificial. A tecnologías como la visión artificial, el deep learning y los agentes de IA o trabajadores digitales, se suman ahora entornos inteligentes capaces de transformar la forma en que trabajan las organizaciones.
La combinación de estos agentes con los profesionales de primera línea da lugar a lo que podemos denominar inteligencia colectiva aumentada (Augmented Collective Intelligence, ACI), donde la inteligencia ambiental proporciona el contexto en el que operan los agentes. Esta combinación potencia las capacidades de los trabajadores y hace posibles operaciones cada vez más autónomas, aumentando la productividad y mejorando los márgenes.
La inteligencia colectiva aumentada puede entenderse como una red distribuida de dispositivos y agentes inteligentes que, en lugar de depender de un único modelo, combina distintos tipos de IA (como la generativa y los algoritmos clásicos) con el conocimiento y la experiencia de las personas para abordar tareas complejas y mejorar la toma de decisiones.
A nivel técnico, la inteligencia ambiental convierte los datos procedentes de múltiples sensores en contexto operativo en tiempo real mediante la combinación de conectividad, sensores multimodales e inteligencia artificial.
A nivel industrial, la inteligencia ambiental impulsa una visión en la que las operaciones en primera línea se digitalizan, automatizan y se vuelven inteligentes en tiempo real.
Y, a nivel humano, permite crear entornos en los que los trabajadores disponen de la información, el contexto y la capacidad de anticipación necesarios para mejorar su trabajo cada día.
La fotografía de representación de este artículo pertenece a Jakub Żerdzicki y ha sido publicada en Unsplash.