(G de Gestión) En el ámbito académico, la Inteligencia artificial (IA) se define como la disciplina científica que crea programas informáticos que ejecutan operaciones comparables a las que realiza la mente humana. Pero su desarrollo imparable en los últimos tres años ha generado una serie de aristas, desde el impacto que tendrá en la economía mundial hasta debates de índole legal (de propiedad intelectual, por ejemplo).
El panorama actual es que las empresas a escala global están capitalizando la IA. Un ejemplo es Nvidia, compañía de software que fabrica semiconductores para la producción de IA y que vale más de un billón de dólares, con acciones que han estado al alza este 2023.
La consultora McKinsey & Company ha reportado que existen empresas que han atribuido el 20% de sus ingresos a la IA. De estas, el 30% mencionó que su objetivo con esta herramienta tecnológica es incrementar el valor de sus servicios o productos; el 27% espera el incremento de ingresos de sus negocios core; y otras están enfocadas en que la tecnología les permita crear nuevos tipos de ingreso (23%), así como la reducción de costos en el negocio principal.
LEA TAMBIÉN: Para volver a crecer: las propuestas de 17 empresarios para el desarrollo del país
Presente
En el Perú, aunque el avance de la IA en empresas es desigual, la minería y la banca están un paso adelante. En el resto de sectores, con gran presencia de mypes (medianas y pequeñas empresas), es más lento debido a la falta de capacitación y a la suposición de que implementar la tecnología puede ser costosa.
Así lo pensó también José San Martín, gerente de Romex (Cafetal), quien cuenta que hasta el 2019 tenía en mente que implementar un sistema con IA significaría desembolsar un gran capital, pero que, desde hace cuatro años, usa drones para recoger datos de sus 250 hectáreas de café, que son analizados por un algoritmo para crear tendencias sobre la aparición de enfermedades, la acidez del suelo, el efecto de sequías o el incremento de caudales. ¿Qué logró? Primero, dice, “reducción significativa de costos en mano de obra” y un espacio de al menos tres semanas para tomar decisiones ante algún evento adverso. “Tuvimos un costo de aprendizaje de cerca de US$ 20,000″, comenta.
Aun así, la falta de infraestructura digital, los riesgos de usos no éticos de la tecnología, la brecha digital y la ausencia de profesionales capacitados para abordar la demanda laboral en torno a la IA pueden afectar los índices de productividad que potencialmente podría brindar esta tecnología, remarca Marushka Chocobar, experta en innovación y transformación digital. El Centro Nacional de Planeamiento Estratégico (Ceplan) afirma que el Producto Bruto Interno (PBI) podría duplicarse al 2030 con el uso intensivo de IA.
LEA TAMBIÉN: Las 14 regulaciones empresariales que estarán en la agenda este 2024
Sangram Sahoo, CEO de Tata Consultancy Services Perú, indica que la inversión que están realizando las compañías a escala local está orientada a dos objetivos: la optimización de costos y productividad; y la experiencia y satisfacción del cliente.
“La IA tiene impacto en distintas industrias, pero el tema principal son los datos. Incluso antes que el tema normativo, una cosa es la tecnología y otra la implementación. El desafío hoy es la calidad de datos que se pueden recolectar”, asegura.
Para el ejecutivo, otro reto es la integración de la IA hacia los sistemas actuales y, por último, la calidad de su implementación. A esto se suma la importancia de un robusto marco normativo, que es relevante en tanto que enfoca la protección de datos personales y la ciberseguridad.
Space AG
Aunque es uno de los sectores más importantes de la economía peruana, el agro todavía tiene un uso muy incipiente de IA. Según César Urrutia, director de la agtech Space AG, un factor es la falta de información estructurada (a través de satélites, fotos o apps), lo que dificulta crear un algoritmo para generar modelos de predicción sobre el número de trabajadores que se requerirá en la cosecha, a qué países exportar, el uso de cajas, o incluso a cuánto ascenderán los fletes y otras variables logísticas.
Pero la startup ha dado un paso con la creación de gráficos para definir la tendencia de floración en los arándanos. “Es un proceso largo con un margen de error muy alto, con una desviación de hasta 50%, pero, a medida que vamos alimentando con imágenes de zonas muertas en la cosecha, podemos determinar el porcentaje de frutos en los diferentes cuatro estadios de la planta, y catalogarlo de esa manera”, señala.
Urrutia indica que, entre la recolección de data y el desarrollo de algoritmos, el proceso puede durar hasta tres años, pero las virtudes son exponenciales. Por ejemplo, en 100 hectáreas de arándanos de un cliente se consiguió aplacar en 30% el impacto por plaga y enfermedades, así como disminuir el uso de pesticida en 5% y reducir la mano de obra hasta en un 50%, lo que originó ahorros por hasta US$ 128,000.
“En otras campañas enfocadas en el uso del riego y en el ahorro de químicos, hemos logrado eficiencias por US$ 208,000 en agrícolas que facturan por encima de los US$ 100 millones, y con más de 500 hectáreas. Un 1% supone varios ceros de ahorro con nuestros servicios organizados por módulos y con costos inferiores a los US$ 1,500″, precisa.
LEA TAMBIÉN: Movimiento en el agro peruano: lo que se espera en los próximos seis meses
Creditex
En el 2020, la empresa textil Creditex participó en un fondo de innovación para aplicar IA en su planta de tejido, lo que los llevó a crear, junto con Amazon Web Services, un sistema predictible para mejorar las funciones de la fábrica en Trujillo. Eso solo fue el inicio. En cuanto a producción, recibieron el apoyo de la carrera de Ingeniería Mecatrónica de la PUCP para generar un modelo que permite detectar fallas en la tela a través de algoritmos. Y, tras recibir un financiamiento de S/ 3.8 millones, la empresa está lista para producir con menos mermas, optimizar el recurso hídrico para lograr un menor impacto ambiental, y aplicar tecnología de planificación y producción.
“Trabajamos bajo un proceso de innovación abierta con cuatro desafíos”, explica Luis Negrón, gerente de Analítica de Negocios de Creditex. El primero es reducir las fallas por un valor de hasta US$ 500,000 con el uso de IA. El segundo es acortar los tiempos de procesos de 45 a 30 días mejorando la frecuencia de programación. El tercero, disminuir el consumo de agua en un 30% en el proceso de lavado de tela, y el cuarto desafío es recuperar hasta 177,000 metros cúbicos mensuales.
Para supervisar estos proyectos tecnológicos, Creditex ha conformado un equipo de siete personas que continúan generando algoritmos. Un nuevo proyecto, anota, está orientado a optimizar el uso de la tela hasta en 2% mediante la aplicación de IA para hacer mapas de corte.
BCP
La tecnología y el BCP tienen una relación de años. Llevan aplicando la metodología del machine learning para evaluar riesgos y crear ofertas o, incluso, predicciones. Su siguiente paso ha sido desarrollar, hace apenas unos meses, un equipo nuevo para buscar nuevas oportunidades: el Programa de Inteligencia Artificial de Credicorp, liderado por Rafael Lemor.
“Estamos explorando un copiloto de Microsoft para aumentar la productividad. Es un sistema que hace presentaciones y resúmenes, ayuda con correos y otras funcionalidades que hacen que el grupo pueda usar su tiempo de manera más eficiente para cocrear. Es como un asistente virtual personal”, detalla Lemor. Se espera completar su implementación en el 2024.
Adicionalmente, con el uso del sistema GitHub están generando contenido personalizado para los clientes con el que podrán medir las respuestas del usuario frente a las ofertas del banco. Con esta herramienta proyectan aumentar la productividad hasta en 40%.
Sin embargo, estos avances podrían representar un riesgo potencial en tanto hay temas de ciberseguridad, compliance y ética. Al respecto, Lemor responde que el banco ha establecido un equipo de analistas con controles para evaluar las eventuales fallas de cara a los clientes.
LEA TAMBIÉN: Credicorp Capital: “Hay un poco más de interés por bonos en empresas rentables”
Scharff
La operadora logística Scharff empezó a trabajar en modelos de IA desde el 2018 y ha destinado una inversión acumulada de US$ 250,000 a ello. Uno de los proyectos más recientes data del 2022, en el que se aplicó el machine learning sobre la data histórica de sus almacenes para desarrollar modelos de predicción de demanda de atención de pedidos y posible obsolescencia de cada SKU.
“Uno de los objetivos de este proyecto era optimizar los recursos en épocas de campaña, ya que algunos días podíamos tener hasta 50% menos del volumen proyectado, lo que generaba sobrecostos”, indica Karen Dawson, gerente de innovación de Scharff.
Para el 2024, la compañía busca invertir US$ 120,000 en nuevas soluciones, pero la cultura de innovación es tal que, incluso, se ha diseñado una competencia interna en la que los líderes de la empresa pueden presentar proyectos para conseguir financiamiento.
LEA TAMBIÉN: Ferreyros robotiza Centro de Distribución de Repuestos y acelera en 40% procesos logísticos clave
