Inteligencia artificial en alquiler

© Fraunhofer IPA, Foto: Rainer Bez

© Sociedad Fraunhofer

Para poder utilizar la inteligencia artificial, una empresa no necesita necesariamente un experto especializado. Un estudio de Fraunhofer muestra cómo pueden proceder las pequeñas y medianas empresas en su lugar.

La inteligencia artificial (IA) ayuda a optimizar los procesos de producción y así ahorrar dinero. Sin embargo, a menudo a las pequeñas y medianas empresas les falta la experiencia para aprovechar esta tecnología del futuro. Aunque pueden recopilar los datos necesarios, fracasan en su análisis. Aquí ayudan los grandes proveedores de la nube. Ofrecen herramientas digitales sencillas que procesan grandes conjuntos de datos y proporcionan soluciones de IA. Los expertos hablan de «Plataformas de Machine Learning como Servicio». De esta manera, cualquier empresa puede iniciarse en la inteligencia artificial sin mucha experiencia y desarrollar modelos que, por ejemplo, detecten automáticamente piezas defectuosas.

Casos de uso más comunes en cuatro plataformas en comparación

Pero, ¿qué plataforma es adecuada para qué tarea? Los institutos Fraunhofer de Stuttgart para Tecnología de Producción y Automatización IPA y para Economía y Organización del Trabajo IAO compararon los enfoques de los cuatro mayores proveedores: AWS, Google, IBM y Microsoft. Implementaron soluciones para cuatro casos de uso que ocurren con frecuencia en la práctica y que abarcan cuatro categorías de datos: datos tabulares, texto, imágenes y series temporales:

- Fuga de clientes: Para los hoteles, es ventajoso saber con antelación qué huéspedes podrían cancelar. Posiblemente, ya hay una pista en los datos de reserva tabulares. La IA puede detectarla y desarrollar un algoritmo correspondiente.
- Categorización de textos: Los textos pueden asignarse a diferentes ámbitos, como cultura, deporte y política. Por ejemplo, una agencia de prensa puede mantener automáticamente un archivo.
- Reconocimiento de imágenes: En la producción, el análisis de imágenes desempeña un papel importante. Así, los sistemas de cámaras pueden detectar defectos en las piezas. La IA ayuda a automatizar este control. A partir de una gran cantidad de imágenes anotadas con metadatos, la IA aprende a detectar errores.
- Desgaste de herramientas: Reemplazar una fresa en el momento adecuado ahorra dinero. Si se interviene demasiado pronto, se desperdicia material; si se hace demasiado tarde, se corre el riesgo de que la producción quede detenida por mucho tiempo. La IA aprende a interpretar los datos de series temporales de vibraciones y consumo eléctrico para estimar correctamente el estado de la fresa.

Por lo general, para las soluciones de IA se aplica la regla: cuanto más datos estén disponibles y mejor sea la calidad de estos, más fiable será el modelo obtenido. Al comparar las plataformas, los científicos de Fraunhofer siempre optaron por la vía más accesible. Muchas veces, solo fue necesario subir los conjuntos de datos y etiquetarlos: en el procesamiento de imágenes, por ejemplo, etiquetar cada imagen como correcta o defectuosa. Luego, la plataforma entregaba el modelo deseado junto con su precisión predictiva.

Resultados

El estudio de Fraunhofer reveló que las soluciones de todos los proveedores muestran fortalezas y no requieren conocimientos profundos especializados. Por supuesto, hay algunas diferencias. Algunas plataformas son más intuitivas de usar que otras. Además, algunos modelos de IA solo funcionan en la nube del proveedor, mientras que otros pueden exportarse e instalarse en servidores propios de la empresa.

Qué plataforma se recomienda para cada caso de uso se presenta en el estudio «Plataformas de IA basadas en la nube: oportunidades y límites de los servicios de Machine Learning como Servicio». Está disponible para su descarga en el siguiente enlace: https://www.ki-fortschrittszentrum.de/de/studien/cloudbasierte-ki-plattformen.html