De Excel a las redes neuronales: cómo la IA está transformando la planificación de la producción y cuándo esperar la autonomía total

La IA en la planificación de la producción está evolucionando de una herramienta que reemplaza a los humanos a un asistente potente que los complementa, como ilustra el concepto de 'panel de planificación digital' de los investigadores del Instituto Fraunhofer, donde el algoritmo verifica miles de restricciones ocultas y ofrece horarios óptimos, pero la decisión final permanece en manos de los humanos. En Rusia, un estudio conjunto de la Fundación Skolkovo y la ANO Economía Digital revela un interés cauteloso en la IA generativa, con barreras clave que incluyen la resistencia del personal (citada por aproximadamente la mitad de las empresas), la mala calidad de los datos y las dificultades para evaluar el retorno de la inversión y la seguridad de la información. A pesar de estos desafíos, los ingenieros están construyendo sistemas híbridos que combinan modelos generativos con representaciones gráficas de redes de producción, utilizan grandes modelos de lenguaje (LLM) para traducir consultas no estructuradas y emplean programación lineal matemática (como en el sistema 'AI-Kantorovich', que redujo el tiempo de planificación a 2-3 minutos y recortó los costos en más del 3% en una prueba piloto de producción de cosméticos). Los investigadores de Skolkovo predicen una transición masiva: en 1-2 años, modelos adaptativos para análisis de escenarios; en 2-3 años, modelos de alta precisión con gemelos digitales; en 3-5 años, soluciones industriales y centros de competencia. Los casos prácticos incluyen a US Steel y Google's MineMind reduciendo el tiempo de inactividad de los equipos en un 20%, Botswana Diamonds encontrando siete nuevos prospectos de diamantes a partir de 380 GB de datos geológicos, el chatbot de IA de Severstal reduciendo el tiempo de auditoría de mantenimiento de 60 días-persona a uno, los asistentes de IA de NLMK acelerando el desarrollo de software en un 53%, SIBUR y Sber diseñando nuevos polímeros mediante modelado digital, el asistente 'Akela' de Tatneft e ITMO mejorando la eficiencia de planificación en un 30% y reduciendo la mano de obra en 16-20 veces, Rolls-Royce reduciendo los experimentos físicos en un 90% en el desarrollo de aleaciones, LEAP 71 probando un motor de cohete Aerospike diseñado por red neuronal en tres semanas, el copiloto industrial de Siemens ahorrando hasta un 25% del tiempo de mantenimiento, Rosneft e ITMO reduciendo el diseño conceptual para puertos árticos diez veces, y DOM.RF y Rocket Group generando más de 20 conceptos de desarrollo diariamente. La empresa Creative Way, que informó de esto, ve que los mayores cuellos de botella son la falta de competencias y los datos sucios, mientras que esa misma área ofrece el crecimiento más rápido que se amortiza en los primeros meses después de un proyecto.