Una empresa no necesita necesariamente un experto reconocido para poder utilizar la inteligencia artificial. Un estudio de Fraunhofer muestra cómo pueden proceder en su lugar las pequeñas y medianas empresas.
La inteligencia artificial (IA) ayuda a optimizar los procesos de producción y, por tanto, a ahorrar dinero. Sin embargo, las pequeñas y medianas empresas carecen a menudo de los conocimientos necesarios para utilizar esta tecnología del futuro. Aunque pueden recopilar los datos necesarios, no consiguen analizarlos. Aquí es donde los grandes proveedores de servicios en la nube pueden ayudar. Ofrecen herramientas digitales sencillas que procesan grandes conjuntos de datos y ofrecen soluciones de IA. Los expertos hablan de "plataformas de aprendizaje automático como servicio". Esto significa que cualquier empresa puede iniciarse en la inteligencia artificial sin gran experiencia y disponer de modelos desarrollados que reconozcan automáticamente piezas de trabajo defectuosas, por ejemplo.
Comparación de los casos de uso más comunes en cuatro plataformas
Pero, ¿qué plataforma es adecuada para cada tarea? Los Institutos Fraunhofer de Ingeniería de Fabricación y Automatización IPA y de Ingeniería Industrial IAO, con sede en Stuttgart, han comparado los enfoques de los cuatro mayores proveedores: AWS, Google, IBM y Microsoft. Implementaron soluciones para cuatro casos de uso que se dan con frecuencia en la práctica y abarcan cuatro categorías de datos: Datos tabulares, texto, imagen y datos de series temporales:
- Cancelaciónde clientes: es beneficioso para los hoteles saber con antelación qué huéspedes tienen más probabilidades de cancelar. Puede que ya exista un indicio en los datos tabulares de las reservas. La IA puede detectarlo y desarrollar el algoritmo correspondiente.
- Categorización de textos: los textos pueden asignarse a distintas categorías, como cultura, deporte y política. Por ejemplo, una agencia de prensa puede mantener automáticamente un archivo.
- Reconocimiento de imágenes: el análisis de imágenes desempeña un papel importante en la producción. Los sistemas de cámaras pueden utilizarse para detectar defectos en la pieza. La IA ayuda a automatizar esta inspección. La IA aprende a reconocer defectos a partir de un gran número de imágenes anotadas provistas de metadatos.
- Desgaste de la herramienta: sustituir un cabezal de fresado en el momento adecuado ahorra dinero. Si se interviene demasiado pronto, se regala material; si se interviene demasiado tarde, se corre el riesgo de una larga parada de la producción. La IA aprende a interpretar los datos de las series temporales de vibraciones y consumo de energía para evaluar correctamente el estado del cabezal de fresado.
Por regla general, lo mismo se aplica a las soluciones de IA: Cuantos más datos estén disponibles y mejor sea la calidad de los mismos, más fiable será el modelo obtenido. Al comparar las plataformas, los científicos del Fraunhofer siempre eligieron la solución más accesible. A menudo, todo lo que tenían que hacer era cargar los conjuntos de datos y añadir una anotación: En el caso del procesamiento de imágenes, por ejemplo, esto significaría etiquetar cada imagen con la adición correcto o incorrecto. A continuación, la plataforma proporcionaba el modelo deseado junto con la precisión de la predicción.
Resultados
El estudio de Fraunhofer demostró que las soluciones de todos los proveedores presentan puntos fuertes y no requieren conocimientos profundos. Por supuesto, hay una o dos diferencias. Por ejemplo, algunas plataformas son más intuitivas de utilizar que otras. Además, algunos modelos de IA sólo funcionan en la nube del proveedor, mientras que otros también pueden exportarse e instalarse en los servidores propios de una empresa.
El estudio "Cloud-based AI platforms - opportunities and limitations of services for machine learning as a service" muestra qué plataforma puede recomendarse para cada caso de uso. Puede descargarse en el siguiente enlace: https://www.ki-fortschrittszentrum.de/de/studien/cloudbasierte-ki-plattformen.html
