La automatización es un proceso que arranca con las máquinas de la Revolución Industrial, y se redimensiona con la irrupción de la informática, en su doble vertiente de software de control y hardware: el primero para orquestar las operaciones automatizadas y el segundo para aportar la infraestructura física donde ejecutarlas.
En esta evolución, la IA supondría el tercer hito, al permitir una toma de decisiones autónoma, adaptativa y basada en datos, lo que inaugura la capacidad de las máquinas para aprender y mejorar continuamente sin intervención humana, abriendo así nuevas posibilidades para la optimización y personalización de los procesos productivos y de negocio.
Por el papel de la Inteligencia Artificial en esta nueva hiperautomatización y en otros campos puede considerarse una de las General-Purpose Technologies, es decir una tecnología capaz de impactar en múltiples ámbitos de la economía y la sociedad, como lo hicieron antes otras como la máquina de vapor, la electricidad, la propia informática que referíamos o más recientemente internet.
Ventajas de la Inteligencia artificial y la hiperautomatización
La intervención de los algoritmos de aprendizaje autónomo permite trascender la mera automatización de tareas repetitivas, para la articulación de procesos más complejos, con una toma de decisiones autosuficiente basada en el análisis de datos recopilados, lo que posibilita escalar la eficiencia operativa, ya sea en un centro logístico de Amazon o en un servicio de la administración digital de Estonia, por poner dos ejemplos al margen de las aplicaciones industriales más evidentes.
Así, la IA aplicada a la automatización da lugar a la hiperautomatización, que optimiza el uso de recursos, reduce costes y escala la productividad de cualquier organización o negocio.
Haciendo un símil un tanto simple, podríamos decir que la Inteligencia Artificial actúa de cerebro analizando los datos y tomando las decisiones con base a los escenarios que predice, mientras que los recursos a su disposición actuarían de brazo ejecutor que garantiza la aplicabilidad eficiente en los procesos, alumbrando la unión de ambos la hiperautomatización.
Además, los flujos de trabajo pasan de ser lineales a circulares, al poder retroalimentarse constantemente de los datos y resultados obtenidos, posibilitando una mejora continua y adaptativa de los sistemas y procesos automatizados.
También, la IA abre la puerta a la personalización a medida de productos, servicios y soluciones mediante el análisis de la información de la que se nutre, pudiendo por sus capacidades procesar volúmenes ingentes de datos e incluso encontrar patrones insospechados que permitan afinar más en la particularización.
Luego, gracias a la hiperautomatización, se desarrolla un proceso de implementación preciso y eficiente, capaz de automodularse con ajustes dinámicos basados en análisis en tiempo real, para por ejemplo poder afinar en campañas de publicidad de personas que hace unos meses eran proclives a interesarse por planes de ocio y ahora lo son por productos para bebés, por un cambio evidente en sus vidas.
La inteligencia Artificial y la hiperautomatización juegan un papel decisivo desde en el nuevo modelo de Industria 4.0, en el que los recursos de producción interoperan entre sí sin intervención humana (de momento sí que con su supervisión), hasta en la conducción autónoma, donde Mercedes ya tiene modelos suyos circulando en Estados Unidos con Drive Pilot, que es un asistente de nivel 3, esto es que permite al conductor retirar las manos del volante y los pies de los pedales, para pasar tan solo a un rol de supervisor, manteniéndose alerta para tomar el control si es necesario.
De hecho, los vehículos autónomos suponen un importante campo de investigación en el ámbito IA, como nos explicó Jorge Gallego de GAIAlab en la reciente edición de Nexo, el foro tecnológico que organiza anualmente ITRES, y que este año estuvo dedicado precisamente a la Inteligencia Artificial.
Con todo, para que pueda haber una hiperautomatización general pilotada por la Inteligencia Artificial es clave la disponibilidad de información, algo cuya importancia fue refrendada también por varios de los ponentes que asistieron a nuestro foro, ya que no puede haber algoritmos eficaces sin datos que los alimenten.
De ahí, que Andrés Pedreño en su intervención en Nexo 3.0 expusiese como recomendación básica para las empresas la recopilación, limpieza y adquisición de los datos que requieran según su actividad, con la vista puesta en poder hacer una transformación tecnológica que les dé la oportunidad de aprovechar todas las potencialidades de la IA.
Desafíos de la Inteligencia artificial y la hiperautomatización
La implantación de la Inteligencia Artificial y la hiperautomatización entraña infinidad de retos, comenzando por la propia dotación de las infraestructuras necesarias, que pueden llegar a ser realmente costosas cuando hablamos de industrias, o atendemos simplemente a lo que supone en dedicación de servidores de centros de datos para que este modelo se implante de manera masiva.
Asimismo, se precisa asegurar una integración fluida entre diferentes sistemas y plataformas tecnológicas, lo que exige inversión, planificación así como una ejecución técnica detallada.
Además, yendo más allá de las vertientes técnicas para poner el foco en el impacto social, la IA y la hiperautomatización redimensionan el mercado laboral, haciendo automatizables muchas ocupaciones actuales, de modo que por mucho que haya una perspectiva ‘liberadora’, y que sea factible reenfocar la actividad humana hacia ámbitos en los que su intervención sea decisiva o suponga todavía un valor añadido, lo cierto es que el temor a que tenga un efecto importante en el ámbito de la ocupación parece fundado.
Por otro lado, el uso intensivo de datos para alimentar sistemas de IA plantea riesgos de uso inadecuado, que deben ser bien gestionados para evitar incumplimientos legales, algo particularmente complejo con una legislación que o bien va muy tarde regulando y creando la necesaria seguridad jurídica. O bien, cuando lo hace apuesta por la vía restrictiva ahogando la innovación, por lo menos en el ámbito europeo.
IA, hiperautomatización y ciberseguridad
Por no hablar de las amenazas de ciberseguridad, al aumentar la superficie de exposición por el incremento de la cantidad de datos recopilados y procesados, incluyendo sensibles que puedan ponerse en la diana de ciberataques que busquen explotar vulnerabilidades en los algoritmos y las infraestructuras subyacentes, si no se han adoptado las medidas necesarias para su protección.
Además, en un sistema hiperautomatizado, la propagación de los ataques puede ser más rápida, alcanzar una escala mucho mayor y resultar mucho más difíciles de contener, pudiendo afectar a distintos procesos en cadena. Y la propia naturaleza de las amenazas, muta hacia variantes más peligrosas, al integrar las capacidades IA para desplegar ataques más sofisticados y adaptativos.
Por todo ello, la ciberseguridad es uno de los principales retos que existe para una óptima implantación de una hiperautomatización articulada por Inteligencia Artificial, si bien esta ya empieza a jugar también un importante papel en los nuevos esquemas de protección que se están planteando, para por ejemplo detectar amenazas con base a determinados patrones que escaparían a una monitorización convencional, permitiendo así una alerta temprana que posibilite proteger a tiempo la infraestructura tecnológica.
De ahí, que las estrategias de ciberseguridad evolucionen para incluir las capacidades IA, desde para la detección de comportamientos sospechosos que puedan ser indicativos de la acción de agentes maliciosos, hasta en el ámbito de la orquestación automática de la respuesta y la mitigación de las amenazas, con lo que estaría ya presente en toda la cadena de defensa, aportando una protección proactiva y adaptativa frente a ataques de nueva generación, aunque también se sirvan de las capacidades de la Inteligencia Artificial…
