Según una encuesta de octubre de 2023 de la empresa de recursos humanos ManpowerGroup, hasta un 75% de los empleadores reportaron escasez de personal, lo que evidencia que la industria enfrenta de forma generalizada el reto de la falta de talento. Además, bajo la tendencia global de cero emisiones netas, muchas grandes empresas han comenzado a prestar atención a los informes de huella de carbono de la cadena de suministro. La escasez de mano de obra y la necesidad de gestión energética, entre otros puntos críticos, impulsan a la industria a buscar activamente soluciones inteligentes. Y ahora que la inteligencia artificial (IA) es un tema candente, adoptar dispositivos de hardware que combinen modelos y algoritmos de IA ayudará a las empresas a superar estos desafíos.
Yucheh Tsai, CEO de DSI, afirma que la escasez de mano de obra, junto con el aumento del volumen de datos y las exigencias técnicas, son las razones detrás de que la automatización se haya convertido en una necesidad imperiosa. Por ejemplo, en una fábrica, los técnicos con décadas de experiencia no encuentran sucesores, mientras que la densidad de producción y la capacidad técnica de la planta siguen aumentando, por lo que se necesitan soluciones automatizadas para apoyar las operaciones. Además, a medida que aumenta la atención internacional y gubernamental sobre las emisiones de carbono, generar informes de inventario de carbono y establecer buenos sistemas de gestión energética se ha convertido en una prioridad urgente. Los dispositivos inteligentes con capacidad de recopilación y procesamiento de datos ayudarán a las empresas a obtener datos de consumo eléctrico y optimizar la gestión energética mediante funciones automatizadas como las tarifas eléctricas por horario.
De estas dos necesidades clave se observa una gran demanda de aplicaciones de IA inteligente en la industria. Con el auge de los modelos de IA, encontrar el modelo adecuado y garantizar su correcto funcionamiento en el hardware es clave para crear soluciones automatizadas. Sin embargo, la mayoría de las empresas opta por modelos de IA ya existentes de grandes marcas como Google, o invierte grandes sumas en entrenar modelos propios que satisfagan sus necesidades, lo que hace que las aplicaciones de IA queden limitadas por los modelos de las grandes marcas y no resuelvan realmente los puntos críticos, o que el alto costo de entrenar modelos nuevos desanime a las empresas.
Yucheh Tsai considera que solo simplificando el proceso de entrenamiento de los modelos de IA y reduciendo los costos de adopción se podrá lograr una implementación masiva de aplicaciones de IA, generando así un cambio verdaderamente perceptible. Por ello, DSI aprovecha su ventaja única como «empresa de software con capacidad de desarrollo de hardware» para lanzar, en respuesta a estas dos necesidades clave, una cámara de reconocimiento con computación en el borde (edge computing) basada en IA que ayuda a las empresas a mejorar la eficiencia operativa, así como una pasarela de inventario de energía eléctrica capaz de medir, recopilar y registrar datos de consumo eléctrico en tiempo real. Gracias a su capacidad de integración de software y hardware, DSI ayuda a las empresas a aplicar la IA fácilmente para resolver sus retos operativos.
Yu-Kai Kuan (imagen 2), director de tecnología de DSI, señala que, en el caso de las aplicaciones de reconocimiento por IA, muchos modelos de reconocimiento de IA solo pueden identificar un único tipo de objeto (como el reconocimiento de matrículas), mientras que la cámara de reconocimiento con computación en el borde de DSI integra múltiples modelos de reconocimiento de aplicaciones de IA, permitiendo a los usuarios elegir con flexibilidad según sus necesidades y obtener una función de reconocimiento de IA que realmente se ajuste a sus requisitos. Además, DSI también ofrece servicios de modelos de IA personalizados: una vez entrenado, el modelo se ejecuta en el hardware existente de DSI, lo que permite desarrollar rápidamente productos de IA con las funciones necesarias.
Los escenarios de aplicación de la IA son muy diversos. Yucheh Tsai pone como ejemplo el caso de una empresa minorista que deseaba adoptar una solución de IA para obtener más información a partir del comportamiento de los clientes. Más allá de la automatización de procesos y la gestión energética, se espera que, a medida que disminuya el costo de entrenamiento de los modelos de IA, sus aplicaciones se extiendan con mayor rapidez a todo tipo de escenarios, dando lugar a una verdadera revolución inteligente.
Fuente de noticias: Revista New Communications Components
