A medida que la inteligencia artificial se incruste más en los procesos, aprenderá en el trabajo y, finalmente, se volverá más independiente, lo que conducirá a sistemas de ERP más autónomos.
El aumento del aprendizaje automático, conocido como machine learning, y la inteligencia artificial usadas en el lugar de trabajo, han sido bien documentado en los últimos años, Su crecimiento es incuestionable. Sin embargo, los cambios recientes en la tecnología de inteligencia artificial ahora están afectando específicamente a los sistemas ERP.
Hemos estado discutiendo e investigando la inteligencia artificial usada en el lugar de trabajo durante muchos años. De hecho, el sueño -o la pesadilla- de las máquinas pensantes ha estado en la mente humana durante mucho tiempo. Entonces, ¿por qué todo el ruido al respecto ahora? Esto se debe a que varios avances tecnológicos diferentes se unen para impulsar las transformaciones digitales de la Industria 4.0. Éstas incluyen:
Capacidad computacional: la disponibilidad, a menudo a través de la nube, y la potencia / costo de los sistemas han alcanzado un nivel en el que muchos algoritmos de inteligencia artificial pueden ejecutarse en tiempo real. El ejemplo más obvio de esto en el espacio del consumidor es el aumento en los dispositivos que procesan el habla en tiempo real.
Máquinas conectadas: los sistemas están más conectados al mundo físico que nunca antes a través de IoT, lo que significa que pueden operar con información actualizada. Pronto, casi todo tendrá un sensor que las máquinas pueden usar como una entrada de decisión.
Confianza: el aumento de Blockchain y otras tecnologías de confianza significa que las máquinas pueden confiar entre sí como nunca antes. Esto reduce la necesidad de validación y verificación manual.
Alertas móviles: la tecnología móvil está mejorando enormemente la capacidad de las máquinas para alertar a las personas sobre situaciones problemáticas. Ahora que casi todo el mundo tiene un dispositivo móvil, las máquinas pueden llamar fácilmente a un amigo cuando las cosas se ponen demasiado difíciles.
La inteligencia artificial aprende en el trabajo
La implementación de inteligencia artificial en el lugar de trabajo probablemente progresará de forma muy similar a la relación entre un supervisor y un nuevo empleado. Esto ocurre en tres fases en las que el empleado (en este caso, un proceso o bot habilitado para inteligencia artificial) asciende desde una posición de dependencia de aquellos con más experiencia a otra donde puede tomar decisiones de forma independiente.
Fase 1: Inteligencia artificial dependiente
En los primeros días, no quedará claro para qué tareas está calificado el colaborador de inteligencia artificial, por lo que será fundamental dedicar tiempo a supervisar su trabajo y capacitarlo sobre cómo manejar situaciones conocidas. En esta etapa, la máquina ayuda con tareas repetitivas pero requiere orientación cuando ocurren excepciones. Esto es como la mayoría de nosotros hace: interactuamos con los sistemas informáticos actuales, especialmente si tienen algoritmos de planificación complejos o capacidades predictivas. La computadora hace sugerencias sobre las acciones a realizar y las aceptamos o rechazamos.
Fase 2: Inteligencia artificial interdependiente
Las computadoras están comenzando a aprender a resolver problemas basados en patrones históricos sin requerir instrucciones en cada paso. Aquí es donde entra en juego el aprendizaje automático, ya que la máquina observa cómo se trataron situaciones similares y aplica una lógica similar, aunque no necesariamente la misma. Esto se conoce como entrenamiento del modelo, es decir, alimentar la máquina con muchos datos históricos de alta calidad para que pueda encontrar patrones de comportamiento que pueda aplicar. Esto es similar a cuando tiene un empleado que ha estado en el trabajo durante seis meses. Aún puede optar por verificar su trabajo o requerir aprobación para ciertas acciones, pero puede delegarles más control a medida que confía más en las recomendaciones. La mayoría de las capacidades de inteligencia artificial en el lugar de trabajo se encuentran en este momento, y es la falta de datos de alta calidad para entrenar adecuadamente el modelo que más comúnmente impide la adopción a escala. Entonces, los datos de entrenamiento a menudo necesitan ser limpiados para eliminar el comportamiento que la máquina no necesita.
Fase 3: Inteligencia artificial dependiente
La etapa final de la inteligencia artificial ocurre cuando la máquina está lidiando con situaciones conocidas y desconocidas y puede tomar decisiones y recomendaciones que son tan buenas o mejores de lo que haría un ser humano. Esto se conoce como Singularity, donde la inteligencia artificial se adelanta a la inteligencia humana. Estamos lejos de ver este tipo de inteligencia artificial en el software empresarial comercial. Pero los laboratorios de investigación están trabajando en ello. Y están llegando.
Inteligencia artificial viene a ERP
¿Qué tiene que ver todo esto con los sistemas ERP?
Los vendedores están empezando a utilizar las capacidades de inteligencia artificial para asumir tareas en sistemas ERP que tradicionalmente han requerido esfuerzo humano.
Por ejemplo, la inteligencia artificial se puede usar para realizar tareas repetitivas, para corregir errores o remediar situaciones en las que las reglas se aplicaron de forma inconsistente. También se puede usar para reemplazar los esfuerzos manuales que introdujeron la latencia en el proceso. Hay paquetes de ERP que incorporan capacidades de aprendizaje automático y análisis predictivo para permitir a las empresas aprovechar los conocimientos en tiempo real y aplicarlos automáticamente a contextos empresariales particulares.
El uso de la inteligencia artificial para realizar este tipo de tareas permite que los sistemas funcionen mucho más cerca del tiempo real al mantener en línea la versión digital de los eventos con la física. Con el tiempo, es realista prever la posibilidad de pasar a un mundo ERP inteligente, donde los seres humanos solo se involucran a través de excepciones críticas o violaciones de indicadores de rendimiento clave.
