Techinfo
A medida que las empresas buscan acelerar la innovación mediante la inteligencia artificial, la computación en la nube y el modelado avanzado, uno de los principales desafíos radica en conectar estas nuevas tecnologías con datos confiables, experiencia científica y las realidades prácticas de llevar productos al mercado. Para el fabricante de productos químicos especiales Lubrizol, la transformación digital se centra en proporcionar a los investigadores las herramientas necesarias para probar ideas más rápidamente, tomar decisiones mejor fundamentadas y desarrollar materiales más sostenibles sin comprometer el rendimiento.
Girish Rao, vicepresidente de tecnología de la información en Lubrizol, señala que la compañía está construyendo una base digital que conecta procesos comerciales, plataformas de datos modernas e infraestructura en la nube para apoyar a sus equipos de investigación y desarrollo (I+D). Su objetivo es combinar décadas de datos técnicos acumulados con la profunda experiencia de químicos e ingenieros que comprenden las necesidades de los clientes y las limitaciones físicas de su trabajo. Los científicos de datos pueden ayudar a identificar patrones, probar nuevas hipótesis y modelar posibilidades antes de que los investigadores realicen experimentos físicos. Sin embargo, Rao enfatiza que "no se trata de reemplazar el juicio científico; se trata de proporcionar a nuestros científicos mejores herramientas".
Los científicos, los científicos de datos y los equipos de TI abordan los problemas desde diferentes perspectivas, priorizando la validez experimental, el rendimiento del modelo y la seguridad y escalabilidad de la plataforma, respectivamente. Al reunir a estos grupos en "equipos de fusión", Lubrizol los alinea en torno a objetivos compartidos, comenzando con pequeños pilotos para generar confianza. "Una vez que se establece la confianza entre los miembros del equipo y saben qué valor están a punto de crear", dice Rao, "las cosas van mucho mejor". La infraestructura en la nube también proporciona a la empresa flexibilidad para acceder a recursos informáticos y herramientas modernas sin realizar las inversiones sustanciales necesarias para construir y mantener sus propios centros de datos.
Estas capacidades podrían resultar especialmente valiosas para avanzar en la sostenibilidad. La modelización digital puede ayudar a los investigadores a evaluar más formulaciones, explorar materiales como alternativas a base de almidón y maíz, y evaluar los compromisos a lo largo del ciclo de vida de un producto. Prometer un material en un laboratorio es solo el primer paso. Escalar la producción mientras se cumplen las expectativas de rendimiento, los requisitos regulatorios y las limitaciones financieras sigue siendo un desafío complicado, pero la capacidad de la inteligencia artificial para modelar múltiples variables podría ayudar a los equipos a navegar esas demandas en competencia. Esto es crucial, ya que el desarrollo de productos químicos especiales a menudo implica equilibrar la innovación con la viabilidad económica y el cumplimiento normativo.
Mirando hacia el futuro, Rao espera que la inteligencia artificial, la automatización, la modelización avanzada, los gemelos digitales y los datos conectados converjan a medida que los laboratorios se vuelvan más inteligentes y las plantas de fabricación más eficientes. Según Rao, la oportunidad radica en reunir estas capacidades de manera responsable y a gran escala. “No se trata solo de una tecnología única. Creo que es la combinación de todas ellas, y será la capacidad de conectar todos estos procesos lo que generará enormes cantidades de datos”. Esta integración no solo tiene el potencial de optimizar los procesos existentes, sino también de abrir nuevas vías para la innovación en la industria de productos químicos especiales.
Este webcast es producido en asociación con Infosys.
Este contenido fue elaborado por Insights, la división de contenido personalizado de MIT Technology Review, y no por su personal editorial. Fue investigado y escrito por humanos, con cualquier herramienta de inteligencia artificial que pueda haber sido utilizada limitada a procesos de producción bajo supervisión humana. Es importante destacar que la colaboración entre humanos y tecnología es fundamental para garantizar la calidad y la precisión en la información presentada.
Fuente original: MIT Technology Review IA.
