Digitalización: ¿Simple moda o verdadera innovación?
Por Paco Bolaños, Arquitecto para Internet de las Cosas y transformación Digital para Cisco Latinoamérica.
Históricamente, la toma de decisiones es fundamental para el crecimiento de las empresas, ya que permiten la creación de modelos innovadores de servicios, y en otros casos, pueden resultar en el factor de su debacle.
Hoy en día responder a ciertas preguntas clave de manera rápida y eficaz puede ser el eslabón que permita generar ahorros importantes, nuevos ingresos, evitar riesgos para la empresa o generar la próxima disrupción del mercado que ponga a la empresa en una posición privilegiada.
Entre la información que necesitamos saber para lograrlo se encuentran: cuánto producimos, cuál es el nivel de merma, cuál es la eficiencia del proceso, cuál es el gasto energético en la producción de una unidad, cuál es el estado de salud de la maquinaria o si es posible incrementar la producción con la maquinaria que ya tenemos.
Responder a estas preguntas nos puede permitir tomar decisiones como el incremento o reducción en el volumen de producción de acuerdo a la demanda; cambiar o no la infraestructura de producción a fin de utilizar al máximo los insumos y reducir o eliminar desperdicios (costos) y contar con mayor/mejor capacidad de producción; decidir sobre la inversión en energías renovables o proyectos de sustentabilidad energética; e impulsar iniciativas que generen una disrupción en el mercado que le den a la empresa una significativa ventaja competitiva.
El análisis de datos y las tecnologías desarrolladas para tal efecto tienen su mayor impacto. Así, tecnologías como machine learning (ML) o deep learning (DL) se han convertido en los dos últimos años en ejes de la innovación tecnológica y las grandes disrupciones de mercado en los sectores industriales, de consumo masivo, comercio electrónico, financiero y de servicios.
A manera de ejemplo, Gartner estima que para 2025, el 60% de las cámaras de vigilancia de seguridad integrarán funciones de análisis y monitoreo en tiempo real en el mismo dispositivo, en comparación con el 21% en 2020.
Adicionalmente se espera que para 2025, las organizaciones que interactúan con sus clientes a través de máquinas vean aumentar las oportunidades de servicios facturables totales en un 20 % debido a una mayor conciencia de las necesidades de estos.
Tecnologías para anticipar necesidades
Junto con el desarrollo de ML y AI, las tecnologías para el procesamiento de datos ligeros tales como edge computing, que aprovechan las capacidades de cómputo de los equipos de acceso que conectan los dispositivos IoT, está permitiendo explotar rápidamente las capacidades de ML mayormente en el entorno operativo, precisamente para habilitar la toma de decisiones sobre aspectos de optimización de los procesos y de negocio.
Con esas tecnologías es posible saber qué métodos publicitarios impulsan mejor las ventas, qué segmento de clientes comprarán un nuevo producto o cuándo se debería reponer el inventario con un modelo de push/pull
Según Gartner, en los próximos meses estas capacidades de cómputo de borde, aunadas a IA con ML serán las de mayor adopción junto con la integración de las comunicaciones de IT/OT mediante arquitecturas estandarizadas.
No importa el sector ni la industria, las empresas deben seguir apostando por implementar soluciones tecnológicas para resolver necesidades en tiempo real, mientras optimizan sus decisiones de negocio de una forma eficiente, ágil e inteligente.
