A medida que las empresas buscan acelerar la innovación mediante la inteligencia artificial, la computación en la nube y el modelado avanzado, el principal reto consiste en conectar las nuevas tecnologías con datos fiables, conocimientos científicos y las realidades prácticas de llevar los productos al mercado. Para Lubrizol, fabricante de especialidades químicas, la transformación digital gira en torno a proporcionar a los investigadores las herramientas necesarias para poner a prueba ideas con mayor rapidez, tomar decisiones mejor fundamentadas y desarrollar materiales más sostenibles sin comprometer el rendimiento.
Girish Rao, vicepresidente de Tecnologías de la Información de Lubrizol, afirma que la compañía está construyendo una base digital que conecta procesos de negocio, modernas plataformas de datos e infraestructura en la nube para respaldar a sus equipos de investigación y desarrollo (I+D). Su objetivo es combinar décadas de datos técnicos acumulados con la dilatada experiencia de químicos e ingenieros que comprenden tanto las necesidades de los clientes como 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. Pero, recalca Rao, «no se trata de sustituir el criterio científico, sino de dotar a nuestros científicos de mejores herramientas».
Científicos, científicos de datos y equipos de TI abordan los problemas desde perspectivas distintas, priorizando la validez experimental, el rendimiento de los modelos 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 proyectos piloto para generar confianza.
«Una vez que se genera confianza entre los miembros del equipo y saben qué valor van a crear», afirma Rao, «las cosas van mucho mejor». La infraestructura en la nube también aporta a la empresa la flexibilidad necesaria para acceder a recursos de computación y herramientas modernas sin tener que realizar las cuantiosas inversiones requeridas para construir y mantener sus propios centros de datos.
Estas capacidades podrían resultar especialmente valiosas para avanzar en sostenibilidad. El modelado digital puede ayudar a los investigadores a evaluar más formulaciones, explorar materiales como alternativas basadas en almidón y maíz, y sopesar las contrapartidas a lo largo del ciclo de vida de un producto. Que un material resulte prometedor en el laboratorio es solo el primer paso. Escalar la producción mientras se cumplen las expectativas de rendimiento, los requisitos normativos y las limitaciones financieras sigue siendo un delicado ejercicio de equilibrio, pero la capacidad de la IA para modelar múltiples variables podría ayudar a los equipos a gestionar esas demandas contrapuestas.
De cara al futuro, Rao prevé que la IA, la automatización, el modelado avanzado, los gemelos digitales y los datos conectados converjan a medida que los laboratorios se vuelvan más inteligentes y las plantas de fabricación, más eficientes. La oportunidad, sugiere, reside en aunar estas capacidades de forma responsable y a escala. «No se trata de una sola tecnología. Creo que es la combinación de todas ellas, y será la capacidad de conectar todos estos procesos lo que va a generar enormes cantidades de datos».
Este seminario web se ha producido en colaboración con Infosys.
Este contenido ha sido elaborado por Insights, la división de contenido personalizado de MIT Technology Review, y no por su equipo editorial. Ha sido investigado y redactado por humanos, y cualquier herramienta de IA que se haya podido utilizar se ha limitado a procesos de producción bajo supervisión humana.