La búsqueda de beneficios ya no está reñida con la sostenibilidad ambiental. La inteligencia artificial (IA) está cerrando rápidamente la brecha entre las dos partes, acelerando la escala y el ritmo de las soluciones de sostenibilidad necesarias para abordar el empeoramiento de la crisis climática.

La IA desempeña cada vez más un papel vital en la transición del mundo hacia operaciones más ecológicas. De hecho, alrededor del 87% de los líderes industriales ven la IA como una herramienta útil en la lucha contra el cambio climático, según una encuesta reciente de BCG. Aproximadamente el 43% prevé aprovechar la ciencia en sus propios esfuerzos contra el cambio climático.

Las tecnologías de IA ya están apoyando a las empresas en el camino hacia la consecución de sus objetivos de cero emisiones netas. La IA ya está ayudando a descarbonizar sectores difíciles de reducir. Si bien la IA generativa ha dominado los titulares recientemente, las industrias también están incorporando otros tipos de tecnologías de IA de diferentes maneras. Lo están utilizando para integrar nuevas fuentes de energía renovable en las líneas de producción, impulsar una mayor productividad y eficiencia, aprovechar nuevos conocimientos para tomar mejores decisiones y construir operaciones más ágiles y resilientes.

¿Qué tecnologías de IA se utilizan en la industria hoy en día?

Echemos un vistazo a solo cuatro tecnologías principales de IA que se utilizan en todo el espectro industrial en la actualidad.

· El análisis predictivo impulsado por IA puede ayudar a las empresas a anticipar la demanda, optimizar las cadenas de suministro, pronosticar anomalías en los activos y optimizar los niveles de inventario en tiempo real. Mediante el uso de algoritmos estadísticos y tecnologías de aprendizaje automático, se pueden analizar datos actuales e históricos para predecir eventos futuros, incluida la previsión de las emisiones generales de GEI. Como resultado, se reducen los costos y el uso de recursos, lo que a su vez disminuye el impacto ambiental de la sobreproducción y el consumo innecesario de recursos.

· El siguiente paso es la optimización predictiva de activos. Aquí, las herramientas de simulación dinámica, junto con el análisis predictivo y la visualización avanzada, crean un gemelo digital híbrido. Los usuarios obtienen una verdadera visión de 360 grados de los riesgos operativos y pueden identificar y solucionar problemas antes, así como pronosticar la vida útil restante de los activos para maximizar el tiempo de actividad, la disponibilidad y la rentabilidad. Cuando se incorporan al diseño de los activos futuros, estos conocimientos activan un ciclo de mejora continua. En términos reales, la optimización predictiva de activos pronostica con precisión la degradación del rendimiento y las emisiones de gases de efecto invernadero en profundidad a nivel granular.

· La IA generativa es quizás la forma más conocida en que las personas se encuentran con la IA, tanto en su vida diaria como en aplicaciones industriales. La tecnología ha existido durante más de medio siglo, pero ahora se ha convertido en algo propio a medida que los modelos de lenguaje masivos (en inglés: massive large language models- LLMs) están disponibles para el público. Permiten a los operadores dar sentido rápidamente a grandes conjuntos de conocimientos, o sirven como socios creativos para apoyar la innovación, por ejemplo, simulando opciones de diseño de activos de acuerdo con parámetros específicos o creando material de aprendizaje técnico atractivo. Cuando se utiliza junto con datos en tiempo real aprovechando el software especializado, también puede proporcionar una visión más profunda de los datos, incluida la asistencia en el análisis complejo de los problemas de sostenibilidad.

· El modelado de caja gris, una de las tecnologías de IA industrial más avanzadas, acaba de llegar al mercado. Esta combinación de simulación de primeros principios e IA (modelos de “caja blanca” y “caja negra” respectivamente) ofrece lo mejor de ambos mundos: modelar activos y procesos casi en tiempo real para mejorar el diseño del sistema y también sacarle el máximo partido operativo. Una de las formas en que funciona es permitiendo que los modelos de IA se integren con la simulación tradicional basada en la física a través de una interfaz de usuario de arrastrar y soltar. La IA a menudo se ejecuta más rápido que los modelos basados en la física y requiere menos ajustes para configurarse. Como resultado, las empresas pueden poner en marcha los modelos rápidamente, al tiempo que utilizan menos capacidad de CPU y, por lo tanto, requieren una menor huella de carbono.

¿Qué beneficios aporta la IA a las industrias?

Las soluciones de IA industrial contextualizan los datos clave de rendimiento y sostenibilidad con inteligencia artificial y conocimiento humano. En consecuencia, las empresas pueden desbloquear ganancias de valor y sostenibilidad de muchas maneras, ahora y en el futuro.

En el sector energético, las tecnologías de IA están apoyando la transición a las energías renovables. La multinacional italiana Enel se ha comprometido a descarbonizar su mix energético para 2040. Ya ha instalado más de 50 GW de capacidad renovable instalada. Para acelerar la transición, Enel ha desplegado un software de gestión del rendimiento de los activos basado en IA junto con análisis predictivos. Se han eliminado los silos de datos, lo que acelera la toma de decisiones y ofrece eficiencias en todo el ecosistema empresarial. El líder energético ahora puede predecir fallas en los activos y garantizar un suministro de energía constante, y está en camino de lograr una planta totalmente autónoma.

Del mismo modo, otra empresa energética global está utilizando la optimización predictiva de activos para mejorar la fiabilidad y reducir los costes de mantenimiento. Solo una captura ayudó a detectar una anomalía de rendimiento en las tuberías de recuperación de calor en una unidad de cogeneración con cinco meses de anticipación, lo que ahorró costos significativos. Desde 2019, el software ha detectado más de 1.700 anomalías en el rendimiento de los activos. Se han ahorrado más de 37 millones de dólares, se ha reducido el tiempo de inactividad no planificado y se ha reducido el uso de recursos, lo que ha mejorado el impacto medioambiental.

La IA está generando beneficios similares en otros sectores difíciles de reducir, como el cemento, que genera el 6% de todas las emisiones provocadas por el hombre. Oyak Cement, cuyas operaciones se extienden desde Turquía hasta Portugal, Cabo Bretón y África Occidental, utiliza un sistema de gestión de datos del borde a la nube infundido por IA para reemplazar el 30% de su energía procedente de combustibles fósiles con fuentes renovables, así como para reducir el uso de energía. Por cada reducción del 1% en la energía utilizada, la empresa ahorra entre 5 y 7 millones de euros. Con información en tiempo real a mano, también reduce las emisiones de CO2, asegurando el cumplimiento normativo.

A un nivel más fundamental, la IA está ayudando a aumentar la resiliencia frente a los peores efectos del cambio climático. Con el aumento de las temperaturas globales, la ciudad de Salem, en el estado de Oregón, en el noroeste del Pacífico, ha sido testigo de más brotes de floraciones de algas tóxicas en lagos y ríos de captación. Con la ayuda de una plataforma de gestión de datos nativa de la nube y de múltiples inquilinos, las autoridades de la ciudad han agregado varias fuentes de datos, desde los niveles de algas hasta la profundidad del agua y los datos meteorológicos y satelitales, en un centro central. Los conocimientos predictivos inteligentes ahora los alertan sobre el aumento de la actividad de algas y cianotoxinas dos semanas antes de que ocurran, lo que permite a los equipos preservar la calidad del agua, salvaguardar los ecosistemas y garantizar que los cinco millones de residentes de Salem tengan agua potable segura.

La IA industrial es esencial para la transición hacia la sostenibilidad

El mundo industrial está entrando ahora en lo que se ha llamado una revolución de la IA.

Ver la IA simplemente como una herramienta para aumentar las ganancias es subestimar severamente —y subutilizar— las capacidades de esta potente ciencia. A medida que las empresas industriales trabajan para integrar la sostenibilidad en el centro de sus operaciones, la IA puede empoderarlas para alinear el éxito empresarial con la responsabilidad ambiental.

La IA no resolverá la crisis climática, pero puede generar un mayor valor para las industrias al tiempo que mejora la sostenibilidad, aunque el éxito en cada caso requiere tiempo y esfuerzo y depende de cómo se apliquen las tecnologías.

Sin embargo, en general, la unión de la sostenibilidad y la rentabilidad ya no es un objetivo difícil de alcanzar. Con sus capacidades para optimizar procesos, mejorar la eficiencia y fomentar prácticas ecológicas, la IA sirve como un elemento vinculante que reúne estos objetivos aparentemente separados para crear el futuro que necesitamos.