¿Qué es la gestión de activos con IA?

La gestión de activos impulsada por IA está revolucionando la forma en que los gestores de activos, los directores de operaciones y los equipos de mantenimiento mantienen las operaciones en funcionamiento.

La gestión de activos con IA abarca una amplia gama de ámbitos, entre los que se incluyen la gestión de portfolios, la gestión patrimonial, la gestión de riesgos, la gestión de inversiones y el cumplimiento normativo. Las soluciones de gestión de activos impulsadas por IA son aplicables a todos los portfolios de activos, incluyendo inmuebles e instalaciones, fabricación, energías renovables, activos de TI y recursos digitales. La gestión de activos puede referirse a los servicios financieros o al aspecto operativo de una empresa. El objetivo de este artículo es abordar la gestión de activos mediante IA para equipos físicos e infraestructuras críticos.

Las soluciones unificadas de gestión de activos y gestión de instalaciones utilizan la IA generativa para la gestión de activos, combinada con la IA tradicional, para optimizar los flujos de trabajo, automatizar el seguimiento y mitigar las restricciones de personal. Estos modelos fundacionales se basan en modelos de lenguaje de gran tamaño (LLM) y se entrenan con una enorme cantidad de datos.

La tecnología está alejando a las organizaciones del mantenimiento programado o reactivo y pasando a una supervisión de activos continua y basada en datos. Mediante el análisis predictivo y la monitorización del rendimiento en tiempo real, las organizaciones pueden maximizar el valor de sus activos.

Los sistemas inteligentes de IA para activos físicos están transformando toda la ecuación empresarial de las organizaciones y ayudando a los directores generales (CEO) a aumentar la eficiencia operativa y la fiabilidad.

Las empresas modernas se enfrentan a más complejidad, a costosos tiempos de inactividad no planificados y al big data. Las turbulentas condiciones del mercado y las tendencias impredecibles están dificultando a las organizaciones la planificación con antelación. Las soluciones impulsadas por IA pueden ayudar a mitigar y prevenir estos desafíos antes de que se conviertan en problemas operativos, al potenciar procesos importantes como la gestión de la integridad de los activos (AIM) y el seguimiento de los activos .

En los últimos años, ha quedado claro que más organizaciones están reconociendo el valor de las plataformas de IA. Según un informe del IBM Institute for Business Value, el 71 % de los directivos afirma que la IA generativa cambia fundamentalmente la forma en que gestionarán los activos. Del mismo modo, el 72 % afirma que aumenta el valor estratégico de la gestión de activos físicos para su empresa.

En todos los sectores, los fallos de los equipos son uno de los desafíos operativos más perturbadores y caros a los que se puede enfrentar un equipo. Los modelos de IA pueden ayudar a mitigar fallos de equipo realizando mantenimiento predictivo y previendo posibles interrupciones.

Los equipos de operaciones modernos generan más datos de sensores de los que los equipos de mantenimiento pueden procesar. Las soluciones de gestión de activos con IA pueden agilizar el proceso de datos y utilizarlos para impulsar una toma de decisiones más estratégica y decisiones de inversión más inteligentes.

Otros desafíos incluyen el envejecimiento de la infraestructura y una brecha en el conocimiento institucional a medida que el personal experimentado se jubila. Las herramientas de IA ofrecen opciones de tecnología escalable que pueden abordar estas carencias y aplicar ese conocimiento a escala.

La gestión de activos de IA implica varios pasos clave y tecnologías básicas de IA para impulsar el proceso.

Los dispositivos del Internet de las cosas (IoT), los sensores y los drones generan continuamente grandes cantidades de datos. Estos datos son fundamentales para el proceso de gestión del rendimiento de los activos (asset performance management), ya que constituyen la fuente de energía de la que depende todo lo demás.

Diferentes tipos de sensores capturan distintos tipos de datos, como vibración, temperatura, presión, acústica y niveles de fluidos. Es importante reconocer que los datos de los sensores sirven como capa de entrada para el proceso de gestión de activos. Los resultados de la IA están directamente ligados a datos limpios y continuos.

Los modelos de machine learning (ML) aprenden de los datos históricos el aspecto "normal" y monitorizan los datos entrantes para detectar desviaciones.

Las plataformas de gestión de activos empresariales (EAM) integran de forma nativa la IA y el ML para señalar problemas ocultos y detectar anomalías antes de que provoquen tiempos de inactividad imprevistos. Básicamente, el ML dota a cada equipo de su propio sistema de monitorización continua del estado, que se adapta al comportamiento de dicho activo.

Al igual que el machine learning, el análisis predictivo utiliza datos históricos y datos en tiempo real para predecir cuándo un activo o un componente está en declive o al borde de la falla.

El análisis predictivo utiliza algoritmos de IA para analizar los datos y calcular la vida útil restante de los componentes y programar el mantenimiento específico según sea necesario. Este nivel de perspectiva permite a los equipos de mantenimiento dejar de depender de calendarios fijos y programar el trabajo en función del estado real de los activos.

El procesamiento del lenguaje natural (PLN) lee e interpreta datos no estructurados, como registros de mantenimiento, notas de técnicos, órdenes de trabajo e informes de fallos. La tecnología puede sacar a la luz patrones en miles de registros de texto y convertirlos en perspectivas que, de otro modo, permanecerían enterradas.

La adopción de la IA y el PLN puede permitir a los usuarios buscar historiales de reparaciones y recomendar soluciones con facilidad.

La IA generativa ayuda a los equipos de gestión de activos con las tareas y los flujos de trabajo diarios. La IA generativa tiene que ver menos con la predicción y más con la entrega de contenido original, como órdenes de trabajo o informes de mantenimiento.

La tecnología ayuda a los gestores de activos a actuar con mayor rapidez sobre la base de las perspectivas generadas por la IA y reduce la carga administrativa. La IA generativa no pretende sustituir el juicio o las habilidades humanas, sino que se encarga de la recopilación de información y de las tediosas tareas de comunicación que restan tiempo al trabajo de mantenimiento real.

La IA agéntica está en camino, pero aún no es una tecnología popular para la gestión de activos.

Los gestores de activos utilizan la IA durante todo el proceso de gestión de activos para automatizar las tareas y predecir los fallos. Sin embargo, la IA agéntica es un sistema de IA completo que puede realizar secuencias de acciones de forma autónoma de principio a fin. Este tipo de aplicaciones de IA aún requieren supervisión y aprobación humana para tomar decisiones importantes.

Los equipos de operaciones y mantenimiento pueden beneficiarse de la gestión de activos de la IA en todo su flujo de trabajo. Algunos casos de uso comunes en el mundo real incluyen la automatización de tareas, la asignación de presupuestos y la planificación de inversiones en activos:

• Gestión del ciclo de vida de los activos: los gestores de activos pueden utilizar la IA para analizar el coste total de propiedad (TCO) de un activo, desde el precio hasta las reparaciones de emergencia y la eliminación. Las soluciones impulsadas por IA ayudan a determinar el punto óptimo para reparar, renovar o reemplazar el activo.

• Optimización energética y sostenibilidad: las soluciones de gestión de activos con IA abordan los retos de generación de energía y sostenibilidad e identifican el desperdicio energético en instalaciones y activos. Además, las plataformas unificadas supervisan los activos de generación de energía independientemente de las fuentes de datos.

• Monitorización del estado de los equipos: las soluciones de gestión de activos impulsadas por IA proporcionan una monitorización continua en tiempo real de los equipos, la maquinaria y la infraestructura. Cuando los modelos de lenguaje de gran tamaño (LLM) reciben conjuntos de datos limpios, las herramientas de IA pueden analizar los datos para detectar señales de alerta tempranas antes de fallar.

• Gestión de instalaciones: la gestión de activos de la IA se aplica a los sistemas de edificios, como el sistema de calefacción, ventilación y aire acondicionado (HVAC), la iluminación, los ascensores y el consumo de energía. Un equipo de instalaciones utiliza la IA para optimizar el rendimiento y reducir los costes analizando las opciones de activos y tomando decisiones informadas.

• Programación de mantenimiento predictivo: la generación de órdenes de trabajo con IA ayuda a garantizar que los programas de mantenimiento se basan en las condiciones reales de los activos. Los modelos predictivos reducen las interrupciones, el servicio y las reparaciones de emergencia innecesarias.

• Seguridad y cumplimiento: los chatbots y asistentes virtuales de IA monitorizan las condiciones de seguridad en tiempo real y proporcionan una orientación rápida. Los vendedores crean herramientas de IA para cumplir con las normas locales, estatales y federales.

• Activos de software: la gestión de activos de software y TI utiliza IA para la concesión de licencias inteligentes, el cumplimiento normativo y la monitorización continua. Los sistemas con IA utilizan la IA para rastrear los patrones de uso e identificar las aplicaciones infrautilizadas.

• Viajes y transporte: las soluciones de activos con IA pueden mantener las flotas en funcionamiento de forma fiable y bajo control. Los datos de activos conectados y los flujos de trabajo de mantenimiento ayudan a reducir el tiempo de inactividad y prolongar la vida útil de los activos.

La gestión de activos de la IA se aplica a todos los equipos y sectores. El uso dependerá de los objetivos y el propósito de la organización:

• Energía y suministros: ingenieros que monitorizan la infraestructura de generación y distribución de energía.

• Instalaciones e inmuebles: gestores de instalaciones que supervisan edificios comerciales y campus universitarios.

• Gobierno y sector público: agencias que gestionan la infraestructura pública, como las instalaciones de tratamiento de agua o las redes de transporte.    

• Sanidad: equipos biomédicos y de instalaciones encargados de la gestión de los equipos médicos y la infraestructura hospitalaria.

• Fabricación: responsables de planta y de operaciones que se encargan del mantenimiento de los equipos de producción.

• Transporte: responsables de flotas y equipos de mantenimiento ferroviario o aeronáutico.

La gestión de activos impulsada por IA puede beneficiar a muchos stakeholders, tanto dentro como fuera de una organización. Las nuevas tecnologías están brindando nuevas oportunidades de crecimiento y resultados operativos:

• Mejora la planificación del capital: el análisis de los datos sobre el ciclo de vida de los activos ayuda a los responsables a tomar decisiones más acertadas a la hora de decidir entre reparar o sustituir.

• Prolonga la vida útil de los activos: un seguimiento minucioso y una intervención oportuna pueden alargar la vida útil de los costosos equipos.

• Mejora la eficiencia del personal: la automatización del mantenimiento rutinario permite a los técnicos disponer de más tiempo para dedicarse a tareas que requieren mayores competencias.

• Reduce los costes de mantenimiento: realizar el mantenimiento de los activos en función de las necesidades reales, en lugar de seguir un calendario fijo, reduce los costes de mantenimiento.

• Reduce el tiempo de inactividad no planificado: detectar de forma preventiva los fallos antes de que se produzcan mantiene las líneas de producción y las instalaciones en funcionamiento.

Las nuevas tecnologías despiertan un gran interés, pero integrar un sistema de IA en un proceso tradicional de gestión de activos puede suponer un reto:

• Calidad de los datos y etiquetado: la calidad de los modelos de IA depende de la calidad de los datos con los que se entrenan. Los equipos de activos deben asegurarse de que los datos de mantenimiento y sensores estén limpios y completos, de lo contrario corren el riesgo de obtener resultados inexactos.

• Integración con los sistemas CMMS y EAM existentes: los sistemas informatizados de gestión de mantenimiento (CMMS) y las plataformas de gestión de activos empresariales (EAM) existentes deberán conectarse a las herramientas de IA. Este proceso no siempre es "plug-and-play", por lo que requiere más tiempo y recursos para que la integración se lleve a cabo con éxito.

• Equipos heredados y lagunas de datos: los activos físicos antiguos podrían carecer de los sensores o la conectividad necesarios para alimentar los sistemas de IA. Será necesario reacondicionar el activo, lo cual es un proceso costoso y que requiere mucho tiempo. Los equipos tendrán que considerar el tiempo y los recursos antes de comprometerse con una solución impulsada por IA.

Las organizaciones que deseen adoptar la gestión de activos con IA pueden seguir un enfoque gradual. El proceso de implementación variará ligeramente según la organización, pero puede seguir estos pasos generales para aprovechar al máximo los beneficios:

1. Audite los datos de los activos: evalúe la calidad de los datos de mantenimiento existentes, los datos de los sensores y la documentación de los equipos. Revíselos para comprobar su calidad y exhaustividad, e identifique cualquier deficiencia en cuanto a precisión y visibilidad con el fin de orientar las soluciones de IA.
2. Empiece por los puntos de fallo de mayor coste: priorice las áreas más caras y problemáticas. Intentar monitorizar todo a la vez puede resultar abrumador. Identifique los activos con más margen de mejora y empiece por ahí.
3. Conecte los activos: determine qué infraestructura de sensores hay instalada y dónde es necesario añadirla a los equipos más antiguos. Explore las opciones de adaptación del Internet de las Cosas (IoT) y descubra qué se puede hacer con equipos heredados.
4. Elija la plataforma adecuada: busque una plataforma de gestión de activos con IA de proveedores acreditados que se adapte a las necesidades y objetivos de la organización y a los sistemas actuales. Encuentre un sistema que se integre con los sistemas CMMS y EAM existentes y admita tipos de activos específicos para un entorno específico.
5. Incorpore la supervisión humana: defina dónde interviene la IA y dónde es necesaria la supervisión humana. Los agentes de IA no deberían tomar decisiones o emprender acciones de alto impacto, pero pueden ayudar a dirigir y guiar a los humanos en una dirección particular.
6. Mida y repita: establezca métricas de referencia antes de implementar la solución de IA. Si no se dispone de cifras con las que comparar, como el coste de mantenimiento por activo y el tiempo de inactividad no planificado, las organizaciones no sabrán si sus herramientas están funcionando correctamente.

Puede que los activos no cambien, pero la forma en que una organización los gestiona sí lo hace, sin duda, gracias a las nuevas opciones tecnológicas que están irrumpiendo en el ámbito de la gestión de activos:

• IA agéntica: el agente autónomo está ganando popularidad entre las organizaciones gracias a su capacidad integral para monitorizar, clasificar, programar y elaborar informes sobre portfolios completos de activos con una intervención humana mínima. Según el IBM Institute for Business Value, el 55 % de las organizaciones están desarrollando o implementando activamente un modelo operativo de IA agéntica.

• Gemelos digitales: los gemelos digitales de activos físicos con IA podrían ser el próximo cambio importante en la gestión de activos. Los gemelos digitales simulan el rendimiento, prueban los escenarios de mantenimiento y modelan los resultados del ciclo de vida antes de que se produzca una acción en el mundo real.

• IA edge: esta nueva tecnología aporta la inferencia de IA directamente al activo sin necesidad de dependencia de la nube. Activos como smartphones y sensores impulsados con IA edge pueden evitar los tiempos de tránsito por internet y el hardware local procesa los datos en milisegundos.

• Mantenimiento prescriptivo: el próximo paso más allá del mantenimiento predictivo es la capacidad de prescribir acciones. Las soluciones impulsadas por IA se utilizan ahora para prescribir acciones exactas, plazos y requisitos de habilidades de los técnicos con certeza.

• Integración de la sostenibilidad: la sostenibilidad siempre ha formado parte de la conversación, pero ahora parece que la IA es una herramienta fundamental para cumplir con los compromisos de emisiones cero neto y medioambientales, sociales y de gobierno (ESG) . Las herramientas con IA pueden optimizar el uso de la energía y reducir el desperdicio de materiales en todos los portfolios de activos.