¿Qué es la gestión de activos con IA?

La gestión de activos impulsada por IA está revolucionando cómo los administradores de activos, los gerentes de operaciones y los equipos de mantenimiento mantienen las operaciones en funcionamiento.

La gestión de activos impulsada por IA abarca una variedad de áreas, incluyendo la gestión de carteras, la gestión de patrimonios, la gestión de riesgos, la gestión de inversiones y el cumplimiento. Las soluciones de gestión de activos impulsadas por IA son aplicables a todas las carteras de activos, incluyendo bienes inmobiliarios e instalaciones, fabricación, energías renovables, activos de TI y recursos digitales. La gestión de activos puede referirse a los servicios financieros o al lado operativo de una empresa. Este artículo tiene como objetivo cubrir la gestión de activos de IA para equipamiento e infraestructura físicos críticos.

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

La tecnología está alejando a las organizaciones del mantenimiento programado o reactivo para llevarlas a la supervisión continua de activos basada en datos. A través de análisis predictivos y el monitoreo 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 ejecutivos (CEO) a aumentar la eficiencia operativa y la confiabilidad.

Las empresas modernas se enfrentan a una mayor complejidad, un costoso tiempo de inactividad no planificado y big data. Las condiciones de mercado tumultuosas y las tendencias impredecibles están dificultando que las organizaciones planifiquen con antelación. Las soluciones impulsadas por IA pueden mitigar y prevenir estos desafíos antes de que se conviertan en problemas operativos, amplificando procesos importantes, como la gestión de 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 ejecutivos dice que la IA generativa cambia fundamentalmente la forma en que gestionarán los activos. Del mismo modo, el 72 % dice que aumenta el valor estratégico de la gestión de activos físicos para su empresa.

En todas las industrias, la avería de equipamiento es uno de los retos operativos más disruptivos y costosos que un equipo puede enfrentar. Los modelos de IA pueden mitigar las fallas del equipamiento mediante el mantenimiento predictivo y el forecasting de posibles interrupciones.

El equipamiento de operaciones moderno genera más datos de sensores de los que los equipos de mantenimiento pueden procesar. Las soluciones de gestión de activos de IA pueden optimizar el procesamiento 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 retira. Las herramientas de IA ofrecen opciones de tecnología escalables que pueden abordar estas brechas 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), sensores y drones producen continuamente grandes cantidades de datos. Estos datos son vitales para el proceso de gestión del rendimiento de activos porque son la fuente del poder del que depende todo lo demás.

Los diferentes tipos de sensores capturan diferentes 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 vinculados a datos limpios y continuos.

Los modelos de machine learning (ML) aprenden a partir de datos históricos de cómo se ve lo “normal” y monitorean los datos entrantes para detectar desviaciones.

Las plataformas de gestión de activos empresariales integran IA y ML de forma nativa para marcar problemas ocultos y detectar anomalías antes de que causen tiempo de inactividad no planificado. Esencialmente, el ML le da a cada equipamiento su propio monitor de estado continuo, y está en sintonía con cómo se comporta el activo.

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

Los análisis predictivos utilizan algoritmos de IA para analizar datos y calcular la vida útil restante de los componentes y programar el mantenimiento específico según sea necesario. Este nivel de insight 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 de lenguaje natural (PLN) lee e interpreta datos no estructurados, como registros de mantenimiento, notas de técnicos, órdenes de trabajo e informes de fallas. La tecnología puede mostrar patrones en miles de registros de texto y convertirlos en insights que de otro modo permanecerían ocultos.

La adopción de IA y PLN puede permitir a los usuarios buscar historiales de reparación 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 se centra menos en la predicción y más en entregar contenido original, como órdenes de trabajo o informes de mantenimiento.

La tecnología ayuda a los gerentes de activos a actuar más rápido sobre los insights generados por IA y reduce la carga administrativa. La IA generativa no está destinada a reemplazar el juicio o las habilidades humanas: maneja la recopilación de información y las tediosas tareas de comunicación que restan tiempo al trabajo de mantenimiento real.

La IA agéntica está por venir, pero aún no es una tecnología convencional para la gestión de activos.

Los gerentes de activos utilizan IA en todo el proceso de gestión de activos para automatizar tareas y predecir fallas. 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 aplicación de IA aún requiere supervisión y aprobación humanas para decisiones importantes.

Los equipos de operaciones y mantenimiento pueden beneficiarse de la gestión de activos con IA a lo largo de 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 gerentes de activos pueden usar la IA para analizar el costo total de propiedad (CTP) 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 de energía y sustentabilidad: las soluciones de gestión de activos con IA abordan los retos de generación de energía y sustentabilidad e identifican el desperdicio energético en instalaciones y activos. Además, las plataformas unificadas monitorean los activos de generación de energía independientemente de las fuentes de datos.

• Monitoreo del estado del equipamiento: las soluciones de gestión de activos impulsadas por IA proporcionan monitoreo continuo en tiempo real de hardware, maquinaria e infraestructura. Cuando los modelos de lenguaje grandes (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 las instalaciones: la gestión de activos con IA se aplica a 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 las instalaciones utiliza IA para optimizar el rendimiento y reducir costos analizando opciones de activo y tomando decisiones informadas.

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

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

• Activos de software: la gestión de activos de TI y software utiliza IA para licencias inteligentes, cumplimiento normativo y monitoreo continuo. Los sistemas impulsados por IA usan IA para rastrear patrones de uso e identificar aplicaciones infrautilizadas.

• Viajes y transporte: las soluciones de activos impulsadas por IA pueden mantener las flotas funcionando de manera confiable 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 con IA es aplicable en todos los equipos e industrias. El uso dependerá de los objetivos y el propósito de la organización:

• Energía y servicios públicos: ingenieros que monitorean la infraestructura de generación y distribución de energía.

• Instalaciones y bienes inmobiliarios: gerentes de instalaciones que supervisan edificios comerciales y campus.

• Gobierno y sector público: agencias que gestionan infraestructura pública como plantas de tratamiento de agua o redes de transporte.    

• Atención médica: equipos biomédicos e instalaciones que gestionan equipos médicos e infraestructura hospitalaria.

• Fabricación: gerentes de planta y operaciones que mantienen el equipamiento de producción.

• Transporte: administradores 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: la evaluación de los datos del ciclo de vida de los activos ayuda a los líderes a tomar decisiones más precisas sobre reparaciones en lugar de reemplazos.

• Extiende la vida útil de los activos: el monitoreo cercano y la intervención oportuna pueden extender la vida útil de los equipamientos costosos.

• Mejora la eficiencia de la fuerza laboral: la automatización del mantenimiento de rutina brinda a los técnicos humanos tiempo para realizar más trabajo de alta habilidad.

• Disminuye los costos de mantenimiento: el servicio de los activos en función de la necesidad real en lugar de un programa fijo reduce los costos de mantenimiento.

• Reduce el tiempo de inactividad no planificado: la detección preventiva de las fallas antes de que ocurran mantiene las líneas de producción y las instalaciones en funcionamiento.

La nueva tecnología genera gran entusiasmo, pero integrar un sistema de IA en un proceso tradicional de gestión de activos puede ser un reto:

• Calidad y etiquetado de los datos: los modelos de IA son tan buenos como 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 computarizados 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, ya que requiere más tiempo y recursos para una integración exitosa.

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

Las organizaciones que buscan adoptar la gestión de activos impulsada por IA pueden usar un enfoque paso a paso. El proceso de implementación variará ligeramente según la organización, pero usted puede seguir estos pasos generales para aprovechar al máximo los beneficios:

1. Auditar los datos de activos: evalúe la calidad de los datos de mantenimiento existentes, los datos de sensores y la documentación de equipamiento. Revíselos para determinar su calidad e integridad e identificar cualquier brecha en precisión y visibilidad para apuntar a las soluciones de IA.
2. Comenzar con los puntos de falla de mayor costo: priorice las áreas más costosas y disruptivas. Tratar de monitorear todo a la vez puede ser abrumador. Identifique los activos con más margen de mejora y empiece por ahí.
3. Conectar activos: determine qué infraestructura de sensores existe y dónde es necesario agregarla al equipamiento más antiguo. Explore las opciones de actualización del Internet de las cosas (IoT) y aprenda qué se puede hacer con el equipamiento heredado.
4. Elegir la plataforma correcta: busque una plataforma de gestión de activos impulsada por IA de proveedores acreditados que se alinee con las necesidades y objetivos de la organización y 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. Incorporar la supervisión humana: defina dónde interviene la IA y dónde es necesaria la supervisión humana. Los agentes de IA no deberían realizar acciones o tomar decisiones de altas consecuencias, pero pueden ayudar a dirigir y guiar a los humanos en una dirección particular.
6. Medir e iterar: establezca métricas de referencia antes de desplegar la solución de IA. Si no hay cifras para comparar, como el costo de mantenimiento por activo y las horas de tiempo de inactividad no planificado, las organizaciones no sabrán qué tan bien están funcionando sus herramientas.

Es posible que los activos no cambien, pero la forma en que una organización los gestiona ciertamente sí, gracias a las nuevas opciones de tecnología que ingresan al espacio de gestión de activos:

• IA agéntica: el agente autónomo está ganando popularidad entre las organizaciones debido a su capacidad integral para monitorear, evaluar, programar e informar en todas las carteras de activos con una mínima intervención humana necesaria. Según el IBM Institute for Business Value, el 55 % de las organizaciones están desarrollando o desplegando activamente un modelo operativo de IA agéntica.

• Gemelos digitales: las réplicas virtuales de activos físicos impulsadas por IA podrían ser el próximo cambio significativo 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.

• AI edge: esta nueva tecnología lleva la inferencia de IA directamente al activo sin la necesidad de dependencia de la nube. Los activos como los teléfonos inteligentes y los sensores infundidos con IA edge pueden evitar los tiempos de tránsito de Internet y el hardware local procesa los datos en milisegundos.

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

• Integración de la sustentabilidad: la sustentabilidad siempre formó parte de la conversación, pero ahora parece que la IA es una herramienta fundamental para cumplir con los compromisos de emisiones netas cero y medioambientales, sociales y de gobernanza (ESG) . Las herramientas impulsadas por IA pueden optimizar el uso de energía y reducir el desperdicio de materiales en todas las carteras de activos.