La industria manufacturera conoce una división que pocos otros sectores tienen. Por un lado está la técnica operativa: sistemas de control, sensores, mantenimiento predictivo y control de calidad con reconocimiento de imágenes. Estos sistemas suelen adquirirse de manera formal, están integrados en máquinas o líneas de producción, y están sujetos a los procedimientos de ingeniería y seguridad existentes. Por otro lado está el entorno de oficina y de personal de apoyo: compras, planificación, apoyo de ingeniería, contacto con clientes y administración. Allí la IA generativa aparece de la misma manera que en cualquier otra organización: a través de un navegador, una cuenta suelta, una suscripción suelta.
La relación entre estas dos capas determina cómo debe configurarse un enfoque de gobernanza. Mientras que la técnica operativa está relativamente bien documentada porque forma parte de inversiones de capital y contratos de mantenimiento, la capa de oficina a menudo no está registrada en ningún sitio. Quien solo mira la línea de producción, ve una fracción de lo que realmente se usa de IA en la organización.
Un resumen del software aprobado rara vez cuenta toda la historia. Un ingeniero que hace resumir un dibujo, un planificador que usa una herramienta de IA para reorganizar los calendarios de entrega, un comprador que hace comparar ofertas por un modelo externo: eso ocurre a menudo sin que se haya presentado una solicitud o se haya registrado una licencia. No es negligencia; es una consecuencia práctica de la presión del tiempo y la disponibilidad de herramientas gratuitas o económicas.
Esta IA en la sombra es, para un directivo o gestor de riesgos, el verdadero punto de atención. La pregunta no es solo qué ha adquirido la organización, sino qué se usa diariamente para hacer el trabajo más rápido. Averiguar esto requiere un enfoque diferente al de una auditoría técnica: requiere que las personas estén dispuestas a contar lo que usan, sin que esta conversación se sienta como una obligación de rendir cuentas. Quien pregunta "¿quién ha usado algo aquí sin permiso?", no obtiene respuesta. Quien pregunta "¿qué usa usted para hacer su trabajo?", sí obtiene una respuesta.
No todo uso de IA en la industria manufacturera tiene el mismo peso. Una aplicación de IA que colabora en la validación de diseño o el control de calidad de un producto final afecta a la seguridad y la responsabilidad de una manera distinta que una herramienta que redacta un correo electrónico a un proveedor. Un sistema que influye en la planificación de la producción puede tener consecuencias para los plazos de entrega y las obligaciones contractuales; una herramienta que resume notas internas, por lo general, no.
Esta diferenciación es la base de la clasificación: no todo uso de IA necesita el mismo nivel de supervisión, pero la distinción sí debe hacerse, y basándose en lo que hace el sistema y sobre qué influye, no en dónde se adquirió. Una herramienta descargada por un empleado individual puede tener tanta influencia en el resultado entregado a un cliente como un sistema adquirido a través de una vía formal.
La industria manufacturera rara vez trabaja de forma aislada. Los proveedores, subcontratistas y clientes forman parte del mismo proceso, y el uso de IA por parte de una de estas partes puede influir en lo que una organización entrega ella misma. Si un proveedor usa IA para interpretar especificaciones o generar informes de calidad, surge una dependencia que no es visible en los propios sistemas, pero que sí es relevante para quien asume la responsabilidad sobre el producto final.
Esta es una diferencia con los sectores donde el proceso primario se desarrolla en gran medida dentro de las propias paredes. Un enfoque de gobernanza para la industria manufacturera debe, por tanto, no solo identificar el uso interno, sino también formar una imagen de dónde en la cadena la IA desempeña un papel en decisiones que finalmente afectan a la organización.
La mayoría de las empresas manufactureras ya cuentan con estructuras de riesgo: para la seguridad del producto, para la gestión de calidad, para la evaluación de proveedores. La gobernanza de la IA funciona mejor cuando se conecta con lo que ya existe, en lugar de convertirse en un proceso nuevo y aislado. Una clasificación de las aplicaciones de IA por nivel de riesgo puede, por ejemplo, vincularse a los criterios de evaluación existentes para proveedores o al sistema de gestión de calidad, de modo que la información a la dirección o al consejo de vigilancia no se convierta en una vía aparte junto a las líneas de rendición de cuentas existentes, sino que se incorpore a ellas.
Cómo se concreta exactamente esta conexión varía según la organización y depende de la estructura de gobernanza existente. Otros sectores conocen cuestiones comparables desde una estructura diferente: en el sector del transporte existe una tensión similar entre los sistemas operativos y el uso en oficina, en el sector agrícola la dependencia de la cadena suele notarse aún de forma más directa, y en los servicios profesionales falta en gran medida la capa operativa, por lo que allí la IA en la sombra es prácticamente la única capa que hay que identificar.
Un inventario del uso de IA y una clasificación por riesgo dan a una organización una visión de lo que está ocurriendo y dónde se necesita supervisión. Esta pregunta está en línea con otra pregunta que muchas empresas manufactureras se plantean: qué parte del trabajo mismo, a nivel de tareas individuales, realmente puede ser asumida por la IA. Mientras que la gobernanza identifica lo que ocurre y quién es responsable de ello, el escáner de trabajo de FTE TO AI calcula, por tarea, qué parte realmente es apta para ser asumida por la IA, una pregunta que solo puede responderse bien cuando primero está claro lo que ya está en marcha.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.