El impacto de la Inteligencia Artificial en el sector de la movilidad

Está claro y se acepta ampliamente que la Inteligencia Artificial (AI) va a cambiar nuestras vidas, pero no se sabe con seguridad cuándo sucederá. La utilización de estas tecnologías permitirá a las empresas y a las personas realizar más tareas con un menor esfuerzo, al automatizar procesos complejos. En este artículo se explora el impacto de la Inteligencia Artificial en el sector de la movilidad.

¿Qué es la Inteligencia Artificial y por qué es importante?

La Inteligencia Artificial, definida en 1956 por el profesor universitario John McCarthy, es "la ciencia y la ingeniería de crear máquinas inteligentes, especialmente programas informáticos inteligentes". Un subconjunto de IA es el aprendizaje automático, que se describe como el campo de estudio que ofrece a los ordenadores la capacidad de aprender sin estar programadas explícitamente.

Según McKinsey, la aplicación de la Inteligencia Artificial permitirá el aumento de la productividad y otros beneficios no solo para las empresas, sino también para toda la economía. Las estimaciones desde un punto de vista macroeconómico indican que la automatización por sí sola podría aumentar el crecimiento de la productividad a nivel global de un 0,8 % a un 1,4 % cada año.

La Inteligencia Artificial tendrá un impacto transformador similar al que tuvo la electricidad hace 100 años. Cambiará cada sector, desde la sanidad hasta el transporte, las comunicaciones y los procesos de fabricación.

Aunque la idea de la Inteligencia Artificial no es novedosa, el ritmo de los avances recientes definitivamente lo es. Hay tres factores principales que promueven esta aceleración:

1. Capacidad informática: están surgiendo avances más allá de la generación actual de unidades de procesamiento central (CPU, por sus siglas en inglés) y unidades de procesamiento de gráficos (GPU, por sus siglas en inglés). Se ha agregado esta capacidad en centros de datos altamente escalables y se puede acceder a ella a través de la nube.
2. Macrodatos: se recopilan enormes cantidades de información (imágenes, voz, vídeo, ubicación, información de sensores…) a través de procesos de IoT y se pueden utilizar para formar modelos de inteligencia artificial.
3. Aprendizaje Automático (AA): los algoritmos han avanzado de manera considerable mediante el desarrollo de un aprendizaje profundo basado en redes neuronales. Además, la accesibilidad de estos algoritmos a través de kits de herramientas, como scikit-learn y Tensorflow, está ayudando a los desarrolladores y analistas de datos.

La Inteligencia Artificial y la adopción de la tecnología

Las empresas deberán tener en cuenta una serie de consideraciones pertinentes antes de empezar con la Inteligencia Artificial. La tecnología es compleja y su éxito depende del entorno (es decir, la calidad de los datos, la cultura empresarial o la apetencia de los clientes). Normalmente, la Inteligencia Artificial afecta en cierta medida a la transparencia de las decisiones y el Reglamento General de Protección de Datos (RGPD), que obliga a las empresas a indicar claramente lo que hacen con los datos, puede aumentar la complejidad.

También preocupa considerablemente la seguridad. Se debe tener en cuenta en las fases tempranas la garantía de que una Inteligencia Artificial no se piratee ni se programe de forma maliciosa. En unas declaraciones en Toronto, un centro mundial emergente de inteligencia artificial, el Primer Ministro de Canadá, Justin Trudeau, reforzó la importancia de la ética aplicada a la Inteligencia Artificial y sugirió un "grupo de trabajo" en Canadá, donde existe un fuerte código moral y ético que favorece la diversidad.

¿Cómo afecta la Inteligencia Artificial a los puestos de trabajo?

Un interesante debate se centra en cómo se verán afectados los empleos de las personas. Según McKinsey, solo un pequeño porcentaje de empleos (aproximadamente el 5%) se pueden automatizar completamente mediante las tecnologías de Inteligencia Artificial actuales, mientras que el 60% de los empleos tienen al menos un 30% de actividades que se pueden automatizar. Esto también se aplica a los directores generales, ya que dedican alrededor de una cuarta parte de su tiempo a actividades que pueden hacer las máquinas, como el análisis de informes y datos para fundamentar las decisiones.

En lugar de sustituir a los empleos, la Inteligencia Artificial reducirá algunas tareas en muchas profesiones y los trabajadores dispondrán de más tiempo para centrarse en las actividades que añaden más valor. Al eliminar las tareas menos creativas de su trabajo, la inteligencia artificial puede aumentar realmente la satisfacción laboral de los empleados.

Aplicaciones de la Inteligencia Artificial en el ámbito de la movilidad

Las tecnologías de la Inteligencia Artificial y de aprendizaje automatizado afectarán considerablemente a los sectores de la automoción y la movilidad a medida que introducen nuevos productos y modelos de negocio en lugar de solo mejoras de la productividad.

Según Microsoft, en el año 2025, el 100% de los coches nuevos estarán conectados, y en 2030, el 15% de los coches nuevos serán autónomos, ya que enviarán, recibirán y analizarán "enormes cantidades de datos".

Los coches son centros de datos sobre ruedas. Muchas partes interesadas pueden utilizar toda esa información (autoridades de tráfico, empresas de leasing, municipios, fabricantes de automóviles, aseguradoras, talleres, servicios de emergencia, etc.) en el ámbito de la movilidad para mejorar los procesos.

Algunos ejemplos de inteligencia artificial en el sector de la movilidad:

• Reducción de los accidentes laborales: las técnicas de AA permitirán aprender cuáles son las diferentes causas de los accidentes de carretera: la distracción, las condiciones meteorológicas, la fatiga, las averías de los vehículos... Al contar con sensores de IoT a bordo, podremos comprender en profundidad las razones que hay detrás de un accidente, así como predecir cuándo puede producirse un accidente similar (con una probabilidad razonable) y avisar al conductor y a la empresa, lo que mejora la seguridad de la flota.
• Transporte público bajo demanda: tendrá en cuenta tanto los datos históricos como los datos en tiempo real para planificar las rutas según la demanda y la capacidad. Sistemas que "se comunican" entre sí: el soporte combinado ha mejorado los patrones de enrutamiento y tráfico.
• Algoritmos de mantenimiento predictivo: detectarán un error potencial en función de datos estadísticos de los mismos modelos con condiciones de conducción similares y programarán un taller según la agenda del propietario.
• Logística inteligente: la realización de un seguimiento de los patrones de los operadores (recogida de pedidos, control de inventario y personal de campo), en combinación con los pedidos predictivos en ciertas áreas, puede reducir los tiempos de entrega y optimizar los niveles de existencias en los almacenes.

Geotab y la Inteligencia Artificial: datos completos para crear nuevas herramientas

Geotab comprende el potencial de la Inteligencia Artificial aplicada a gran volumen de datos que recopilamos diariamente (más de 5 mil millones de puntos de datos al día) y estamos tomando varias medidas para mejorar nuestros procesos y productos mediante el uso de macrodatos y técnicas de AA. Algunos ejemplos e iniciativas concretos son:

1. Utilizar el análisis de datos para optimizar las operaciones en todos nuestros departamentos, la producción prevista, la información financiera, las llamadas de asistencia, los inicios de sesión del servidor, etc.
2. Predecir problemas eléctricos del vehículo. En función de las curvas del voltaje de la batería y de las detecciones reales de agotamiento de la batería, hemos desarrollado un modelo de AA capaz de predecir cuándo está a punto de fallar una batería.
3. Ofrecer conjuntos de datos completos. Tras agregar y anonimizar los conjuntos de datos, ofreceremos nuestros datos exactos a terceros para crear aplicaciones valiosas para los diferentes sectores. Por mencionar algunos ejemplos para las ciudades inteligentes:
   1. Los badenes, detectados con el acelerómetro de nuestro dispositivo, ayudan a los municipios a localizar dónde tienen que reparar el pavimento.
   2. Zonas peligrosas. La identificación de áreas en las que se producen accidentes o donde hay muchos eventos bruscos ayudará a las autoridades a mejorar las señales de tráfico.
   3. La información sobre la temperatura exterior recopilada de los ordenadores de los vehículos para detectar posibles áreas de contaminación y predecir con mayor precisión las condiciones climáticas en una ciudad.
   4. Búsqueda de estacionamiento. La identificación de patrones de vehículos que buscan lugares donde estacionar ayudará a los responsables de las infraestructuras a planificar el transporte público y/o nuevas áreas de estacionamiento.
   5. Tráfico en intersecciones. Evaluación precisa de los flujos de tráfico, incluidos los tiempos de espera, e identificación del tipo de vehículo al mismo tiempo (por ejemplo, camiones frente a turismos)