De 40 horas a 30 minutos: cómo la IA transformará la planta de producción y empoderará a los trabajadores

Un ingeniero dedicó 40 horas a un estudio de tiempos. La IA realizó el mismo análisis en 30 minutos, por 4 dólares y con una precisión del 79%. Ahora, el cuello de botella para las herramientas de planta eres tú.

Hace un mes, hablé con un ingeniero que dedicó 40 horas a elaborar un estudio de tiempos meticuloso sobre un trabajo de fabricación a medida que duraba 20 horas. Analizó minuciosamente 18 vídeos en *time-lapse* —revisándolos a veces fotograma a fotograma— para registrar cada elemento del trabajo, los desperdicios y la duración de cada fase. En total, registró casi 1.000 filas en Excel detallando cómo empleaba su tiempo el operario.

Sin embargo, tras esas 40 horas de trabajo, la tarea del operario no había cambiado en absoluto.

Aquel análisis de 40 horas fue un requisito indispensable —una tarea ardua y tediosa— que hubo que superar simplemente para visualizar el trabajo y empezar a plantearse cómo mejorarlo.

Tras una charla que impartí sobre IA en la Lean Enterprise Australia Summit, el responsable de operaciones de la empresa me invitó a realizar un experimento para averiguar si la IA podía agilizar esta labor.

La respuesta fue un rotundo «sí».

Una combinación de Claude, Gemini y Codex llevó a cabo el mismo estudio en 30 minutos por un coste de 4 dólares, logrando una precisión mediana del 79% en los 18 vídeos —con picos del 90% en tres de ellos— al compararlos con el estudio realizado por el ingeniero.

Los fallos se debieron a un ángulo de cámara que no abarcaba toda la zona de trabajo, a manos que ocultaban la acción y a la dificultad para identificar algunas herramientas. El equipo ideó rápidamente varias medidas para solucionar estos problemas de cara a un segundo experimento.

La IA no se limitó a realizar el análisis. Con unas pocas instrucciones (prompts), Opus 5 creó una aplicación para visualizar los resultados que tiene mejor aspecto que la mayoría de las soluciones SaaS empresariales. La imagen siguiente es una recreación de la aplicación que utiliza una ilustración para preservar el anonimato de la empresa. Cualquier persona podría aprender a utilizarla con unos minutos de formación.

Si el ingeniero hubiera contado con esta herramienta, habría podido dedicar esas 40 horas a trabajar codo a codo con el operario para mejorar una tarea que ambos podían ver y analizar juntos.

Una hoja de cálculo de Excel gigantesca no es precisamente una forma atractiva de involucrar a alguien. Resulta intimidante y aparatosa, y ni siquiera muestra el trabajo en sí, ya que el vídeo no está integrado en la hoja. Si el ingeniero quiere mostrarle al operario cómo pasó nueve minutos buscando una herramienta, debe hacer coincidir la marca de tiempo de la fila 538 con uno de los 18 videos y luego avanzar hasta el momento exacto. ¡Irónicamente, el estudio de tiempos de 40 horas genera el propio desperdicio que supone realizar dicho estudio!

Lo que es más importante: con una capacitación adicional, el ingeniero e incluso el operario podrían aprender a crear esta herramienta por sí mismos. Los modelos de IA más recientes —Opus 5, Fable y Sol— son tan capaces que el cuello de botella para crear herramientas sofisticadas es ahora usted mismo.

Imagine a un ingeniero trabajando codo a codo con un operario para crear herramientas a medida que resuelvan exactamente sus problemas: sin costosos proveedores externos que cobran decenas de miles de dólares, sin procesos de adquisición tediosos, sin reuniones interminables para diseñar el sistema final, sin implementaciones plagadas de errores o que no cumplen las expectativas y, finalmente, sin sistemas que terminan siendo meros fondos de pantalla digitales que los usuarios esquivan constantemente mediante hojas de cálculo paralelas no oficiales.

Un equipo reducido de personas familiarizadas con el trabajo puede crear un prototipo funcional en cuestión de horas e iterar continuamente sus propias soluciones.

¿Qué es más probable: que un operario utilice una herramienta que él mismo diseñó o una que le entrega el departamento de TI? ¿Cuántas veces puede permitirse una empresa asignar a un ingeniero cualificado a un estudio de tiempos de 40 horas? ¿Cuántos ingenieros cualificados harían falta para analizar todo el taller?

Tres efectos permitirán ciclos de mejora mucho más rápidos:

1. La IA puede escalar el análisis a toda la planta y operar de forma continua, proporcionando retroalimentación inmediata a todo el equipo.
2. Los ingenieros quedan liberados de estudios monótonos y laboriosos, lo que les permite centrar sus esfuerzos en mejorar las condiciones en la planta.
3. Los operarios participan en el diseño del sistema, por lo que muestran una mayor disposición a utilizarlo.

Ahora bien, existe el riesgo de que la dirección utilice estas herramientas para la vigilancia masiva en lugar de para el empoderamiento masivo. Los líderes deben establecer principios que regulen su uso y dar ejemplo aplicándolos. El mantra Lean —«ir a ver, preguntar por qué, mostrar respeto»— cobrará más importancia que nunca en la era de la IA, dado que la dirección puede desplegar legiones de bots para observar cada segundo y cada centímetro operativo de sus instalaciones. Basta con consultar el reciente artículo de Tyson Heaton, director ejecutivo de LeanTech/IA del LEI, sobre cómo Meta registra las pulsaciones de teclado de sus empleados. No obstante, las oportunidades superan a los riesgos. Los líderes que fomenten un entorno propicio para soluciones surgidas desde la base no solo obtendrán resultados de negocio extraordinarios, sino que también lograrán un aumento significativo en el compromiso del personal.

El software empresarial y los sistemas MRP no van a desaparecer por ahora. Sin embargo, surgirán nuevos tipos de software —creados por equipos sin perfil técnico— que transformarán la manera en que se realiza el trabajo. Estas herramientas eliminarán las tareas tediosas y facilitarán el intercambio de información sobre el rendimiento, permitiendo a los equipos mejorar rápidamente. Dado que serán las propias personas que ejecutan el trabajo quienes desarrollen estos sistemas, su utilidad se disparará.

Los días de crear hojas de cálculo de Excel con miles de filas están llegando a su fin, dando paso a soluciones innovadoras diseñadas en el propio lugar de trabajo y por quienes lo ocupan.

Matthew Savas. Fundador de Kaizumi, una plataforma de formación en metodología Lean impulsada por inteligencia artificial. Antes de Kaizumi, Matt trabajó en el Lean Enterprise Institute y en la Lean Global Network durante más de una década.

Extraído de: The Lean Post