thyssenkrupp Materials Services ‘lo toma con calma y avanza’ – con su nueva solución de IA ‘alfred’ para optimizar su red logística

Alfred Krupp fundó su compañía en 1811. Ahora, más de 200 años después, él es el mismo nombre e inspiración para una solución de inteligencia artificial construida por thyssenkrupp Materials Services (tkMX), una de las áreas de negocios estratégicos de thyssenkrupp AG, ubicada en Alemania – y el más grande distribuidor materiales y proveedor de servicios en el mundo occidental.

La solución “Alfred” de IA, impulsada por Microsoft Azure, ayuda a la compañía a analizar y procesar más de dos millones de órdenes al año y atender mejor a sus 250 mil clientes globales.

Aunque alfred lleva en funcionamiento menos de un año, la solución ya ha comenzado a ayudar a tkMX a optimizar sus redes logísticas – al asignar materiales a la ubicación correcta mucho más rápido, minimizar el volumen de transporte y mejorar el uso de la capacidad de transporte de la compañía.

Transform se reunió con Axel Berger, jefe de transformación digital en tkMX, para escuchar más sobre cómo alfred ha comenzado a cambiar los negocios.

TRANSFORM: Cuéntame sobre alfred y cómo lo desarrolló tkMX. ¿Qué desafíos de negocio enfrentaban?

AXEL BERGER: Somos un mayorista, así que la información a partir de datos y los algoritmos de datos es posible que sean unas de las palancas más fuertes que tenemos para mejorar nuestros negocios. Teníamos muchos datos que antes no utilizábamos, por tres razones principales.

Primero, en realidad no teníamos la experiencia para trabajar en temas específicos de ciencia de los datos – teníamos los datos, pero no siempre estaban disponibles. Segundo, la calidad de los datos era un problema. Y tercero, no teníamos la tecnología para almacenar datos en diferentes formatos para utilizarlos y que estén disponibles en una ubicación central a una escala masiva. También nos faltaban las herramientas relacionadas para en verdad analizarlos, visualizarlos y al final, construir algoritmos a partir de ellos que pudieran ser implementados en diferentes escenarios.

Hay muchos casos de uso posibles para los mayoristas, y nos tomó mucho tiempo identificar el caso de uso que pudiéramos implementar primero. El mayor tema en el que nos enfocamos es la optimización de la red. ¿Cómo podemos optimizar, por ejemplo, los costos de transporte o nuestra red de suministro? ¿Cómo podemos reducir el inventario que es entregado de A B sin sacrificar nuestros niveles de servicio? Así que el primer proyecto en el que trabajamos fue de simulaciones de redes dentro de nuestra red de comercio en Alemania.

Es importante comentar que alfred crece a través de sus casos de uso. No creamos una enorme plataforma global que pudiera hacer todo. El primer caso de uso requiere una cantidad específica de datos, poder de cómputo y ciertas herramientas. Pero con casos de uso adicionales que ahora hemos implementado, alfred crece.

TANSFORM: Entiendo que desarrollaron a alfred de manera interna. ¿Nos puedes comentar sobre eso?

BERGER: alfred cobró vida a inicios de 2018. El mayor reto fue en definitiva la disponibilidad de los datos. Tienes la más grande tecnología, las mejores herramientas, pero el mayor desafío es obtener datos de calidad. Otro desafío es tener el conocimiento de dominio, la experiencia en el tema específico para en verdad hacerlo relevante.

Todos piensan que si solo usas datos e inteligencia artificial, al final esta IA te dará la información de valor que aún no conoces. Pero no pasa así. Se trata de tener los datos correctos con la calidad correcta, la experiencia y el conocimiento de dominio sobre un tema específico, y la tecnología para correrla. La tecnología es la parte sencilla, porque en la actualidad hay alguien como Microsoft que la tiene. Pero llevar los datos y el conocimiento de dominio al el proyecto y entender el caso de uso y las preguntas que tratas de responder, esa es la parte complicada.

TRANSFORM: ¿Me podrías describir qué puede hacer alfred en el transcurso de un día?

BERGER: ¡Hay muchas cosas que alfred puede hacer! De manera dinámica nos dice de qué sitio deberíamos transportar qué material a qué cliente. Optimiza nuestros niveles de inventario. Nos dice cuál es el precio perfecto para un cliente y producto específicos. Visualiza y nos dice qué clientes son rentables y cuáles no.

alfred nos puede ayudar a construir un modelo de mantenimiento predictivo para nuestra maquinaria, nos dice cuál máquina está a punto de romperse. alfred también nos ayuda a optimizar nuestra red de suministro en términos de sitios físicos – dónde deberíamos abrir el siguiente sitio o dónde cerrarlo, y qué materiales deberían ser ubicados en algún otro lugar. Nos ayuda a obtener mejores precios de compra porque ayuda con las negociaciones y la agrupación de materiales que queremos comprar. Todos estos son casos actuales de uso potenciales.

TRANSFORM: Entiendo que está en evolución pero, ¿Cuál es el mayor beneficio que alfred le ha dado a su negocio?

BERGER: Le dejamos a alfred (una máquina) la toma de decisiones basadas en datos. Uno de los eslóganes que usamos para alfred es “inteligencia en cada transacción”, que significa que queremos construir motores de decisión. alfred ya ha entregado el primero: El sistema nos dice de qué ubicación se debe suministrar al cliente – toma en cuenta todos los marcos de datos relevantes. Se podría decir que ese fue nuestro primer motor de decisión.

TRANSFORM: ¿Cuál ha sido la reacción de los empleados hacia alfred? ¿Lo han adoptado o al inicio hubo resistencia?

BERGER: La gente no se resistió a alfred, porque al instante les pudimos mostrar cómo les ayudaría en su trabajo diario, y los beneficios que obtendríamos. Con el caso de uso en el que hemos trabajado, alfred no implica despidos o redundancias. Sólo optimiza la manera en que trabajamos, y ayuda a mejorar el impacto que generan nuestros empleados. Así que alfred ha sido visto de manera positiva.

TRANSFORM: ¿Realizaron algún entrenamiento para preparar a los empleados para alfred?

BERGER: Sí, por supuesto. Los ayudamos, los entrenamos, los involucramos desde el inicio en el proceso. Los entrenamos en las herramientas. Lo que también hemos comenzado a planear es implementar laboratorios de datos, pequeñas versiones de alfred, para que la gente que trabaja en un problema específico de datos pueda utilizar a alfred para resolver sus propios problemas con sólo el toque de un botón. Les enseñamos cómo hacerlo – cómo utilizar Microsoft Power BI, por ejemplo, para visualizar sus propios datos. Eso ayudó mucho porque comenzaron a trabajar con datos y a entender mejor de qué se trata y cómo pueden ser utilizados.

TRANSFORM: ¿De qué otra manera alfred ayudó a sus empleados a conseguir más y a optimizar su trabajo?

BERGER: Alfred ha ayudado a los empleados al permitirles simular la configuración de la red de tkMX, lo que antes era muy difícil porque nuestra red es muy compleja. Ha ayudado con la disponibilidad de los datos – los empleados tienen mucho más datos a los que ahora pueden acceder por sí mismos, sin involucrar a nadie del almacenamiento de datos. Y por supuesto al incrementar la transparencia de los datos.

TRANSFORM: ¿Se han abierto nuevos roles u oportunidades para apoyar a alfred?

BERGER: Por supuesto. Roles como ingeniería de datos, arquitectura de datos, ciencia de los datos, diseñadores de soluciones – todos esos son roles que buscamos ahora.

TRANSFORM: ¿Qué consejo le darían a otras compañías que consideran lanzar una iniciativa de IA?

BERGER: Me gustaría apartar el foco de la palabra de moda “IA” y mejor discutir lo que hay detrás de ella. No creo que haya una inteligencia artificial como tal. Tenemos algoritmos enfocados.

En otras palabras, lo que recomendaría es calmarse y no tenerle miedo a la IA, porque los métodos tienen 60 años. Lo que ha cambiado son las oportunidades que tecnologías avanzadas como la nube y el cómputo del entorno brindan y el ritmo al que evolucionan. Así que los negocios necesitan acostumbrarse a esas nuevas tecnologías, y utilizar tecnología que sea fácil de manejar – como Microsoft Azure. Con Azure podemos lanzar aplicaciones que puedan ser utilizadas para agregar datos de manera rápida, manipular y analizar con el clic de un botón, con sólo unas cuantas personas al inicio.

Para comenzar, recomendaría tomar datos, buscar sus primeros casos de uso, y sólo construirlos sin diseñarlos para siempre. Clarificar las preguntas que quieren responder. No creer en algoritmos globales que resolverán el problema de encontrar la pregunta, el caso de uso. Porque de otro modo, todos esperan resultados de algo que ni siquiera saben si es un problema.

TRANSFORM: Basado en tu experiencia, ¿Qué preocupaciones o recompensas ves para la sociedad conforme la IA se vuelve más ubicua?

BERGER: De nuevo, diría que se calmen y se pongan en contacto con los métodos y tecnologías detrás de la IA. La gente le teme a las cosas que no conoce. Si se ponen en contacto con ella y entienden qué hay en verdad detrás de la IA, luego creo que es más fácil para la gente entender que estamos lejos de una real inteligencia artificial. Vemos casos de uso específicos, tecnologías específicas para resolver problemas específicos, pero nada parecido a una mente maestra.

Es importante hablar sobre IA e involucrarse en el debate público, porque con la evolución de la tecnología alrededor del aprendizaje automático y la IA, hay preguntas por responder, incluidas aquellas que son éticas y legales. Por ejemplo, el tan utilizado ejemplo de los carros autónomos. ¿Cómo la afrontamos conforme damos más y más autonomía y capacidad de toma de decisiones a las máquinas?

Estudié mecatrónica hace 25 años. Con la mecatrónica tú ya hablabas de sistemas ciber-físicos y programación y automatización de máquinas. Así que IoT es algo nuevo. Es sólo la tecnología que ha evolucionado y nos da nuevas oportunidades.

Cuando miras a la inteligencia artificial, las metodologías son de los años cuarenta, cincuenta – las redes neurales son un ejemplo. No es algo nuevo. Se trata de almacenamiento más barato, más poder de cómputo y mejor conectividad, pero también de la estandarización y armonización de datos. Y si regresas a ese punto, te das cuenta que es factible afrontarlo, porque hemos podido hacerlo durante muchos años.

TRANSFORM: Hablaste de lo que ahora hace alfred. En 10 años, ¿Dónde quieres que esté la plataforma?

BERGER: La tecnología evoluciona tan rápido que es difícil saberlo. ¿Conoces el dicho, ‘El apetito viene con la comida’? Es como cuando trabajas en un proyecto, encuentras nueva información a partir de los datos, nuevos puntos de datos que te dan la motivación para buscar el siguiente paso. Así que estoy convencido que habrá muchos más casos de uso en el futuro que ahora no puedo predecir.

Voy a aprender, todos vamos a aprender, la máquina va a aprender. Vamos a obtener más y más datos creados a partir de los datos que ya tenemos – otras fuentes de datos, datos de terceros y más. Así que ahora, no puedo predecir todos los casos de uso que veremos en el futuro. Vamos a trabajar bajo un paradigma, que es ‘Inteligencia en cada transacción’. Con el tiempo, alfred también tomará decisiones en nuestro sistema ERP de manera automática. En las transacciones promedio que hacemos, quisiéramos tener más inteligencia, y alfred nos puede ayudar con eso.

TRANSFORM: ¿Hay algo más que quisieras agregar?

BERGER: Soy un firme creyente de remover el misticismo de palabras de moda como IA y en su lugar enfocarme en lo que hay detrás – ayudar a la gente y las compañías a entender las tecnologías y métodos que nos ayudan a hacer más fáciles y mejores a nuestros negocios así como a nuestras vidas.

Es parte de mi rol como CDO, pero también creo que la digitalización es un grupo de palabras de moda. Si le preguntas a alguien en una conferencia qué quieren decir en verdad con digitalización, la mayoría de las personas te darán respuestas muy vagas. ¿Por qué?

Porque no lo saben, porque ven a la digitalización desde una perspectiva muy alta. Y creo que si en verdad quieres ir más allá de las palabras de moda, tienes que ir a los casos de uso y el negocio, y necesitas redefinir las oportunidades. Así que trato de salirme de las palabras de moda y adentrarme en los casos de uso.

Foto principal: thyssenkrupp Materials Services recibe alrededor de 14 millones de elementos de órdenes de manera anual. Con alfred, estas pueden ser procesadas y analizadas de manera eficiente. (Todas las fotos cortesía de thyssenkrupp Materials Services)