Transformación basada en datos
Otra práctica clave de transformación digital es la integración de inteligencia artificial (IA) y aprendizaje automático (ML) para automatizar, o al menos optimizar y simplificar, el desarrollo de productos. En Raytheon, los equipos aprovechan la ingeniería basada en modelos para predecir interacciones complejas de fluidos, estructurales y térmicas en los sistemas de misiles para que los ingenieros puedan comprender mejor cómo funcionará un producto a velocidades hipersónicas. Pero cualquier industria puede usar AI y ML para ayudar a los equipos a tomar decisiones de diseño mejores y más inteligentes y, en última instancia, mejores productos y experiencias para clientes y usuarios finales.
La tecnología de procesamiento del lenguaje natural, una rama de la IA que entrena a las máquinas para comprender el habla y la escritura humanas, por ejemplo, puede mejorar todo, desde las operaciones de atención al cliente hasta las descripciones de productos de comercio electrónico. AI y ML también se pueden usar para optimizar y automatizar las operaciones de almacenamiento y la entrada y el procesamiento de datos. Durante los primeros días de la pandemia, algunos bancos confiaron en la automatización de procesos robóticos impulsados por IA para responder a la afluencia masiva de solicitudes del Programa de protección de cheques de pago y presentar rápidamente presentaciones al gobierno de EE. UU.
Un objetivo central de muchas transformaciones digitales es conectar los datos almacenados en toda la organización, lo que facilita su descubrimiento, acceso y aprovechamiento. Esto a menudo se logra a través de un modelo de datos federados, un enfoque para la gestión de datos que crea una vista centralizada de los datos de la organización, aunque residen en ubicaciones dispares. Al alinear los datos que antes estaban en silos y almacenarlos en su origen, la federación de datos proporciona un acceso simple a los datos actualizados, lo que permite que diversos equipos colaboren a lo largo de los procesos de desarrollo, fabricación y prueba.
En empresas como Raytheon, donde la seguridad y la protección son una de las principales preocupaciones, los datos deben organizarse y protegerse con un cortafuegos para garantizar que solo aquellos con el acceso adecuado puedan ver la información clasificada. Pero una vez implementada, una arquitectura de datos moderna también ha ayudado a los equipos de Raytheon a navegar por una cadena de suministro global que continúa enfrentando desafíos causados por la pandemia y los conflictos políticos en curso.
“Teníamos datos almacenados en múltiples sistemas. Había datos en nuestro sistema de adquisiciones y datos en nuestro sistema de gestión de riesgos. Había datos almacenados en el programa maestro de cada programa”, dice Gundrey. “Ahora, nuestro equipo de la cadena de suministro puede reunir todos estos datos y usar IA y ML para predecir mejor los plazos de entrega de los materiales y ayudarnos a planificar mejor las actividades de nuestro programa”.
Estas tecnologías transformadoras y los datos más importantes se pueden vincular a través de un “hilo digital”, una arquitectura de comunicaciones que se ejecuta a través del proceso de fabricación. Al capturar y transmitir datos a lo largo del ciclo de vida del producto, el hilo digital integra tecnologías digitales dispares en una visión holística. Las personas y los procesos, por supuesto, siguen siendo fundamentales para esta transición. Como dice Gundrey, “Quiero que la gente sepa que, a medida que construimos este hilo digital, se trata de las personas y los procesos de trabajo que lo acompañan”.
Los beneficios de la transformación digital
Para las empresas de hoy, los beneficios de la transformación digital son extensos. Además de conectar y acelerar el ciclo de desarrollo de productos y brindar a los equipos datos más completos y relevantes, también puede ayudar a reducir el riesgo.
A nivel empresarial individual, esto podría significar reducir el riesgo de decepcionar a un usuario final porque la metodología ágil ayudó a los equipos a identificar posibles problemas al principio del proceso de diseño. El uso de estos enfoques iterativos y colaborativos brinda a los equipos la capacidad de abordar problemas de diseño complejos desde el principio, lo que evita el riesgo de una costosa reelaboración posterior y brinda a los gerentes una mayor previsión sobre cómo los componentes separados funcionarán juntos.