Impacto de la inteligencia artificial en la mejora continua de procesos industriales: escenario mundial y nacional

Abstract

Este documento presenta una investigación exhaustiva sobre el impacto de la inteligencia artificial en la mejora continua de procesos industriales, tanto a nivel mundial como nacional, con un enfoque en Chile. En la investigación se destaca el potencial de la IA para mejorar la eficiencia operativa mediante la automatización, la toma de decisiones basada en datos y la reducción de errores humanos en procesos industriales. Sin embargo, la implementación de IA en entornos industriales enfrenta desafíos significativos, tales como altos costos iniciales, complejidad técnica, la necesidad de reformular estrategias organizacionales y resistencia interna. A raíz de esto, surge la necesidad de cuestionar la viabilidad de la aplicación de la IA en la industria y sus efectos, lo que lleva al objetivo general de evaluar su impacto para optimizar la eficiencia operacional de las empresas. El estudio se enfoca en evaluar el uso de la IA como herramienta para la optimización de procesos industriales mediante modelos de mejora continua y la evaluación mediante indicadores clave de desempeño (KPIs). La metodología empleada es de tipo mixta (exploratoria, descriptiva, explicativa y comparativa) y considera un horizonte temporal de los últimos 10 años. Este documento busca proponer una metodología y un conjunto de recomendaciones prácticas para que las empresas chilenas adopten la IA de manera efectiva, superando sus desafíos y logrando una óptima eficiencia operacional. Se analizan casos nacionales como Antofagasta Minerals en el sector minero, que utiliza IA predictiva y analítica para optimizar la recuperación de cobre, logrando aumentar la producción y recuperación metalúrgica. Asimismo, se examina el caso de NotCo en el sector alimentario, que emplea IA generativa para el desarrollo de sus productos, destacando la reducción en tiempos de creación y su impacto competitivo. Cada caso también presenta sus limitaciones inherentes, como los altos costos de implementación y dependencia tecnológica.