Cómo la inteligencia artificial puede mejorar la recolección de residuos

118
views
Cómo la inteligencia artificial puede mejorar la recolección de residuos

Por Stefanie Valentic, staff de Waste 360º

La tecnología adecuada podría mejorar la eficiencia dentro de su negocio y conducir a un resultado final más saludable.

Durante una conversación cara a cara en Waste360 / Stifel Investors Summit, el director ejecutivo de Compology, Jason Gates, y Michael E. Hoffman, director general de Stifel, hablaron sobre cómo los residuos son una de las industrias “perfectas” en las que incorporar inteligencia artificial.

Compology, que se lanzó en 2012, instaló cámaras dentro de contenedores de basura comerciales e industriales para “rastrear la ubicación, la plenitud, el contenido y cuándo ocurre el servicio”, explicó Gates.

Los datos recopilados de este proceso se analizan y utilizan para generar ingresos, reducir gastos y mejorar la experiencia del cliente. Gates comenzó definiendo el impulsor de los datos: inteligencia artificial (IA).

“En un nivel muy simple, la inteligencia artificial es en realidad tener una computadora que realice acciones que normalmente haría un humano”, dijo.

Hay dos categorías diferentes de IA: entrenar a una computadora para que siga un conjunto de reglas o para realizar tareas repetitivas, como software de preparación de impuestos, y entrenar a una computadora para que tome decisiones en tiempo real, como el aprendizaje automático y las redes neuronales, que están diseñadas solo como un cerebro humano o biológico.

Creando eficiencias

Hoffman preguntó si había una línea de frente viable para dirigir la mano de obra, no para reemplazar a los trabajadores, sino para mejorar las operaciones en ruta. Gates reconoció que la IA tiene un “tremendo potencial” en aplicaciones futuras y utilizó la seguridad como ejemplo.

Los videos instalados en las cabinas de los camiones pueden identificar y eliminar los peligros de seguridad. Si bien revisar las imágenes había sido una tarea desalentadora y monótona para los humanos en el pasado, la IA ha intervenido para identificar estas preocupaciones y mitigar el riesgo a través de la capacitación de conductores y otras iniciativas.

Otro ejemplo de cómo se implementa la IA es el montaje de cámaras en camiones para detectar excedentes. Esto elimina la necesidad de que un conductor documente si un contenedor está demasiado lleno o si hay un exceso de desechos al lado del contenedor.

Luego, Hoffman preguntó a Gates si se puede escribir un programa en el que se pueda usar la inteligencia artificial en una ruta para identificar todos los contenedores en una ubicación y señalar automáticamente cuándo arrancar y detener el camión y descargar el material, mejorando aún más la eficiencia para obtener lo mejor en Operadores de clase.

Gates respondió: “Creo que ciertamente hay una oportunidad para eso, pero aún no lo hemos logrado. Hemos visto una gran innovación de los fabricantes de equipos hasta la fecha que ya están usando la automatización: presionar un botón y el cargador lateral automatizado ejecuta su rutina, pero aún no hemos llegado al punto en el que el camión detecte el entorno a su alrededor y siga esa ruta automáticamente”.

Sin embargo, la industria de los residuos sería un candidato ideal para probar la tecnología de conducción autónoma, agregó. Las rutas de servicio tienden a no cambiar de una semana a otra, los camiones operan a velocidades relativamente bajas y no hay mucho tráfico de otros vehículos, lo que lo hace ideal para introducir la tecnología de inteligencia artificial.

Retorno de la inversión

Luego, Hoffman preguntó sobre cómo la IA es económicamente viable y preguntó acerca de los beneficios de dicha implementación.

Si bien ha habido una compra inicial de tecnología, la inteligencia artificial ahora ha girado hacia suscripciones recurrentes en lugar de comprar tecnologías adicionales para agregar a los camiones, respondió Gates.

Al adoptar la IA, es imperativo probarlo en un vehículo para solucionar sistemáticamente los errores antes de implementarlo en una flota completa, supuso Hoffman.

“Cuando has puesto el pie en el extremo superficial, has aprendido sobre ello”, dijo Hoffman, “has aprendido de tus errores, porque invariablemente todos cometen errores cuando adoptan una nueva tecnología, y luego puedes continuar agregando todo gradualmente dentro de un presupuesto razonable, ¿es eso lo que me dice?”.

La inteligencia artificial no necesita ser un escenario de “todo o nada”, coincidió Gates.

Escollos en el camino de la IA

Dado que más empresas van por el camino de la automatización y la digitalización, la implementación de la IA tiene sus desventajas. Hoffman le preguntó a Gates qué debe tener en cuenta al explorar la introducción de nueva tecnología en un modelo de negocio.

Un gran paso en falso que a menudo se observa en la adopción de la IA es asumir que la tecnología es plug-and-play, lista para usar.

“Una de las áreas más importantes que defendemos en nuestra base de clientes es invertir en la configuración inicial de la tecnología”, comentó Gates.

Esperar cambios inmediatos y duraderos sin hacer el trabajo por adelantado para garantizar que la tecnología esté configurada para las necesidades comerciales específicas no es la mejor ruta a seguir. No eliminará el tiempo dedicado a corregir los errores que comete el software una vez que se incorpora al flujo de trabajo.

“A menudo, tener un consultor de implementación es una forma realmente eficiente de implementar la tecnología, alguien que haya usado específicamente la herramienta antes y esté ahí para guiar en el proceso”, dijo Gates.

Muchas empresas de software tienen ahora equipos integrados de “éxito del cliente” que están capacitados para generar valor a partir de estos productos.