En la industria manufacturera, el trabajo se concentra en gran parte en tres flujos: el proceso previo de cálculo y cotización, la planificación y el control de producción en la planta, y el control de calidad que determina si un pedido es lo bastante bueno para enviarse. Además está el trabajo relacionado con las máquinas y los materiales en sí: el mantenimiento, la compra de materias primas y la administración en torno a la certificación y la trazabilidad. Cuál de estos flujos absorbe más horas difiere según la empresa y el tipo de producto, pero el resultado de un trato rara vez lo determina el flujo con menos horas.
Las circunstancias que determinan el resultado son en parte técnicas y en parte humanas. Una cotización debe coincidir con el plazo de entrega real, no con un margen fijo que casualmente suele acertar. Un plazo de entrega es tan bueno como la planificación que lo genera, y esa planificación es tan buena como los datos sobre los que se ejecuta. Y en la industria manufacturera la calidad no se juzga por un promedio, sino por los casos extremos: aquella única partida con una desviación que un cliente recuerda.
La pregunta no es si la IA asume trabajo en la industria manufacturera, eso ya ocurre en parte. La pregunta es qué hace eso con la dimensión sobre la que un cliente elige entre proveedores. Mientras un plazo de entrega dependa de la disponibilidad de un planificador, gana la parte con más personas experimentadas en la planta. En cuanto la planificación pasa a hacerla en gran medida un software que calcula escenarios y solo hace intervenir a una persona para aprobar en caso de desviaciones, el plazo de entrega deja de ser una cuestión de capacidad para convertirse en una cuestión de datos: gana quien tiene el mejor insumo de información, no quien tiene más planificadores.
Lo mismo ocurre con el cálculo. Una cotización que antes costaba días porque alguien debía calcular planos, ahora puede generarse en parte de forma automática, con un ingeniero que evalúa el resultado en busca de desviaciones ilógicas. ¿Gana entonces la parte que cotiza más rápido, o la que cotiza con más precisión? Esa respuesta no es igual en todos los casos, y precisamente por eso cambia la comparación entre proveedores: la dimensión sobre la que antes se ganaba sigue existiendo, pero lo que llena esa dimensión ya no es lo que era.
El control de calidad es el tercer ejemplo. La inspección visual que la IA asume no cambia la pregunta de si un cliente exige calidad, pero sí cambia qué significa "puntuar mejor en calidad". Una empresa que todavía hace la inspección por completo con personas ya no compite entonces en la consistencia del ojo humano, sino en otra cosa: la rapidez de corrección, la transparencia sobre las desviaciones o los plazos de garantía. Quien no lo perciba, seguirá defendiéndose en una dimensión que ya no cuenta como antes.
Esta diferencia entre empresas no está en la ambición, sino en lo que había para automatizar dada su combinación de productos y sus datos. Una empresa manufacturera con mucho trabajo en serie y planos estandarizados tiene antes una base para dejar que el cálculo sea asumido por la IA que una empresa que ofrece sobre todo trabajo a medida, donde cada pedido es una nueva excepción. Una empresa con años de datos de sensores de sus máquinas puede hacer que el mantenimiento sea predictivo; una empresa sin esos datos primero debe invertir antes de que la IA pueda asumir algo ahí. El cambio, por tanto, no afecta a cada empresa en el mismo orden, lo que significa que el grupo comparable, en un momento dado, incluye tanto empresas que ya puntúan en la nueva dimensión como empresas que todavía se defienden en la antigua.
Si la ganancia de capacidad impulsada por la IA también conduce a una reducción de la capacidad en fte, es una decisión del empleador sujeta a sus propios requisitos legales; aquí solo se trata de la pregunta de qué dimensión decide un trato y quién puntúa en ella en este momento.
Este cambio no se da solo en la industria manufacturera. Lo que significa el plazo de entrega cuando la planificación asume el trabajo de los planificadores de transporte muestra un patrón comparable, al igual que la pregunta sobre con qué se diferencian las consultoras cuando la investigación y la elaboración de informes están en gran parte automatizadas. Si reconoce una dimensión en la que cree que gana, la siguiente pregunta es qué hace cuando resulta que un competidor ya le lleva ventaja en ella: qué hacer ante un retraso en una dimensión que decide el trato ofrece un enfoque para ello.
La pregunta subyacente de qué trabajo en su empresa realmente puede ser asumido por la IA se responde por tarea con el escáner de trabajo de FTE TO AI.
Antes de defenderse en una dimensión, conviene saber si esa dimensión sigue siendo lo que era, y si su afirmación al respecto se sostiene. Una afirmación como "somos más rápidos" o "somos más precisos" solo vale algo si se puede fundamentar; cómo funciona eso se describe en cómo fundamentar una afirmación sobre su propia calidad. Con la verificación de dimensión gratuita, identifica en qué cree que gana y ve cuáles de esas afirmaciones pueden defenderse con pruebas. El benchmark completo, con su posición y la de su grupo comparable en cada dimensión, está en construcción.