Este artículo pertenece a Gen AI Series “From ZERO to HERO: IA Generativa aplicada”, una serie de artículos y novedades sobre IA Generativa aplicada a la industria que te ayudarán a conocer mejor esta tecnología y aplicarla de manera efectiva.
Accede al universo de la IA Generativa
Como ya hemos visto en el artículo “Casos de uso de IA Generativa”, esta tecnología ya se está aplicando en diferentes sectores y áreas de negocio aportando en algunas ocasiones una verdadera ventaja competitiva. En el sector energético, los casos de uso de IA Generativa identificados para ser implantados se enfocan tanto en áreas de atención al cliente y ventas como en áreas de innovación tecnológica y sostenibilidad.
En este artículo vamos a tratar un caso de uso concreto: Reducción de accidentes y riesgos laborales en el sector energético con IA Generativa. En este caso el LLM se especializa en extraer información relevante de los datos no estructurados de texto libre de informes de riesgos e incidencias. Veamos el caso más detenidamente y lo que puede aportar.
Información inicial y objetivo
Se quiere conseguir un modelo basado en Inteligencia Artificial que permita a una compañía energética reducir la accidentalidad, la pérdida de vidas, las bajas laborales, las sanciones por sucesos y los recursos invertidos en investigar incidencias.
En principio se cuenta con la siguiente información:
- Datos estructurados como: el tipo de incidente, el entorno de trabajo, el tipo de trabajo, la gravedad del incidente (leve, grave, fatal), la fecha del suceso (hora, día de la semana), etc.
- Datos no estructurados como: el texto libre de los informes de accidentes en el que se detalla lo sucedido, texto libre en reportes de peligros potenciales, imágenes o vídeos como información de apoyo.
- Datos externos, por ejemplo: las variables meteorológicas, las condiciones del entorno de trabajo, la carga de trabajo, etc.
- El plan de riesgos de la compañía energética.
Contando con todos estos datos, el objetivo era lograr:
- Caracterización de los incidentes ocurridos.
- Caracterización del nivel de riesgo por tipo de incidente.
- Obtención de las causas principales de los accidentes.
- Interpretabilidad de modelos para estudiar factores importantes (una operación concreta, un día de trabajo, una localización, etc.)
- Comparación de estas causas con las contempladas en el plan de riesgos para poder mejorarlo o ver posibles desviaciones.
- Mejora del plan de riesgos actual, bien sea mediante el modelado de la eficacia de una medida de seguridad usada o buscando qué riesgos necesitan una mayor atención.
Aplicación de IA Generativa
La propuesta es aplicar una combinación de modelos de IA Generativa y de Machine Learning tradicionales. Modelos de IA Generativa para tratar los datos no estructurados en forma de texto libre para la extracción de variables, y después aplicación de modelos tradicionales de Machine Learning para predecir incidentes (gravedad, probabilidad de un tipo de accidente, etc.) usando como inputs tanto las variables estructuradas iniciales como las variables generadas con IA Generativa.
De esta manera se pueden identificar las principales causas de los incidentes, prescribir los pasos a seguir y las medidas preventivas a aplicar, y comparar esta información con el plan de riesgos actual de la compañía energética y poder mejorarlo. También se pueden aplicar métodos Inteligencia Artificial Explicable (XAI) y modelos de interpretabilidad para encontrar los factores más relevantes para cada tipo de incidente.
Impacto de la solución
La implantación de modelos de IA Generativa y Machine Learning permiten caracterizar los incidentes, los niveles de riesgo por accidente, e identificar las principales causas de los mismos: incendios, contacto con sustancias peligrosas, explosiones, caídas, golpes, atropellos, electrocución, quemaduras por exposición a temperatura extrema, altas presiones, ruido generado por las máquinas, exposición a agentes químicos peligrosos (combustibles, plomo, etc.), o atracos en las estaciones de servicio.
De esta manera se pueden comparar estas causas de incidentes y su nivel de riesgo con las contempladas en el plan de riesgos de la compañía, y así poder mejorarlo. Con esta información se conoce la probabilidad de que ocurra un incidente u otro, los riesgos que conlleva cada uno, etc., pudiendo actuar en consecuencia de manera informada.
Sin duda la aplicación de IA Generativa puede ayudar enormemente en el procesamiento automático de información no estructurada. Esperamos que este caso de uso te haya resultado interesante. Podrás ir viendo otros casos de uso y de éxito en próximos artículos de Gen AI Series “From ZERO to HERO: IA Generativa aplicada”.
