Tuvimos la oportunidad de conversar con Eduardo Calabuig, director general de Inescop, centro tecnológico del calzado en España, quien cuenta con una trayectoria de más de 18 años de experiencia en la institución. El propósito fue explorar la visión de Inescop sobre la aplicación de la inteligencia artificial (IA) en el sector del calzado y conocer desarrollos tecnológicos que el instituto viene impulsando para la industria.
De acuerdo con lo expuesto por Eduardo, las tecnologías basadas en IA han introducido una perspectiva claramente transformadora en la industria. La inteligencia artificial ha adquirido un papel diferencial y de creciente relevancia. Explica que herramientas de IA generativa, como ChatGPT, Stable, Diffusion, ya se utilizan de forma habitual en las empresas, especialmente en áreas de comunicación y apoyo a procesos internos.
El objetivo, desde el enfoque del Inescop, es aplicar la inteligencia artificial a ámbitos más técnicos y complejos, como la optimización de los procesos de fabricación, el análisis de imágenes para la detección automática de defectos y el control de calidad. El propósito es que la IA genere información útil y específica para la industria del calzado, ajustada a sus restricciones y requerimientos técnicos, a diferencia de las IA generativas con soluciones genéricas, que no siempre ofrecen resultados fabricables o veraces.
Uno de los aspectos clave que destaca es la importancia de los datos en el desarrollo de soluciones de IA para el sector. Subraya que el éxito de estas tecnologías depende en gran medida de la calidad y la cantidad de los datos disponibles. A diferencia de la información masiva y genérica disponible en internet, la industria del calzado requiere datos cuidadosamente filtrados y preparados, vinculados a procesos altamente especializados y cualificados. “Lo que buscamos desde el instituto es aplicar todo el conocimiento y la inteligencia artificial para generar información realmente útil, que se ajuste a las restricciones y a los requerimientos específicos de nuestra industria”.
La IA presenta un elevado potencial en los procesos de fabricación del calzado. Inescop investiga actualmente técnicas de aprendizaje automático basadas en el análisis de imágenes para simular digitalmente procesos de fabricación manuales, como el aparado del calzado, que en el futuro podrían ser replicados por sistemas robóticos. Se trata de una visión a largo plazo que requiere una enorme capacidad de cálculo y procesamiento de datos, hoy todavía con un coste elevado para aplicaciones tan específicas, aunque se espera que la evolución tecnológica permita avanzar en esta dirección.
Destaca el uso de la IA a corto plazo para el análisis del diseño técnico de modelos de calzado. Mediante el entrenamiento de sistemas inteligentes, sería posible generar de forma ágil, a partir de un boceto, toda la información técnica necesaria y modelos virtuales en 3D. Estas herramientas permitirían reducir significativamente los tiempos de diseño y fabricación, además mitigar el problema del relevo generacional. También destaca el uso de la IA para apoyar la sostenibilidad al analizar grandes volúmenes de datos de materias primas, producción y distribución e identificar modelos más ecológicos.
El riesgo principal de la IA en la industria es la calidad de los datos. Ya que más allá de una posible «mala utilización» de los datos, entrenar sistemas de inteligencia artificial IA con datos incorrectos o información mal correlacionada, lleva a resultados erróneos. “Si estás entrenando un sistema de inteligencia artificial con datos incorrectos o que está correlacionando información que no es adecuada, vas a tener resultados evidentemente erróneos y de la manera que tú estás ya utilizando la inteligencia artificial, muchas veces no cuestionamos lo que nos da la IA, lo asumimos como veraz.”
Por lo tanto, uno de los grandes desafíos es la Validación Humana de los resultados de la IA. Existe la tendencia a aceptar los resultados de la IA como veraces sin cuestionarlos. Es fundamental validar y verificar los datos (que pueden representar el 80% del desarrollo de una IA) y siempre evaluar los resultados para aprobar, validar y corregir.
