El 56% de los directivos en empresas de automoción actualmente emplean alguna forma de inteligencia artificial, como el aprendizaje profundo, en sus proyectos de visión artificial.
Así lo revela un reciente estudio de Zebra Technologies, en el que también se recoge que este aumento se debe a la creciente necesidad de inspecciones más confiables, una mejor trazabilidad de piezas y mayor transparencia en la cadena de suministro, impulsados por requisitos regulatorios y la desconfianza de los consumidores.
Por otro lado, y aunque se esperaría que los fabricantes de equipos originales, OEM, lideraran la adopción de IA, el informe señala que tanto el 56% de los OEM como el 63% de los principales proveedores de automóviles ya utilizan tecnologías de visión artificial con IA.
Asimismo, aproximadamente el 20% de los encuestados expresó interés en aprender más o ya ha comenzado a adquirir herramientas de visión artificial. Sin embargo, empresas líderes en este sector en países punteros como Reino Unido (24%) y Alemania (34%) aún no utilizan IA en proyectos de visión artificial.
El estudio también señala que hay margen de mejora en el rendimiento de la IA en proyectos de visión artificial, con un 18% de usuarios expresando que la tecnología podría funcionar mejor.
Además, se identifican varios desafíos al usar herramientas convencionales de reconocimiento óptico de caracteres (OCR), como largos tiempos de formación y falta de estabilidad. La insatisfacción con las herramientas tradicionales de OCR impulsa la adopción de nuevos modelos de OCR de aprendizaje profundo, que ofrecen valor inmediato sin requerir habilidades especializadas.
En este sentido, en el último año, la disponibilidad de herramientas de OCR de aprendizaje profundo ha aumentado, facilitando su uso incluso para personas sin experiencia en IA.
Estos modelos se adaptan a casos complejos, como caracteres dañados o difíciles de leer, superficies reflectantes y entornos con iluminación cambiante. Dichas soluciones permiten a los ingenieros y proveedores de la industria automotriz cumplir con estándares de calidad y disponibilidad sin invertir recursos significativos en la configuración de herramientas de OCR o validación de resultados de inspecciones.
