¿Por qué Internet de las Cosas está en un punto de inflexión?

Los proyectos de IoT están en el punto donde necesitan entregar resultados

En nuestra opinión, la mayor ocurrencia en 2017 fue que Internet de las Cosas (IoT por sus siglas en inglés) alcanzó un pico publicitario, dando paso a nuevos elementos hiperactivos para aprendizaje automático (en realidad, una rama de IoT) y para Inteligencia Artificial (un área temática familiar, y que requiere datos de IoT como combustible para su inteligencia). Vimos una combinación de varias compañías que realizan grandes inversiones en IoT, mientras que otras están reduciendo o reorganizando sus equipos de IoT.

Esta combinación de inversión (empujar y tirar) significa que estamos en un punto de inflexión. Para IoT, esto significa que ahora estamos en un punto donde los proyectos tienen que entregar resultados. Los proveedores de IoT invirtieron antes de la demanda, con todo tipo de reclamos hacia IoT de ventanilla única. Con más capacidad en la industria que en la demanda, es de esperarse que los jugadores abandonen o cambien el enfoque.

Esperar resultados cuantificables

En 2018 escucharemos a las organizaciones que implementaron IoT (los primeros en adoptarla) sobre proyectos reales y Retorno de Inversión (ROI por sus siglas en inglés) demostrable. Hablará resultados comerciales exitosos y mejoras de procesos. Hasta ahora, la mayoría de los beneficios expresados han sido teóricos, basados en los resultados deseados más que en el éxito mensurable.

Se necesita un ecosistema

Los usuarios están aprendiendo que IoT no es una tecnología; es una solución compleja de varias partes que no puede ser entregada por un único proveedor. Los proveedores con ofertas de IoT que han tratado de ir solos y no se han comprometido con socios complementarios, están teniendo problemas. Es de esperarse que los usuarios con proyectos que dependen de un solo proveedor, continúen experimentando los efectos negativos del bloqueo del proveedor.

Tenemos los datos

Ahora necesitamos el conocimiento. Ahora que las organizaciones han comenzado proyectos de IoT, muchos descubren que no están seguros de cómo obtener valor de los datos que están recopilando. Han construido la infraestructura y están recopilando datos, pero no tienen la tecnología adecuada, las habilidades (científicos de datos, por ejemplo) o el conocimiento para completar todo el ciclo de vida de la información.

Siga las necesidades del negocio

En el horizonte, veremos un interés en el aumento del IoT, especialmente en las industrias que necesitan reducir el costo de operación de su negocio. Por ejemplo, los precios más altos por concepto de energía, están impulsando la mayor demanda de soluciones IoT de la industria del petróleo y el gas. Además, los negocios tradicionalmente de bajo margen, como los minoristas, seguirán buscando formas de aumentar la eficiencia y reinventar la experiencia del cliente para aumentar la demanda. Las empresas con grandes activos de capital que requieren mantenimiento (como la fabricación) también buscan mejoras en los procesos mediante el mantenimiento predictivo de IoT y las soluciones de Aprendizaje Automático (ML por sus siglas en inglés).

Nuevos modelos económicos

La entrega de los servicios de IoT tendrá una nueva dimensión, a medida que cambien las expectativas de seguimiento, facturación, pago y contabilidad de las transacciones, a medida que crezca la cantidad de dispositivos conectados.

Seguridad y privacidad

Con cada nuevo dispositivo IoT agregado, los vectores de ataque aumentan. Deje de buscar la bala mágica de seguridad (ningún proveedor ofrece una solución única) y adopte una defensa en profundidad, una estrategia de seguridad en capas para enfrentar las amenazas. Los problemas de privacidad, como el uso de tecnología de reconocimiento facial por parte de los minoristas para identificar y orientar las ofertas, seguirán aumentando.

Transferencia de conocimiento humano al aprendizaje automático

Veremos cada vez más casos de uso en los que el conocimiento humano se utiliza para crear modelos predictivos. Por ejemplo, un maquinista que ha sido responsable de los equipos durante muchos años, puede identificar el sonido único generado por cada parte de la maquinaria. Esos identificadores de audio pueden agregarse a los modelos predictivos y usarse para activar alertas de que una parte está a punto de fallar.

¿En qué fase de implementación de IoT, está su empresa u organización?