Uso responsable de la IA generativa
Fabricación En la literatura de IAG en el ámbito de la fabrica - ción, encontramos los siguientes casos de éxito:
Proyecto que se centra en la obtención de contenido con «defectos contro - lados» destinado al entrenamiento de modelos de visión y percepción. Este enfoque resulta especialmente relevante en campos como la industria, salud y seguridad. El desafío principal radica en asegurar la calidad de los datos sintéticos y los conjuntos adquiridos.
Generación de imágenes con defectos para entrenamiento de modelos de visión/percep- ción
En el marco del proyecto vinculado a la investigación y desarrollo denomi - nado PARAVASIS, se ha desarrollado un modelo cuyo objetivo es la identifi - cación de patrones de averías, abordando de manera efectiva la causa-raíz de los problemas. Este enfoque innovador busca optimizar la eficiencia en la detección y solución de problemas en entornos industriales mediante la aplicación de modelos avanzados de visión y percepción. En este ámbito, Antolín comparte un caso de éxito dirigido a la mejora de la eficiencia de los procesos de desarrollo y validación de componentes electrónicos.
Gestión de averías
Antolín
Tecnologías de la infor- mación (desarrollo de software ) Asociados al sector de las tecnologías de infor - mación y el desarrollo de software , la gestión del ciclo de vida del desarrollo es susceptible de ser optimizada a través de la IAG.
Ciclo de vida del desarrollo
La compañía Capgemini tiene experiencias en los desarrollos propios y para clientes aplicando la IAG en todas las etapas del ciclo de vida del desarro - llo, desde la toma de requisitos en formatos como texto o incluso fotos de algún dibujo para generar un prototipo con sus especificaciones. Del mismo modo, la calidad en el ciclo también es uno de los pilares en los que se han desarrollado activos que permiten aumentar la productividad de los equipos, siendo uno de los casos en los que se utilizan la mayor parte de las ventajas que la herramienta puede proporcionar. La IAG ayuda a mejorar la eficiencia y la calidad a lo largo de todo el ciclo de vida del software (desde el diseño y la codificación hasta la documentación, las pruebas, la implementación y las operaciones), a acelerar el tiempo de comercialización de nuevos programas y a reducir la deuda técnica de las empresas, al facilitar grandes programas de modernización de software heredado, por ejemplo.
36
Made with FlippingBook - Online Brochure Maker