La profesión de montador y reparador de lunas, entre las cinco menos “amenazadas” por la IA
- Microsoft ha elaborado un estudio que incluye un listado con las 40 profesiones con menor aplicación de la IA. Entre ellas, destaca la de montador y reparador de lunas que aparece en quinta posición, con una aplicabilidad de solo 0,03 puntos.
- En la futura era de la robótica avanzada, esta ocupación seguirá siendo prácticamente imposible de automatizar: El montaje de un parabrisas es un proceso complejo en el que intervienen multitud de factores, y que requiere de una visión, manipulación y destreza háptica difícilmente sustituibles por un robot. Además, el proceso de recalibración de los sistemas ADAS es complejo y en muchas ocasiones requiere de una prueba de conducción real.
La profesión de montador y reparador de lunas es una de las profesiones menos “amenazadas” por la Inteligencia Artificial, según el reciente estudio de Microsoft Research*. En este estudio, la profesión de montador y reparador de lunas aparece en la quinta posición de la lista de las 40 profesiones menos amenazadas por la IA, con una aplicabilidad de la IA de solo 0,03. Esta profesión abarca un rango de actividades manuales, prácticas contextuales y muy variables que no se ven reflejadas ni son fácilmente replicables por IA.
Además, al consultar a diferentes inteligencias artificiales sobre si los avances en la robótica podrían poner en peligro esta profesión, la respuesta también es clara; en la futura era de la robótica avanzada, esta ocupación seguirá siendo difícil de automatizar. Los argumentos son claros. El montaje de un parabrisas es un proceso en el que intervienen multitud de factores y variables. En primer lugar, por las variaciones entre modelos de vehículos, tipos de lunas, curvaturas del cristal y condiciones del entorno. Y también por el propio proceso de pegado de un parabrisas sobre la carrocería, con la retirada del adhesivo viejo y la aplicación y secado del nuevo. Esta complejidad contextual requiere de juicios en tiempo real difícilmente programables en un robot.
Además, es necesaria una visión, manipulación y destreza háptica difícilmente sustituibles por un robot. En definitiva: garantizar la seguridad del cristal, el ajuste exacto y la estanqueidad, exige sensibilidad manual y experiencia acumulada. Un parabrisas mal pegado podría desprenderse en caso de accidente y no servir de protección a los ocupantes del vehículo. Además, el airbag del acompañante se despliega apoyándose en el parabrisas, sobre el que ejerce una gran presión. Por otro lado, un mal sellado también puede producir filtraciones de agua al habitáculo y molestos ruidos aerodinámicos. Y un material de mala calidad puede degradarse con el paso del tiempo y perder sus propiedades. Además, un montaje incorrecto del parabrisas puede provocar roturas por tensiones.
Recalibración
Hay otro aspecto fundamental que impide que un robot pueda realizar una sustitución de parabrisas. En los coches que incorporan sistemas avanzados de asistencia a la conducción ADAS, es necesario desmontar las cámaras y sensores del cristal dañado, montarlas en el nuevo, y recalibrarlas para que los sistemas de seguridad funcionen correctamente. Cada modelo de automóvil tiene protocolos diferentes de recalibración. Además, algunos sensores necesitan puntos estáticos de referencia para recalibrarse correctamente (recalibración estática), mientras que otros deben ajustar sus parámetros según información obtenida durante la conducción real (recalibración dinámica). En muchos casos, los fabricantes combinan ambos tipos según sus sistemas ADAS, es decir, algunos vehículos requieren ambas recalibraciones (primero una estática, seguida de una dinámica), dependiendo de sus sensores específicos y complejidad tecnológica. La recalibración dinámica tiene varias complejidades asociadas, principalmente porque implica conducir el vehículo en condiciones específicas y precisas para garantizar que los sensores de los sistemas ADAS ajusten correctamente sus parámetros.
* “Working with AI: Measuring the Occupational Implications of Generative AI”