Escucha la versión de audio de este artículo (generada por IA).
El Tren de Laminación en Caliente de California Steel Industries en Fontana se extiende por más de medio kilómetro de longitud.
En su interior, enormes hornos calientan las planchas de acero a unos 1.260 grados Celsius. A esa temperatura, el acero se ablanda lo suficiente para ser laminado.
Pero primero necesita limpieza. El horno deja una gruesa costra de "cascarilla" en la superficie. Si no se elimina, queda incrustada en el acero y arruina el acabado. Una descascarilladora rompe y suelta la costra. Luego, chorros de agua a alta presión la eliminan.
A continuación, la plancha de acero pasa por cinco bastidores de desbaste que la reducen desde un grosor de entre 17 y 23 centímetros hasta apenas 1,37 milímetros, cerca del grosor de una tarjeta de crédito. Una cizalla de despunte recorta los extremos irregulares antes de que el acero pase a la fase de acabado. Luego, seis bastidores de acabado adicionales lo laminan hasta su grosor final y calidad superficial.
En este punto, el acero se mueve a unos 56 kilómetros por hora.
Es demasiado rápido para detectar defectos a simple vista. En paneles de automóviles y electrodomésticos, la superficie debe ser impecable: los defectos se notan directamente a través de la pintura.
La tira acabada se enrolla en una bobina. Algunas pesan hasta 25 toneladas. Todo el proceso dura unas cinco horas. A plena capacidad, la planta funciona 24 horas al día y produce 2 millones de toneladas de acero al año.
Pero al menos el acero se puede ver.
En las plantas de fabricación de semiconductores más avanzadas de hoy, los defectos que importan son invisibles al ojo humano.
Y las consecuencias de pasarlos por alto son igual de graves.
Un Solo Defecto en un Semiconductor Puede Costar 25.000 $ — y los Inspectores Humanos No Pueden Evitarlo
En la fabricación de semiconductores, todo comienza con una oblea: un disco fino y pulido cortado de silicio puro, normalmente de unos 30 centímetros de diámetro. Estas obleas deben ser perfectas. Incluso un rasguño microscópico o un contaminante puede generar defectos en cientos de chips.
El primer paso es la impresión de circuitos mediante litografía ultravioleta extrema. Este proceso proyecta patrones de circuito usando luz con una longitud de onda más corta que cualquier color visible. Un solo chip terminado puede requerir entre 20 y 30 pasadas por esta etapa.
Las máscaras especializadas utilizadas en este proceso —una especie de plantilla tridimensional— también deben ser perfectas. Un solo defecto arruina cada chip que toca esa máscara. Y esas máscaras pueden costar hasta 1 millón de dólares cada una.
Tras cada pasada, la oblea pasa por grabado, deposición y tratamiento químico para construir las capas de transistores. Luego el ciclo se repite. Los chips más complejos de hoy pasan por entre 1.500 y 2.000 pasos individuales antes de ser funcionales. Cada paso es un punto de fallo potencial. Una partícula de polvo puede arruinar una oblea entera.
Una sola oblea para los semiconductores más avanzados puede costar entre 20.000 y 25.000 dólares. Cada oblea contiene cientos de chips. Una defectuosa elimina cientos de productos de una sola vez. Y las fábricas donde ocurre todo esto cuestan entre 15.000 y 20.000 millones de dólares construirlas.
Las fábricas necesitan reducir estas pérdidas en la medida de lo posible. Y los inspectores humanos simplemente no pueden hacer el trabajo.
A 56 kilómetros por hora, el acero se mueve demasiado rápido para verlo. En una fábrica de semiconductores, los defectos son demasiado pequeños para verlos. En ambos casos, lo que está en juego es demasiado importante como para perderse algo.
La IA Está Impulsando el Control de Calidad
Este es un ámbito donde la IA no solo ayuda. Es la única solución que realmente funciona.
El "aprendizaje profundo" y el "aprendizaje en el borde" de la IA llevan el control de defectos a un nivel que los humanos no pueden igualar. El aprendizaje profundo funciona analizando cientos de imágenes de ejemplo hasta que el sistema aprende a tomar decisiones por sí solo, sin necesidad de un programador en cada paso.
El aprendizaje en el borde va más lejos. Estos sistemas vienen preentrenados y pueden necesitar tan solo entre cinco y 10 imágenes para comenzar. Se despliegan en minutos.
Los resultados son medibles.
En BMW, los sistemas de visión impulsados por IA redujeron las tasas de defectos en un 30% en una planta europea en el plazo de un año. La satisfacción del cliente aumentó un 15% tras la implantación. En Foxconn, las cámaras impulsadas por IA ahora detectan defectos con un 98% de precisión, generan un 80% menos de falsas alarmas e inspeccionan cada unidad un 60% más rápido que antes.
No son programas piloto. Son sistemas de producción que funcionan a escala, en algunos de los entornos de fabricación más exigentes del mundo.
Esto es lo que quiero decir cuando afirmo que la verdadera historia de la IA no es la que recibe más atención.
Todo el mundo está observando los grandes nombres de infraestructura: las empresas de chips, los proveedores de computación en la nube, las plataformas de chatbots. Y sí, son importantes. Pero hay una historia paralela que se desarrolla en la planta de producción, en el campo petrolífero y en la fábrica de semiconductores.
La IA está resolviendo problemas que antes no tenían solución. Y las empresas que ofrecen esas soluciones se están volviendo más competitivas, más rentables y más valiosas, en silencio, sin mucho alboroto.
Es exactamente el tipo de oportunidad que he pasado mi carrera buscando.
Encontrar la Próxima Generación de Ganadores Antes de que el Mercado lo Note
El desafío, por supuesto, es identificar qué empresas están ganando realmente, no solo afirmando usar IA, sino usándola de maneras que se reflejen en los fundamentos.
Ese es un problema en el que Marc Chaikin ha trabajado durante toda su carrera. Su sistema de calificación Power Gauge fue creado para filtrar el ruido y encontrar acciones con un impulso real detrás. Lleva décadas haciéndolo.
Pero el 24 de junio, Marc y yo vamos un paso más allá. Vamos a presentar el primer producto impulsado por IA que Chaikin Analytics haya construido jamás, y es diferente a todo lo que hemos mostrado al público antes.
Lo llamamos la Máquina del Tiempo. Analiza décadas de historia del mercado para encontrar acciones actuales cuyos perfiles fundamentales y técnicos coinciden con los primeros perfiles de acciones como Nvidia Corp. (NVDA), Amazon.com Inc. (AMZN) y Meta Platforms Inc. (META), justo antes de que realizaran sus mayores movimientos. En las pruebas retrospectivas, identificó acciones que luego generaron ganancias del 995%, 1.406% y 3.804%, mientras que las acciones "semilla" con las que se compararon registraron retornos mucho más modestos.
La historia de la IA en la planta de producción es un ejemplo de los tipos de oportunidades que la Máquina del Tiempo está diseñada para descubrir. Empresas que resuelven problemas industriales reales con IA, antes de que el mercado lo note.
Esta es la primera vez que ponemos algo así a disposición de los inversores individuales. La membresía fundadora es limitada, y esta oferta no se repetirá una vez que quede atrás la presentación del 24 de junio.
El primer paso es sencillo: Reserve su lugar para nuestro evento gratuito.
Las personas que se registren obtendrán acceso beta anticipado a la Máquina del Tiempo ahora mismo, sin necesidad de compra. Puede ingresar cualquier ticker y ver cómo se compara con los mayores ganadores de la bolsa de todos los tiempos, antes del lanzamiento oficial.
Asegure su lugar aquí.
