Machine learning aplicable, para cualquier planta industrial.
La IA industrial seria ya existe. Siempre ha sido artillería pesada: hojas de ruta de varios años, presupuestos grandes, integraciones profundas. La mayoría de las plantas queda fuera, por debajo de ese suelo de coste, aunque produzcan la mayor parte de los ingresos. Jemba existe para cerrar esa brecha.
El 99 % inferior de las plantas produce el 60 % de los ingresos.
Y no pueden justificar un despliegue de seis cifras con un equipo de analítica anexo. No es un problema de pymes: los grandes fabricantes gestionan una galaxia de plantas más pequeñas, cada una demasiado pequeña para financiarlo por su cuenta y muy significativas en conjunto.
Los especialistas verticales construyen modelos de primeros principios y gemelos digitales para grandes procesos concretos. Excelentes donde encajan, y el enfoque no se amortiza entre plantas.
Las megaplataformas venden suites unificadas y desarrollos a medida a cualquier empresa dispuesta a financiarlos. Ganan donde hay presupuesto, es decir, en la parte alta del mercado.
Los dos persiguen el mismo 1 % de plantas. La IA industrial hecha a medida para un proceso o para una empresa no puede llegar más abajo. Ese hecho estructural es la premisa de todo lo que construimos.
Incubada dentro de una empresa industrial, no en un laboratorio.
La tecnología se desarrolló con datos de fabricación propios y casos de uso reales de producción, junto a diez años de experiencia de dominio en las propias plantas. Por eso da por supuesta una exportación en bruto y no un almacén de datos limpio.
Una empresa independiente
Jemba es propietaria en pleno de su tecnología, de su propiedad intelectual y de sus clientes. No hay nada licenciado de nadie, nada compartido, y el equipo es dedicado y a tiempo completo.
Por qué tenía que ser independiente
Un negocio de monitorización consolidado y una empresa intensiva en I+D tienen perfiles de riesgo distintos, necesidades de capital distintas y horizontes distintos. Financiar los dos con un solo presupuesto perjudica a ambos.
El lado de los datos está listo. Hace diez años no lo estaba.
La instrumentación ya está hecha
Las fábricas llevan más de una década instalando historizadores, PLC, sensores y sistemas de calidad. Los datos existen y mueren almacenados. No queda nada por desplegar en la planta antes de poder extraer valor.
La tecnología ha madurado
Las matemáticas no son nuevas. Lo nuevo es poder convertir en producto todo el workflow de ciencia de datos para que un responsable de planta lo maneje sin contratar a nadie. Hace cinco años eso era un proyecto de consultoría.
La atención está en otra parte
El capital de IA apunta de forma abrumadora a la productividad de oficina. La eficiencia industrial es un problema de señal, y no se está construyendo al mismo ritmo.
Indique una línea y una variable objetivo.
Maxime Bunel · mb@jemba.ai
París, Francia
