Los escasos recursos laborales están limitando el crecimiento en sectores como la manufactura, logística, construcción y agricultura, siendo la construcción el área más afectada. En Estados Unidos, cerca de 500,000 puestos de trabajo permanecen vacantes y el 40% de la mano de obra actual se aproxima a la jubilación en la próxima década. Estas limitaciones han resultado en retrasos en proyectos y un aumento en los costos. Para afrontar estos desafíos, las organizaciones están desarrollando sistemas autónomos que llenan vacíos de capacidad y ofrecen productividad ininterrumpida.
La creación de estos sistemas autónomos requiere grandes conjuntos de datos anotados para entrenar modelos de inteligencia artificial, un proceso costoso que se ha convertido en un obstáculo. La etapa de etiquetado de datos de video, esencial para el entrenamiento de modelos, puede ralentizar la implementación, retrasando así la entrega de productos y servicios impulsados por IA. Las empresas de construcción, que manejan millones de horas de video, encuentran poco viable la anotación manual de datos. Los modelos de lenguaje-visual (VLMs) ofrecen una solución al interpretar imágenes y videos, generando descripciones a una velocidad que los procesos manuales no pueden igualar, lo que representa una alternativa rentable.
Bedrock Robotics, en colaboración con el AWS Generative AI Innovation Center, ha estado utilizando modelos de lenguaje-visual para analizar el metraje de video de construcción. Desde 2024, Bedrock ha desarrollado sistemas autónomos para equipos de construcción, combinando hardware con modelos de inteligencia artificial para operar maquinaria con mínima intervención humana, realizando tareas con precisión.
El entrenamiento de estos modelos requiere gran cantidad de metraje de video. Los VLMs analizan estos datos, generando descripciones textuales cruciales para la anotación. Bedrock Robotics ha utilizado esta tecnología para agilizar la preparación de datos, mejorando la identificación de herramientas y transformando procesos manuales en flujos de trabajo automatizados y escalables.
Esta metodología es un marco replicable para organizaciones que enfrentan desafíos similares, demostrando cómo una inversión estratégica en modelos de base puede traducirse en resultados operativos medibles y una ventaja competitiva. Estos modelos utilizan técnicas de aprendizaje auto-supervisado para conectar modalidades visuales y textuales, permitiéndoles analizar y generar contenido en ambos formatos.
En el futuro, la automatización podría abordar la escasez de mano de obra, permitiendo a las empresas implementar sistemas autónomos, reducir costos operativos y explorar nuevas áreas de crecimiento. A medida que Bedrock Robotics y otras organizaciones optimizan su preparación de datos, se abren oportunidades de innovación y expansión en industrias afectadas por la falta de personal.