La investigación ha dado lugar a una solución de optimización revolucionaria en el ámbito del operations research, desarrollada por un equipo interdisciplinario de investigadores. Este avance, nombrado ORMind, busca superar los desafíos de integración de los grandes modelos lingüísticos (LLMs) en aplicaciones industriales de operaciones, lo cual sigue siendo un problema hasta ahora no resuelto. Su principal propuesta es armonizar la traducción de requerimientos empresariales en modelos matemáticos precisos, convirtiéndolos en código ejecutable fiable.
Los LLMs, herramientas poderosas en el procesamiento de operaciones complejas, aún enfrentan dificultades para su aplicación efectiva en escenarios industriales, con fallos incrustados del 30-40% reportados en proyectos de optimización por desconexión entre requisitos empresariales y fórmulas matemáticas. A pesar de los avances, la automatización de los modelos presenta consistentemente desafíos críticos debido a un exceso de dependencia en la sintaxis de código sobre la exactitud matemática, lo cual puede generar errores significativos y elevados costos.
La infraestructura de ORMind sienta sus bases en una estructura de razonamiento sistemático, que emula procesos cognitivos humanos. A través de este medio, es posible transformar los flujos de trabajo en una secuencia lógica, reduciendo los costos de mantenimiento y aumentando significativamente la claridad de las soluciones optimizadas. Las pruebas realizadas con conjuntos de datos estándar muestran una mejora notable del 9.5% y un 14.6% en la calidad de las soluciones en comparación con los métodos existentes en los conjuntos de datos NL4Opt y ComplexOR, respectivamente.
Lenovo ha adoptado internamente este enfoque para potenciar su sistema de Asistencia AI, facilitando la recomendación de configuraciones de productos y mejorando el rendimiento de costeo en relación con las capacidades. Esta adopción inicial sienta las bases para aplicar estos sofisticados modelos de optimización en múltiples procesos empresariales, logrando agilidad y eficiencia en áreas como recomendaciones de productos previas a la venta, descuentos automáticos en compras, y servicios postventa optimizados.
Con una correcta alineación con teorías cognitivas como el doble proceso, ORMind optimiza el flujo de trabajo al minimizar el número de llamadas API y al integrar un análisis contrafactual que permite validaciones de restricciones críticas de manera más eficaz que los enfoques tradicionales. La eficiencia operativa y la identificación de fallos sistemáticos, como la coordinación excesiva o el enfoque en sintaxis en lugar de la precisión matemática, es mucho más optimizada gracias a este modelo, que logra corregir operativamente los desalientos en su implementación industrial.
Avanzar en el desarrollo de sistemas de optimización basados en cognición podría transformar significativamente tanto el desarrollo académico como su aplicación en la industria, apoyando un cambio hacia sistemas confiables y alineados con el razonamiento humano. El futuro del operations research en la industria parece prometedor con la integración de modelos inspirados en enfoques cognitivos, asegurando procesos de toma de decisiones más robustos y adaptativos.