Redacción. El laboratorio de Innovación de la ONCE y el Instituto de Innovación de Ibermática (i3B) han desarrollado el primer proyecto de computación cuántica en la organización social, con el objetivo de optimizar al máximo la reasignación de puestos de venta a trabajadores en función de su productividad.
Además, se está implementando una solución de aprendizaje automático cuántico capaz de modelizar el comportamiento subjetivo del gestor en base a los históricos obtenidos, y replicar automáticamente la asignación subjetiva de vendedores en función del contexto (día, mes, cartelera…). Esta solución cuántica ofrece una capacidad de resolución en tiempos muy superiores a las soluciones clásicas.
La singularidad de la plantilla de la ONCE, y el tamaño de la organización, de ámbito nacional, implica la gestión de un gran número de reasignaciones de vendedores a puestos, debido a numerosas casuísticas, muchas veces imprevistas.
Aunque, actualmente, la gestión de reasignación de vendedores está, en cierta medida, ya automatizada mediante robots de procesos, la coordinación de las distintas combinaciones en las posibles asignaciones de vendedores es un problema complejo, que, además, debe realizarse en la primera hora de cada día. Esto puede suponer coordinar las carteleras de más de cien trabajadores por zona geográfica.
Adicionalmente, la reasignación debe tener en cuenta la productividad de cada puesto, buscando el mayor aprovechamiento de los puestos de alta productividad que hayan podido quedar vacantes, todo ello respetando las restricciones, preferencias, contextos particulares y perfiles de los trabajadores individuales.
Las soluciones de optimización clásicas, ante problemas de combinatoria complejos, son computacionalmente costosas y no ofrecen garantías de obtener la solución óptima, dado que no evalúan todos los posibles escenarios.
Los avances en hardware y software cuánticos permiten ya la resolución de problemas reales de este tipo, y en los próximos años se espera que su escalabilidad sea exponencial, complementando así a los sistemas de inteligencia artificial y solvers de optimización actuales.
Estos sistemas, a diferencia de las soluciones clásicas, exploran todo el espacio de soluciones factibles, pero induciendo una aceleración cuántica. Así mismo, en este proyecto también se está implementando una solución de aprendizaje automático cuántico, o QML, capaz de modelizar el comportamiento subjetivo del gestor en base a los históricos obtenidos, y replicar automáticamente la asignación subjetiva de vendedores en función del contexto (día, mes, cartelera, etc.), como semilla de asignaciones previas en el optimizador cuántico global.
Esta solución cuántica tiene la ventaja adicional de ofrece una capacidad de resolución en tiempos muy superiores a las soluciones clásicas, de forma que permite ejecutar varias veces el proceso si fuera necesario.