Deeply se ha consolidado como una empresa que analiza mediante inteligencia artificial (IA) los sonidos que tradicionalmente los humanos escuchaban y evaluaban en plantas de manufactura, logrando así gestionar la calidad y seguridad. Si bien comenzó analizando llantos de bebés, en la actualidad la empresa analiza ruidos de máquinas y sonidos de ensamblaje en plantas manufactureras de componentes automotrices, expandiendo el mercado de IA de audio industrial.
Lee Soo-ji, representante de Deeply, se reunió con este medio el 30 de septiembre en la oficina de la empresa ubicada en el distrito de Mapo, Seúl. Al describir a Deeply, Lee señaló: "Nos gustaría que pensaran en nosotros como una empresa que suministra módulos auditivos a fábricas automatizadas". Agregó que "en un momento en que los robots están evolucionando de manera similar a los humanos, considero que la visión por sí sola es insuficiente y que será necesario contar con módulos auditivos".
El punto de partida de Lee para elegir la IA de audio como negocio radica en el "procesamiento de señales". Tras graduarse en Ingeniería Electrónica en el KAIST, completó su especialización en procesamiento de señales cerebrales en el Departamento de Ciencias Cognitivas del Cerebro de la Universidad de Seúl. Explicó que, aunque las ondas cerebrales y el sonido parecen datos distintos, son técnicamente similares. "En términos generales, tanto el sonido como las ondas cerebrales pertenecen al campo del procesamiento de señales", indicó. Con el avance de las tecnologías de división por frecuencia y pretratamiento, y la reciente combinación con IA y aprendizaje profundo, "ahora es posible analizar más señales con mayor resolución", señaló.
Lee hizo una analogía comparando el avance de la tecnología de análisis de sonido con las cámaras. Así como las imágenes borrosas del pasado evolucionaron hacia alta resolución permitiendo extraer más información, el sonido también ha alcanzado un entorno de análisis detallado gracias al desarrollo de tecnologías de IA.
Deeply no se enfocó en plantas manufactureras desde el principio. En 2020, la empresa lanzó una aplicación llamada "WAAH" que analizaba el llanto de bebés mediante IA. La experiencia personal de Lee al criar a su hijo, sintiendo la dificultad de entender qué deseaba el niño solo por escuchar su llanto, fue el punto de partida del negocio.
"Mientras criaba a mi hijo, me resultaba difícil entender qué expresaba", recordó Lee. "Pensé que si reunía muchos datos y los analizaba, podría ser efectivo". La idea era que los padres con experiencia pueden distinguir diferentes tipos de llanto relacionados con hambre o incomodidad, pero quienes son padres primerizos no pueden hacerlo fácilmente, por lo que decidieron utilizar datos para resolverlo.
Sin embargo, mientras ejecutaba el negocio B2C, surgieron dudas sobre dónde aplicar la tecnología que Deeply había acumulado. Finalmente, considerando la identidad de equipo de inicio basado en tecnología y las capacidades técnicas existentes, la empresa cambió su dirección hacia el modelo B2B. "Nuestro equipo fue fundado con base en tecnología y hemos acumulado mucha experiencia técnica hasta ahora", explicó Lee. "Como tanto yo como nuestro cofundador tenemos formación en ingeniería, pensamos que el modelo B2B se adapta mejor a nosotros".
Las diferencias entre B2C y B2B fueron evidentes en la estrategia empresarial. Mientras que en el negocio dirigido a consumidores eran importantes la interfaz de usuario (UI), la experiencia del usuario (UX) y el marketing en línea, en la manufactura resultaba crucial el proceso de entrar en plantas reales, validar la tecnología y construir confianza.
"B2C y B2B son fundamentalmente muy diferentes", subrayó Lee. En la era B2C, "el equipo se enfocaba en aspectos de UI y UX para hacer la vida del consumidor más conveniente, y realizábamos campañas de marketing en línea a gran escala". Por el contrario, en el sector manufacturero, "es importante construir confiabilidad a través de ferias comerciales o artículos confiables".
Durante la transición empresarial, la organización también se redujo significativamente. Aunque la empresa había aumentado su personal para el negocio de análisis de llanto de bebés, redujo la plantilla nuevamente al abandonar ese negocio. Posteriormente, Lee y su cofundador junto con dos colegas reiniciaron el negocio B2B siendo cuatro personas en total. Luego expandieron la organización y actualmente cuentan con 27 empleados. El personal de desarrollo representa aproximadamente dos tercios de la plantilla, encargándose respectivamente del algoritmo de IA y desarrollo de productos.
Deeply identificó un problema crítico en plantas manufactureras: la dependencia de "oídos humanos" para inspecciones de calidad. Durante años, en plantas de fabricación de componentes automotrices se han realizado inspecciones escuchando si se producen sonidos de ensamblaje al mover productos, o verificando mediante sonido si los conectores y pernos se han asentado correctamente.
Sin embargo, las inspecciones basadas en el oído humano presentan dificultades para dejar constancia objetiva de datos. El juicio puede variar según el nivel de experiencia o condición física del inspector, y no es fácil rastrear la evidencia en que se basó la determinación de defectos. "En la industria automotriz tradicional se verificaba con el oído humano", señaló Lee. "Pero ahora resulta difícil hacerlo objetivamente solo con el oído humano". Dado que es necesario dejar evidencia, documentación y convertir esto en datos, "considero que estamos en un proceso de cambio hacia un sistema", explicó.
![Showroom en la oficina de Deeply ubicada en el distrito de Mapo, Seúl. Se pueden observar soluciones como diagnóstico de sonido de accionadores y detección de sonido de conexión de conectores. [Foto=Deeply]](https://image.ajunews.com/content/image/2026/09/29/20260929172814774348.jpg)
La solución de IA de audio industrial de Deeply, llamada "Listen AI Industrial", se utiliza en inspecciones de calidad de motores automotrices, accionadores y rodamientos, así como en inspecciones de sonido de conexión de conectores y pernos. Actualmente, inspecciona más de 18,000 productos por hora con cobertura del 100% en línea, y ha acumulado más de 52 horas de datos de audio acumulativos y más de 20 terabytes de información.
Durante este proceso, Lee presta especial atención a los "datos". En las líneas de manufactura se producen cientos e incluso decenas de miles de productos diarios, y los sonidos generados se acumulan junto con la información del producto. "En ambientes de producción en masa, algunas líneas producen cientos de productos diarios y otras producen decenas de miles", explicó. "Los sonidos generados en esa línea se graban completamente y se sincronizan con información sobre qué producto es, creando datos".
Hay una diferencia significativa entre simplemente recopilar muchos sonidos. Los datos pueden vincularse para determinar si un producto es defectuoso o normal, de cuál producto proviene el sonido, y cuál es el momento de producción e información del proceso. Esta es la razón por la que Lee identifica los datos acumulados en el campo como la ventaja competitiva de Deeply. "Esos datos que se acumulan continuamente son un activo muy importante", enfatizó.
El potencial de aplicación de la IA de audio en la manufactura también se relaciona con cambios en la industria automotriz. Con la expansión de los vehículos eléctricos, los autos se vuelven más silenciosos, haciendo que la gestión de calidad de sonidos muy leves o anómalos sea más importante. En el pasado, diferencias microscópicas que se verificaban manualmente ahora necesitan ser distinguidas y registradas como datos.
Lee reconoció que la IA de audio sigue siendo un mercado más pequeño en comparación con la IA de visión. Sin embargo, su perspectiva es que conforme las plantas manufactureras se automatizan más, será necesario contar con sensores que cubran otros sentidos además de la visión. "La IA de audio puede ser un campo muy pequeño comparado con visión o robots humanoides", afirmó. "Pero la considero como el segundo sentido después de la visión". Agregó: "Si la industria que fabrica mediante sistemas automatizados continúa avanzando en esta dirección, podrá jugar un papel importante en múltiples modalidades de sensores".
Deeply apunta al mercado global basándose en casos de aplicación en la manufactura nacional. En 2025, suministró Listen AI Industrial a plantas del Grupo H tanto en Corea del Sur como en México, y en 2026 entregó la solución a un fabricante global de motores automotrices. Actualmente, la solución opera en 30 plantas industriales en todo el mundo.
En junio pasado, Deeply obtuvo una inversión de 2,500 millones de wones de Dev Sisterhood Ventures, Suin Investment Capital e Nautilus Investment. En agosto, fue seleccionada en la pista general de TIPS del Ministerio de Pymes y Startups.
Hasta ahora, la empresa se ha enfocado en mejorar el rendimiento adaptado a líneas de producción específicas. En adelante, planea mejorar la completitud del producto en sí para que más empresas manufactureras puedan utilizar el mismo producto rápidamente. "Si antes nos enfocábamos en mejorar el rendimiento técnico al implementarlo en una línea, ahora queremos aumentar la capacidad básica del producto para que más clientes puedan utilizarlo", señaló Lee. "Si se reduce el tiempo de implementación y el tiempo de instalación, también disminuyen los costos y más clientes pueden utilizar el producto".
La expansión hacia empresas manufactureras globales es también un objetivo importante. Lee señaló que actualmente la empresa está experimentando un crecimiento anual de aproximadamente tres veces y se enfocará en acelerar la adopción real por parte de clientes en lugar de priorizar la obtención de inversión o una oferta pública inicial (IPO).
La visión final que Lee tiene para Deeply es clara. Va más allá de que la IA reemplace la vista humana; se trata de permitir que las máquinas comprendan el ámbito del sonido que antes solo escuchaban los humanos.
Lee describió la dirección de Deeply como "una empresa que crea oídos para robots industriales". Explicó: "Si bien hasta ahora los módulos visuales han sido predominantes en las fábricas automatizadas, en un momento en que los robots están evolucionando de manera similar a los humanos, considero que también son necesarios módulos auditivos". Concluyó: "Quisiera que Deeply sea la empresa que suministra módulos auditivos a esa industria".
* Este artículo ha sido traducido por IA.