La inteligencia artificial hace tiempo que dejó de ser “ciencia ficción” para convertirse, casi sin darnos cuenta, en parte de nuestro día a día. De hecho, aunque suene novedosa, lleva con nosotros casi un siglo desde que el considerado como padre de la inteligencia artificial, Alan Turing, comenzara a trabajar en los años 30 en sistemas de computación capaces de simular el comportamiento humano, alcanzando su teorización en la década de los 50 con el estudio aún hoy vigente “Computing Machinery and Intelligence”. Desde entonces, el uso de inteligencia artificial ha ido de la mano de grandes avances e hitos tecnológicos, así como del desarrollo de algoritmos, siendo la “culpable” de que hoy día hablemos de smartphones en vez de teléfonos móviles, una foto sea capaz de traducirnos un texto en cualquier idioma o que una computadora gane al campeón mundial de ajedrez.
¿Qué es la inteligencia artificial?
Puede sonarnos básico que a estas alturas definamos lo que es la inteligencia artificial, pero para poder concretar su utilidad en diferentes sectores, debemos aproximarnos a su definición más práctica y alejada de todo ese imaginario popular que, gracias o por culpa de películas, libros y distopías varias, la asocia al concepto de cómo las máquinas son capaces de superar en inteligencia o incluso sustituir al ser humano en tareas tanto básicas como complejas.
Aunque ciertamente la inteligencia artificial parte del concepto de emular el comportamiento humano, en su conceptualización más práctica lo que pretende es que la tecnología sea capaz de distinguir y aprender de su entorno para así, ser capaz de llevar a cabo las acciones concretas que le posibiliten un mayor grado de éxito en diferentes objetivos y tareas. En otras palabras, no busca solamente la sustitución de las tareas que puede llevar a cabo el ser humano, sino la mejora, la agilidad y una mayor eficacia en aquellas en las que no estamos plenamente posibilitados para realizarlas o requerirían de un tiempo que no disponemos.
Aunque se considera a Alan Turing el padre de la inteligencia artificial, el término fue acuñado por primera vez en 1956 de la mano de John McCarthy
Esta característica la convierte en toda una aliada para sectores en los que se requiera un alto grado de precisión para mejorar procedimientos, lo cual la ha convertido en una tecnología muy popular en ámbitos tan variados como la industria, la logística, la medicina o en retail.
Uso de inteligencia artificial en nuestro día a día
Tal como sucediera con internet, -vigente desde finales de los 60 pero no popularizado hasta principios del s. XXI-, la inteligencia artificial ha necesitado de décadas de recorrido previo en sectores altamente especializados hasta llegar a su uso cotidiano. Su utilización en ámbitos más cercanos ha ido a la par del crecimiento de necesidades que el uso de “nuevas tecnologías” ha tenido como consecuencia. Así, en una sociedad que cada día genera más de 2,5 billones de bytes de datos, en la línea que definíamos como la necesidad de mejorar procesos en los que el ser humano es incapaz de alcanzar, se ve necesario que exista una forma de tratar y gestionar la información mediante automatismos, así como aportar valor diferencial mediante algoritmos predictivos.
Cada día se generan más de 2,5 billones de bytes de datos
En otras palabras, el uso de inteligencia artificial ha crecido y se está asentando cada vez más ante la imposibilidad como individuos de tener bajo control toda la información que generamos. Si en la temprana década de los 60, su uso se encaminaba solamente a agilizar tareas como el montaje de automóviles (ese icónico brazo articulado de las cadenas de producción), hoy en día va destinado a la asimilación, el tratamiento, la clasificación e interpretación de la información que rodea el uso de las nuevas tecnologías, como es el caso de los datos que pueda recoger una cámara de vídeo mediante técnicas de reconocimiento facial, el escáner que pueda hacer una máquina en un centro biométrico para la detección precoz de melanomas, fichar en el trabajo con solo pasar por delante de una cámara, o cómo un anuncio en plena calle es capaz de procesar por voz un pedido de McDonalds.
Con ello, ya no hablamos de macrodatos como las más de 500 horas de vídeo que se suben a Youtube cada minuto o las 400.000 horas de vídeo que se visualizan en Netflix durante el mismo periodo de tiempo, sino de la información de utilidad que se genera a cada momento, que son clave para el crecimiento de los negocios y que sin el uso de inteligencia artificial sería imposible de captar, clasificar y analizar.
Términos clave en inteligencia artificial
¿Qué procesos y términos debemos comprender para entender el uso de inteligencia artificial y su importancia para el crecimiento empresarial? La IA se ha ido rodeando de todo un ecosistema de tecnologías que la posibilitan. Así, conceptos como Deep Learning, Big Data o Data Science se asoman entre su terminología común como elementos que permiten su asentamiento y crecimiento.
Big data
Es un término relativamente reciente (surgió en la década de los 90), acuñado como respuesta al ingente crecimiento de información que los nuevos dispositivos y redes generan. Hace referencia a la cantidad de datos que supera toda capacidad de los softwares convencionales para ser tramitados, gestionados y procesados en un periodo de tiempo razonable, lo que hace requerir de nuevas tecnologías y metodologías de tratamiento de datos que absorban toda esta demanda de información.
Es en este punto donde entra la tecnología basada en inteligencia artificial, tanto a la hora de generar información (captando datos no tradicionales, no estructurados, como los derivados del registro del comportamiento humano a través de visión artificial, por ejemplo) como de tramitarla (el software que almacena la información creada y la transforma en datos procesables y entendibles a través de dashboard, gráficos, etc.).
Machine Learning / Deep Learning
Aunque en ocasiones en ámbitos no relacionados con este campo se han tratado erróneamente como términos sinónimos, machine learning sería “la primera generación”, y el deep learning su máxima expresión con aplicaciones “exóticas”. Se trata de los dos procesos que tienen las diferentes herramientas de procesamiento de datos de predecir y crear algoritmos capaces de anticipar respuesta en base a información previa.
Mientras que las tecnologías de machine learning aprenden gracias a la propia información que les vamos ofreciendo (el llamado algoritmo de regresión, basado en tendencias), deep learning va más allá pudiendo aportar valor adicional cuando el volumen de registros es más extenso. Ambos funcionan verdaderamente como una inteligencia que “aprende” cada vez más a medida que se incrementa su uso, sin la necesidad que un humano le tramite o procese información.
Un ejemplo ilustrativo sobre la diferencia entre ambas tecnologías es, por ejemplo, la aplicación al análisis y clasificación de imágenes: cómo distinguirían fotos de hombres y mujeres. Siguiendo el proceso de machine learning, previamente introduciremos en el sistema el máximo de conjunto de características que definan a un género y a otro (pelo, facciones, figura…) para después, mostrarle imágenes de distintos hombres y mujeres con diferentes peculiaridades para que sea capaz de distinguirlos de diferentes formas (tanto estereotipadas como no). Una vez que el programa ha categorizado suficientes imágenes de hombres y mujeres, será capaz de identificarlas sin que se las procesemos, al reconocer automáticamente patrones que distingan a un hombre de una mujer.
Deep Learning no necesitará de esa información previa de las características que definen a un hombre de una mujer, dada la facilidad de entender datos relacionados como imágenes, solo de un conjunto numeroso de imágenes de ambos que deconstruirá tanto en formas grandes como en pequeñas líneas. Si un patrón se repite de forma continua, lo detecta como característico de X género. Así, tras analizar un número considerable, sabrá distinguir en diferentes escenarios quién es un hombre y quién una mujer automáticamente. En ambos casos, a medida que más imágenes de hombres y mujeres vayan captando, mayor será la precisión con la que los distinga.
El uso en inteligencia artificial de estas tecnologías es vital, ya que son las que permiten los automatismos: que no se tenga que generar, procesar y ofrecer la información de forma manual, algo que en la era big data, como hemos podido apreciar, resultaría imposible.
Data Science
En un entorno tan cambiante como el descrito e inmersos de pleno en la era de la información, es vital una ciencia que no solo teorice y sea capaz de entender estos cambios, sino ofrecer las soluciones que permitan la transformación de tal cantidad de datos generados en información útil y procesable.
Es este el campo de lo que se ha denominado Data Science, que combina disciplinas anteriores como la estadística, la programación, el conocimiento de negocio, la analítica predictiva y sus diferentes metodologías para posibilitar la gestión del dato.
Debido a su propia naturaleza, es pieza clave en la implementación de inteligencia artificial, ya que son los científicos y analistas quienes la llevan a cabo y permiten su eficacia.
Por qué normalizar el uso de inteligencia artificial en la empresa
A lo largo de este artículo hemos podido ver en diversos ejemplos cómo un concepto que tiene casi un siglo se ha popularizado gracias a la necesidad de tramitar ingentes cantidades de información y las infinitas formas en las que esta se presenta. Hoy en día, los datos son “el nuevo petróleo del s. XXI”, la cuarta revolución, el motor que permite que muchos servicios lleguen a sus audiencias.
Por ello, cómo recabamos, tratamos y asimilamos la información de nuestros potenciales clientes es clave para el crecimiento empresarial y ganar competitividad, pudiéndoles ofrecer los servicios que requieren incluso antes de que los necesiten, pero no sólo eso… no tenemos que dedicarnos únicamente a trabajar con datos o a la venta de servicios para beneficiarnos de su uso: la inteligencia artificial se ha abierto paso en múltiples sectores gracias a su versatilidad y adaptación a cualquier necesidad.
Así, en sectores como la banca y los seguros, es clave para algo tan importante en el funcionamiento de estas actividades como la detección del fraude. ¿Cómo se puede demostrar un intento de estafa con IA? Un ejemplo sería el uso de algoritmos que indiquen la probabilidad de que un cliente esté incurriendo en un fraude, en base a casos anteriores similares, el histórico del reclamante, cómo actúa gracias a la analítica comportamental o, en el caso de los seguros de conducción, analizando mediante visión artificial la superficie siniestrada para verificar si se debe a accidentes recientes o anteriores.
Mediante esta técnica, las aseguradoras que aplican inteligencia artificial han podido reducir notablemente los siniestros simulados, que representan una media del 47% de los declarados. De forma igual de eficaz, el uso de IA en el sector banca / seguros ha resultado útil a la hora de resolver incidencias y reclamaciones, al usar el histórico previo como referente y ofrecer respuestas concretas en clave a ello.
Otro ejemplo es mediante las sugerencias de contenido o compra, muy populares en plataformas como Netflix o para técnicas de venta como el cross selling y up selling: el clásico “si has visto X, te gustará Y” o “si compras X, tal vez te interese Y”. En el caso de Netflix, combina big data (toda la información sobre el contenido que consumen sus suscriptores, que se cifra en 164,8 millones de horas al día) con deep learning (estudio automático de los hábitos de todo el conjunto de consumidores respecto a sus perfiles) para que, mediante IA, sugerirte que veas “Vis a Vis” si te gustó “La Casa de Papel”: no solo por similitudes en la trama, sino porque X número de usuarios que responden a tu perfil (edad, hábitos de consumo, etc.), así lo han hecho.
Esta correlación no solo se usa como servicio complementario para el usuario, sino que a Netflix le sirve como información privilegiada para saber si futuros contenidos van a tener éxito o no, incluso en qué país puede tener mejor aceptación, -tal como se detalla a la perfección en este artículo sobre su estrategia de contenidos-, de forma que consigue una mayor ventaja frente a sus competidores al tener datos que le hacen posicionarse como líder en el mercado incluso antes de que éstos se materialicen.
Elternativa y el uso de inteligencia artificial
Puede que tengas claras las prioridades de tu negocio y sepas las herramientas que requieres para ello; o puede que te interese el uso de inteligencia artificial y cómo optimiza los recursos empresariales, pero no sepas cómo aplicarlos a tu empresa.
Es natural que, a la hora de hacer crecer un negocio, busquemos soluciones enfocadas a la consecución de objetivos, pero el abanico de posibilidades es tan amplio, que resulta casi imposible conocer de entrada la solución idónea y que mejor se adapta a nuestro ámbito.
Es en este aspecto, donde nuestros expertos consultores son clave. Desde elternativa no vendemos IA sin más: ofrecemos la solución de IA adecuada a las necesidades del negocio, así como gestión del dato, inteligencia de negocio y metodologías y herramientas destinadas a mejorar los procesos de aquellas empresas que quieren maximizar su rendimiento acorde a principios sostenibles, de ahorro y mejora de su entorno.
Trabajar con numerosos sectores como retail, turismo, energías, educación, banca, seguros, logística y transporte, telecos, real estate, industrias, farma, etc., nos aporta un conocimiento transversal y sinérgico que nos permite aportarte valor combinando la experiencia de negocio con las metodologías adecuadas de IA, ya contrastadas en el mercado y en diversos ámbitos de aplicación. ¿Nos dejas ayudarte?
