Cuando hablamos de inteligencia artificial, las personas normalmente se ubican en películas como RoboCop o Terminator, pero nada más alejado de la realidad, por lo menos si nos situamos en esta tercera década del siglo 21. “La inteligencia artificial es parte ya del uso cotidiano y tiene un enorme potencial”, así lo menciona Roy Zúñiga, director del Programa de Inteligencia Artificial y Profesor Pleno INCAE Business School, en la reciente segunda edición del Evento Poder 360, organizado por Expand Latam.
Aplicaciones de la inteligencia artificial en la vida cotidiana
Si hablamos de los asistentes personales digitales que nos ofrecen los teléfonos inteligentes, por ejemplo, cuando empezamos a digitar la letra “V” seguida de la letra “A” de inmediato se muestran varias opciones: “vacas”, “vacaciones”, “variedad”, con el propósito de evitar que el usuario tenga que digitar la palabra completa; de igual manera cuando programamos el celular para que nos despierte a cierta hora o cuando la aspiradora empieza a operar en el momento en que no hay nadie en la casa realizando acciones que nos simplifican la vida, lo que nos lleva a plantearnos las siguientes interrogantes:
¿Pueden las computadoras aprender?
Si el dispositivo de computación es capaz de hacer algo que usualmente requiere razonamiento humano e inteligencia, podemos decir que eso es “Inteligencia Artificial”.
¿Qué es inteligencia?
De manera simplificada podemos decir que la inteligencia es la capacidad para aprender nuevas habilidades, absorber conocimiento y aplicarlo a nuevas situaciones para alcanzar el resultado esperado.
La Inteligencia Artificial está compuesta por tecnologías cognitivas que despliegan capacidades previamente poseídas solo por humanos, como conocimiento y percepción para resolver tareas muy limitadas (dado el estado actual de la tecnología).
De los usos más tradicionales es el reconocimiento de imágenes, entonces cómo diferenciar siendo computadora, por ejemplo, si lo que tenemos es la imagen de un perro o un gato, lo que se hace es tomar datos que están en etiquetas de lo que es un perro y un gato, entrenamos con esos datos a un modelo, el modelo aprende por sí mismo y es capaz de discernir con algún grado de probabilidad si lo que tiene adelante es un gato o un perro, luego lo alimentamos con más datos y esto genera una predicción, es decir, respuesta a = es un gato.
Vamos a otro ejemplo, el uso del celular con el reconocimiento facial que falla a la hora de ponerse mascarilla, es en este momento en que nos preguntamos ¿Por qué la IA fue incapaz de hacer ese reconocimiento?, es aquí donde entra en juego otro término que debemos tener claro, el algoritmo.
¿Qué es un algoritmo?
Es un conjunto de reglas o cálculos para resolver un problema, que nos permite tomar una cifra, multiplicarla por otra y tener un resultado, lo que nos lleva a los orígenes del machine learning.
¿Qué es el Machine Learning?
Es un conjunto de algoritmos que descubren relaciones en datos con un nivel de confianza asociado basado en la probabilidad de que una relación sea verdadera.
Esto es matemática, es tratar de buscar relaciones en datos para con cierto grado de probabilidad decir que, si una persona vive en el barrio tal, se levanta a tal hora, hace tal visita al supermercado con determinada frecuencia y el ticket promedio es de cierto monto, es muy probable que esa persona, compre x o y servicio, una probabilidad que se deriva a partir de datos.
¿Qué es la Inteligencia Artificial para negocios?
Una colección de machine learning y tecnologías relacionadas que son empleadas para realizar tareas que normalmente requieren inteligencia humana, como reconocer y categorizar el habla, identificar un objeto o persona en una foto o video, o resumir el contenido de un comentario en una red social.
¿De dónde sale esta demanda explosiva por la IA?
La respuesta es de los datos, cada vez hay más datos, entonces aparecen las primeras tres “V”, volumen, variedad y velocidad, es tanto el volumen de datos que si no fuera por la computación en la nube esto sería imposible de manejar.
Cada vez hay más variedad de datos, antes estaban en tablas tipo Excel con datos muy estructurados con etiquetas, pero esto ha cambiado, ahora tenemos bases de datos no estructuradas, como las opiniones de las personas en redes sociales, los likes, los blogs y las capturas en la web. Esto quiere decir, que los datos entran en video, texto o en una foto a una velocidad abismal, tanto es así que ya no interesa que se depositen los datos en un disco duro, estos tienen que ser procesados casi en el flujo de la memoria porque sino nos aburrimos, nos cambiamos de página web y lo importante es que los datos generen un valor.
¿Cómo manejamos estos datos y para qué?
Necesitamos datos para realizar estadísticas y análisis en inteligencia artificial de manera conceptual en el eje de las “ x” está el valor de negocio y en el eje de las “y” el grado de madurez, en el concepto de analítica por parte de la organización cuando decimos que solo tenemos unas visualizaciones que nos describen, nos referimos a analítica descriptiva, mientras la analítica diagnóstica, nos permite entender las relaciones entre causas y factores, pero si queremos predecir con ciertas probabilidades entra el machine learning, entonces hablamos de analítica predictiva, pero si queremos ser más sofisticados y queremos hablar de analítica prescriptiva, es porque estamos optimizando sistemas y procesos, aquí es donde entra la IA.
¿Dónde aplicar la Inteligencia Artificial para negocios y por qué?
Tecnologías Cognitivas
1-Machine Learning estadístico:
La idea es automatizar el proceso de entrenamiento y ajuste de modelos a los datos.
Lo importante es tener un modelo, como por ejemplo, un análisis de mercadeo muy granularizado basado en big data, como el Einstein de Salesforce, que nos dice en qué momento deberíamos lanzar esa campaña, con que palabras para optimizar la recordación y la respuesta, con el propósito de tener un impacto que nos sea de interés.
El Machine Learning se clasifica en:
Supervisado: Quiere decir que hay etiquetas en los datos.
No supervisado: En este le decimos al software tengo estos datos, dígame que puede encontrar los puede agrupar, puede hacer asociaciones.
El aprendizaje de refuerzo: Por ejemplo, cuando queríamos hacer un deporte y estábamos pequeños, nos metían a la cancha, nos pasaban la bola y la tocábamos mal, pero poco a poco mientras más nos pasaran la pelota más aprendíamos, eso es precisamente lo que significa machine learning de refuerzo muy utilizado en juegos.
2-Redes Neuronales:
La idea es emplear neuronas artificiales que ponderan las entradas para relacionarlas con las salidas.
Ejemplo de uso: Fraude financiero, predicción del tiempo.
3-Deep Learning:
Consisten en redes neuronales con muchas capas de variables o atributos.
Usos en: Reconocimientos de imágenes, extracción de significado a partir de texto.
4- Procesamiento Natural del Lenguaje:
Analiza y comprende el habla y texto humano.
Ejemplos: reconocimiento de voz, texto predictivo y traducciones.
5- Computer Vision:
Deriva información significativa de imágenes, videos y toma o hace recomendaciones con base en dicha información.
Ejemplo: Reconocimiento facial, salud con el uso de los rayos x, agricultura, construcción para proyecciones de tiempo de entrega de proyectos, vehículos autónomos.
6- Chatbots, asistentes personales inteligentes:
Simula una conversación a través de comandos de voz o texto o ambos. Se puede incorporar a diversos medios de mensajería.
Ejemplos: Alexa, Siri.
7- Robots físicos:
Son una combinación de inteligencia artificial con robótica, estando el software de IA incorporado en el sistema del robot para hacerlo inteligente.
Ejemplo: El robot Penny, que recibe a los clientes en los bancos, Pepper, el robot que sirve comida y Nimbo un robot que simula una especie de perro, que se suelta en una bodega y deambula, en caso de detectar algo inusual toma fotos, activa alarmas y se conecta con la central.
8- Automatización robótica de procesos:
Automatiza tareas e interfases digitales estructurados de sistema.
Usos: Reemplazo de tarjetas de crédito, validación de credenciales online.
Si bien es cierto, la IA contribuye a automatizar los negocios aún no logra reemplazar al ser humano, Roy Zúñiga, director del Programa de Inteligencia Artificial y Profesor Pleno INCAE Business School, asegura que “la IA no es igual a un cerebro humano pues hace poquitos, hace tareas puntuales, aplicadas a las necesidades de hoy en día”.
Si te gustó este tema también te puede interesar: Análisis predictivo de Salesforce e Inteligencia artificial para CRM.
Expand Latam, como reseller autorizado de Salesforce le ayuda a su empresa a iniciarse en el mundo de la transformación digital con todas las aplicaciones y soluciones más reconocidas del mundo.
Si tienes preguntas sobre algún producto de Salesforce, no dudes en contactarnos.
