Menu

TENDENCIAS EN INTELIGENCIA ARTIFICIAL Y MACHINE LEARNING.


Leído 532 veces


En el día de ayer tuve la oportunidad en asistir a la conferencia Big Data, Data Science y Gestión de datos, coorganizado por Dama Capítulo de México y PricewaterhouseCoopers, donde además se explicó y con gran detalle, el impacto de la Inteligencia Artificial en distintos sectores. En el transcurso de la conferencia, Ignacio Madrid, Director Transformación Digital en PricewaterhouseCoopers y, su compañera, nos mostraron un caso de éxito aplicado a la industria de la logística y transporte donde aprovechaban las nuevas tecnologías para mejorar el rendimiento de los proveedores transportistas reduciendo el coste operativo y especialmente el gasto en combustible.

Casualmente y tan sólo unos días antes, recibí el boletín de mi colega Joaquín País, CEO en ShowerThinking, Consultor y Ponente en conferencias sobre marketing digital e inbound marketing, que aprovecho para re-publicarlo en nuestro blog. Feliz IA Viernes.


Por Joaquín Pais 19/06/2018.

La burbuja en torno a la Inteligencia Artificial (AI) y el Deep Learning no ha hecho más que empezar. A finales del año pasado, la consultora Gartner ya pronosticaba un apogeo de este tipo de tecnología, recuperando un concepto que había bautizado como “Intelligent Digital Mesh” y que, en su opinión, iba a ramificarse por prácticamente cualquier tipo de avance tecnológico de los próximos 5 años.

Teniendo en cuenta semejante afirmación, es imposible abarcar en un solo artículo cada una de las implicaciones de la AI. No obstante, aquí te presento algunas de las tendencias, tanto desde una perspectiva global, como con un enfoque más sectorizado.

Automatización generalizada de procesos con Artificial Intelligence.

Una buena parte de las empresas ya llevan utilizando la AI a pequeña escala en multitud de procesos, incluso aún no refiriéndose a esta como Inteligencia Artificial. La progresiva implantación de chatbots de atención al cliente es un perfecto ejemplo de ello.

Sin embargo, el futuro inmediato va ser testigo de una expansión exponencial en la implantación de la AI como instrumento de automatización de procesos y tareas repetitivas. Hasta ahora, las empresas han estado aprendiendo acerca del potencial de la AI, así como realizando pequeñas pruebas de concepto, con el fin de comprobar la rentabilidad de la inversión en este recurso.

Dos de los mayores problemas o barreras consistían en la resistencia al cambio por parte de directivos y empleados, así como las dificultades para recabar y organizar los datos necesarios para hacer de la AI y el Machine Learning un instrumento útil.

Ahora que tanto la tecnología, como la cultura corporativa han madurado, vamos a asistir a un incremento en la utilización de la AI en todas las áreas de las organizaciones.

Lecturas recomendadas:
Cómo sacar provecho al Big Data.
Cómo puedo utilizar la AI para mejorar mi negocio.

Adopción de Inteligencia Artificial en la nube.

Los algoritmos de análisis predictivo basados en la AI presentan un enorme potencial a la hora de mejorar la toma de decisiones por parte de las organizaciones, ya se trate de ajustes en términos de productividad, seguridad, gestión de RR.HH. o marketing.

El problema es que, durante mucho tiempo, la infraestructura y demás recursos necesarios para poder beneficiarse de esta capacidad analítica suponían una notable inversión en sistemas de recolección de datos, contratación y entrenamiento de personal, instalación de equipamiento, etc.

Gracias al auge de los sistemas en la nube, las empresas tienen ahora a su alcance una capacidad de computación mucho más económica, escalable y adaptable a sus necesidades.

Avance en la comprensión y utilización de las DNN.

Aunque resulte sorprendente, aún no se dispone de un conocimiento preciso del funcionamiento de las Deep Neural Networks (DNNs); es decir, las redes neurales de carácter artificial que emulan el cerebro humano, y que están detrás de las soluciones de Machine Learning y Deep Learning.

PricewaterhouseCoopers señala que las nuevas teorías y enfoques están dando lugar a la aparición de novedosos tipos de redes neurales con capacidades mejoradas, tales como:
  • Las “Capsule Networks”, utilizadas para el procesamiento de información visual.
  • Las “Deep Reinforcement Learning Networks” (DRL) cuya capacidad de aprendizaje a partir de la observación y la interacción ya ha comenzado a reflejarse en las aplicaciones destinadas a resolver cuestiones de negocios.
  • Las “Generative Adversarial Networks” (GAN), destinadas a la aplicación en tareas no supervisadas, cuya información de base no existe o cuyo coste de adquisición de demasiado elevado.
     

Aplicaciones sectoriales de la IA y el Machine Learning.

Como ya he señalado al comienzo, el potencial de la AI apunta a su implicación en cualquier ámbito de los negocios o la vida personal. No obstante, hay determinados sectores en los que las repercusiones ya están comenzando a manifestarse de forma disruptiva.

Inteligencia Artificial en el sector de la salud.

El sector de la salud es una de las industrias donde los cambios resultan más sensibles, tanto para usuarios como para profesionales. Éstas son sólo algunas pinceladas a destacar:

La capacidad preventiva de enfermedades gracias a los algoritmos predictivos va a suponer un gran cambio para la medicina moderna.

La robótica dotada de inteligencia artificial presenta decenas de ramificaciones posibles, ya se trate de instrumentación médica, asistentes personales o prótesis para los pacientes.

El diseño inteligente de medicación personalizada supone también un gran avance en la eficacia de los medicamentos, tanto en su elaboración, como en su utilización.

IA en el sector financiero.
El análisis de riesgos y la eficiencia en la utilización de recursos económicos son la esencia del sector financiero.

Muchas de las tareas de carácter analítico pueden ser automatizadas y ejecutadas por una solución de Machine Learning, reduciendo así las posibilidades de error y utilizando modelos predictivos más sofisticados en ámbitos tan variados como:
 
  • Perfil crediticio.
  • Detección del fraude.
  • Seguros.
  • Gestión patrimonial.
  • Investigación de mercado.
  • Cumplimiento normativo.
     
IA y el marketing y las ventas.

Por último, no podemos olvidar las repercusiones de la AI sobre el marketing y las ventas. Recientemente, publiqué un artículo acerca de las mejores soluciones de análisis predictivo en este ámbito. Puedes leerlo aquí: Principales vendedores de la Inteligencia Artificial aplicada a Marketing y Ventas

Además de este pilar crítico, la AI y el Machine Learning ofrecen multitud de aplicaciones tales como:
 
  • Ajuste de precios en tiempo real.
  • Búsquedas mediante lenguaje natural.
  • Búsquedas mediante imágenes.
  • Merchandising predictivo.
  • Marketing Omnicanal.
  • Analítica online y offline integradas.

El futuro inmediato está definitivamente ligado a la AI y el Machine Learning.

La capacidad de esta tecnología para simplificar nuestra vida, optimizar la toma de decisiones y multiplicar las posibilidades de negocio es incalculable. Si eres capaz de incorporar estas nuevas capacidades en tu organización, estarás adquiriendo una importante ventaja competitiva en un mercado caracterizado por el cambio acelerado.


Oscar R. Cuenca
Blog Venture Capital. http://www.blogventurecapital.com Revista digital especializada en venture... Saber más del autor

EMPRENDEDORES | INVERSORES | PYMEs | OPINIÓN | TENDENCIAS | NOTICIAS BREVES | EDUCACIÓN | SERVICIOS | CALENDLY







Síguenos!
Facebook
Twitter
RSS
Mobile

100 Hot libros para Negocios e Inversiones


ARTÍCULOS




Suscríbete a nuestra lista de correo!

* indicates required
/ ( mm / dd )




100 Hot libros ebooks Kindle



Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional


El Arte de Invertir





>