Dónde se aplican los algoritmos y qué beneficios aportan, desde el marketing hasta el reclutamiento. Una guía para aclarar las oportunidades de negocio reales y las soluciones disponibles.
Tabla de contenidos
La Inteligencia Artificial ya forma parte de nuestra vida diaria y actualmente se utiliza en muchas empresas que apuestan por la tecnología. Todo el mundo conoce los coches sin conductor o los asistentes de voz como Siri de Apple, Cortana de Microsoft o Alexa de Google, pero hay muchos ejemplos menos conocidos.
Algoritmos inteligentes, capaces de autoaprendizaje, sugieren productos para comprar, películas o canciones según nuestros gustos, saben responder a las preguntas de los clientes a través del chat, pueden reconocer el rostro de una persona para permitir el acceso, clasificar documentos en función del contenido, apoye a los médicos en la lectura de imágenes de rayos X y diagnósticos, filtre CV para seleccionar al candidato ideal. Entre muchas otras opciones.
Existen ya numerosos ejemplos de cómo la introducción de la Inteligencia Artificial en los procesos de negocio ha traído impactos positivos, automatizando partes de los propios procesos repetitivas, antes realizadas por humanos, reduciendo errores, permitiendo el desarrollo de nuevos productos y servicios. Estamos en el principio, pero en los próximos años veremos un salto cualitativo.
Las grandes corporaciones a nivel mundial están dando los primeros pasos en esta dirección: las primeras en lograr resultados concretos podrán beneficiarse de una enorme ventaja.
La historia de la Inteligencia Artificial
El primer proyecto de investigación real atribuible a la IA se remonta a 1943, cuando Warren McCulloch y Walter Pitt diseñaron una red neuronal, es decir, algoritmos matemáticos que intentan reproducir el funcionamiento de las neuronas de nuestro cerebro para resolver problemas.
Sin embargo, fue a finales de la década de 1950, cuando el científico Alan Turing -en 1950- comenzó a teorizar que una computadora podría comportarse como un ser humano.
El término Inteligencia Artificial fue acuñado por el matemático estadounidense John McCarthy (1956), autor de los primeros lenguajes de programación (Lisp en 1958 y Prolog en 1973) específicos para la IA a través de los cuales comenzó a desarrollar programas generales para la resolución de problemas.
A partir de los años 1980, este mundo evolucionó con grandes avances en los modelos matemáticos, cada vez más sofisticados y capaces de imitar algunas funciones cerebrales como el reconocimiento de patrones, pero menos interés en las redes neuronales y, en general, en el hardware.
El interés revivió en los años 90 con la llegada masiva de las GPU (Graphics Processing Units, chips de procesamiento mucho más rápidos que las CPU y, por tanto, capaces de soportar cargas de trabajo complejas mucho más rápidamente) procedentes del mundo de los videojuegos.
Qué es la Inteligencia Artificial: una definición
El Politécnico de Milán proporciona esta definición de IA: “La Inteligencia Artificial, en inglés Artificial Intelligence (AI), es la rama de la informática que estudia el desarrollo de sistemas hardware y software dotados de capacidades propias del ser humano y capaces de perseguir de forma autónoma un propósito definido mediante la toma de decisiones que, hasta ese momento, generalmente estaban confiadas a los seres humanos”.
Las capacidades típicas de los seres humanos se refieren, específicamente, a la comprensión y el procesamiento del lenguaje natural (NLP – Natural Language Processing ) y de las imágenes (Image Processing ), el aprendizaje, el razonamiento y la capacidad de planificar e interactuar con personas, máquinas y el medio ambiente.
A diferencia del software tradicional, un sistema de IA no se basa en la programación (es decir, en el trabajo de los desarrolladores que escriben el código operativo del sistema) sino en el aprendizaje de técnicas. Es decir, se definen en algoritmos que procesan una enorme cantidad de datos de los que el propio sistema debe derivar sus capacidades de comprensión y razonamiento.
IA débil e IA fuerte
En realidad, no existe una definición unívoca de IA y las interpretaciones pueden variar según el enfoque: por un lado, se puede centrarse en los procesos de razonamiento internos y, por otro, en el comportamiento externo de los sistemas -tomando siempre como referencia una «medida de eficacia»- es la similitud o cercanía con el comportamiento humano.
Partiendo de estas consideraciones, la comunidad científica ha coincidido en definir dos tipos diferentes de inteligencia artificial, la débil y la fuerte:
– Inteligencia artificial débil (Weak AI): contiene en su interior sistemas capaces de simular algunas funciones cognitivas humanas sin alcanzar, no obstante, las capacidades intelectuales típicas de los humanos. Se trata de programas de resolución de problemas capaces de replicar algún razonamiento lógico humano para resolver problemas, tomar decisiones, como en el juego de ajedrez.
– Inteligencia artificial fuerte (Strong AI): los sistemas capaces de adquirir conocimientos (o incluso ser conscientes de sí mismos) entran en esta categoría. Hay teorías que empujan a algunos científicos y expertos a creer que algún día las máquinas tendrán una inteligencia propia (por lo tanto, no emularán a la del hombre), autónoma y probablemente superior a la de los seres humanos (ese momento se llama Singularidad).
Los sistemas actualmente en uso caen en el ámbito de la inteligencia débil, pero el progreso es constante.
Tipos de IA
Si nos fijamos en los sistemas de Inteligencia Artificial más comunes, es posible identificar esencialmente 5 tipos:
IA conversacional: chatbots y agentes virtuales, esencialmente software que simulan una conversación en lenguaje hablado común, utilizando grandes volúmenes de datos para reconocer entradas de voz o texto, procesar solicitudes, comprenderlas y generar respuestas efectivas en tiempo real.
IA predictiva: el análisis de datos actuales y tendencias pasadas con el apoyo de algoritmos de Inteligencia Artificial y Machine Learning nos permite anticipar lo que es probable que suceda en el futuro.
IA generativa: a partir de simples solicitudes (prompts), es posible generar textos, imágenes, vídeos, pero también código fuente, para crear contenidos y software con extrema facilidad.
IA autónoma: la evolución quizás más fascinante pero también más temida de la Inteligencia Artificial, una en la que los algoritmos actúan sin ninguna intervención o aportación humana, de forma independiente y autónoma, sin necesidad de supervisión.
Inteligencia General Artificial (AGI): también llamada IA fuerte, representa la nueva frontera de los estudios científicos sobre Inteligencia Artificial. Muchos imaginan un futuro en el -que un agente de software- sea capaz de aprender una tarea, incluso una compleja, y de hecho asimilarla a un ser humano sensible y con conciencia propia.
Modelos de aprendizaje
Lo que caracteriza a la Inteligencia Artificial desde el punto de vista tecnológico y metodológico es el método/modelo de aprendizaje con el que la inteligencia se capacita en una tarea o acción. Estos modelos de aprendizaje son los que distinguen el aprendizaje automático y el aprendizaje profundo.
Aprendizaje automático (Machine Learning)
Son sistemas que sirven para «entrenar» al software para que, corrigiendo errores, pueda aprender a realizar una tarea/actividad de forma independiente.
Por ejemplo, el brazo mecánico sostenido por IA, y por tanto inteligente, es capaz de ensamblar una pieza aunque no esté donde debería estar, porque el algoritmo de control, en lugar de proporcionar las coordenadas, activa un reconocimiento óptico que busca la pieza en toda el área que el brazo puede alcanzar.
Y si la máquina o el hombre que sostiene las piezas repite el error varias veces, el robot aprende que esa es la nueva posición e inmediatamente va a buscar la pieza allí. Machine Learning está evolucionando en una línea de investigación basada en el uso de redes neuronales organizadas en múltiples niveles de profundidad y por ello se denomina Deep Learning.
Aprendizaje profundo (Deep Learning)
Se trata de modelos de aprendizaje desarrollados recientemente (desde 2012) inspirados en la estructura y funcionamiento de nuestro cerebro, que emulan la mente humana.
En este caso, el modelo matemático por sí solo no es suficiente: el Deep Learning requiere redes neuronales artificiales diseñadas ad hoc (redes neuronales artificiales profundas) y una capacidad computacional muy potente capaz de «soportar» diferentes capas de cálculo y análisis (que es lo que ocurre con las conexiones neuronales del cerebro humano).
Puede parecer un nivel tecnológico futurista, pero, en realidad, se trata de sistemas que ya se utilizan en reconocimiento de patrones, reconocimiento de voz o imagen y sistemas de procesamiento del lenguaje natural (PNL).
Una clasificación de soluciones de Inteligencia Artificial: 8 categorías
Según el Observatorio de Inteligencia Artificial de la Escuela de Administración del Politécnico de Milán, actualmente existen ocho clases de soluciones de Inteligencia Artificial.
Vehículo Autónomo
Se refiere a cualquier vehículo autónomo utilizado para cualquier tipo de transporte por carretera, acuático o aéreo, como -por ejemplo- un coche autónomo o un vehículo de paquetería a domicilio.
Robot autónomo
Robots, más o menos antropomórficos, capaces de moverse, manipular objetos y realizar acciones sin intervención humana, extrayendo información del entorno que los rodea y adaptándose a acontecimientos imprevistos o codificados. Los robots de Boston Dynamics, se encuentran entre los más conocidos ya que su capacidad para moverse hoy en día es tal que recientemente hicieron una demostración de parkour.
Objeto inteligente
Todos aquellos objetos, desde gafas hasta maletas, capaces de realizar acciones y tomar decisiones sin requerir intervención humana, interactuando con el entorno a través de sensores (termómetros, cámaras, entre otros) y aprendiendo de las acciones de las personas que interactúan con ellos.
Asistente virtual y chatbot
Los sistemas más avanzados son capaces de comprender el tono y el contexto del diálogo, memorizar y reutilizar la información recogida y demostrar ingenio durante la conversación. Estos sistemas son cada vez más utilizados como primer nivel de contacto con el cliente para su asistencia a través del Servicio de Atención al Cliente de la empresa.
Recomendación
Son soluciones encaminadas a atender las preferencias, intereses y decisiones del usuario, en base a la información proporcionada por el usuario, directa o indirectamente. Se usan en el comercio electrónico o en los servicios de vídeo y música (las sugerencias de Amazon, Netflix y YouTube son un ejemplo) y pueden estar en diferentes puntos del recorrido del cliente o del proceso de toma de decisiones.
Procesamiento de imágenes
Sistemas capaces de realizar análisis de imagen o vídeo para reconocer personas, animales y cosas presentes en la imagen, reconocimiento biométrico y extracción de información de la imagen/vídeo. Por ejemplo, se utilizan aplicaciones para la supervisión de salas técnicas por parte de empresas de servicios públicos o para la evaluación de daños de vehículos en accidentes de seguros.
Procesamiento del lenguaje
Implica habilidades de procesamiento del lenguaje para la comprensión del contenido, la traducción, hasta la producción de textos de forma independiente, a partir de datos o documentos proporcionados como insumos.
Procesamiento inteligente de datos
Esta amplia categoría incluye todas aquellas soluciones que utilizan algoritmos de Inteligencia Artificial sobre datos estructurados y no estructurados para extraer información. Entre los ejemplos se encuentran los sistemas para detectar fraude financiero, investigación de patrones, sistemas de seguimiento y control, análisis de análisis predictivo.
Para prevenir riesgos, se realizan análisis muy sofisticados que correlacionan datos, eventos, comportamientos y hábitos para comprender de antemano cualquier actividad fraudulenta. Estos sistemas también pueden encontrar aplicación en otros contextos corporativos, como por ejemplo, para la protección de información y datos en la lucha contra el cibercrimen.
Inteligencia artificial en los procesos de negocio
La IA nació en los años 50, pero solo hoy los avances tecnológicos registrados en la potencia informática, la disponibilidad de datos y la capacidad de su análisis para resolver problemas complejos han permitido la nacimiento y difusión de aplicaciones.
Las tecnologías subyacentes están maduras y, a través de API y servicios en la nube, están disponibles a costos asequibles. Sin embargo, se necesita un enfoque de diseño para introducir la IA en los procesos.
Si hasta hace 10 años las barreras a la implantación de empresas estaban ligadas a la falta de instrumentación, o de habilidades analíticas inadecuadas, hoy la cuestión no es tecnológica, sino principalmente la cultural y de habilidades específicas. Según los expertos, hoy el 70% del esfuerzo relacionado con un proyecto de IA es para el rediseño de los procesos, el 10% para escribir los algoritmos y sólo el 10% para la parte tecnológica.
Actualmente los sectores más avanzados en la adopción de proyectos de inteligencia artificial son banca, finanzas y seguros, automoción, energía, logística y telco.
Cómo se aplica la IA en la vida cotidiana
Incluso -sin ser conscientes de ello- cada uno de nosotros ya nos hemos encontrado con la inteligencia artificial en nuestra vida diaria. Los ejemplos son muchos.
Pensemos, por ejemplo, como se mencionó, en Netflix, Spotify, Amazon o cualquier sitio de comercio electrónico. Todos ellos implementan sistemas de recomendación que recomiendan películas, libros, canciones y compras según nuestros gustos y necesidades.
¿Cómo lo hicieron? El mecanismo de aprendizaje automático considera muchos casos, esencialmente los comportamientos de todos sus usuarios en el tiempo, y extrae patrones, mecanismos comunes, que luego aplica para hacer predicciones sobre nosotros. ¿Nos gusta el terror? Probablemente no sugerirá una película romántica, sino una fantasía. ¿Hemos visto una película con Hugh Grant? La simpatía del actor británico volverá a mostrarse ante nosotros. Las correlaciones, por supuesto, no son tan simples.
Detección de fraude
Otra aplicación de uso diario son los sistemas de correo electrónico de Google y Microsoft. Ahora, en cuanto escribimos las primeras letras de una palabra en el mensaje de correo electrónico, la inteligencia artificial nos sugiere cómo continuar la frase completa. ¡Y también es capaz de sugerir cómo responder interpretando el texto!
¿Ha recibido un informe de uso anómalo de su tarjeta de crédito porque la utilizó en Londres, donde nunca había estado antes? También en este caso, un algoritmo de Machine Learning entrenado para la detección de fraude sugiere al banco que se ponga en contacto contigo. Muchas compañías financieras y de seguros utilizan la IA para detectar comportamientos sospechosos e intervenir rápidamente para proteger a sus clientes.
Video vigilancia
Otro uso creciente es el de la videovigilancia. Las cámaras modernas están asociadas a sistemas de análisis de imágenes, otra tecnología que utiliza inteligencia artificial. El algoritmo puede «mirar» los vídeos e interpretarlos, y esto se usa, por ejemplo, en las ciudades, para identificar situaciones anómalas o peligrosas, en las zonas peatonales, y también en el tráfico de vehículos.
También está creciendo el uso de sistemas que, a través de voz o texto, responden preguntas: los chatbots. Además de ayudar a los usuarios a buscar información repetitiva de una forma más sencilla e inmediata (normalmente las mismas que ya se encuentran en las preguntas frecuentes), pueden proporcionar a los clientes información sobre los productos o servicios ofrecidos por la empresa, como horarios, pero también encuentran espacio internamente dentro de las empresas, por ejemplo, para proporcionar información sobre vacaciones, permisos, contribuciones de recursos humanos.
Automatización de procesos: Automatización Robótica de Procesos e IA
Las soluciones RPA (Robotic Process Automation) se utilizan desde hace varios años para agilizar procesos engorrosos mediante la automatización de operaciones simples y repetitivas, particularmente en sistemas de información heredados (por ejemplo, para extraer datos de un sistema ERP e insertarlos en otro software).
Su uso apunta a la eficiencia: ahorran mucho tiempo y permiten dedicar recursos a actividades de mayor valor añadido y a la resolución de escenarios complejos que la automatización no es capaz de gestionar, potenciando la creatividad y el ingenio.
Integrando la IA con la RPA —que son complementarias— es posible avanzar. Si antes las partes más complejas del proceso se dejaban en manos de los humanos, ahora es posible automatizarlas mediante la formación.
Gestión de Procesos de Negocio
Se puede decir, por ejemplo, que RPA actúa como un robot (de hecho las soluciones también se llaman bots) sentado frente al PC y capaz de realizar un número limitado de actividades, que para gestionar escenarios más complejos es sustituido por un robot con mejor preparación.
La automatización de procesos con RPA se enmarca dentro del alcance de BPM Business Process Management y hoy se implementa con metodologías Agile que permiten obtener resultados rápidamente, procediendo en «sprints» de proyectos con frecuencias semanales o de corto plazo.
La gama de soluciones RPA es amplia: entre los principales proveedores se encuentran Automation Anywhere, UI Path, Blue Prism y Nice.
IA para RR.HH.: a la caza del mejor talento
Buscar al candidato ideal es una actividad desafiante y estratégica que ocupa gran parte del tiempo del equipo de RR.HH. Analizar los CV es cada vez más difícil y una lectura rápida de los datos no siempre garantiza una correspondencia efectiva con las competencias y habilidades que la empresa necesita.
Se necesita un análisis profundo, por ejemplo, comparando las experiencias y antecedentes de un empleado presente en la empresa, verificando el nivel real de conocimiento de un software según los años en que se usó.
La Inteligencia Artificial viene a ayudar. Están llegando al mercado soluciones as-a-service capaces de soportar actividades de reclutamiento, como la desarrollada por Avanade y basada en Cortana, actualmente utilizada internamente por la propia empresa.
La Inteligencia Artificial ayuda a Recursos Humanos a seleccionar una lista corta de candidatos para puestos vacantes en la empresa, y luego deja la decisión final a los gerentes de RR.HH. y a los gerentes relevantes. Se compone de una interfaz de diálogo integrada con RPA y bases de datos internas de la empresa que busca candidatos en línea (en particular en Linkedin) y compara sus habilidades con las presentes en la base de datos de empleados de la empresa, devolviendo una lista de perfiles con valores porcentuales. de compatibilidad.
Por lo tanto, la solución mantiene un enfoque centrado en las personas, pero se ve mejorada por la automatización y las capacidades de IA, rediseñando así la experiencia de búsqueda de talento, reduciendo drásticamente el tiempo necesario para la búsqueda y aumentando la calidad de los resultados.
Marketing de Inteligencia Artificial (AIM): chatbots y análisis de sentimientos
En Marketing llevamos un tiempo viendo sistemas de IA utilizados en diferentes actividades y con varios objetivos; el más importante, sin duda, se refiere a la gestión de las relaciones con los usuarios, que siempre ha sido el «cruce y el deleite» de cualquier marca, incluso en el mundo BtoB.
Las tecnologías de IA utilizadas van desde asistentes de voz/virtuales (chatbots y sistemas como Siri de Apple o Cortana de Microsoft) que explotan algoritmos de inteligencia artificial tanto para el reconocimiento del lenguaje natural como para el aprendizaje y análisis de hábitos y comportamientos de los usuarios.
Llegar a los mecanismos de engagement más sofisticados que contemplen el análisis en tiempo real de grandes cantidades de datos (particularmente en las redes sociales) para la comprensión del «sentimiento» y las necesidades de las personas con actividades que llegan incluso a pronosticar comportamientos de compra a partir de los cuales para derivar estrategias de comunicación y/o propuestas de servicios.
El papel de los chatbots en la atención al cliente
Los chatbots y otros sistemas basados en PNL también se utilizan ampliamente en los departamentos que se ocupan de la asistencia, el servicio y el soporte al cliente (centros de contacto, atención al cliente, mantenimiento y soporte, etc.).
Según Forrester, el marketing y las ventas impulsan las inversiones en IA, seguidos de la atención al cliente. Los analistas recomiendan no subestimar el factor humano y apoyar siempre estos sistemas con un verdadero experto dispuesto a intervenir en caso de problemas con el cliente, para evitar situaciones desagradables que podrían resultar contraproducentes.
IA y gestión de la cadena de suministro
El tema de la gestión de riesgos también es de fundamental importancia para la optimización y gestión de la Supply Chain o cadena de suministro y distribución donde, además de análisis sofisticados, también se necesitan «sistemas inteligentes» capaces de conectar y monitorear toda la cadena de suministro y a todos. los actores involucrados.
Uno de los casos más interesantes de uso de la IA en este ámbito se refiere a las actividades de gestión de pedidos. En este caso, las tecnologías que aprovechan la Inteligencia Artificial, no sólo apuntan a simplificar los procesos sino también a su total integración: desde las compras hasta el inventario, desde el almacén hasta las ventas, hasta e incluyendo la integración con Marketing para la gestión, estimación de suministros en función de actividades promocionales o de comunicación. campañas.
Aplicaciones de inteligencia artificial
En línea proliferan las herramientas IA que trabajan con textos, audio, vídeo e imágenes. Abarcan desde la generación de fotografías hasta presentaciones, pasando por los podcasts y el Marketing de Contenidos.
Una lista (no exhaustiva) de las principales herramientas que tienen disponibles las empresas es la siguiente:
ChatGPT
Este sistema permite crear chatbots especializados en conversaciones con usuarios humanos, que auto aprenden y mejoran la efectividad de su intervención con el tiempo. La misma herramienta también te permite crear podcasts.
DALL-E-2
El sistema basado en IA le permite crear imágenes realistas y composiciones artísticas a partir de una descripción impartida a través del lenguaje natural.
Jasper
Es una plataforma de IA generativa que permite crear fácilmente contenido personalizable en unos segundos a partir de una palabra clave.
Synthesia
Esta aplicación te permite crear vídeos profesionales en pocos minutos sin tener que invertir en equipos específicos, simplemente escribiendo texto (hay 120 idiomas diferentes disponibles).
GoCharlie
Una herramienta útil para los especialistas en marketing que le permite crear publicaciones de blog, imágenes, contenido de redes sociales, búsquedas y contenido ADV con solo unos pocos clics.
Notion AI
Esta plataforma facilita la gestión de proyectos corporativos y la difusión de mejores prácticas dentro de equipos distribuidos geográficamente.
Tome
El sistema basado en IA ofrece producción y gestión automatizada de 360° de narraciones corporativas, con publicaciones de blog y contenido web interactivo.
