Para desarrollar nuestra inteligencia, los seres humanos tenemos que aprender. Comenzamos por percibir el entorno, perfeccionar nuestras capacidades de comunicación (hablar, leer, transmitir pensamientos abstractos) y absorber una gran cantidad de conocimientos a medida que crecemos.
La máquinas y computadoras siguen un camino parecido. Para que Siri o Alexa, por ejemplo, llegaran a entender una consulta oral y dar una respuesta -escrita o verbal-, tuvo que construirse un complicado engranaje cognitivo y tecnológico que les dotara de todos los elementos para asimilar y procesar la información a su alcance.
Actualmente, conceptos como Inteligencia Artificial (IA), machine learning (ML) y procesamiento del lenguaje natural (PLN) son verdaderos ‘hot topics’ para muchos sectores productivos, aunque han estado presentes durante décadas. Y los avances en el poder de cómputo, junto con el desarrollo de nuevos algoritmos los están dotando de un mayor atractivo.
No obstante, suele haber confusión en cuanto a qué son y cómo se complementan. Comencemos por definir a la Inteligencia Artificial: es la teoría y la práctica de crear sistemas de cómputo capaces de realizar tareas que normalmente requieren de la inteligencia humana, como la percepción visual, el reconocimiento de la voz, la toma de decisiones y la traducción de idiomas.
Para llegar a este punto, IA se apoya en el machine learning, tecnología que mediante algoritmos hace posible que las máquinas “aprendan”, en tanto que el PLN permite entender y asimilar el lenguaje oral, escrito y visual -de imágenes, videos, mensajes, documentos. Todos estos datos se convierten entonces en conocimiento y, por ende, en inteligencia.+
Al unir tecnologías como IA y Machine Learning con analítica predictiva, geoespacial, de textos, muchas organizaciones están teniendo avances significativos en áreas como el análisis de fraudes, riesgos, el comportamiento de los consumidores, la predicción de probabilidades de eventos, así como en el diagnóstico de enfermedades y proyecciones económicas.
Al unir estas tecnologías con la analítica predictiva, geoespacial, de textos, muchas organizaciones están teniendo avances significativos en áreas como el análisis de fraudes, riesgos, el comportamiento de los consumidores, la predicción de probabilidades de eventos, analítica de medios sociales, así como en el diagnóstico de enfermedades y proyecciones económicas, entre otras.
En ese sentido, surgen cada vez nuevos casos de uso que vale la pena revisar:
Mantenimiento preventivo. Mediante sensores en vehículos, trenes, maquinaria o motores, se recopila y estudia la información para revelar las condiciones operativas y determinar el momento ideal del mantenimiento para prevenir interrupciones inesperadas.
Chatbots en la experiencia de los clientes. Algunas compañías utilizan chatbots para responder preguntas de rutina en los help desks o dirigir consultas específicas a un experto.
Síntesis de textos. El proceso automático de reducir un documento a los puntos claves del texto original; su principal aplicación es en el área de la investigación.
Clasificación de imágenes y sonidos. Mediante deep learning, un sistema puede ser entrenado para reconocer estos elementos. Por ejemplo, una computadora puede identificar ciertos sonidos que evidencien una falla en un motor (autos o aviones) o clasificar fotos de mamografías en las que se detecten tumores cancerosos.
Autos inteligentes. Estos vehículos utilizan sensores internos y externos (cámaras, GPS, sonidos) para detectar peatones y otros objetos.
Aplicaciones analíticas inteligentes. Aplicaciones de BI (Business Intelligence) donde los usuarios hacen preguntas -mediante voz o texto- y reciben respuestas de la aplicación.
Aplicaciones B2B. Estas funcionalidades, basadas en lenguaje natural, se integran a portales empresariales donde los socios pueden consultar información fácilmente, incluso de manera conversacional.
Sin duda, esta lista crecerá en el futuro. Las empresas pueden aspirar a subirse al tren de la IA porque es un tema estratégico, pero deben identificar primero qué quieren hacer con ella para crear una estrategia con los pasos perfectamente definidos para implementarla de forma exitosa.
