Los científicos de datos altamente calificados y los profesionales analíticos escasean a medida que las organizaciones luchan por encontrar soluciones a problemas empresariales cada vez más complejos. En este entorno, las soluciones de Analítica Avanzada y de Inteligencia Artificial (IA), se presentan como propuestas idóneas, construidas para la velocidad y la simplicidad, que abordan todos los pasos necesarios para que los científicos de datos y los usuarios empresariales por igual conviertan los datos en bruto en información práctica y finalmente en decisiones de negocios basadas en analítica.
SAS apalancándose de la Analítica Avanzada en conjunto con la IA ofrece a los usuarios una plataforma única para resolver problemas analíticos complejos. Combina la preparación de datos, la visualización, el análisis avanzado y la implementación de los modelos, unificándo todo el proceso de Machine Learning, desde el acceso hasta la transformación de datos, admitiendo incluso lenguajes populares de código abierto, como lo son R y Python.
El momento tecnológico actual y su acelerada evolución están soportados y son impulsados principalmente por el aprovechamiento de los datos. Sin embargo, si éstos no se procesan de manera oportuna y consistente, las tecnologías exponenciales -tales como la robótica, la nanotecnología, la neurociencia, el Internet de las Cosas y la Inteligencia Artificial- terminan perdiendo valor para las organizaciones y efectividad para los negocios y las industrias.
Según los consultores de IDC, en el entorno económico actual, las compañías, los modelos de negocios, las metodologías productivas y los procesos están transformándose y migrando hacia modelos digitales, con el objetivo de innovar y mejorar en agilidad y colaboración. Con este panorama en desarrollo, impulsado por el análisis de datos y las soluciones que alguna vez fueron consideradas ciencia ficción (como el Internet de las Cosas (IoT), el Machine Learning y la Inteligencia Artificial), se están creando espacios mucho más productivos y ambientes competitivos mucho más innovadores.
En este mismo sentido, IDC predijo que para 2020, el 50% de las iniciativas de transformación digital implicará la implementación de soluciones que incluyan Inteligencia Artificial de cualquier nivel, no con el fin de sustituir la intervención humana en los procesos, por el contrario, para facilitar el análisis avanzado de datos, que permita tomar decisiones más competitivas y acertadas sin importar la complejidad de actividades que deben articularse en dichos procesos, complementando así las labores humanas permitiéndonos realizar tareas mucho más complejas e incluso imposibles para el humano sin el apoyo de estas tecnologías.
Para alcanzar mejores resultados se requerirá también el uso del Machine Learning, para aprovechar grandes volúmenes de datos y aprender a partir de los mismos; lo cual, a su vez, potenciará al Internet de las Cosas (IoT) habilitando la implementación de sistemas de toma de decisiones en tiempo real, brindando confiabilidad al momento en diferentes ambientes y a través de diferentes aplicaciones.
Por otro lado, los nuevos mecanismos de análisis de voz e imágenes, el hardware especializado (GPUs – Graphics Processing Units) y el desarrollo de nuevas aplicaciones de móviles, son ejemplos de los grandes avances que se logran gracias al uso de estas tecnologías exponenciales, las cuales se combinan para nutrir y producir más datos.
Ahora bien, la Inteligencia Artificial y la Analítica Avanzada son un engranaje indispensable para lograr competitividad y efectividad durante un proceso de transformación digital y la adaptación de las organizaciones a los nuevos procesos e industrias. El análisis de datos en grandes volúmenes, gran complejidad y a gran velocidad, específicamente, es clave para poder explotar todo su valor y potencial y entender de qué forma las últimas innovaciones en tecnologías exponenciales ayudan a las empresas.
Las soluciones de Analítica Avanzada han sido diseñadas para ofrecer una completa gestión de grandes volúmenes de datos, que contribuyen a crear nuevos proyectos consolidando el potencial de las tecnologías exponenciales. Estas soluciones habilitan a empresas de diferentes industrias para que puedan responder a las múltiples interrogantes que surgen a la hora de evaluar y adoptar tecnologías emergentes, les permite hacer una transición más rápida hacia la transformación digital y, especialmente, saber que -ante todo- definir las prioridades de negocio y gestionarlas con analítica conduce a un camino exitoso.
Inteligencia Artificial: ¿qué es y por qué es importante?
La Inteligencia Artificial (IA) hace posible que las máquinas aprendan de la experiencia, se ajusten a nuevas aportaciones y realicen tareas como las hacen los humanos. La mayoría de los ejemplos de IA de los que escuchamos hoy en día – desde computadoras que juegan ajedrez hasta automóviles que se conducen por sí solos – se sustenta mayormente en el aprendizaje profundo (Deep Learning) y procesamiento del lenguaje natural.
Mediante el uso de estas tecnologías, las computadoras pueden ser entrenadas para realizar tareas específicas procesando grandes cantidades de datos y reconociendo sus patrones. Click To Tweet
El término “Inteligencia Artificial” fue adoptado en 1956, pero se ha vuelto más popular hoy gracias al incremento en los volúmenes de datos, con el desarrollo de algoritmos avanzados, y mejoras en el poder de cómputo y el almacenaje.
La investigación inicial de la IA en la década de los 50 exploraba temas como la solución de problemas y métodos simbólicos. En los años 60, el Departamento de Defensa de los Estados Unidos mostró interés en este tipo de trabajo y comenzó a entrenar computadoras para que imitaran el razonamiento humano básico. Por ejemplo, la Defense Advanced Research Projects Agency (DARPA, Agencia de Proyectos de Investigación Avanzada de Defensa) realizó proyectos de planimetría de calles en la década de los 70. DARPA produjo asistentes personales inteligentes en 2003, mucho tiempo antes que Siri, Alexa o Cortana fueran nombres comunes.
Este trabajo inicial abrió el camino para la automatización y el razonamiento formal que vemos hoy en las computadoras, incluyendo sistemas de soporte a decisiones y sistemas de búsqueda inteligentes que pueden ser diseñados para complementar y aumentar las capacidades humanas.
Aunque las películas de Hollywood y las novelas de ciencia ficción representan a la Inteligencia Artificial como robots semejantes a humanos que se apoderan del mundo, la evolución actual de las tecnologías de IA no es tan aterradora – o así de inteligente. En su lugar, la Inteligencia Artificial ha evolucionado para brindar muchos beneficios específicos a todas las industrias.
La IA automatiza el aprendizaje y descubrimiento repetitivo a través de datos. La Inteligencia Artificial es diferente de la automatización de robots basada en hardware. En lugar de automatizar tareas manuales, la IA realiza tareas computarizadas frecuentes de alto volumen, y lo hace de manera confiable y sin fatiga. Para este tipo de automatización, la intervención humana sigue siendo fundamental para configurar el sistema y hacer las preguntas correctas.
En la mayoría de los casos, la Inteligencia Artificial no se venderá como aplicación individual. En su lugar, los productos que ya se utilizan serán mejorados con recursos de IA, de forma muy similar en que se agregó Siri como característica a una nueva generación de equipos de Apple. (https://nelsonjsalon.com) La automatización, las plataformas conversacionales, los bots y las máquinas inteligentes se pueden combinar con grandes cantidades de datos para mejorar muchas tecnologías en el hogar y en el lugar de trabajo, desde inteligencia de seguridad hasta análisis de las inversiones.
La Inteligencia Artificial se adapta a través de algoritmos de aprendizaje progresivos para permitir que los datos lleven a cabo la programación; encuentra estructura y regularidades en la información de modo que el algoritmo adquiera una habilidad: el algoritmo se convierte en un clasificador o en un indicador. De tal suerte que, así como el algoritmo puede enseñarse a jugar ajedrez, también puede aprender qué producto recomendar en línea. Y los modelos se ajustan cuando se les proporcionan nuevos datos. La propagación retrasada es una técnica de IA que permite al modelo hacer adaptaciones, a través de entrenamiento y datos agregados, cuando la primera respuesta no es correcta.
La Inteligencia Artificial analiza más datos y datos más profundos utilizando redes neurales que tienen muchas capas ocultas. Construir un sistema de detección de fraude con cinco capas ocultas era casi imposible hace unos años. Todo eso ha cambiado con el increíble poder de cómputo y el Big Data. Se necesitan muchos datos para entrenar modelos de aprendizaje a fondo porque éstos aprenden directamente de la información.
La IA logra una precisión increíble a través de redes neurales profundas – lo cual antes era imposible. Por ejemplo, sus interacciones con Alexa, Google Search y Google Photos están basadas en el aprendizaje profundo– y se siguen volviendo más precisas cuanto más las utilizamos. En el terreno de la medicina, ahora se pueden emplear técnicas de Inteligencia Artificial de aprendizaje profundo, clasificación de imágenes y reconocimiento de objetos para detectar cáncer en imágenes por resonancia magnética con la misma precisión que radiólogos altamente especializados.
La Inteligencia Artificial saca el mayor provecho de los datos. Cuando los algoritmos son de autoaprendizaje, la información puede volverse propiedad intelectual, además de que su rol es ahora más importante que nunca antes, pues representa una ventaja competitiva.
Y es así como nosotros podemos ejecutar una iniciativa de transformación de una manera más eficiente y con mayores beneficios apalancándonos de estas nuevas tecnologías.
