Esto fue gracias a una combinación explosiva de tres elementos:

• El mayor uso de internet,
• El aumento de la capacidad de almacenamiento a un costo más bajo.
• Y el incremento de dispositivos conectados.

Esta situación abrió una enorme posibilidad para empresas y organizaciones de todo tipo que de a poco comenzaron a convertir esos datos sin procesar en información. Y a su vez empezaron a aprovechar esa información para poder tomar decisiones de forma más rápida y eficiente.

¿Cómo lograron eso? Básicamente gracias a las técnicas de ciencia de datos, como machine learning e inteligencia artificial. Estos algoritmos nos ayudan a mirar el pasado, no solamente para generar informes, sino para predecir lo que podría suceder en el futuro.

Con machine learning podemos hacer predicciones en base a probabilidades de lo que sucederá, gracias a observar y entender la historia. Descubriendo patrones que nunca antes habíamos notado.

La gran pregunta es entonces, ¿Para qué puede servirle todo esto a una organización?

¿Reducción de costos? Si.

¿Aumento de la eficiencia? Por supuesto, también.

Pero el verdadero valor de la inteligencia artificial y la ciencia de datos aplicada a las organizaciones está en la ampliación o el crecimiento de nuevas verticales de negocio. Veamos algunos ejemplos de preguntas que pueden responder con precisión las soluciones de machine learning.

¿Cómo puedo predecir las ventas en cada ubicación para que no nos quedemos sin stock?

¿Cuál es la mejor oferta que le puedo sugerir a cada cliente?

¿Cuáles son mis clientes/alumnos/colaboradores con más probabilidad de abandonar mi organización?

¿Cómo puedo predecir el ingreso que me generará cada uno de mis clientes?

¿Cómo puedo detectar el fraude antes de que se realice una compra?

 

"En épocas de constantes cambios en el comportamiento de los consumidores, para mantener una organización competitiva la clave será tener la capacidad de entender esos comportamientos y reaccionar rápido".

 

Todas estas preguntas tienen una respuesta precisa si usamos los datos correctos y los algoritmos de machine learning adecuados.

Veamos cómo funciona en un caso específico:

En el rubro de la salud, la utilización de análisis avanzado de datos puede potenciar a las organizaciones para ser más eficientes y tomar decisiones más inteligentes, mejorando la experiencia del paciente y del cuerpo médico. Por ejemplo:

Prediciendo la disponibilidad de camas de quirófanos, internación general y salas de emergencia.

Prediciendo la cantidad de turnos médicos necesarios a lo largo del año, o

Prediciendo la posibilidad de cancelación de turnos.

La ciencia de datos y la inteligencia artificial pueden convertirse en una herramienta indispensable en cualquier industria, porque nos permite traducir las necesidades de las empresas en algoritmos, resolviendo problemas complejos con precisión, rigurosidad científica, flexibilidad y escalabilidad.

En resumen, estas tecnologías pueden usarse para aprovechar los datos que representan la relación entre las empresas y sus clientes, las universidades y sus alumnos, las clínicas y sus pacientes o los gobiernos y sus ciudadanos, sólo por mencionar algunos ejemplos.
Toda esa experiencia de las organizaciones, puede traducirse en modelos predictivos, no solo para mirar el pasado y generar informes, sino para tener la posibilidad de predecir lo que sucederá en el futuro en base a la historia, descubriendo patrones que los humanos nunca antes habíamos visto.

En épocas de constantes cambios en el comportamiento de los consumidores, para mantener una organización competitiva la clave será tener la capacidad de entender esos comportamientos y reaccionar rápido.
Las principales tendencias para 2021 en inteligencia artificial y machine learning van en esa línea, veamos algunas de ellas y qué impacto tendrán en las organizaciones.

 

Tendencia 1.

Uso de machine learning para predecir la demanda.

Cuando se usan correctamente las variables de contexto y los datos históricos por ejemplo las ventas de un producto, se pueden generar predicciones con una precisión mucho más alta que con los métodos tradicionales, capturando características de los negocios como la estacionalidad o correlaciones no intuitivas.

Esto entre otras cosas impacta directamente en la gestión más eficiente del stock evitando faltante de productos y la reducción de costos optimizando la capacidad de atención.

 

 

Tendencia 2.

Los analistas de todas las organizaciones deberán convertirse en analistas de datos.

Las empresas o instituciones que busquen tomar decisiones basadas en datos, no podrán depender de una sola área centralizada de datos, eso será insuficiente por el volumen de trabajo que tendrán estos equipos.

Se propone entonces que las áreas expertas en datos se encarguen de diseñar la estrategia de incorporación de IA/ML y los algoritmos más complejos, pero el resto de la compañía deberá incorporar las habilidades de datos necesarias para impulsar estas iniciativas. Habilidades como estadística básica, creación de tableros visuales, contar historias con datos y hacerle consultas a los datos mediante lenguajes como SQL.

 

 

Tendencia 3.

IA explicable

La Unión Europea está liderando un pedido bien concreto a todos los que generamos inteligencia artificial: que sea más transparente para los usuarios y consumidores. A diferencia de las técnicas habituales de aprendizaje automático (machine learning) de caja negra, donde es imposible explicar cómo la IA llegó a una determinada conclusión, la IA explicable está diseñada para simplificar y visualizar cómo las redes de ML toman decisiones.

¿Qué significa "caja negra"? En los modelos tradicionales de IA, la red está diseñada para producir una salida numérica o binaria. Por ejemplo, un modelo de ML diseñado para decidir si ofrecer crédito en situaciones específicas dará como resultado "sí" o "no", sin explicación adicional. El resultado con IA explicable incluirá el razonamiento detrás de cualquier decisión tomada por la red, que siguiendo el ejemplo, permite que la red proporcione una razón para aprobar o rechazar la solicitud de crédito.

 

Tendencia 4.

Inteligencia artificial conversacional

Entre 2019 y 2020 se desarrollaron grandes avances en la IA para la generación de textos, historias, poemas o artículos periodísticos. Se destacan el caso de GPT 3, la inteligencia artificial de OpenAI y la poderosa BERT, de Google.

Cuanto mejor comprenda la computadora el texto que se le ingresa, mayor calidad tendrá la respuesta de la máquina. BERT es un paso más hacia una IA que es capaz de comprender y responder con precisión las preguntas que se le plantean, al igual que un ser humano.

Estas tecnologías y otras habilitan el inicio de una nueva era de asistentes virtuales para interactuar con clientes en conversaciones de alta calidad y complejidad, en cualquier día y a cualquier hora.

Aportando valor y ajustadas a los intereses del usuario.

 

 

En estas épocas de intensa actividad digital, se ve una nueva confirmación de la ciencia de datos como una disciplina que ya viene demostrando con resultados concretos cómo puede influir positivamente en todos los sectores de nuestra sociedad.

Como se observa, esta tendencia sin dudas se afianzará y seguirá creciendo en 2021.

 

Por Fredi Vivas.

CEO de RockingData, compañía especializada en Big Data, Inteligencia Artificial y Data Science, Coordinador Académico del programa de Big Data de la Universidad de San Andrés. Egresado de Singularity University en EEUU.

 

artículo publicado en la revista DESAFIO EXPORTAR de marzo

Fuente: www.NetNews.com.ar