La Inteligencia Artificial ya se ha convertido en un concepto metido en la cabeza de cualquiera que trabaje en tecnología. Otra cosa muy diferente es que la implementación sea una realidad en las empresas. Y es que el alto precio de esta tecnología incipiente unido al desconocimiento y la falta de especialización hacen que las barreras de entrada sean todavía altas.
Pero ¿Qué debemos saber a la hora de hablar de Inteligencia Artificial en las empresas? ¿Qué diferencias hay entre esta tecnología y el machine learning? Nuestros compañeros de MCPRO nos han dado unas pinceladas que responden a estas cuestiones.
¿Inteligencia Artificial o machine learning?
De lo que la mayoría de lo que los fabricantes de tecnología hablan cuando se refieren a la Inteligencia Artificial es sobre el machine learning. Es un subconjunto de dicha tecnología, que se puede utilizar para enseñar a los ordenadores a desempeñar diversas tareas mediante el análisis de grandes volúmenes de datos, de manera autónoma.
El interés en esta tecnología ha crecido en los últimos meses de manera exponencial gracias a los avances en diversas áreas. Entre ellas, la visión por ordenador, el reconocimiento del habla y el del lenguaje natural. A estos avances contribuyen otras ramas de nuevas tecnologías, como el deep learning, que a su vez es posible gracias tanto a las elevadas capacidades de procesamiento de equipos utilizados en investigación y empresa, y a las enormes cantidades de datos que las empresas y organizaciones son capaces de recoger gracias, entre otras fuentes, a Internet de las Cosas.
No hay confundir automatización con machine learning
En teoría, el machine learning promete la automatización de gran parte de procesos de trabajo que hasta no hace mucho se realizaban de manera manual y repetitiva. Pero muchas empresas tienen todavía que recorrer un camino muy largo hasta su implementación.
Machine learning: casos de uso
Sus casos de uso en las empresas son muy variados. Desde análisis de datos obtenidos a partir de sensores que miden una gran cantidad de variables para tareas como el mantenimiento predictivo de maquinaria al automatizado de cadenas de montaje en fábricas.
Pero también otros usos menos aparatosos y cotidianos. Amazon lo usa en su web para intentar que los que la visitan compren más productos. Y Netflix para que sus suscriptores vean más contenidos. Microsoft la utiliza para detectar las amenazas online en cuanto aparezcan en sistemas de seguridad. Y firmas financieras, como Citigroup, para detectar transacciones fraudulentas y errores en pagos. Puede, por tanto, que muchas empresas ya estén utilizando servicios o sistemas que, al menos em parte, empleen machine learning.
Amazon, Microsoft o Netflix lo usan en nuestro día a día
Otras empresas ya utilizan esta tecnología en lo que se conoce como Automatización de Procesos Robóticos (RPA) para automatizar tareas repetitivas realizados por empleados. Generalmente, mediante herramientas software. Pero la RPA no siempre implica machine learning, algo que hay que tener en cuenta. Por lo tanto, no hay que confundir automatización con machine learning.
¿Por dónde empezar?
Ante tal variedad de posibilidades, muchas empresas se preguntan cómo adentrarse en el mundo del machine learning. Por lo tanto, lo primero es pensar cuidadosamente qué se podría hacer en la empresa con ella. Habitualmente, la respuesta a esta pregunta tendrá que ver con los datos. En concreto, con el análisis y reconocimiento de patrones en grandes volúmenes de datos.
Antes de empezar en este tipo de proyectos hay que tener en cuenta diversas variables: el tipo de datos a recoger, cómo transformarlo para que pueda utilizarse o qué aspectos de esos datos van a resultar interesantes.
La mayoría de proyectos están relacionados con los datos
Después llega el momento de decidir la infraestructura que se necesita para realizar estas operaciones. Entre ellas, si se utiliza hardware en local o se alquilan servicios en la nube.
También servicios como reconocimiento del habla, visión por computador, proceso natural del lenguaje, análisis del sentimiento, traducción, predicción de datos, etc. Por supuesto, también disponen de plataformas para entrenar y ejecutar modelos de machine learning en su nube.
En cuanto a los tipos de proyecto que se pueden acometer para empezar, es recomendable empezar por alguno que sea sencillo y que se ocupe de algún aspecto de la empresa que no resulte crítico, y avanzar a otras áreas desde él.
¿Estás abordando proyectos de machine learning o Inteligencia Artificial? ¿Qué otros casos de uso podrías mostrar?
