Inteligencia Artificial en la empresa ¿por dónde empezar?

A estas alturas, muchos directivos ya han escuchado hablar en numerosas ocasiones de la Inteligencia Artificial y de cómo podría transformar sus empresas. Muchos pueden pensar que se trata de una nueva operación de marketing para empujarles a costosas inversiones. Pero la realidad es que en la mayoría de los casos, la Inteligencia Artificial puede aportar no pocos beneficios a una empresa.

Pero para poder avanzar y adoptarla, antes hay que tener claras varias cosas. La primera, comprender de qué hablamos cuando mencionamos esta tecnología. La Inteligencia Artificial describe un campo académico dedicado a la investigación del desarrollo de máquinas inteligentes. Pero se ha extendido tanto, que en no pocas ocasiones se emplea de manera incorrecta, y puede que incluso haya quien la use de manera equivocada. O empresas que aparentemente la utilizan en sus procesos, pero en realidad poco o nada tienen que ver con ella.

¿Inteligencia Artificial o machine learning?

Por lo tanto, para evitar confusiones, lo mejor es hablar claro: 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 una especie de 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.

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

En cuanto a sus casos de uso en las empresas que ya la utilizan, 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.

Otras empresas ya utilizan machine leaning 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. Tanto de texto, como de imágenes, audio o vídeo.

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 en el entrenamiento de un modelo de machine learning o qué aspectos de esos datos van a resultar interesantes para entrenar el modelo de machine learning. También hay que tener en cuenta, entre otras cosas, si para utilizar los datos necesitas contar con permisos, o si es necesario adoptar precauciones adicionales para cumplir con regulaciones de protección de datos, como la RGPD.

Después llega el momento de decidir la infraestructura que se necesita para realizar estas operaciones. Entre ellas, si se utiliza hardware en local, una opción bastante costosa pero a contemplar para diversos casos y en grandes empresas, o se alquilan servicios en la nube. En este último caso, los principales proveedores de nube frecen gran variedad de planes de pago por uso adaptados a cualquier necesidad.

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.

Por ejemplo, con un chatbot para que los clientes puedan contactar con la empresa a través de la web.  Después se puede pasar a motores de recomendación en el caso de las webs de comercio electrónico. En cualquier caso, es importante ser realista sobre los objetivos que se pretenden alcanzar, y analizar constantemente el funcionamiento de los sistemas para evitar errores.