Prácticamente todas las áreas empresariales están utilizando ya la analítica avanzada para tomar decisiones de manera informada y ser más eficientes y competitivas. Toda la cadena de valor de una organización puede beneficiarse, ya sea en procesos de automatización de campañas de marketing, el acceso a predicciones de ingresos, etc.
Para ello la utilización de la IA y el machine learning, como subconjunto suyo, está siendo determinante. En su uso ya se ve una evolución. De los análisis estadísticos, que ya eran IA, se ha evolucionado hacia operaciones más complejas para generar análisis descriptivos, es decir, saber lo que ha pasado en un evento concreto. Posteriormente, aplicando un nivel mayor de complejidad, fue posible hacer análisis de diagnósticos para saber por qué ha pasado eso.
El siguiente paso ha sido lograr un análisis predictivo, con el que conocer qué va a pasar y cuándo. Ese es el salto cualitativo que ha permitido el machine learning. Incrementando la complejidad ya es posible lograr un análisis prescriptivo que aporte las claves para saber qué hacer cuando pase el evento analizado o cuando no pase. Esto supone la generación de contenidos. Es una capacidad que permite a las organizaciones ser mucho más competitivas.
¿Y cómo se aplican estos conceptos? En concreto vinculados a tres capacidades.
1) Visualizar, la denominada computer vision: extraer información de imágenes, videos y otras entradas.
2) Escuchar o leer (procesamiento del lenguaje natural, PLN) con aplicaciones tan prácticas como generar contenidos en base a textos o la clasificación y enrutamiento de textos y resúmenes.
3) Razonar, es decir, el procesamiento de grandes volúmenes de datos para entenderlos y tomar decisiones. Es el caso del mantenimiento preventivo de máquinas en una línea de producción, adelantándose a la sustitución de consumibles para evitar la paralización de la cadena.
Analítica aumentada
¿Qué es lo siguiente? Este campo está en continuo cambio y, quizás, lo que comentemos ahora se habrá superado en solo seis meses. Pero a día de hoy, la principal tendencia es beneficiarse de las ventajas de la analítica aumentada que es el resultado de combinar machine learning, PLN y edge computing. En este entorno el procesamiento se hace en el mismo origen de los datos, en el dispositivo. Con ello se reduce el consumo energético y, por tanto, las emisiones. Se optimiza el ancho de banda, sin necesitar tantos recursos de conectividad a la nube. Todo ello trae considerables ahorros.
Por otra parte, estamos en un momento en el que la IA de última generación, la meta inteligencia artificial, se genera a sí misma. En términos de control, ella misma reflexiona sobre si lo que está haciendo es ético o no. Aquí es muy importante tener en cuenta la reciente Ley de la IA de la UE, que regula las prácticas de inteligencia artificial en las organizaciones, identificando sus riesgos. Es cierto que, frente a otros mercados como los de EE.UU. o China, puede disminuir nuestra competitividad, pero protege a la ciudadanía y garantiza su seguridad.
Lo que parece claro es que ha llegado el momento en el que el foco de la IA se dirija no ya tanto a aumentar el volumen de datos a analizar, sino a que los análisis sean cada vez más eficientes y que se hagan más rápidamente. Eso se consigue con la analítica aumentada que comentamos anteriormente. Esa es la evolución hacia la que hay que caminar, eso sí siempre apoyándose en una infraestructura que garantice la calidad, la seguridad y la privacidad de los datos para realizar operaciones eficaces y protegidas.
Álvaro Montoya Avanzini
Data & IA Sales Executive de Crayon en España
