Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle información relacionada con sus preferencias mediante el análisis de sus hábitos de navegación.
Si continúa navegando, consideramos que acepta su uso.
Más información Entendido

¿Inteligencia Artificial o Aprendizaje Artificial?.

Desde hace varias décadas, la inteligencia artificial (I.A.) es un tema recurrente cuando hablamos de futuro. En el año 1968 la película “2001: Una odisea del espacio”, nos muestra un siniestro ordenador central (HAL 9000: Heuristically Programmed Algorithmic) que intenta tomar el control de la misión a Júpiter, matando a varios de los tripulantes de la misión. Esta película marcó un hito en el género de la ciencia ficción puesto que proyectó una imagen de una sociedad futura en un marco rigurosamente científico, o al menos de la ciencia de su momento. En este sentido, conviene recordar que su estreno se produjo un año antes de la llegada del hombre a la Luna. En cuanto a su interpretación de la IT y más en concreto de la inteligencia artificial, es fiel al momento en el que la misma se percibía como un conjunto de reglas de decisión que, junto con un motor de reglas, intentarían resolver los problemas como lo harían expertos en la materia (sistemas expertos).

Esa concepción de la I.A. tuvo como principal problema la dificultad de expresar el conocimiento humano en forma de reglas probabilísticas y es por ello por lo que no tiene la acepción que podríamos haber anticipado.

Sin embargo estamos viendo cómo se produce una explosión de diversas fuentes de datos acerca del comportamiento humano o de la naturaleza. Entre estos tenemos, datos de las administraciones públicas (Open Data), que son más públicos que nunca y entre los que merecen especial mención el portal de datos abiertos de Esri España (http://opendata.esri.es/), o Iniciativa de datos abiertos del Gobierno de España (https://datos.gob.es/es).

Pero son también numerosos los datos generados por nosotros mismos en nuestras interacciones habituales: transacciones electrónicas, redes sociales, registros de ubicación o actividad, así como los datos generados por los sistemas automatizados (IoT), etc.

Esta ingente cantidad de recursos está comenzando a ser interpretada pero no bajo un criterio de sistema experto sino bajo algoritmos estadísticos que pretenden, bajo la determinación de las características en ellos hallados, inferir en el comportamiento futuro. La tecnología vuelve a imitar a la naturaleza usando un método que todos conocemos por “aprendizaje”: conseguir conocimiento a partir de la propia experiencia. Además ésta puede evolucionar a posteriori en base a nuevas observaciones del mismo modo en el que los seres racionales evolucionamos nuestro pensamiento conforme las circunstancias nos hacen evolucionar.

Actualmente esta información lleva años siendo usada para poder conocer: patrones de consumo, sendas de fidelización, gestión del riesgo, etc. Los primeros que fueron capaces de ver el potencial de este aprendizaje artificial en las empresas han sido los departamentos más relacionados con la adquisición de nuevos clientes o de análisis de su rentabilidad: Ventas, Fidelización, Marketing o Riesgo.

Pero la experiencia que podemos inducir a esta nueva I.A. es ingente y continua. El reto que nos espera los siguientes años es avanzar en el conocimiento que esta cantidad de información nos proporciona. Hay muchos departamentos y muchas empresas que no están siendo conscientes de que un correcto tratamiento de la información es crítico para un desempeño básico. Es necesario unos nuevos perfiles en las empresas que, por un lado tengan una base científica del estado del arte en la analítica de negocio, pero que sobre todo tengan una increíble inquietud por cuestionarse todo. No es suficiente con analizar al cliente en determinados momentos. Hay que analizarle a lo largo de todo su ciclo de vida siendo el mas inexplorado el periodo de prestación regular del servicio.

Los ejemplos en este sentido son obvios y como ejemplo pongamos el de una incidencia o reclamación… Cuando ésta se demora… ¿No es este el momento más crítico de la empresa como suministradora de un servicio?. Una demora percibida como excesiva por parte cliente puede suponer un motivo de baja. La correcta detección de que se está produciendo una demora y en su caso, actuar sobre el motivo o informar al cliente, es mucho mas importante que todos los esfuerzos posteriores por retener esta baja, o por captar a un cliente nuevo. El tratamiento de toda la información del cliente es fundamental para optimizar su relación con el mismo. De nada bastará que desde retención intenten negociar poniendo en valor la rentabilidad o fidelidad por tantos años. Será tarde.

La analítica de datos y este nuevo aprendizaje artificial, están aquí para quedarse. Los datos evolucionarán en conocimiento en todos los ámbitos. Y quien no evolucione, se expondrá a las leyes darwinianas.

Foto de Joshua Sortino @ unsplash.com