Andreas Kaplan, profesor de Marketing y rector de ESCP Europe Business School Berlín, y Michael Haenlein, director científico del centro de investigación de esta entidad, definen la inteligencia artificial como «la capacidad de un sistema para interpretar correctamente datos externos, para aprender de dicha información y emplear esos conocimientos para lograr tareas y metas concretas a través de la adaptación flexible».
El aprendizaje automático o aprendizaje automatizado (del inglés, Machine Learning) es una rama de la inteligencia artificial que se basa en el análisis de datos. Su objetivo principal se centra en desarrollar técnicas que permitan aprender a las computadoras para que estas, posteriormente, identifiquen patrones complejos en millones de datos.
El objetivo del Machine Learning es desarrollar técnicas que permitan aprender a las computadoras para que estas identifiquen patrones complejos en millones de datos.
Recopilar correctamente los datos necesarios, saber interpretarlos y utilizarlos de forma correcta en la gestión empresarial es imprescindible para ser competitivos.
Por eso, el Colegio Oficial de Ingenieros Industriales de Navarra, a través de la Oficina de Transformación Digital, celebró recientemente una jornada sobre Machine Learning y Analítica Avanzada en el ámbito industrial, impartida por representantes de la empresa Tigloo, que se enmarcó a su vez dentro del ciclo dedicado a «soluciones comerciales para las empresas industriales basadas en la inteligencia artificial».
José Enrique Garcés, director de Transformación Digital de Tigloo, explica a este medio que el Machine Learning comprende una serie de técnicas y metodologías matemáticas que permiten la creación de algoritmos para la modelización de los datos disponibles: «Es decir, gracias a estos modelos, se puede predecir la evolución de las variables a analizar, así como aumentar el conocimiento sobre las razones que provocan dicha evolución».
El Machine Learning se convierte así en un medio para lograr un objetivo concreto, que deben fijar las propias empresas «basándose en sus necesidades y tras hacer un correcto análisis de su estado, de su cadena de creación de valor y de sus puntos críticos», concreta Garcés.
José Enique Garcés, de Tigloo. (Foto: cedida)
CÓMO IMPLEMENTARLO
Para implementar un proceso de esta índole, las compañías deben, en primer lugar, analizarse a sí mismas y estudiar las oportunidades de negocio existentes, con el fin de determinar en qué áreas se debe incidir: «Es importante marcarse objetivos realizables y hacerlo de forma escalonada, logrando así ver beneficios sin entrar en un gran proyecto cuyo retorno se dilate excesivamente en el tiempo».
Después, continúa Garcés, es necesario analizar los datos, prepararlos y modelarlos para obtener los resultados esperados. Y antes de la última fase, se deben evaluar los resultados generados por el modelo, «es decir, ver si lo que determina el modelo se corresponde con la realidad». Por último, se realiza la fase de implementación. «En esta es donde se genera valor para la compañía. En caso de no llegar a este punto, el proyecto se ve reducido a un estudio teórico que no se traslada a la empresa y que, por lo tanto, no genera valor», indica.
José Enrique Garcés: «Si no se llega a la implementación, no se genera valor«.
Por lo general, un proyecto de Machine Learning debe involucrar a todos los estamentos de una compañía, ya que requiere una modificación en la forma de proceder, así como una inversión económica. «Es necesario que el proyecto esté gestionado por personas con responsabilidad en la compañía o en el departamento en el que se vaya a desarrollar, además de contar con el apoyo y la complicidad del resto de las personas involucradas en el proceso, ya que sin esto es prácticamente imposible lograr una correcta implementación», analiza Garcés.
Adicionalmente, en la mayoría de los casos es adecuado contar con personal externo y experto en la materia, que pueda asesorar en la definición del proyecto, la evaluación y la implantación, así como en la realización de las tareas de preparación y modelización de los datos. Hay que tener en cuenta que «estos procesos son una revolución en la forma de gestionar las organizaciones y que existe una importante falta de personal cualificado en estos campos».
Jornada sobre ‘Machine Learning’ impartida por Tigloo y organizada por la OTD. (Foto: cedida)
BENEFICIOS PARA EL NEGOCIO
El beneficio que tienden a buscar todas las empresas en este campo es principalmente económico, ya que la implementación del Machine Learning conlleva una inversión y, por lo tanto, debe generar una rentabilidad y tener unos objetivos y unas métricas claros, medibles y definidos. «Los beneficios pueden venir de muchos campos dependiendo del caso de uso, pero principalmente vienen de una reducción de los costes o de un incremento de las ventas, lo que tiene un impacto directo en la cuenta de resultados», señala.
Es más, el responsable de Tigloo sostiene que las empresas que utilizan correctamente estas herramientas son en torno a «un 5 % más productivas y un 6 % más rentables» que aquellas que no lo hacen.
Además, las empresas que utilizan los datos en su proceso de toma de decisiones están gestionadas de una forma más eficiente: «Aquellas empresas que no se adapten a los nuevos tiempos dejarán de ser competitivas en el mercado. Por ello, podemos afirmar que es necesario implementarlo en todas las empresas, respetando sus características propias».
José Enrique Garcés: «Existe una gran falta de conocimiento sobre los beneficios potenciales de la analítica de datos'».
La analítica avanzada, y la no tan avanzada, es una herramienta transversal que se puede aplicar en todas las compañías y en la mayoría de sus áreas o departamentos. El análisis de datos está relacionado con una modernización y una optimización de los distintos procesos de la empresa, «por lo que se puede aplicar a todos los sectores». A su vez, hay que tener en cuenta que cada compañía es diferente y tiene unas circunstancias y unas características (tamaño, nivel de desarrollo beneficios potenciales, competencia, mercado…), que obligan a adaptar y personalizar su implementación.
«Por lo general, existe una gran falta de conocimiento en la importancia y los beneficios potenciales de implementar una estrategia de analítica de datos dentro de la empresa. Pese a que en los últimos dos años está aumentando la curiosidad sobre este campo, la mayoría de las empresas pequeñas y medianas lo ven como algo reservado para las grandes empresas y no como algo que pueden aplicar, lo que es un error», advierte.
EL ‘MACHINE LEARNING’ EN NAVARRA
Según Mikel Galar, profesor del departamento de Estadística, Informática y Matemáticas en la Universidad Pública de Navarra (UPNA), cada vez son más las empresas navarras que demandan trabajadores con conocimientos sobre esta materia, «ya que hay una gran cantidad de tareas donde pueden aportar mucho». Porque tal y como atestigua, el ‘Machine Learning’ «permite automatizar una gran cantidad de tareas con un esfuerzo mucho menor del que era necesario anteriormente”.
Mikel Galar: «El ‘Machine Learning’ permite automatizar una gran cantidad de tareas con un esfuerzo mucho menor».
Aunque su ‘boom’ «parece reciente», Galar recuerda que el aprendizaje automático existe desde hace muchos años. Y día tras día aumenta el número de alumnos que se interesa por esta materia: “En el Grado en Ingeniería Informática se imparten asignaturas relacionadas con este tema y su número de matriculados crece todos los años. También es el caso de la Ciencia de Datos y ‘Big Data'».
