Clasificar las capacidades de los avances en inteligencia artificial en base a su utilidad para resolver distintos problemas de negocio es la mejor manera de entender qué puede hacer por nuestra empresa y qué no.
Imagínate que diriges un negocio de formación online. Tienes contratadas a varias personas para atender a través de un chat a quien se interese por tus cursos, resolver sus dudas y cerrar tantas ventas como sea factible. Algunas lo hacen muy bien, y otras no tanto. Esto crea un conjunto de datos para entrenar algoritmos de aprendizaje supervisado.
Consciente de que, si revisaras las transcripciones una a una, descubrirías que determinados grupos de palabras en determinadas conversaciones han concluido en una venta y otras no, alimentas con dicha información el algoritmo para que empiece a identificar qué patrones de frases y respuestas han tenido éxito y cuáles no.
Estimando que programar directamente un chatbot con el que responder a los futuros clientes funcionará bien en la mayoría de los casos, pero fallará al no poder resolver las preguntas más complejas (o aquellas que no se hayan planteado antes), te decides por construir un bot que asista al personal de atención al cliente y ventas, reconociendo patrones y anticipando posibles respuestas a las diferentes preguntas que se vayan formulando.
Esta manera de plantear la relación laboral entre personas y máquinas resulta ser muy productiva, tal y como ha podido comprobar Sebastian Thrun, aplicándola a Udacity, su plataforma educativa online, en la que su despliegue está ayudando a cerrar entorno a un 50% más de ventas.
En lugar de sustituir a una persona por un robot, se emplea un robot para que la persona sea más productiva y aprenda más rápido, corrigiendo sus errores incluso antes de que se produzcan.
Para las empresas es mucho más práctico y rentable considerar las opciones que ofrece la inteligencia artificial desde la óptica de las capacidades para resolver problemas de negocio, que desde un punto de vista estrictamente tecnológico. Siguiendo la clasificación propuesta por Tom Davenport, en líneas generales, la inteligencia artificial ofrece actualmente tres tipos de soluciones: automatizar procesos de negocio (cognitive automation), aumentar exponencialmente las capacidades para analizar grandes volúmenes de datos (cognitive insight), y amplificar las posibilidades de interacción entre personas y máquinas (cognitive engagement).
Vamos a verlas una por una:
Automatización de procesos. La automatización de tareas físicas y digitales constituye hoy la categoría más habitual de aplicación de la inteligencia artificial al mundo de los negocios. Su uso es cada vez más frecuente en actividades de carácter administrativo, de apoyo al negocio y financieras, por su naturaleza mundana y repetitiva.
Se basan en el empleo de la automatización robótica de procesos, una tecnología más avanzada que las herramientas de automatización de procesos previas, en la que los robots son capaces de trabajar con fuentes de información de múltiples sistemas. De los tres tipos, son las menos caras, las más sencillas de implantar y las que generan un retorno de la inversión más rápido. En contrapartida, son las menos inteligentes (todavía no son capaces de aprender “solas”) y aunque actualmente no representan una gran amenaza para los quehaceres administrativos, a medida que la tecnología vaya mejorando, se irán perdiendo puestos de trabajo paulatinamente, sobre todo en el ámbito de la externalización de servicios.
Entre sus principales aplicaciones se observan tareas como:
- Transferencia de datos desde correos electrónicos y centros de atención al cliente a sistemas de registro, como, por ejemplo, actualizaciones y cambios.
- Sustitución de tarjetas de crédito/débito perdidas, accediendo a múltiples sistemas y gestionando las comunicaciones con el cliente.
- Subsanación de errores por cargos indebidos a través de distintos sistemas de facturación.
- Cribado de documentos legales y contractuales para extraer disposiciones mediante el procesamiento de lenguajes naturales.
Aumento exponencial de las capacidades de análisis de grandes volúmenes de datos. La segunda categoría la constituyen los algoritmos diseñados para detectar patrones y ayudar a interpretar la información extraída de cantidades ingentes de información de múltiples fuentes y formatos.
Los patrones obtenidos a través de técnicas aprendizaje automático, distan de los que pueden obtenerse únicamente mediante Big Data. Los sistemas basados en inteligencia artificial pueden absorber mucha más información y depurarla llegando a niveles de granularidad mucho más altos, se pueden entrenar usando conjuntos de datos seleccionados y su capacidad de predicción y categorización mejora a medida que va recibiendo más información.
Entre sus principales aplicaciones se hallan actividades como:
- Predecir la probabilidad de que una persona concreta compre un producto/servicio determinado.
- Identificar diversos patrones de fraude en pólizas de seguros, cuentas bancarias, tarjetas de crédito/débito y frenar su intento en tiempo real.
- Análisis en tiempo real del estado de seguridad de productos e instalaciones.
- Automatizar y personalizar de la experiencia de cliente digital.
- Automatizar y personalizar campañas publicitarias digitales (publicidad programática inteligente).
- Proveer a las compañías aseguradores con modelos actuariales más precisos.
- Identificar coincidencias entre múltiples bases de datos en distintos formatos y eliminar redundancias.
- Auditar documentos y contratos.
Amplificación de las posibilidades de interacción entre personas y máquinas. Es la categoría más inmadura y difícil de manejar, pero la más prometedora para mejorar la experiencia de cliente de las marcas y la del empleado. Permite gestionar un número cada vez mayor de interacciones sin añadir personal a través de chatbots que respaldan y optimizan la labor de los equipos de atención al cliente, como vimos al inicio del artículo.
Entre sus principales aplicaciones encontramos:
- Agentes inteligentes para atender al cliente las 24 horas del día (todavía en estado embrionario).
- Intranets para responder dudas de empleados sobre asuntos normalizados.
- Sistemas de reconocimiento de voz (funcionalidad aún muy limitada).
- Sistemas de recomendación personalizada de productos y servicios.
- Sistemas de recomendación personalizada y seguimiento en tiempo real de tratamientos médicos.
Como acabamos de ver, las capacidades reales de la inteligencia artificial son muy específicas y distan aún mucho de alcanzar los niveles de inteligencia general que caracterizan a las personas. Conocer y comprender qué tecnologías hacen qué trabajos es la condición básica fundamental antes de diseñar cualquier proyecto en el que vaya a intervenir la IA. La pregunta que debemos plantearnos no es cómo nos va ayudar la IA a alcanzar nuestros objetivos, sino qué objetivos tenemos y qué tipo de IA es más adecuado para ayudarnos a lograrlos.
Etiquetas
Categoría