MACHINE LEARNING

 INTRODUCCIÓN

La demanda de productos personalizados y la alta competitividad mundial hacen que la digitalización y la informatización de los procesos industriales sea una necesidad. Para sobrevivir, las empresas deben adoptar soluciones tecnológicas e innovadoras en sus modelos de negocio. Esto es lo que se denomina “transformación digital”, y supone un reto en todos los sectores, tanto para pequeñas como para grandes empresas.

Debido al impacto social y económico originado por estas transformaciones en todo el mundo, se habla de una Cuarta Revolución Industrial, bajo el nombre de Industria 4.0 básicamente se centra en la obtención y aprovechamiento de los datos para facilitar la toma de decisiones y conseguir así una ventaja competitiva. Se trata de construir fábricas conectadas y autónomas, es decir, inteligentes. Para ello, han surgido una serie de tecnologías que comunican el mundo físico y el virtual.

Entre las tecnologías habilitadoras de la Industria 4.0 se encuentran el Internet Of Things, el Big Data, el Cloud Computing, la fabricación aditiva, la realidad virtual, la inteligencia artificial, los robots colaborativos, etc. Aunque cada una de ellas contribuye de una forma a la creación de una cadena de valor más potente y digitalizada, la aplicación conjunta de estas tecnologías es lo que verdaderamente marca la diferencia.

DEFINICIÓN

En su libro Sobre la inteligencia publicado en 2004, Jeff Hawkins definía la inteligencia como la capacidad de predecir el futuro, por ejemplo, el peso de un vaso que vamos a levantar o la reacción de los demás a nuestros actos, en base a los patrones almacenados en la memoria (el marco memoria-predicción). Ese mismo principio está detrás del Machine Learning, también conocido como aprendizaje automático.

Como definición se define al machine learning como una disciplina del campo de la Inteligencia Artificial que, a través de algoritmos brinda a los ordenadores la capacidad de identificar patrones en datos masivos para hacer predicciones. Este aprendizaje permite a los computadores realizar tareas específicas de forma autónoma sin necesidad de ser programados.

Estamos rodeados de transformaciones digitales que es indispensable que las organizaciones tengan implementada estas disciplinas no solo sería una mayor ventaja competitiva, la empresa en este nuevo entorno tecnológico genera mayores alianzas estratégicas con puertas a un mundo más globalizado.

Sin embargo, las organizaciones son las encargadas de estudiar e identificar las tecnologías que más beneficios pueden aportar en función de sus necesidades para así aprovechar las oportunidades que brinda el machine learning. Sin este análisis previo, las empresas corren el peligro de morir en el intento. Además del desconocimiento sobre las posibilidades de estas tecnologías, existen otro tipo de barreras que impiden la transformación digital, como la resistencia al cambio y la falta de talento tecnológico.

Fuente: IBERDROLA (Dentro de la Inteligencia Artificial (IA), uno de los campos más destacados es el del aprendizaje automático.)

CLASES DE MACHINE LEARNING

Los algoritmos de Machine Learning se dividen en tres categorías, siendo las dos primeras las más comunes:

·       Aprendizaje supervisado: Estos algoritmos cuentan con un aprendizaje previo basado en un sistema de etiquetas asociadas a unos datos que les permiten tomar decisiones o hacer predicciones. Un ejemplo es un detector de spam que etiqueta un e-mail como spam o no dependiendo de los patrones que ha aprendido del histórico de correos (remitente, relación texto/imágenes, palabras clave en el asunto, etc.).

·        Aprendizaje no supervisado: Estos algoritmos no cuentan con un conocimiento previo. Se enfrentan al caos de datos con el objetivo de encontrar patrones que permitan organizarlos de alguna manera. Por ejemplo, en el campo del marketing se utilizan para extraer patrones de datos masivos provenientes de las redes sociales y crear campañas de publicidad altamente segmentadas.

·        Aprendizaje por refuerzo: Su objetivo es que un algoritmo aprenda a partir de la propia experiencia. Esto es, que sea capaz de tomar la mejor decisión ante diferentes situaciones de acuerdo a un proceso de prueba y error en el que se recompensan las decisiones correctas. En la actualidad se está utilizando para posibilitar el reconocimiento facial, hacer diagnósticos médicos o clasificar secuencias de ADN.

APLICACIONES DEL MACHINE LEARNING

Actualmente esta siendo utilizado para solucionar diferentes campos, esta tecnología puede utilizarse para definir y aplicar estrategias, predecir acciones futuras y optimizar y automatizar procesos en áreas tan diversas como: marketing, operaciones, recursos humanos o finanzas.

·       Marketing y atención al cliente: Gracias a una buena y actualizada base de datos se puede conocer y estar más cerca de las preferencias de los clientes, cuanto más y mejor conozcamos a nuestros clientes, mejor respuesta podremos dar a sus necesidades. Gracias a esta tecnología podemos descubrir patrones de comportamiento que de otra manera podrían pasar desapercibidos.

·       Optimizar al máximo los perfiles de clientes: Permite identificar y comprender mejor a los clientes y tomar las medidas necesarias para retenerlos o mejorarles los servicios. Además, es posible predecir los ingresos que en el futuro nos va a aportar cada cliente específico. Esto permite personalizar las acciones de marketing y atención al cliente, apoyándonos en un mayor conocimiento sobre ellos.

·        Gestionar política de precios: Es aplicable a la política de precios a través de los llamados precios dinámicos. Atrás quedaron los tiempos en los que había un precio fijo y un periodo de rebajas. La industria hotelera y la de los billetes de avión son claros exponentes de los precios dinámicos, esos que cambian en función de la oferta y la demanda disponible en cada momento. Para que esta estrategia sea efectiva y rentable para los intereses de la empresa, se deben tener en cuenta todos los datos posibles, muchos de los cuales no son evidentes ni accesibles salvo que tengamos la capacidad de tratar el Big Data y utilizar cálculo computacional.

·        Detección de fraude: En el sector seguros se utiliza Machine Learning junto a reglas de negocio para detectar el riesgo de cada cliente en función de las probabilidades que tiene de cometer algún tipo de fraude. O en el sector finanzas, el Machine Learning se utiliza para la concesión de créditos y el análisis de riesgo.

      En la actualidad, ya se esta utilizando para distintos campos entre los que destacan:

·        Vehículos inteligentes, se usará para poder ajustar la configuración interna, de acuerdo a las preferencias del conductor.

·        Redes sociales, creando algoritmos para administrar el contenido.

·        Procesamiento de lenguaje natural (PLN), usando asistentes virtuales como Alexa o Siri.

·        En búsquedas, optimizando sus resultados en función de su eficacia.

·        Medicina, para detectar con mayor antelación enfermedades como el cáncer de mama.

·        Ciberseguridad, sirve para potenciar el escaneado, acelerar la detección y mejorar la habilidad de reconocer problemas.

CASO DE EJEMPLO NETFLIX Y AMAZON

Por ejemplo, Netflix. Tras cada recomendación y sugerencia que nos hace cada proveedor, se esconde un algoritmo de aprendizaje automático. Esto no es solo positivo para el usuario de la plataforma, sino que la compañía consiguió un ahorro de mil millones de dólares en 2017.

Otro ejemplo de cómo el Machine Learning puede tener un impacto positivo se encuentra en el envío en el mismo día de Amazon. Gracias al uso de Machine Learning, el tiempo que se emplea en hacer “clic para enviar” ha disminuido en un 225%.

CONCLUSIONES

La conclusión general a la que se llega con este trabajo es que el Machine Learning es una tecnología fundamental en el desarrollo de las empresas debido a su capacidad para extraer información relevante de los datos y a su amplio abanico de aplicaciones en todos los sectores, tanto por sí misma como en combinación con otras tecnologías.

REFERENCIAS

Maisueche Cuadrado, A.D. (2019), (S/f). Recuperado el 13 de abril de 2021, de Core.ac.uk website: https://core.ac.uk/download/pdf/228074134.pdf

Corporativa, I. (2019, febrero 14). Descubre los principales beneficios del Machine Learning. Recuperado el 13 de abril de 2021, de Iberdrola.com website: https://www.iberdrola.com/innovacion/machine-learning-aprendizaje-automatico

Astorga, P. P. (2018, julio 18). Machine Learning: aplicaciones en el mundo empresarial. Recuperado el 13 de abril de 2021, de Decidesoluciones.es website: https://decidesoluciones.es/machine-learning-aplicaciones-en-el-mundo-empresarial/

Santillán, A. (2019). Recuperado el 13 de abril de 2021, de Org.co website: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0122-82852016000400972&lang=es