Aviso de Privacidad y uso de cookies
Utilizamos las cookies para gestionar esta página web y mejorar su facilidad de uso. Puede encontrar más información sobre qué son las cookies, por qué las utilizamos y cómo se pueden modificar en Privacidad y cookies. Al utilizar esta página web está aceptando el uso de cookies.

Inteligencia Artificial: ¿Cómo eficientizar procesos?

 |   28 de julio del 2021
Inteligencia Artificial: ¿Cómo eficientizar procesos?

Por: Ariel Jadzinsk.

Ya no es ciencia ficción. La inteligencia artificial está entre nosotros aportando a la eficiencia y  la efectividad en todos los sectores industriales y de servicios. No invertir en estas tecnologías dejará de ser una opción.

Cuando pensamos en Inteligencia Artificial (IA) lo primero que nos viene a la mente es una película de ciencia ficción como Terminator, Matrix o tantas otras. Y si bien estamos lejos de estas ficciones, la disciplina ha avanzado en los últimos años de forma exponencial. Un claro ejemplo de ello son los robots autónomos que toman decisiones por sí solos.

Pero la IA no sólo aplica a robots. Hoy nos encontramos acompañando a varios de nuestros clientes a eficientizar sus procesos mediante su utilización. Ya vemos a la inteligencia artificial aplicada la más amplia gama de industrias y sectores. En la industria financiera, por ejemplo, para la calificación crediticia y el control del fraude; en la industria manufacturera para mantenimiento predictivo; en retail para obtener información sobre el comportamiento de compra de sus clientes, en la industria médica para detección de tumores; en medios para brindar recomendaciones de canciones, películas o publicidad a cada usuario. Y, en general, la podemos encontrar en el procesamiento de imágenes y visión artificial para reconocimiento facial, detección de movimiento y de objetos, entre otros casos.

La inteligencia artificial utiliza algoritmos capaces de procesar grandes volúmenes de datos y encontrar patrones naturales y así ayudar a tomar mejores decisiones y predicciones. Tienen una lógica muy similar a como aprendemos los humanos, a través de la experiencia. De hecho, muchos algoritmos de IA requieren de cierto entrenamiento para aprender a resolver determinados problemas.

Un ejemplo más cercano a nuestra región es el reruteo del transporte. Muchas empresas están utilizando algoritmos de IA personalizados que analizan la información de los pedidos en línea, el stock, el tráfico, datos de la flota, pronóstico del clima o noticias para optimizar las rutas en tiempo real.

Otro caso de uso muy común es la predicción del stock: qué productos van a tener más demanda y cuáles están en riesgo de vencerse. Si tenemos historial de consumo, información en línea de nuestro stock, combinado con nuestros sistemas de ventas y producción, sumado a variables externas, los algoritmos pueden procesar grandes volúmenes de información y encontrar patrones que predigan comportamientos.

Uno de los puntos fundamentales para que estos algoritmos sean exitosos es tener gran cantidad de datos de la mejor calidad posible. Y cuando hablamos de gran cantidad, cuanta más mejor. Incluso no deberíamos descartar información que aparentemente no esté directamente relacionada.  Existen numerosos casos donde los algoritmos de IA encontraron patrones de utilidad donde nadie lo imaginaba. Por ejemplo, un supermercado descubrió que el clima y algunos sucesos meteorológicos cambiaba el comportamiento de consumo en un grupo de galletitas. O bien, que a determinada hora se incrementaban las compras de productos aparentemente no relacionados, como pañales y cervezas.

Una de las formas de recolectar información es conjugando otra tecnología que también es tendencia: Internet of Things (IOT). Esta tecnología conjuga sensores con la capacidad de censar datos y enviarlos por la red. Podemos enviar en línea información de camiones, máquinas, estado del suelo de un campo, o incluso signos vitales de una persona para anticipar problemas, predecir fallas, etc.

El principal punto que debemos analizar es qué volumen de datos tenemos en variedad, cantidad y veracidad. Si tenemos datos útiles, tendremos la capacidad de implementar algoritmos de IA que nos brinden conocimiento y que marcarán diferencias en procesos y en el negocio.

Según LinkedIn, en 2020, la segunda posición con mayor demanda fue la de Científicos de Datos, los responsables de implementar estos algoritmos.

Las condiciones tecnológicas están dadas y las empresas que logren sacarles provecho serán las más competitivas en los próximos años.

(*) Gerente de Paradigma.

Nota publicada en RevistA Énfasis Sudamérica edición julio 2021. Ingresá aqui.

IBM: “La IA se propone transformar la industria logística en una rama proactiva”

Te puede interesar:

 

Redacción Énfasis Logística


Notas relacionadas

Te podría interesar