La inteligencia artificial se puede considerar como la capacidad de las computadoras para usar algoritmos, aprender de los datos y utilizar lo aprendido en la toma de decisiones tal y como lo haría un ser humano. Uno de los enfoques principales de la inteligencia artificial es el Machine Learning, cuyo objetivo es desarrollar técnicas que permitan que las computadoras aprendan, es decir que su desempeño mejora con la experiencia y mediante el uso de datos.
Sobre esta relativamente nueva ciencia de datos es que Fredi Vivas, un tecnólogo especializado en big data, con posgrado en inteligencia artificial en la Singularity University de la NASA (California) y cofundador de RockingData, ve el futuro de el proceso de toma de decisiones en todas las áreas de la industria y el comercio.
"Mi trabajo diario en RockingData es hacer que más organizaciones se conviertan en Data-Driven (guiadas por los datos); la compañía crea algoritmos de inteligencia artificial y machine learning para potenciar el proceso de toma de decisiones de empresas y organizaciones de todas las industrias.", comienza aclarando.
Vivas continúa diciendo que "en la Singularity University justamente buscan cómo conectar las tecnologías mas disruptivas del mundo, creadas en la NASA para la exploración espacial, con los temas cotidianos de la humanidad: la salud, la educación, la producción y los negocios".
La startup es pionera en Latinoamérica en el uso de machine learning, inteligencia artificial y big data para potenciar la toma de decisiones en distintas organizaciones y que tiene como clientes a MercadoLibre e YPF, entre otros. En la IA y el aprendizaje de máquinas, un computador observa datos, construye un modelo basado en esos datos y utiliza ese modelo a la vez como una hipótesis acerca del mundo y una pieza de software que puede resolver problemas.
Cómo se aplica
"Empecé viendo en Estados Unidos hace muchos años como usaban big data la predicción de catástrofes naturales, a través de geo-data; eso me llevó a pensar que es una herramienta para brindar soluciones reales a todos aquellos rubros ligados a la tierra. Por ejemplo, el relevamiento de un terreno con un drone ya puede ser un punto de partida para un trabajo de inteligencia artificial, generar un tablero de datos, ya sea con fines de seguridad, topográficos, de mapas o de cultivos; eso sería un mínimo punto de partida para todo lo que se puede hacer", refiere Vivas.
Pero la adopción real de procesos machine learning o IA en una empresa es mucho más compleja: "El primer paso es contar con un modelo predictivo, por ejemplo, para calcular cuánto se va a vender de un producto, pero luego esos datos tienen que estar implementados en un ciclo de decisiones basadas en la predicción; un ciclo que está corriendo todo el tiempo, actualizado con los datos que van cambiando, y además, todo el que tenga que tomar una decisión en la empresa debe consultar esas conclusiones para tomarla. Las tecnologías están maduras para ser usadas, lo que falta son productos específicos para cada industria, lo que vamos a ver en los próximos años", se entusiasma el especialista.
Las tecnologías están maduras para ser usadas
A veces parece que esta tecnología es aún muy incipiente y que faltan muchos años para que sea el estándar de toma de decisiones en cualquier área del conocimiento. Sin embargo, Vivas apela a un paralelismo con la Ley de Moore (sobre el aumento proporcional y sostenido en el tiempo de la capacidad de las computadoras y la baja en su precio y accesibilidad) para augurar su crecimiento exponencial.
Según el entrevistado, "las empresas líderes en sus mercados son las que ya han incorporado hace años estos algoritmos y el machine learning. El ejemplo más conocido es Netflix. Ellos entienden a sus consumidores, que somos todos nosotros. Saben qué miramos, cuándo lo miramos, cuánto tiempo estamos frente a la pantalla. Su modelo de hipersegmentación tiene un 75% de aceptación de las sugerencias individuales, y eso es conectar con el usuario".
Y agrega: "La tecnología te sorprende. así como al principio todos pensaban que Facebook era una moda pasajera para conectarse con compañeros y terminamos todos comprando, vendiendo, viendo noticias y todo lo que hacemos allí. en un par de años, probablemente estemos todos dentro del metaverso".
Las empresas chicas aún ven el fenómeno con distancia, las áreas de IT (information technology) están lejos de las áreas de negocios en las empresas. tal vez por falta de conocimiento de los beneficios. Por eso, según Vivas, "lo recomendable es incorporarlo en un caso puntual y a corto plazo, de un par de meses, con una inversión mínima; hacer un leading case dentro de la estructura del negocios y ver cómo funciona, los beneficios que entrega."
En el agro
El especialista consultado es optimista en la creación de nuevos productos de inteligencia artificial específicos, por nichos de consumo, y dentro de las industrias productivas, ve al campo como principal candidata, por ejemplo en la predicción de cultivos.
"Veo a la industria agropecuaria como donde potencialmente nos podríamos desarrollar. El agro siempre ha invertido en tecnología, agrotech, pero está un poco rezagado en la digitalización completa de todos sus procesos. De todas maneras, allí hay datos digitales y noción de su importancia; hay cultura de datos."
Asimismo, agrega a modo de ejemplo que "trabajamos con un cliente que es la mayor empresa cementera de Perú. Para ellos aplicamos nuestras herramientas a la distribución logística de su producción, a algo tan simple como a las rutas de sus camiones. con un modelo de optimización matemática conseguimos ahorro de combustible, entregas más rápidas, menor contaminación. Es un ejemplo que al agro le puede interesar."
"Optimizar procesos a través de modelos de predicción y segmentación no es más ni menos cómo ayudo al cliente a vender más, a conseguir nuevos clientes y a fidelizar los que tenés. Cómo organizar los datos para entender rápido los indicadores clave, lo que hay que hacer. de allí en más se potencia a través del efecto contagio de la industria", concluye.
