El poder del machine learning para el mundo empresarial

Gestión empresarial

Machine Learning

Inteligencia Artificial, Machine Learning, Data Mining, mineros de datos,… Aunque algunos de estos términos puedan sonarnos extraños o, directamente, desconocidos, están llamados a convertirse en los grandes impulsores de la siguiente gran revolución empresarial: la gestión eficiente de los datos para obtener un valor añadido diferencial. La poderosa alianza entre ciencia y tecnología tiene en el logaritmo a su gran baluarte, a través del cual será posible predecir desde las consecuencias de una nueva pandemia al cambio en las preferencias de los consumidores, con suficiente antelación como para las compañías tengan margen suficiente para desarrollar planes que contemplen distintos escenarios para cada contingencia e implementarlos.

En esta nueva realidad en la que entramos, los ordenadores, al igual que nos ocurre a los humanos, aprenderán tareas y conocimientos nuevos de manera automática, gracias a los algoritmos que los programadores incluyan. A medida que se introducen nuevos datos en los algoritmos, se vuelven más sofisticados, ‘aprenden’ y llegan a conclusiones más avanzadas, optimizando operaciones y mejorando el rendimiento de los procesos. En definitiva, los ordenadores evolucionan y son más listos con el paso del tiempo, a medida que analizan cantidades ingentes de información en cuestión de segundos.

Clases de Machine Learning

Cualquier sistema informático basado en esta tecnología necesita establecer patrones o comportamientos a través de los cuales poder elaborar escenarios potenciales o definir operaciones que sirvan para solucionar los problemas que se le plantean. El ejemplo clásico es el del mercado de valores, donde merced a los algoritmos ya existen desarrollos para predecir evoluciones futuras de la Bolsa. Muchos robo-advisors, que fomentan la filosofía de la gestión pasiva, se basan en este tipo de soluciones.

Existen tres tipos principales de Machine Learning:

  • Aprendizaje supervisado.

A través de información de entrenamiento se prepara al sistema con cierta cantidad de datos a los que se les agrupa por determinadas etiquetas. A medida que se le van introduciendo sucesivos volúmenes de datos nuevos, el ordenador es capaz de establecer patrones y clasificaciones, generalizando la información para llegar a conocimiento útil. Algunos de los algoritmos más relevantes que usan esta clase son las redes neuronales, la regresión logística o la Clasificación de Naïve Bayes.

  • Aprendizaje no supervisado.

En este caso no se usan ni valores ciertos ni etiquetas, sino que promueve la comprensión y abstracción de patrones de información de un modo directo, que se conoce bajo la denominación de clustering. Según los expertos, es el modo más parecido a cómo los seres humanos ordenamos y procesamos la información. Entre sus logaritmos más destacados, cabe citar el análisis de componentes principales, K-means o el PCA (Principal component analysis)

  • Aprendizaje por refuerzo.

Los sistemas aprenden por experiencia, por lo que se establece algo así como un mecanismo de premios y castigos. Un ejemplo tipo es el del coche autónomo, que va adquiriendo conocimientos sobre lo que puede o no puede hacer repitiendo miles de millones de simulaciones, hasta que su comportamiento encaja a la perfección dentro de un registro de valores considerado como correcto.

 

Aplicaciones

En realidad, las aplicaciones para el mundo empresarial del Machine Learning son casi tan ilimitadas como nuestra capacidad de imaginar. Por ejemplo, en el campo del Marketing puede llegar a informar a una compañía de en qué momento conviene llevar a cabo una campaña o realizar una bajada en los precios para obtener más ventajas; o, en Medicina, es capaz de advertir con gran precisión si conviene o no realizar una intervención quirúrgica a un paciente de riesgo. Otros ámbitos, como la robótica, el reconocimiento del habla o la mejora exponencial de los motores de búsqueda cuentan ya con proyectos en marcha a través de esta tecnología.

En el interior de una entidad, su uso facilita mejorar la productividad y realizar una redistribución más eficiente de los recursos. En este sentido, existen muchas expectativas puestas en las interacciones con el Big Data para llevar a los directivos a un nuevo paradigma del conocimiento: identificar patrones de consumo, averiguar tendencias antes de que se produzcan o personalizar cada producto a cada cliente de manera automática son algunos de los campos en los que se espera obtener resultados prometedores en el futuro.

Otras áreas de sumo interés para el ser humano en los que el Machine Learning debe jugar necesariamente un rol clave son, por ejemplo, la clasificación de secuencias del ADN, la previsión de catástrofes naturales, la implementación de robots para tareas mecánicas o la puesta en circulación con éxito del vehículo autónomo. Avances todos ellos de los que, quizá, podamos ser testigos esta misma década.

Last modified: 08/07/2020