Llegamos a ustedes gracias a:



Reportajes y análisis

6 historias de éxito del aprendizaje de máquina

Una perspectiva interna

[07/03/2018] Muy pocas tecnologías son más aclamadas que la inteligencia artificial (IA) y el aprendizaje de máquina (ML, por sus siglas en inglés). Las principales organizaciones ya están aprovechando la tecnología, que imita el comportamiento de la mente humana, para atraer clientes y reforzar las operaciones comerciales. Y la tendencia solo ganará más impulso en los próximos años, ya que la inteligencia artificial y el aprendizaje de máquina serán una de las cinco principales prioridades de inversión para más del 30% de los CIO en el 2020, según Gartner.

Los temores iniciales acerca de que la IA y el ML se utilizan para desplazar puestos de trabajo parecen estarse disipando, y más del 67% de los ejecutivos de negocios encuestados por PwC afirman que la IA ayudará a los humanos y máquinas a trabajar mejor juntos. Reconociendo la oportunidad de mejorar sus negocios, algunos CIO están experimentando, construyendo e incluso patentando nuevas tecnologías de IA y ML. Estos líderes de TI compartieron sus casos de uso de ML con CIO.com.

La IA aumenta la investigación sobre los valores

Putnam Investments, una proveedora de fondos mutuos, estrategias de inversión institucionales y servicios de jubilación, considera a la IA y al ML esenciales para impulsar una mejor cobertura de las acciones por parte de los analistas de investigación de la firma de servicios financieros, afirma su CIO, Sumedh Mehta.

Los analistas trabajan estrechamente con los científicos de datos de Putnam para crear hipótesis que ayudan a obtener información a partir de grandes cantidades de datos, afirma Mehta. Putnam también está trabajando en algoritmos que recomendarán las perspectivas de ventas más importantes.

"Es un poder enormemente disruptivo y transformador, y todo el impulso empresarial para ello es la eficiencia y la productividad, afirma Mehta respecto a la IA y al ML.

Mehta, que depende de una combinación de ingenieros de software, científicos de datos, analíticos y proveedores, ha creado un centro de excelencia en ciencia de datos, que es esencialmente la base para los esfuerzos de IA y ML que apoyan a las partes interesadas del negocio. Él afirma que sus socios comerciales "ilustrados han adoptado estos enfoques para lograr una mejor automatización.

El trabajo de la IA y el ML es parte de la transformación digital de Putnam, que implica la modernización de la infraestructura de TI usando computación en la nube y la creación de una plataforma única para operar el negocio.

Consejo clave: Las organizaciones deben tomarse su tiempo y establecer las expectativas de forma adecuada, entendiendo que las primeras ideas darán lugar a nuevas preguntas en lugar de respuestas. "No existe un momento de revelación cuando se trata de la IA, afirma Mehta. "No se trata del descubrimiento repentino de nuevos conocimientos producto de sus algoritmos.

La IA hace que las finanzas sean menos exigentes

Intuit está acelerando las iniciativas de IA y ML con Ashok Srivastava, quien se unió al fabricante de software financiero como chief data officer en octubre.

Intuit está usando Amazon Web Services para ayudar a su chatbot de QuickBooks Assistant a comprender mejor y procesar el lenguaje natural, afirma Srivastava, quien se unió a la compañía después de crear la plataforma de Big Data de Verizon. Un área de enfoque creciente está guiando a los usuarios a través del centenar de categorizaciones que informan a QuickBooks.

"Estamos lidiando con más de mil millones de transacciones de QuickBooks, y podemos optimizar con gran precisión las categorizaciones que ocurren, añade Srivastava.

El TurboTax de la compañía utiliza la IA para ayudar a los usuarios a obtener su reembolso máximo al guiarlos a través del proceso de deducción detallada, lo que les permite ahorrar hasta un 40% de tiempo de preparación de impuestos e iniciativas para recuperar documentos.

La compañía está utilizando el ML y tecnología en la nube de AWS para aumentar sus escalas más rápidamente, afirma Srivastava.

Consejo clave: Cultivar algoritmos fuertes requiere atraer a los profesionales de ingeniería adecuados para resolver desafíos empresariales reales. Srivastava, quien también trabajó para el Centro de Investigación Ames de la NASA, actualmente está contratando ingenieros que puedan trabajar con las tecnologías de IA y ML para alcanzar las metas de la compañía.

Los datos históricos pronostican el rendimiento futuro

Como CIO de Riverbed Technology, empresa proveedora de software diseñado para mejorar el rendimiento de las redes de área amplia, Rich Hillebrecht tiene desafíos únicos. Hillebrecht afirma que está probando cómo usar el ML para introducir datos de múltiples fuentes en toda la cadena de suministro de la compañía para generar mejores insights de negocios.

"Queremos aplicar técnicas de aprendizaje de máquina para procesar mucha más información de la que normalmente tendríamos, explica Hillebrecht a CIO.com

Por ejemplo, Riverbed podría combinar la gestión de pedidos y otros datos de ERP con datos históricos sobre el clima y otros factores para encontrar patrones que puedan predecir el rendimiento futuro. "Queremos ser más predictivos en términos de riesgo descendente, en lo que respecta a nuestra capacidad y habilidad para cumplir con los pedidos de los clientes, afirma Hillebrecht.

Otros casos de uso de Riverbed podrían incluir el uso del ML para ajustar automáticamente las configuraciones de rendimiento y detectar amenazas a la ciberseguridad. Hillebrecht anticipa la creación de un lago de datos único desde el cual se puedan extraer conocimientos empresariales.

Consejo clave: Una estrategia sensata para la IA y el ML requiere un enfoque prudente. Hillebrecht afirma que está evaluando cuidadosamente las herramientas y tecnologías, incluyendo a IBM Watson.

La banca aplicada a mejores conocimientos sobre clientes

Al igual que muchos bancos grandes, US Bank ha recopilado una gran cantidad de datos de clientes. Y, al igual que la mayoría de los bancos, US Bank ha tenido dificultades para obtener información procesable a partir de estos datos. Bill Hoffman, chief analytics officer de US Bank, está trabajando para cambiar eso. Durante los últimos meses, él ha estado utilizando la tecnología Einstein de IA/ML de Salesforce.com para aumentar la personalización del banco en sus unidades de pequeñas empresas, mayoristas, asesoría comercial y banca comercial.

Por ejemplo, si un cliente busca información sobre préstamos hipotecarios en la página web de US Bank, un agente de servicio al cliente puede hacer un seguimiento con ese cliente la próxima vez que visite una sucursal. También ayuda a US Bank a encontrar patrones que los humanos podrían no ver. Por ejemplo, el software puede recomendar que los agentes llamen a un cliente prospecto, en una industria determinada, un jueves entre las 10 a.m. y las 12 p.m. porque es más probable que contesten el teléfono. Einstein también puede poner una invitación al calendario, en el calendario del agente, para recordarle que llame al candidato el jueves siguiente.

Dichas capacidades llegan al núcleo de lo que muchas organizaciones de servicios financieros están tratando de hacer: cultivar una perspectiva de 360 grados de los clientes para recomendar los servicios relevantes en el momento adecuado. "Nos estamos moviendo de un mundo que describía lo sucedido, o lo que le estaba sucediendo, a un mundo más orientado hacia lo que sucederá o lo que debería suceder, afirma Hoffman. "El valor principal es estar un paso por delante, anticipando las necesidades de nuestros clientes y el canal con el que quieren interactuar con nosotros.

Consejo clave: Adopte pacientemente un enfoque de prueba y aprendizaje para la IA y el ML. Pero también prepárese para aumentar la escala de las cosas que están funcionando. "Siempre tenga como centro al cliente, afirma Hoffman. "Pregunte: ¿Cómo beneficiará esto al cliente?

El ML elimina el 'trabajo', haciendo que el trabajo sea más productivo

Ed McLaughlin, presidente de operaciones y tecnología en MasterCard, afirma que el ML "impregna todo lo que hacemos. MasterCard está utilizando el ML para automatizar lo que él llama el "trabajo pesado o las tareas repetitivas y manuales, liberando a los humanos para que puedan realizar trabajos que agregan productividad y valor. "Está claro que hemos llegado a un estado del arte donde existe un claro caso de inversión para automatizar las tareas del centro de trabajo, afirma McLaughlin.

MasterCard también está utilizando herramientas de ML para mejorar la gestión del cambio en todo su ecosistema de productos y servicios. Por ejemplo, las herramientas de ML ayudan a determinar qué cambios son los más libres de riesgo y cuáles requieren un escrutinio adicional. Finalmente, MasterCard está usando ML para detectar anomalías en su sistema que sugieren que los hackers están tratando de obtener acceso. McLaughlin también puso una "red de seguridad en la red; cuando encuentra un comportamiento sospechoso, activa los switches que protegen a la red. "Tenemos sistemas de puntuación de fraude que miran constantemente las transacciones para actualizarlo y puntuar la próxima transacción que se está realizando, afirma.

Consejo clave: En lo que respecta a McLaughlin, la IA y el ML son solo herramientas en el amplio conjunto de herramientas del procesador de pagos. A pesar de todas las nuevas herramientas brillantes en el mercado, él afirma que los CIO no deberían confiar en ellas para solucionar mágicamente los problemas de negocios.

La IA como habilitadora de productos y negocios

En el fabricante de software Adobe Systems, la CIO Cynthia Stoddard está imaginando su área con un "modelo operativo basado en datos, confiando en la analítica basada en Hadoop para obtener insights, tanto para administrar mejor la TI como el negocio. Como parte de la estrategia basada en los datos, Stoddard afirma estar experimentando con el ML para ayudar a analizar los tickets en el software de la mesa de ayuda para buscar tendencias en las fallas del sistema. La lógica es que, si el sistema ve eventos que sugieren que podría ocurrir una pérdida de energía, el sistema puede ser proactivo para eliminar o mitigar esos eventos antes de que desencadenen fallas.

Ella afirma que la identificación de los patrones en las fallas del servicio de TI también permitirá que Adobe genere algunas capacidades de "autocuración para absorber el trabajo que su personal de TI hace actualmente. También está estudiando la tecnología de chatbot para atender las solicitudes de soporte de TI realizadas por los empleados de campo. El negocio comercial de Adobe también ha abarcado la IA. En noviembre del 2016, la compañía presentó a Sensei, una capa de tecnología de IA que está aplicando a su producto para crear y publicar documentos además de analizar y rastrear el desempeño de la aplicación web y móvil.

Consejo clave: El uso del ML para identificar patrones es la clave para crear capacidades de autocuración. "Si sabe cómo lo arregló, puede introducir el componente de autocuración ahí y extraer el elemento humano de la ecuación, afirma Stoddard.

¿Está inmerso en un proyecto de IA o ML? Cuéntenos al respecto.

Puede ver también: