Fuente: www.bbva.com
Nociones como ‘big data’, aprendizaje automático, inteligencia artificial o ciencia de datos centran cada vez más el debate sobre la revolución digital, pero ¿por qué todo el mundo está hablando sobre ello? ¿entendemos qué significan estos conceptos, o qué implicaciones tienen en nuestra evolución como sociedad?
Elena Alfaro, Head of Customer Solutions Analytics & Open Innovation de BBVA y miembro constituyente del Grupo de Sabios sobre Inteligencia Artificial y Big Data recientemente creado por el MinETAD, desarrolla con ejemplos reales las oportunidades que encierran estas nuevas capacidades —pero también la responsabilidad necesaria y los dilemas asociados— en este artículo de la Revista de Economía ICE, publicada por el Ministerio de Economía, Industria y Competitividad, cuya lectura íntegra recomendamos.
Nos gustaría iniciar el nuevo año con una reflexión estratégica que sintetiza las ideas reflejadas por Elena en dicha publicación, y en otras intervenciones a lo largo del pasado ejercicio.
¿Por qué en este momento?
Existen tres motivos o tendencias principales por los que se está dando esta revolución, que ha tenido lugar en los cinco últimos años:
- La digitalización de la información. Todo lo que hacemos deja una huella digital; cuando accedemos a una aplicación, realizamos un pago con tarjeta, leemos la prensa ‘online’, pasamos por delante de una cámara de seguridad o compramos un billete de transporte público, generamos datos que indican qué hemos hecho, dónde y cuándo. Esto significa que en el mundo digital existe una representación cada vez más exhaustiva de lo que ocurre en el mundo físico.
- La Ley de Moore y sus implicaciones: la democratización del acceso a infraestructuras cada vez más asequibles pone al alcance de todos la potencia de computación necesaria para tratar millones de interacciones en un instante. La capacidad de proceso y almacenamiento ha dejado de ser un privilegio de las grandes corporaciones. Ya no hay barreras de acceso a ‘hardware’ para que las ideas prosperen en el mundo digital, únicamente permanece como ventaja competitiva el acceso a los datos: contar con información de millones de interacciones, pero esto no sirve de nada si no puede transformarse en utilidad real para quienes las generan.
- Las expectativas cada vez más exigentes de los clientes y usuarios, que no están dispuestos a esperar por lo que quieren y buscan productos y servicios instantáneos y personalizados a sus necesidades y su contexto. Los datos dan voz a las necesidades de los clientes, y las empresas que demuestren no conocerlos se encontrarán con los obstáculos propios de la navegación a ciegas.
Al igual que nada escapa a su representación digital, ningún negocio va a escapar a esta ola de digitalización y disrupción.
¿Quién queda mejor posicionado ante esta situación?
Estas tres tendencias dejan un escenario en el que solo las empresas que sean “data-driven” —es decir, que conviertan los datos en el centro de su estrategia y sepan utilizarlos para aprender de cada interacción con el usuario para ofrecer productos y servicios más sorprendentes y personalizados— podrán realmente sobrevivir. Algunos ejemplos de empresas cuyo punto en común es el uso de los datos para la creación de motores de decisión automáticos son: Amazon, en base a su algoritmo de filtro colaborativo “gente que compró X también compró Y”; Netflix, gracias también a su sistema de recomendación; LinkedIn, con su funcionalidad “gente que podrías conocer”, también desarrollada sobre la teoría de grafos, que hizo que el número de personas que invitaban a otras creciera exponencialmente; Spotify, que con su radar de novedades (“Discover Weekly”, “Daily Mix”) conforma servicios personalizados de descubrimiento de nueva música en función de los gustos del usuario; o Kayak, que posee un motor predictivo de precios que recomienda si deberíamos comprar un billete de avión ahora o esperar a que baje de precio en base al análisis de series temporales.
Por tanto, ¿qué es ser ‘data-driven’ realmente? Por un lado, ser capaz de tomar tus decisiones basadas en datos, en lugar de hacerlo por intuición o por jerarquía, etc. Y por otro lado, ser capaz de crear productos digitales, automáticos y personalizados mediante algoritmos que mejoren los resultados obtenidos por una intervención humana directa, y que permitan escalarlos hacia millones de clientes, a menudo en tiempo real, para poder responder a las nuevas expectativas de los clientes, facilitando experiencias únicas e inmediatas.
De ‘big data’ a inteligencia artificial
Los ejemplos que hemos visto se apalancan en las herramientas que la ciencia de datos pone a nuestro alcance para resolver problemas de clasificación, comparación, predicción, optimización, recomendación o puntuación. Cuando contamos con un gran número de datos sobre el fenómeno que estamos estudiando, lo idóneo es que sea una máquina la que infiera los resultados, manejando vectores de muchas más dimensiones de las que una mente humana puede concebir. A esto se le llama aprendizaje automático o ‘machine learning’. Pero, ¿qué tiene que ver esto con la inteligencia artificial?
Desafortunadamente, el término inteligencia artificial todavía no describe algo muy concreto; mantiene el mismo halo de misterio desde la primera vez que fue acuñado en los años cincuenta y esto es debido al hecho de se refiere más bien a aspiraciones futuras: evoca cierta “consciencia” en las máquinas, lo que supone una mala interpretación del término, muy alejada de la realidad actual. ¿Por qué sucede esto? Porque una vez que la inteligencia artificial se aplica, cambia de nombre.
Por ejemplo: procesamiento del lenguaje natural, optimización logística, motores de recomendación, ‘pricing’ dinámico, etc. Por tanto, la manera más precisa de definir la inteligencia artificial hoy en día sería “aquello que nos ayuda a resolver un problema de forma automática y masiva”: estamos ya asistidos por múltiples sistemas de inteligencia artificial, que adopta formas muy alejadas del estereotipo de robot antropomorfo y consciente, que conviene desmitificar.
