«El machine learning tiene distintas ramas dependiendo del problema y sobre todo si la data es estructurada o no.»
En lo que te demoras en leer este párrafo se generan más de 5 millones de búsquedas en Google, se gastan más 280 mil USD en Amazon y se publican más de 550 mil tweets, y es que es evidente, vivimos en una era digital donde la data no duerme, es un tren en constante movimiento.
Los últimos dos años no han hecho más que acelerar la digitalización y la adopción de nuevas tecnologías, hemos escuchado web 3.0, de blockchain, y claro, la inteligencia artificial. Para muchos es una tecnología que suena inalcanzable, pero que dirías si te dijera que la IA ya está embebida en nuestro día a día. La música que escuchamos en Spotify, las recomendaciones de conexiones en LinkedIn, las series que vemos en Netflix, todo seleccionado por algoritmos de recomendación para nosotros.
En el ámbito laboral no es distinto, hay sectores que lo ven lejano, pero hoy en día existen múltiples organizaciones construyendo sus propias soluciones. Con un crecimiento compuesto anual de 25% neto, ver publicaciones buscando roles de datos ya es algo común.
Le puede interesar: Uso de Tecnología 4.0 en Ámbitos Empresariales
¿Cómo implemento este tipo de tecnología?
En primer lugar, debemos explorar los casos de uso, pues el machine learning tiene distintas ramas dependiendo del problema y sobre todo la data, si es estructurada (bases de datos) o no (texto, imágenes, audios, otros), esta última representa el 80% del total de datos de una organización según Gartner. Analicemos algunas experiencias reales:
- En leyes se han utilizado algoritmos para entender contratos y extraer su información rápidamente, generando un ahorro de más del 70% en horas invertidas. En mercado se ha utilizado para extraer datos de facturas, y en reclutamiento ya gran parte la están utilizando.
- Ecommerce exitosos han utilizado sistemas de recomendación para incentivar sus ventas. En Amazon, 35% de las compras generadas provienen de las recomendaciones, ellos entienden las imágenes a través de vectores. AirBnb, es un caso distinto donde el indicador llega hasta 99%.
- Empresas de sustentabilidad han utilizado la identificación de materiales de reciclaje, teniendo 90% menos tiempo en digitación y ayudando a otras organizaciones a acceder a beneficios fiscales verdes.
- En retail, se utilizan algoritmos de forecasting que son capaces de dar pesos dinámicos a las variables de entrada, básicamente entiende que la importancia de una variable puede cambiar en el tiempo y otorgar resultados más precisos.
- Para logística, el TSP (Travelling salesman problem) ha presentado siempre un desafío, pero hoy en día, machine learning es capaz de recomendar rutas dinámicas que optimicen variables como peso, combustible, tiempo u otros.
- Incluso en marketing, muchos posts o artículos están siendo escritos por IA, otorgando escalabilidad a los redactores de contenido, échale un ojo a AI Guru o Copy.ai
- Herramientas AutoML como DataRobot facilitan la inmersión en el mundo de la IA.
- En MyFuture-AI se han creado lectores de documentos. Soluciones de análisis de vídeo para hacer trackeo de zonas calientes en tiendas y trazabilidad, como también algoritmos de forecasting multivariables, esto, incentivando el desarrollo interno de las startups, facilitándoles el talento de datos y su gestión.
El momento es ahora y lo ha sido por un tiempo, muchas organizaciones ya son generadores de datos y cuentan con gran potencial para ser Data Driven y tomar decisiones utilizando modelos o análisis de datos. La IA ya guía partes de nuestra vida, nos toca a nosotros, a los generadores, utilizar esta tecnología a nuestro provecho, tomemos el control de nuestros datos.
Lea también: Procesos Automáticos de E-commerce que Retienen Clientes
