¿De qué hablamos cuando hablamos de inteligencia artificial?

En 2015, Google recurrió al sistema de inteligencia artificial AlphaGo para derrotar al tres veces ganador de Go de Europa, el Sr. Fan Hui. Este juego se caracteriza por su desarrollo exponencial, considerado superior al del ajedrez, pero esta complejidad no fue suficiente desafío para AlphaGo, que no solo fue capaz de derrotar a diversos adversarios, sino también de crear nuevas estrategias y formas de juego. Para alcanzar esta maestría, AlphaGo se entrenó incontables veces consigo mismo y fue extrayendo nuevas conclusiones y aprendizajes de cada una de ellas. El tiempo y el aprendizaje habían convertido a la IA en un gran maestro en Go.

La expansión y generalización de la inteligencia artificial se plasma en el creciente número de aplicaciones y servicios que van desde el procesamiento del lenguaje natural al análisis de intenciones, el reconocimiento de imagen o las capacidades para traducir y transcribir. No hay duda de que incorporar sistemas de automatización inteligente al negocio pasa, hoy en día, por algo tan aparentemente sencillo como el despliegue de cualquiera de estas aplicaciones. Si a esto sumamos su sencillez y la facilidad con la que pueden integrarse en los procesos de negocio y los flujos de trabajo, es fácil prever que el futuro de la automatización pasa por ellos.

El caso de AlphaGo, que podría parecer solo una interesante anécdota, nos sirve sin embargo para ilustrar una tendencia que cualquier empresa que aspire a crecer debe tener presente: la automatización inteligente es una realidad y permite exprimir de forma realista las ventajas de la inteligencia artificial. Así que el problema ahora no es si es posible integrar o no la inteligencia artificial en la empresa, si no cuál debe ser la forma de hacerlo y qué estrategia y solución permitirá obtener los mayores beneficios de ello. ¿Cómo determinarlo? Identificando cuáles son las tareas, procesos y proyectos foco.

Parece obvio y, justo por eso, este primer estadio puede quedar olvidado. A menudo, al analizar los procesos de negocio nos centramos en las grandes tareas, los flujos importantes, y dejamos a un lado todas las pequeñas tareas subyacentes. Detectarlas, analizarlas y determinar cómo puede agilizarlas u optimizarlas una solución de inteligencia artificial es básico. Quizá por eso un buen punto de inicio sean las herramientas de automatización, que aceleran la gestión de la documentación, los procesos y el análisis de su rendimiento. Gracias a ellas es posible detectar problemas tan básicos como los cuellos de botella y, si lo que los está causando es la tediosa gestión de datos, puede que estemos ante el candidato perfecto para una solución cognitiva.

La solución de IA perfecta

Una vez detectadas las oportunidades de mejora, lo siguiente es conocer lo que ofrece el mercado. Si bien es cierto que algunas grandes plataformas, como Google o Amazon Web Services, son una buena opción para dar el salto a los servicios cognitivos, el mercado avanza rápidamente, y continuamente se incorporan a él nuevos jugadores. Como ejemplo, podríamos destacar estos servicios:

• Selección inteligente: Hay servicios cognitivos como LUIS, de Microsoft Azure, que pueden disfrutar de un procesamiento de lenguaje natural adaptado a las necesidades operacionales del negocio, de modo que facilite la comprensión de las solicitudes y su redirección al personal adecuado.
• Análisis de la satisfacción: Las aplicaciones de análisis de la percepción pueden ayudar a administrar cientos de comunicaciones simultáneas con los clientes, facilitando la identificación de las interacciones con clientes descontentos y alertando a los managers para solucionarlas.
• Reconocimiento Óptico de Caracteres (ROC): Cualquier gestión documental compleja puede beneficiarse de estos servicios para agilizar la extracción de datos de formularios y su incorporación a los sistemas de backend de la compañía.
• Reconocimiento de imagen y rostro: Los servicios de reconocimiento de imagen, como Google Vision, permiten crear rápidamente descripciones de las imágenes e incluso añadir notas de referencia o ubicaciones. El uso del reconcomiendo fácil biométrico, por su lado, es una tendencia creciente.
• El siguiente salto: Los sistemas de machine learning pueden ‘entrenarse’ gracias a la propia actividad de los agentes de servicio al cliente, identificando así las interacciones con los clientes y recomendando las mejores acciones para maximizar su experiencia.