Inteligencia Artificial: el aprendizaje de las máquinas al servicio de las personas

Inteligencia Artificial: el aprendizaje de las máquinas al servicio de las personas

Hace diez años, cuando se mencionaba el término "Inteligencia Artificial" (IA), a la mayoría de la gente le recordaba máquinas sintéticas y de ciencia ficción como las de Terminator, Star Trek o Matrix. Hoy es uno de los temas más investigados en negocios e industrias, incluso las inversiones en esta materia en los últimos años han crecido de manera significativa; IDC estimó que el mercado global de inteligencia artificial crecería de $8 billones de dólares en 2015, a más de $47 billones para 2020. A medida que las organizaciones se posicionan para capitalizar una enorme cantidad de datos que se generan y recopilan, la Inteligencia Artificial es un eje fundamental de la transformación digital.

El surgimiento de la IA

Por más futurista que pueda parecer, IA ha existido por décadas. Los algoritmos de IA aparecieron por primera vez en la década de 1960. Preprogramados para un razonamiento simple de "If - Then", dieron lugar a plataformas tempranas de sistemas expertos, pero no encontraron aplicaciones comerciales. El desarrollo de AI se ralentizó en los años setenta y ochenta en medio de recortes en el financiamiento de la investigación gubernamental de EE.UU. Un renacimiento comenzó en la década de 1990 con la aparición de sistemas limitados de aprendizaje automático, encarnados memorablemente en "Deep Blue", la computadora de IBM que derrotó al maestro de ajedrez ruso Garry Kasparov. La imagen 1 resume la historia de la Inteligencia Artificial en sus 10 principales hitos.

¿Qué es la Inteligencia Artificial?

La verdad es que IA es difícil de definir, porque la inteligencia en sí es difícil de definir en primer lugar. En lo que todas las definiciones coinciden, es en que la Inteligencia Artificial no es natural, como lo que se encuentra en los seres humanos y algunas especies de animales. Es algo hecho por el hombre. Sin embargo, puede razonar, tomar decisiones que tienen en cuenta varios factores, como por ejemplo cómo funciona el cerebro humano en general. Cabe aclarar también que el término "robot" no es sinónimo de IA, aunque a veces se usa de esa manera. La Inteligencia Artificial es una referencia al software que manifiesta inteligencia, mientras que los robots infieren un elemento físico, un caparazón que lleva a cabo las decisiones tomadas por el motor de IA detrás de él. No todas las IA necesitan un robot para llevar a cabo sus funciones, y no todos los robots necesitan IA verdadera para alimentar su funcionalidad.

El término en sí ha cambiado en la medida que la tecnología avanza y evoluciona. De hecho, John McCarthy, quien acuñó el término "Inteligencia Artificial" en 1956, enfatizó que "tan pronto como funciona, nadie lo llama más Inteligencia Artificial." Hoy en día, muchas de las reglas y sistemas basados en lógica que fueron previamente considerados IA, ya no está clasificados como tal.

Tipologías de Inteligencia Artificial

Si bien las definiciones en torno a IA no encuentran consensos en lo que puede o no serlo; las tipologías en las que puede clasificarse según su complejidad o nivel de desarrollo, si pueden definirse claramente.

La promesa de la IA en la trasformación de industrias

La IA ha avanzado significativamente en los últimos años. La adopción, sin embargo, permanece en su etapa inicial. Esto hace que sea desafiante evaluar el verdadero impacto potencial de IA en las empresas y sectores. Según un reporte de Narrative Science Survey, en 2016, el 38% de las empresas de los EE.UU., utilizaba inteligencia artificial, porcentaje que se elevará a 62% para 2018.

¿Cómo están adoptando las empresas la IA?

Las aplicaciones comerciales están surgiendo en cinco sistemas cognitivos:

1. Sistemas de procesamiento de lenguaje natural que reconocen voz y expresiones de texto

2. Visión por computadora, que identifica objetos, escenas y actividades

3. Sistemas de reconocimiento de patrones que encuentran temas recurrentes en grandes cantidades de datos

4. Razonamiento y tecnología de optimización capaz de hacer inferencias complejas y evaluación eficiente de opciones

5. Robótica, que integra tecnologías cognitivas para realizar procesos físicos y cognitivos end-to-end.

En cada área, la IA se ha movido a lo largo de un espectro desde la toma de decisiones basada en reglas, a través del aprendizaje supervisado y en aplicaciones limitadas de aprendizaje no supervisado (Ver Imagen 3).

Las principales tecnologías de IA para los próximos años

Según el TechRadar™: Artificial Intelligence Technologies de Forrester, estas serán las tecnologías que impulsarán la dinámica de la IA en los próximos años:

• Generación de lenguaje natural: producción de texto a partir de datos informáticos.

• Reconocimiento de voz: Transcripción y transformación del habla humana en un formato útil para aplicaciones informáticas.

• Agentes virtuales: desde simples chatbots a sistemas avanzados que pueden conectarse con humanos.

• Plataformas de aprendizaje automático: Proporciona algoritmos, API, kits de herramientas de desarrollo y capacitación, datos, así como capacidad informática para diseñar, capacitar e implementar modelos en aplicaciones, procesos y otras máquinas.

• Hardware optimizado para AI: unidades de procesamiento de gráficos (GPU) y dispositivos diseñados específicamente para ejecutar de manera eficiente trabajos computacionales orientados a IA.

• Gestión de decisiones: motores que insertan reglas y lógica en los sistemas de inteligencia artificial y se utilizan para la configuración / capacitación inicial y el mantenimiento y ajuste continuo.

• Plataformas de aprendizaje profundo: un tipo particular de aprendizaje automático que consiste en redes neuronales artificiales con múltiples capas de abstracción.

• Biometría: permite interacciones más naturales entre los humanos y las máquinas, lo que incluye, entre otros, el reconocimiento de imagen y tacto, el habla y el lenguaje corporal.

• Automatización robótica de procesos: uso de scripts y otros métodos para automatizar la acción humana para respaldar procesos empresariales eficientes.

• Text Analytics y NLP: el procesamiento de lenguaje natural (NLP) utiliza y respalda el análisis de texto al facilitar la comprensión de la estructura y el significado de las oraciones, el sentimiento y la intención a través de métodos estadísticos y de aprendizaje automático.

Qué está haciendo la banca para aprovechar la IA

La industria financiera tradicional no ha llenado las expectativas de los consumidores respecto a la transformación digital, comparado con lo que otras industrias están brindando. Con un origen arraigado en la detección de riesgos y fraudes y la reducción de costos, la IA es cada vez más importante para que las firmas de servicios financieros sean competitivas. Esto sumado al surgimiento de perfiles de consumidor digital relacionándose con empresas pioneras en la adopción de la IA (Amazon, Google, Facebook y Apple) y que esperan que las empresas que utilizan las conozcan, las comprendan y las recompensen a través de una comunicación personalizada. Ninguna otra industria podría aprovechar el despliegue de inteligencia artificial (IA) como la industria bancaria. La imagen 4, ilustra algunos frentes de aplicación de la IA en el negocio financiero.

De acuerdo con Accenture, la IA es un tema que ocupa las agendas de crecimiento de los banqueros. De hecho, el 78% de los banqueros de EE.UU., cree que IA habilitará interfaces de usuario que ayudarán a los bancos a crear una experiencia de cliente más parecida a la humana. Además, el 79% cree que revolucionará la forma en que los bancos recopilan información e interactúan con los clientes y el 76% cree que, dentro de tres años, los bancos implementarán AI como su principal método para interactuar con los clientes.

¿En qué la están aplicando?

• Detección de fraude: IA tiene la capacidad de identificar el comportamiento fraudulento mientras está ocurriendo, así como identificar cuál será el siguiente patrón de comportamiento sospechoso. Los datos de ubicación también pueden ayudar con este proceso.

• Compliance: La tecnología se puede utilizar para garantizar que se cumplan los requisitos normativos y que los datos se mantengan con el monitoreo realizado en tiempo real. Esto permite que los problemas se identifiquen mucho antes.

• Disminución de costos y aumento de los ingresos: Análisis de expertos concluyen que la mayor oportunidad de la IA radica en automatización. "Los beneficios de interactuar con los clientes de una forma más automatizada e inteligente ofrecen importantes ahorros de costos, y el riesgo se extiende a millones de interacciones con los clientes". Los asistentes virtuales orientados al cliente y la robótica de back office serán comunes en el futuro cercano.

• Mejora de la experiencia del cliente: La IA proporciona la oportunidad de tomar decisiones de forma más rápida y mejorada derivando conocimientos profundos y procesables (por ejemplo, patrones de comportamiento del cliente). Algunas de estas interacciones serán con la nueva tecnología de voz o chatbot, mientras que otras aplicaciones estarán detrás de escena, lo que respaldará la comunicación de marketing.

• Impulsar la participación del cliente: la inteligencia artificial ayudará en la creación de productos y servicios personalizados e inteligentes, con nuevas funciones, interacciones más intuitivas y habilidades de asesoramiento, por ejemplo, gestión financiera personal.

• Gestión de inversiones: La IA permite a las entidades financieras la gestión de inversiones completamente automatizada, en la que se realizan procesos de inversión sin la intervención de seres humanos, basándose en algoritmos matemáticos que soportan las decisiones de inversión e interpretan las preferencias de los clientes según sus perfiles de riesgo.

Si bien todas esas aplicaciones se están llevando a cabo actualmente, la biometría y los chatbots son los principales frentes sobre los cuales los equipos encargados de adoptar la IA planean hacer inversiones en el corto plazo. La imagen 5 recoge sus opiniones.

Aplicaciones reales de IA en el contexto financiero

En síntesis, la industria financiera aún se encuentra en las primeras etapas de desarrollo en la adopción de IA. Sin una duda alguna, la IA es el futuro de la industria financiera debido a temas como la velocidad que facilita los procesos de cara a los clientes impactando tanto en la relación y el engagement como en los costos. Otra de las perspectivas es que pronto reemplazará a los humanos y proporcionará soluciones más rápidas y mucho más eficientes, sin mencionar que suprime el error humano en el proceso. Los robots están evolucionando gradualmente a medida que las innovaciones se producen en el sector de la IA, y es evidente el impacto que tienen estas tecnologías en la estrategia de reducción en costos. Y si bien la generación de ahorro para las organizaciones es una opción atractiva para su implementación, el verdadero potencial está en cómo la inteligencia artificial puede mejorar la experiencia del cliente.

Referencias

• McKinsey: ¿ARTIFICIAL INTELLIGENCE THE NEXT DIGITAL FRONTIER? 2017

• Narrative Science: Outlook on Artificial Intelligence in the Enterprise. 2016.

• Evry: The New Wave of Artificial Intelligence. 2017.

• Callahan Innovation: ARTIFICIAL INTELLIGENCE Technology Landscape. 2017.

• The Financial Brand: Competitive Survival in Banking Hinges on Artificial Intelligence. 2017.

• Efma: Getting ahead with AI. 2017.

• The FInancial Brand: How Financial Institutions Are Turning AI Into ROI. 2017

• AT Kerney: Will You Embrace AI Fast Enough?. 2016.

• Forrester: TechRadar™: Artificial Intelligence Technologies. 2017.

• The Lisbon Consortium . Artificial Intelligence and Creativity. 2017.

• Do you Trust This Computer. 2018.

• IDC. Worldwide Semiannual Cognitive/Artificial Intelligence Systems Spending Guide. 2016.

• Mastercard.

• Mitsubishi Bank.

• Garanti Bank.

• HSBC.

• Commercial Bank of Dubai.

Wells Fargo.