8 maneras de aprendizaje de la máquina que están mejorando los procesos de trabajo de las empresas
Por Dan Wellers, Timo Elliott y Markus Noga
Harvard Business Review
Analítica
Las organizaciones líderes de hoy utilizan herramientas basadas en el aprendizaje automático para automatizar los procesos de decisión, y están comenzando a experimentar con usos más avanzados de la inteligencia artificial (AI) para la transformación digital. Se prevé que la inversión corporativa en inteligencia artificial se triplicará en 2017, convirtiéndose en un mercado de 100.000 millones de dólares para el año 2025. El año pasado solo se registraron US $ 5.000 millones en inversión en aprendizaje de máquinas. En una encuesta reciente, el 30% de los encuestados predijeron que la IA sería el mayor disruptor de su industria en los próximos cinco años. Esto sin duda tendrá efectos profundos en el lugar de trabajo.
El aprendizaje automático permite a las empresas ampliar su crecimiento de primera línea y optimizar los procesos, mejorando al mismo tiempo el compromiso de los empleados y aumentando la satisfacción del cliente. Éstos son algunos ejemplos concretos de cómo la IA y el aprendizaje automático están creando valor en las empresas hoy en día:
Pero hay barreras a superar. Lo más importante es la disponibilidad de grandes cantidades de datos de alta calidad que se pueden utilizar para entrenar algoritmos. En muchas organizaciones, los datos no se encuentran en un solo lugar o en un formato utilizable, o contienen sesgos que llevan a malas decisiones. Para preparar su empresa para el futuro, el primer paso es evaluar sus sistemas de información existentes y los flujos de datos para distinguir las áreas que están listas para la automatización de aquellas en las que se necesita más inversión. Considere la posibilidad de nombrar un jefe de datos para garantizar que los datos se gestionan adecuadamente como un activo corporativo.
Otro problema es la priorización; con tantas oportunidades, puede ser difícil saber por dónde empezar. Para aliviar esta carga, los proveedores de software están empezando a ofrecer soluciones predefinidas con el estado de la técnica de aprendizaje de la máquina de la caja. Muchas organizaciones también están implementando centros de excelencia de IA para trabajar en estrecha colaboración con los departamentos de negocios. Dondequiera que empiece, es importante vincular los proyectos a una estrategia de plataforma digital a largo plazo para evitar que se hayan desconectado islas de innovación.
Por último, no subestime las barreras culturales. Muchos empleados se preocupan por las consecuencias de toda esta tecnología en sus roles. Para la mayoría, será una oportunidad para reducir tareas tediosas y hacer más, pero es vital que los empleados tengan incentivos para asegurar el éxito de las nuevas iniciativas de aprendizaje de máquinas. También tendrá que pensar cuidadosamente acerca de los clientes. AI puede aumentar el poder de obtener información de los datos de los clientes, tal vez más allá del punto donde los clientes se sientan cómodos. Las organizaciones deben tomar la privacidad en serio y confiar en las computadoras para tomar decisiones importantes requiere un gobierno cuidadoso. Deben implementar procedimientos para auditar los efectos reales de cualquier sistema automatizado, y siempre debe haber recursos y anulaciones como parte de los procesos. Los sistemas de IA que usan datos sobre personas deben incluir el consentimiento informado.
La continua subida de IA es inevitable, y está avanzando hacia el lugar de trabajo a una velocidad vertiginosa. La pregunta ahora no es sobre si los gerentes deben investigar la adopción de IA sino sobre qué tan rápido pueden hacerlo. Al mismo tiempo, las organizaciones deben ser reflexivas acerca de cómo aplican IA a sus organizaciones, con una comprensión completa de las ventajas y desventajas inherentes a la tecnología.
Dan Wellers es el líder mundial en futuros digitales de SAP.
Timo Elliott es un evangelista de innovación para SAP.
Markus Noga es el vicepresidente de aprendizaje de máquinas de SAP.
Harvard Business Review
Analítica
Las organizaciones líderes de hoy utilizan herramientas basadas en el aprendizaje automático para automatizar los procesos de decisión, y están comenzando a experimentar con usos más avanzados de la inteligencia artificial (AI) para la transformación digital. Se prevé que la inversión corporativa en inteligencia artificial se triplicará en 2017, convirtiéndose en un mercado de 100.000 millones de dólares para el año 2025. El año pasado solo se registraron US $ 5.000 millones en inversión en aprendizaje de máquinas. En una encuesta reciente, el 30% de los encuestados predijeron que la IA sería el mayor disruptor de su industria en los próximos cinco años. Esto sin duda tendrá efectos profundos en el lugar de trabajo.
El aprendizaje automático permite a las empresas ampliar su crecimiento de primera línea y optimizar los procesos, mejorando al mismo tiempo el compromiso de los empleados y aumentando la satisfacción del cliente. Éstos son algunos ejemplos concretos de cómo la IA y el aprendizaje automático están creando valor en las empresas hoy en día:
- Personalizar el servicio al cliente. El potencial para mejorar el servicio al cliente mientras se reducen los costos hace que esta sea una de las áreas de oportunidad más emocionantes. Al combinar datos históricos de servicio al cliente, procesamiento del lenguaje natural y algoritmos que aprenden continuamente de las interacciones, los clientes pueden hacer preguntas y obtener respuestas de alta calidad. De hecho, el 44% de los consumidores estadounidenses ya prefieren chatbots a los seres humanos para las relaciones con los clientes. Los representantes de servicio al cliente pueden intervenir para manejar las excepciones, con los algoritmos mirando sobre sus hombros para aprender qué hacer la próxima vez.
- Mejorar la lealtad y la retención del cliente. Las compañías pueden explotar las acciones de los clientes, las transacciones y los datos de sentimiento social para identificar a los clientes que están en alto riesgo de abandonar. Combinado con los datos de rentabilidad, esto permite a las organizaciones optimizar las estrategias de "mejor acción" y personalizar la experiencia del cliente extremo a extremo. Por ejemplo, los adultos jóvenes que salen de los planes de telefonía móvil de sus padres a menudo se trasladan a otras compañías. Las empresas de telecomunicaciones pueden utilizar el aprendizaje automático para anticiparse a este comportamiento y hacer ofertas personalizadas, basadas en los patrones de uso del individuo, antes de que se desvíen a los competidores.
- Contratar a las personas adecuadas. Los puestos de trabajo corporativos extraen unos 250 currículos cada uno, y más de la mitad de los reclutados encuestados dicen que la selección de candidatos calificados es la parte más difícil de su trabajo. Software rápidamente se desliza a través de miles de solicitudes de empleo y candidatos listas que tienen las credenciales que tienen más probabilidades de lograr el éxito en la empresa. Se debe tener cuidado de no reforzar los sesgos humanos implícitos en la contratación previa. Pero el software también puede combatir el sesgo humano al marcar automáticamente un lenguaje sesgado en las descripciones de trabajo, detectando candidatos altamente calificados que podrían haber sido pasados por alto porque no encajaban con las expectativas tradicionales.
- Automatizar las finanzas. AI puede acelerar el "manejo de excepciones" en muchos procesos financieros. Por ejemplo, cuando un pago se recibe sin un número de pedido, una persona debe ordenar a qué orden corresponde el pago y determinar qué hacer con cualquier exceso o déficit. Mediante el seguimiento de los procesos existentes y el aprendizaje para reconocer diferentes situaciones, AI aumenta significativamente el número de facturas que pueden coincidir automáticamente. Esto permite a las organizaciones reducir la cantidad de trabajo subcontratado a los centros de servicio y libera al personal de finanzas para centrarse en tareas estratégicas.
- Medición de la exposición de la marca. Los programas automatizados pueden reconocer productos, personas, logotipos y más. Por ejemplo, el reconocimiento avanzado de imágenes puede usarse para rastrear la posición de los logotipos de marcas que aparecen en las imágenes de video de un evento deportivo, como un juego de baloncesto. Los patrocinadores corporativos llegan a ver el retorno de la inversión de su inversión de patrocinio con análisis detallados, incluyendo la cantidad, duración y colocación de logotipos corporativos.
- Detección de fraude. La organización típica pierde el 5% de los ingresos cada año al fraude. Mediante la construcción de modelos basados en transacciones históricas, información de redes sociales y otras fuentes externas de datos, los algoritmos de aprendizaje de máquinas pueden utilizar el reconocimiento de patrones para detectar anomalías, excepciones y valores atípicos. Esto ayuda a detectar y prevenir transacciones fraudulentas en tiempo real, incluso para tipos desconocidos de fraude. Por ejemplo, los bancos pueden usar datos históricos de transacciones para crear algoritmos que reconocen el comportamiento fraudulento. También pueden descubrir patrones sospechosos de pagos y transferencias entre redes de individuos con conexiones corporativas superpuestas. Este tipo de "seguridad algorítmica" es aplicable a una amplia gama de situaciones, como la ciberseguridad y la evasión fiscal.
- Mantenimiento predictivo. El aprendizaje automático permite detectar anomalías en la temperatura de un eje del tren que indican que se congelará en las próximas horas. En lugar de que cientos de pasajeros queden varados en el campo, esperando una reparación costosa, el tren puede ser desviado al mantenimiento antes de que falle, y los pasajeros pasan a otro tren.
- Cadenas de suministro más suaves. El aprendizaje automático permite el análisis contextual de los datos logísticos para predecir y mitigar los riesgos de la cadena de suministro. Los algoritmos pueden pasar a través de datos sociales públicos y noticias en múltiples idiomas para detectar, por ejemplo, un incendio en una fábrica remota que suministra rodamientos de bolas vitales que se utilizan en la transmisión de un automóvil.
- Planificación de la carrera. Las recomendaciones podrían ayudar a los empleados a elegir trayectorias profesionales que conduzcan a un alto rendimiento, satisfacción y retención. Si una persona con un grado de ingeniería desea dirigir la división algún día, ¿qué educación adicional y experiencia de trabajo deben obtener, y en qué orden?
- Gestión de activos basada en satélites y satélites. Los drones equipados con cámaras pueden realizar inspecciones externas regulares de estructuras comerciales, como puentes o aviones, con las imágenes analizadas automáticamente para detectar nuevas grietas o cambios en las superficies.
- Análisis de los estantes de venta al por menor. Una empresa de bebidas deportivas podría utilizar la inteligencia de la máquina, junto con la visión de la máquina, para ver si sus pantallas en la tienda se encuentran en la ubicación prometida, las estanterías están bien abastecidos con productos y las etiquetas del producto se enfrentan hacia afuera.
Pero hay barreras a superar. Lo más importante es la disponibilidad de grandes cantidades de datos de alta calidad que se pueden utilizar para entrenar algoritmos. En muchas organizaciones, los datos no se encuentran en un solo lugar o en un formato utilizable, o contienen sesgos que llevan a malas decisiones. Para preparar su empresa para el futuro, el primer paso es evaluar sus sistemas de información existentes y los flujos de datos para distinguir las áreas que están listas para la automatización de aquellas en las que se necesita más inversión. Considere la posibilidad de nombrar un jefe de datos para garantizar que los datos se gestionan adecuadamente como un activo corporativo.
Otro problema es la priorización; con tantas oportunidades, puede ser difícil saber por dónde empezar. Para aliviar esta carga, los proveedores de software están empezando a ofrecer soluciones predefinidas con el estado de la técnica de aprendizaje de la máquina de la caja. Muchas organizaciones también están implementando centros de excelencia de IA para trabajar en estrecha colaboración con los departamentos de negocios. Dondequiera que empiece, es importante vincular los proyectos a una estrategia de plataforma digital a largo plazo para evitar que se hayan desconectado islas de innovación.
Por último, no subestime las barreras culturales. Muchos empleados se preocupan por las consecuencias de toda esta tecnología en sus roles. Para la mayoría, será una oportunidad para reducir tareas tediosas y hacer más, pero es vital que los empleados tengan incentivos para asegurar el éxito de las nuevas iniciativas de aprendizaje de máquinas. También tendrá que pensar cuidadosamente acerca de los clientes. AI puede aumentar el poder de obtener información de los datos de los clientes, tal vez más allá del punto donde los clientes se sientan cómodos. Las organizaciones deben tomar la privacidad en serio y confiar en las computadoras para tomar decisiones importantes requiere un gobierno cuidadoso. Deben implementar procedimientos para auditar los efectos reales de cualquier sistema automatizado, y siempre debe haber recursos y anulaciones como parte de los procesos. Los sistemas de IA que usan datos sobre personas deben incluir el consentimiento informado.
La continua subida de IA es inevitable, y está avanzando hacia el lugar de trabajo a una velocidad vertiginosa. La pregunta ahora no es sobre si los gerentes deben investigar la adopción de IA sino sobre qué tan rápido pueden hacerlo. Al mismo tiempo, las organizaciones deben ser reflexivas acerca de cómo aplican IA a sus organizaciones, con una comprensión completa de las ventajas y desventajas inherentes a la tecnología.
Dan Wellers es el líder mundial en futuros digitales de SAP.
Timo Elliott es un evangelista de innovación para SAP.
Markus Noga es el vicepresidente de aprendizaje de máquinas de SAP.
Editores originales conservan todos los derechos.
No hay comentarios:
Publicar un comentario