Cuando escuchamos el término “Dato” nos viene a la mente la idea de un número o valor, por ejemplo: nombre, dirección, ruc, entre otros, los cuales siempre han estado presentes a lo largo de nuestra existencia, y que en el caso de las empresas, estos pasaron a convertirse en “Activos Estratégicos”, al darse cuenta las compañías que estos datos se acumulaban siguiendo una tendencia exponencial, hasta el punto de tener millones de ellos y que procesados podrían suponer una nueva fuente de conocimiento para una futura toma de decisiones. Bajo este contexto, en la mayoría de los casos, el usuario piensa que la data histórica inicial va perdiendo relevancia hasta llegar al punto de no utilizarla, y es a partir de aquí en donde interviene la Inteligencia Artificial (Ai) al rescate, y utilizar toda la historia de los millones de datos almacenados, y nos provee de diferentes herramientas para obtener una ventaja competitiva.
Los proyectos de Inteligencia Artificial tienen una etapa de análisis que evidencia la calidad de los datos y los destila hasta obtener la data que realmente represente al negocio. En este ejercicio se determina la calidad de los datos y existen varias metodologías para trabajar inclusive con pocos datos o “sparse models”. A veces, las compañías también toman conciencia de la precariedad de su información, generalmente en sus bases de datos centrales llamados generalmente “Maestros”. Estos maestros incluyen: datos de clientes, datos de proveedores, datos de insumos (SKUs), exactitud de su inventario, entre otros. Es aquí, que las empresas deben tomar la decisión de “limpiar y ordenar” esta información, de otro modo sufrirán de algo endémico que se evidencia en las discrepancias de sus diversos reportes de control de gestión o medición de sus KPIs.
La mayoría de veces las empresas temen que el proyecto de limpieza de datos conlleve demasiado tiempo o no aporte valor al negocio con resultados tangibles. En ese sentido, es necesario resaltar dos puntos: En primer lugar, un proyecto de limpieza de datos permite encontrar datos duplicados, en el caso de almacenes, permite una mejor gestión del inventario, identificar los diferentes proveedores que se tiene para un mismo ítem o incluso proveedores fantasmas, optimizar las órdenes de compra, etc. En segundo lugar, la Inteligencia Artificial sigue en un camino de constante crecimiento gracias a las innovaciones en hardware que se han presentado, las plataformas en nube que permiten acceder a más recursos por costos razonables y a la prueba y error a un ritmo más acelerado, que permite reducir tiempos en los proyectos.
La inversión en el activo más importante de una empresa, que es su información, amerita el mantenerla ordenada, completa y sin redundancias, el ROI de estos proyectos es bastante alto, así como la calidad de las decisiones que se pueden lograr a partir de una nueva infraestructura de conocimiento.
Cómo el ‘machine learning’ convirtió al tren en el transporte más inteligente de la historia
Al tren le debemos muchas de nuestras principales innovaciones en tráfico. Como la señalización moderna o el semáforo. A pesar de que ya se usaban en la industria del ferrocarril desde 1830, el ingeniero John Peake Knight diseñó en 1865 un sistema con barreras: rojo para detenerse, verde para continuar. Y así se popularizó y exportó hasta que, en 1910, Ernest Sirrine patentó su semáforo eléctrico de luces rojo, ambar y verde. Desde entonces, estos colores pueblan cada intersección. La inteligencia artificial los ha dotado de efectividad extra: los semáforos ya pueden adaptarse al tráfico y no al revés, lo que reduce en un 40% el tiempo de espera de los vehículos y minimiza hasta en un 26% las emisiones de CO2. Y, por supuesto, sin redundar en riesgos para los peatones, más bien al contrario, al bajar la congestión de tráfico y la polución en núcleos urbanos.
Inteligencia artificial en manufacturas, grandes avances
Los análisis basados en inteligencia artificial y las estadísticas en tiempo real, ya han comenzado a ayudar a las empresas y manufacturas a aumentar sus ingresos y cuotas de mercado más rápido que sus pares en industrias. Tan diversas como la sanidad, las finanzas, los servicios públicos y el comercio electrónico. Es por esto que es perfectamente normal que el siguiente paso a seguir sea optimizar la inteligencia artificial en manufacturas. Con los cimientos adecuados, los fabricantes verán que IA toma muchas decisiones más informadas en cada etapa del proceso de producción en tiempo real. En el caso de la producción, veremos sensores detectando defectos en la línea de producción. Los datos se envían a la nube para verificar. Lo que eliminará inmediatamente la parte defectuosa. Cada una de estas ideas inteligentes convertirá la información en resultados tangibles para las manufacturas.
McDonald’s adquiere compañía de IA para automatizar el drive-thru
Apprente, una compañía de Silicon Valley fundada en 2017, utiliza inteligencia artificial para comprender los pedidos de conducción, lo que podría reducir los tiempos de servicio. McDonald’s dijo que la tecnología también podría usarse algún día en sus quioscos de automac y en su aplicación móvil. Los empleados de Apprente serán los miembros fundadores de un grupo llamado McD Tech Labs, que se alojará dentro del equipo de tecnología global de McDonald’s. La cadena de hamburguesas quiere aumentar su presencia en Silicon Valley mediante la contratación de más expertos en tecnología, incluidos ingenieros y científicos de datos.