¿Tienen las máquinas la capacidad de aprender cosas nuevas? Sí, aquellas que tienen datos y capacidad de cómputo. Es lo que se conoce como Machine Learning, una rama de la Inteligencia Artificial por la que, a través de diferentes técnicas y algoritmos, las máquinas son capaces de aprender y ejecutar nuevas tareas para las que no han sido programadas. Eran soluciones impensables hace décadas, pero que son ya una realidad que avanza a un ritmo sorprendente.
No es de extrañar, por tanto, que los responsables de innovación y sistemas de las principales empresas tengan en su hoja de ruta el adoptar el Machine Learning para avanzar en la transformación tecnológica de sus empresas para adaptarse a un entorno cada vez más digital. Así al menos se constata en el estudio de ServiceNow y Oxford Economics realizado a 500 CIO de 25 industrias en 11 países diferentes: el 53 % de ellos asegura que el Machine Learning es una de sus apuestas en materia de digitalización empresarial. Y lo es porque una inmensa mayoría (9 de cada 10) asegura que el Machine Learning aumentará la calidad y la velocidad en la toma de decisiones.
El Machine Learning detrás de Netflix y Amazon
Sin embargo, más que hablar de futuro, cuando abordamos el Machine Learning lo debemos hacer desde la perspectiva del presente, puesto que muchas empresas con las que tenemos relación directa en nuestro día a día, ya están utilizando estas tecnologías con notables beneficios.
Por ejemplo, Netflix. Tras cada recomendación y sugerencia que nos hace este proveedor, se esconde un algoritmo de aprendizaje automático. Esto no es solo positivo para el usuario de la plataforma, sino que la compañía consiguió un ahorro de mil millones de dólares en 2017.
Otro ejemplo de cómo el Machine Learning puede tener un impacto positivo se encuentra en el envío en el mismo día de Amazon. Gracias al uso de Machine Learning, el tiempo que se emplea en hacer «clic para enviar» ha disminuido en un 225%.
Y yo, ¿dónde puedo aplicar el Machine Learning?
Puede que nuestra empresa no sea del tamaño de Netflix o Amazon, pero sí que podemos aplicar Machine Learning para su mejora. Esta tecnología puede utilizarse para definir y aplicar estrategias, predecir acciones futuras y optimizar y automatizar procesos en áreas tan diversas como: marketing, operaciones, recursos humanos o finanzas.
Por ejemplo, en marketing y atención al cliente. No basta con tener una buena (y actualizada) base de datos: cuanto más y mejor conozcamos a nuestros clientes, mejor respuesta podremos dar a sus necesidades. Pero no nos debemos quedar en aquello que nos cuentan, sino que gracias a esta tecnología podemos descubrir patrones de comportamiento que de otra manera podrían pasar desapercibidos.
Aplicando Machine Learning podemos optimizar al máximo los perfiles de clientes, lo que nos permite identificarlos y comprenderlos mejor, pudiendo tomar las medidas necesarias para retenerlos o mejorarles los servicios. Además, es posible predecir los ingresos que en el futuro nos va a aportar cada cliente específico. Esto permite personalizar las acciones de marketing y atención al cliente, apoyándonos en un mayor conocimiento sobre ellos.
Relacionado con todo esto, el Machine Learning también es aplicable a la política de precios a través de los llamados precios dinámicos. Atrás quedaron los tiempos en los que había un precio fijo y un periodo de rebajas. La industria hotelera y la de los billetes de avión son claros exponentes de los precios dinámicos, esos que cambian en función de la oferta y la demanda disponible en cada momento. Para que esta estrategia sea efectiva y rentable para los intereses de la empresa, se deben tener en cuenta todos los datos posibles, muchos de los cuales no son evidentes ni accesibles salvo que tengamos la capacidad de tratar el Big Data y utilizar cálculo computacional.
Otra de las problemáticas en las que se está utilizando esta tecnología es en la detección de fraude. En el sector seguros se utiliza Machine Learning junto a reglas de negocio para detectar el riesgo de cada cliente en función de las probabilidades que tiene de cometer algún tipo de fraude. O en el sector finanzas, el Machine Learning se utiliza para la concesión de créditos y el análisis de riesgo.
Del Machine Learning al Deep Learning
Sabiendo esto, no nos debería sorprender saber que el número de proyectos con implementaciones de aprendizaje automático se duplicará durante este 2018 respecto a 2017. Y, de nuevo, se duplicará para 2020, según Deloitte.
A ello contribuirán la aceleración de la capacitación de los perfiles técnicos y una mayor comprensión de la explicación de los resultados de los modelos. Los humanos iremos aceptando y confiando cada vez más en los resultados de estos modelos predictivos y automatizados.
Como se puede comprobar, esta disciplina tecnológica utilizada ya por las empresas más punteras, se está empezando a asentar en cada vez más áreas de negocio y sectores del mundo empresarial. Pero aún queda mucho por hacer, y están apareciendo nuevas disciplinas que potencian cada vez más este aprendizaje automático, como el Deep Learning.