Dato, Machine Learning y negocio: las tres piezas clave de la inteligencia artificial
Expertos y profesionales procedentes de ocho organizaciones de diferentes sectores presentan las tendencias y sus experiencias en inteligencia artificial
Expertos en inteligencia artificial de Redexis, Luca Telefónica, el Instituto de Ingeniería del Conocimiento, IberCaja, Techedge, Mapfre, Indra y Pentaquark Consulting han participado en la primera edición del evento Tendencias en Inteligencia Artificial, organizado por Executive Forum. Durante el encuentro, que se ha celebrado en el Círculo de Bellas Artes, los ponentes han coincidido en señalar la importancia del dato, el Machine Learning y el negocio como las tres claves de la inteligencia artificial.
Los participantes del primer bloque de la jornada han presentado las tendencias en inteligencia artificial que recogen cada uno de sus sectores de procedencia: energía, telecomunicaciones, banca y tecnología. En primer lugar, el subdirector de Inteligencia Artificial y Machine Learning de Redexis, Berenger Briquez, ha explicado que el 90% de la inteligencia artificial es Machine Learning, del cual el 90% es Data Science, del que, a su vez, el 90% es ingesta y limpieza de datos. Este hecho tendría especial relevancia en un sector como el energético, ya que es el cuarto en el que más datos se generan (por detrás de la banca y seguros, automóvil y retail). Así, Briquez ha identificado varias macrotendencias en inteligencia artificial: el enfoque cognitivo, la empresa conectada, los entornos abiertos y las técnicas de realidad aumentada.
En representación de Luca Telefónica, Alfonso Ibáñez-Martín, Global Head of Big Data Analytics, se ha referido a la “justicia de la inteligencia artificial”. Este novedoso concepto hace alusión al riesgo de emplear algoritmos que contengan prejuicios o sesgos previos y que, por tanto, den lugar a modelos de inteligencia artificial injustos. Estos algoritmos podrían ser injustos con variables tan sensibles como la raza, el sexo o las ideas religiosas, por lo que podrían tomar decisiones autónomas discriminatorias. En este sentido, Ibáñez-Martín ha recomendado definir los modelos justos teniendo en cuenta tres criterios fundamentales: independencia, separación y suficiencia.
A continuación, Marta Guerrero, Head of Natural Language Processing Group en el Instituto de Ingeniería del Conocimiento (IIC), ha aclarado que “la inteligencia artificial no es ciencia-ficción”, ya que aún nos quedaría mucho para que los robots pensasen y actuasen como las personas. En esta línea, ha presentado el Procesamiento de Lenguaje Natural (PLN) como las distintas técnicas que permiten a los ordenadores trabajar de manera automática con el lenguaje humano. Una parte del PLN está enfocada a la voz y otra al texto, si bien ambas se basan en el procesamiento, la comprensión y la generación. Gracias al análisis de sentimientos y emociones que también posibilita este conjunto de técnicas, sería posible mejorar la experiencia del cliente y gestionar reclamaciones mediante sistemas de clasificación automática.
Por su parte, el director de Tecnología y Sistemas de IberCaja, Leandro Hermida, ha argumentado que la inteligencia artificial aporta mucho valor y tiene aplicación directa en la banca porque se trata de un sector en el que se genera mucha información y en el que, tradicionalmente, muchos de los procesos se han basado en analítica. Pese a la madurez de este conjunto de tecnologías, ha reconocido que su aplicación sigue siendo muy compleja en casos de uso directos. Según Hermida, estos casos se podrían englobar en cinco grandes ámbitos: asistencia a las personas, operaciones, CRC (cumplimiento, riesgos y ciberseguridad), inteligencia de negocio e interfaces de relación. Además, ha destacado que la correcta definición de los casos de uso y de sus riesgos sería fundamental para poder tomar las decisiones adecuadas.
Como cierre de este primer bloque, Jaime Pérez Cuadrado, Big Data & Artificial Intelligence Director de Techdege, ha moderado una mesa redonda en la que los ponentes han respondido a preguntas de los asistentes relacionadas con la aplicación de la inteligencia artificial a la hora de tomar decisiones y con los riesgos que se pueden asumir al no hacerlo adecuadamente. Tras este panel, ha comenzado el segundo y último bloque en el que los participantes han presentado diferentes experiencias y casos reales basados en el uso de este conjunto de tecnologías.
Así, el subdirector técnico de Modelos Predictivos de Mapfre, Diego Bodas, ha explicado la visión de la aseguradora acerca de la realidad y el presente de la inteligencia artificial. En este sentido, ha afirmado que el sector de los seguros requiere especialmente una personalización de los datos, por lo que estas tecnologías serían fundamentales no solo para identificar una serie de patrones reales, sino que también para desarrollar modelos de predicción también. De este modo, ha señalado realidades actuales que requieren esta capacidad preventiva mediante el desarrollo de la inteligencia artificial, entre las que ha destacado la irrupción del coche autónomo o los riesgos y daños provocados por el cambio climático. Una vez más, el dato sería un pilar básico sobre el que construir estos modelos.
Javier Rojo Fernández, Tolling Product Manager de Indra, ha intervenido a continuación para presentar la experiencia en la aplicación de inteligencia artificial en el sector del transporte, concretamente, en los sistemas de peaje y cómo el Deep Learning permitió a Indra liderar el benchmarking de la detección automática de ocupantes en un piloto realizado en San Francisco (Estados Unidos). “La inteligencia artificial ha adquirido una importancia fundamental en las líneas de innovación de Indra”, ha reconocido. Además, ha comentado que los algoritmos de inteligencia artificial requieren un gran volumen de datos, ya que aprenden como los humanos: extrayendo conocimiento de la experiencia. En el caso concreto de los peajes, la aplicación de esta tecnología permite detectar, identificar y clasificar vehículos y objetos por imágenes, lo que definitivamente redunda en un ahorro en mantenimiento, operación e infraestructuras.
Finalmente, Manuel Torres Brabo, AI & Machine Learning Head de Techedege, ha explicado algunos casos de éxito (y de no tanto éxito) que ha desarrollado la organización que representa, tales como la aplicación de esta tecnología en un call center o en la detección de patologías en animales mediante imágenes tomadas por dispositivos móviles. “En los proyectos de inteligencia artificial es necesario unir el conocimiento de los procesos de negocio con el valor diferencial de las tecnologías exponenciales” ha aconsejado. De esta manera, habiendo comprendido primero por qué y para qué se desea aplicar la inteligencia artificial, se debería elaborar un plan mediante el cual se aprovechase todo el potencial de esta tecnología, capaz de mejorar los procesos, los productos y las líneas de negocio.
Antes de clausurar evento, Estela Luna, CEO de Pentaquark Consulting, ha moderado la mesa redonda final en la que los tres ponentes de este segundo bloque han coincidido en la necesidad de democratizar la inteligencia artificial y en la importancia de la multidisciplinariedad de los profesionales que la apliquen y desarrollen.
