Ingrese o regístrese acá para seguir este blog.
La conectividad entre dispositivos, personas y empresas ha promovido la evolución de las tecnologías, a tal punto que permite que máquinas o dispositivos por medio de inteligencia artificial (IA) y aprendizaje avanzado, creen sistemas que logren comprender, aprender, predecir y adaptarse de forma autónoma a trabajos complejos en las organizaciones. A esto se le llama Machine Learning (ML).
Esta tecnología y sus atributos han hecho que las empresas comiencen a explorarla con diferentes tareas para la creación de soluciones que se ajusten a sus necesidades particulares. Compañías como Facebook y Merck ya han adoptado ML e IA para adaptarlas a sus requerimientos inmediatos.
En el caso Facebook, una de las redes sociales más populares en el mundo, aprovechó el uso de redes neuronales para la búsqueda de fotografías y la organización de fotos, además, en la traducción de alrededor de 2 mil millones de mensajes de usuario por día en más de 40 idiomas. Estas traducciones son vistas por alrededor de 800 millones de usuarios al día.
Por otro lado, Merck, compañía alemana productora de farmacéuticos, usa el aprendizaje automático para examinar imágenes en 3D con miles de moléculas para predecir su idoneidad para bloquear el mecanismo de un patógeno y acelerar el descubrimiento de fármacos.
En el entorno empresarial, la adopción de este tipo de tecnología se vuelve clave por las oportunidades de optimización del negocio que ofrece. De acuerdo con un estudio de Accenture, ‘Managers and Machines, unit!’, el 84% de los gerentes de empresa de todos los niveles creen que las máquinas los harán más efectivos y al trabajo más interesante, por su parte el ‘Reporte de Tendencias de Tecnologías Emergentes’ de SAP, indicó que se estima un crecimiento de la empresa en el mercado de ML y IA en 2020 reflejado en USD $4 mil millones y en 2024 de USD $11 mil millones, lo cual muestra el interés de las organizaciones por invertir en esta tendencia.
Las capacidades del ML son infinitas, el aprendizaje automático prácticamente cuenta con tantas aplicaciones como se pueda imaginar, pudiéndose adaptar a diferentes situaciones como datos con los que se cuente.
Algunas de las actividades puntuales con las que se puede reimaginar la empresa con esta tecnología son: la detección de rostro, que puede verse en las cámaras móviles por medio de algunas apps; el reconocimiento facial, de voz o de objetos; buscadores, para mejorar los resultados y sugerencias de búsqueda; anti-spam, mediante el uso de etiquetas; anti-virus, para la detección de software malicioso; genética, por ejemplo, en la clasificación de secuencias de ADN; predicción y pronósticos, de clima, tráfico o para evitar fallos tecnológicos en equipos; comprensión de textos, se aplica a resúmenes estructurados de noticias o comentarios sobre un tema específico.
Además en vehículos autónomos y robots; métodos de optimización más rápidos y flexibles, en donde se evalúa qué momento es el adecuado para una tarea concreta; análisis de imágenes de alta calidad; análisis de datos económicos, para operar en el mercado de valores o evitar el fraude en transacciones; análisis de comportamiento de consumo y productividad, para la identificación de clientes potenciales y prever qué empleados pueden ser más rentables y adaptar servicios a las necesidades del usuario.
Como es evidente, el Machine Learning será una de las tecnologías que transformará digitalmente a las organizaciones durante el 2017, es tarea de las empresas abrir las puertas al cambio para desenvolverse de manera competitiva y optima a las necesidades que la sociedad exige y el mercado requiere.
