Machine Learning

Big data, inteligencia artificial, internet de las cosas...

Estas y otras tecnologías han venido ocupando parte de los titulares de los últimos tiempos, pero ahora el “machine learning” o aprendizaje automático parece que es el “must” a seguir.

Veamos cómo la irrupción de estas tecnologías está cambiando la vida de los consumidores y las empresas.

Solo hace tres décadas atrás, la idea de un aprendizaje automático por sí solo habría alimentado el peor tipo de pesadillas de ciencia ficción sobre los robots que se apoderarían del planeta. Hoy en día, el aprendizaje automático es tan común que apenas lo notamos. 

Los ordenadores aprenden rutinariamente lo que vemos en televisión, lo que compramos, cómo hablamos, e incluso cómo nos sentimos, además por si lo anterior fuera poco, ya somos capaces de utilizarlo para hacer predicciones sobre cómo actuaremos a continuación.

A medida que el campo del aprendizaje automático (ML) se ha vuelto cada vez más convencional, ha evolucionado hasta llegar al alcance de las empresas de todos los días, que utilizan cada vez esta tecnología (¿disruptiva?) para gestionar muchos aspectos de sus operaciones comerciales.

Por todo lo visto recientemente podríamos decir que ha habido una explosión que ha ocasionado que esta tecnología se haya convertido cada vez menos en un campo en sí mismo y más en una mera herramienta cada vez más utilizada por personas de otros campos.

Otro de los fascinantes avances de hoy en día es que podemos utilizar esta tecnología sin siquiera tener que entender cómo funciona exactamente el aprendizaje automático para utilizarlo. En términos simples, el aprendizaje automático es una combinación de campos, que incluyen estadísticas, ciencias de la computación y recuperación de información, que les enseña a los ordenadores a reconocer patrones que les permitan predecir nuevos patrones para el futuro.

Es por ello que a tenor de lo anteriormente comentado podemos decir sin temor a equivocarnos que estamos ya en una nueva revolución industrial, una revolución industrial liderada por algoritmos.

Todos hemos visto el proceso en acción, ya sea porque Amazon nos haya dicho que "también nos puede gustar" un libro de temática similar al que acabamos de seleccionar; es decir conocimiento es tal que basado en patrones previos, son utilizados para descubrirnos aquellos libros que nos pueden ser de interés.

A medida que los algoritmos se vuelven cada vez más avanzados, pueden comenzar a conocernos mejor de lo que nos conocemos a nosotros mismos. Para ilustrar esto con un ejemplo de sobra conocido por todos, recordemos el caso de un cliente de Target cuando irrumpió enfadado en una tienda con una circular de ropa de maternidad que le habían enviado a su hija adolescente, para descubrir que la tienda había “descubierto” con precisión que su hija sí que estaba embarazada.

Gran parte de las primeras aplicaciones del aprendizaje automático se tenían que ver con el lenguaje. A comienzos de la década de 1940, el matemático británico Alan Turing concibió las gramáticas abstractas para analizar textos y describir el razonamiento. Desde entonces, el campo del análisis textual ha crecido hasta tal punto que los analistas pueden tener “huellas dactilares" de autores particulares por la probabilidad de cómo usan conectores tales como "el", "y" y "eso".

Más recientemente, el aprendizaje automático se ha trasladado al ámbito de la detección de la emoción mediante el examen de la probabilidad de que ciertas palabras aparezcan cerca unas de otras según el estado de ánimo de una persona. Es decir, se está analizando el sentimiento. De hecho, cada vez es más común que las empresas controlen su imagen de marca a través de lo que los clientes dicen de ellas en línea: buscando para ello tendencias de palabras clave positivas o negativas.

No es necesario que sea, por ejemplo, American Airlines para aprovechar estas herramientas ya que hoy en día se pueden comprar productos listos para usar que pueden minar Twitter y desarrollar un análisis detallado de cómo cambia el sentimiento en tiempo real.

El mundo de las finanzas o de la banca es otro sector donde el aprendizaje automático se volverá más común, ya que los bancos y las compañías financieras usarán datos sobre cómo los clientes usan el dinero para predecir los patrones futuros. Por ejemplo, si Visa o el BBVA procesan esa información sobre las tarjetas de crédito o las transacciones de sus clientes por todo el mundo, podría predecir si un cliente en particular se va a endeudar demasiado y puede llegar a provocar un impagado en el futuro.

El aprendizaje automático incluso se está utilizando para aprender más sobre las máquinas, por ejemplo, en aeronáutica ya que a día de hoy los fabricantes ya utilizan cada vez más los algoritmos para el mantenimiento preventivo.

Las aerolíneas comerciales a día de hoy ya predicen cuándo los motores o demás sistemas aeronáuticos fallaran en función del rendimiento anterior, adelantándose así a imprevistas y costosas paradas muchas veces no programadas.

De todas estas maneras, está claro que, mientras que las máquinas no podrán dominar el mundo a corto plazo, el aprendizaje automático sí que será capaz de dominarlo. Además, tengo la firme convicción de que se convertirá en algo cada vez menos misterioso y en un tema habitual que espero se llegue a enseñar a medio plazo en las facultades porque será algo que todo el mundo tendrá necesidad de aprender.

En el mundo empresarial, las capacidades de ciencia de datos se convertirán en una fuente de ventaja competitiva en más y más industrias. Es por ello que las empresas deberían invertir en la recopilación de datos y las capacidades de almacenamiento, así como en el análisis de los mismos, ya que detectar qué clientes o empleados están a punto de abandonar, cómo maximizar la efectividad de cada euro invertido en publicidad, cómo hacer el mejor uso posible de los recursos existentes dentro de la empresa dependerá de las capacidades de sus directivos de saber e implementar la ciencia de datos.

En resumen, para ser competitivo en un futuro no muy lejano, la mayoría de las empresas deberían pensar hoy en invertir en tecnologías impulsadas por datos, como análisis de datos, aprendizaje automático o Internet de las cosas puesto que aquellos que no invierten en ello ahora se quedarán atrás.