La computación cognitiva, el valor de unir máquinas y humanos

La computación cognitiva, el valor de unir máquinas y humanos

Cada vez existen más soluciones de negocio innovadoras basadas en la computación cognitiva, y es que los inversores
están financiando startups dedicadas a este tipo de computación, y las empresas de tecnología se están moviendo rápidamente para crear valor en esta área emergente. Ejemplo de ello son las recientes adquisiciones realizadas por Google, Apple y Facebook, que reflejan el interés de estas compañías por tecnologías de computación cognitiva como la robótica, los sistemas expertos, la visión por ordenador y los sistemas de reconocimiento facial, del habla y del gesto.

Asimismo, cada vez son más las empresas que están creando nuevos laboratorios de investigación dedicados a la innovación con estas tecnologías, y el número de proveedores relacionados ha aumentado radicalmente. A pesar de que estas tecnologías también se enfrentan a ciertos obstáculos, como sucede con cualquier nueva herramienta que promete transformar el mundo, los beneficios de la computación cognitiva son significativos, e incluyen una mejor calidad y coherencia de los servicios, así como menores costes, además de una mejora de la educación y de los tratamientos médicos y la capacidad de tomar mejores decisiones, más rápidas y más informadas en el ámbito de los negocios.

Pero esta nueva tendencia no hace referencia a una sola tecnología o aplicación. Sean coches sin conductor, teléfonos inteligentes con asistentes virtuales o soluciones para la detección de tendencias entre muchos otros ejemplos, la computación cognitiva es un campo rico y diverso. Convendrá comprender que existen una gran multitud de herramientas relacionadas y que es necesario integrar estas tecnologías en soluciones más completas.

 

¿Cómo funciona? Las claves: percibir, comprender y actuar 

La computación cognitiva consta de múltiples tecnologías que permiten a los sistemas de información y aplicaciones percibir el mundo y recopilar datos, analizar y comprender la información recopilada, tomar decisiones y proporcionar orientación basándose en el análisis realizado de un modo independiente.

Además, las herramientas de computación cognitiva son capaces de aprender de su experiencia y variar su comportamiento según lo aprendido. Un ejemplo de cómo los ordenadores pueden percibir lo encontramos en los controles de fronteras, donde se utilizan tecnologías de visión artificial, como el reconocimiento facial, para detectar características de los viajeros. Integrada con otras tecnologías, como el análisis de imagen multiespectral  (escanear pasaportes que usan la luz infrarroja y ultravioleta), y con extensas bases de datos de información, esta tecnología puede ayudar a mejorar la seguridad mediante la identificación de personas no autorizadas o susceptibles de suponer un riesgo.

Por otro lado, la capacidad de comprensión de los sistemas de computación cognitiva hace que estas tecnologías tengan una amplia gama de aplicaciones en múltiples industrias. Por ejemplo, pueden ayudar a los profesionales sanitarios a identificar enfermedades y sugerir tratamientos.

Así, el proceso para establecer un diagnóstico médico a través de una de estas tecnologías podría seguir este proceso: en primer lugar, el médico interactúa con el sistema al hablar o escribir en un idioma nativo. El sistema hace preguntas de seguimiento y almacena datos en la memoria de trabajo. Posteriormente, cruza los datos de este caso concreto y el conocimiento que tiene almacenado sobre la medicina y sobre otros casos y deduce una solución o tratamiento. Finalmente, el sistema presenta una conclusión o sugerencia al doctor, que la utiliza como una contribución experta para establecer un diagnóstico final y el plan de tratamiento.

A la hora de actuar, un sistema cognitivo puede hacerlo de forma independiente. Puede actuar dentro de un proceso, a través de tecnologías como los motores de inferencia y los sistemas expertos, o puede dirigir la acción en el mundo físico. Un ejemplo ampliamente publicitado es el del coche sin conductor  que detecta el entorno, entiende infinidad de inputs y no necesita la ayuda de un conductor humano. Otros ejemplos incluyen los robots que ensamblan productos en la línea de producción de una fábrica, los asistentes virtuales que actúan respondiendo las consultas de clientes o consumidores y el sistema de asistencia de frenado en algunos coches, que detecta patinazos y, de forma automática, toma medidas para dirigir el  coche con seguridad.

 

Aprender de la experiencia 

Un rasgo distintivo de todos los tipos de soluciones de computación cognitiva es que hace posible, a través de una tecnología conocida como machine learning, adaptar sus capacidades basadas en la experiencia, en lugar de la necesidad de tener todas las reglas programadas, para así mejorar continuamente el servicio y la eficiencia.

Durante décadas, los ordenadores han sido capaces de procesar preguntas complejas y dar respuestas, pero las aplicaciones eran rígidas, y cualquier cambio requería realizar modificaciones en la programación. Actualmente, los sistemas de computación cognitiva pueden ser autodidactas. Son como estudiantes brillantes a los que se les dan materiales educativos y después pueden aprender por sí mismos. Además, los avances tecnológicos están mejorando continuamente la sofisticación de las capacidades de aprendizaje de los ordenadores. Por ejemplo, el deep learning está siendo utilizado para desarrollar sistemas que puedan realizar actividades más complejas, utilizando redes neuronales para imitar la estructura del cerebro humano.

Dichos sistemas son cada vez más capaces de hacer cosas como reconocer patrones y objetos y generar descripciones de imágenes en un lenguaje natural. Por ejemplo, los bancos utilizan modelos de aprendizaje automático que entienden los patrones de gasto anteriores de un cliente y predicen las transacciones que una persona va a hacer, señalando aquellos movimientos que no son habituales, pudiendo así detectar el fraude de crédito. A estos sistemas también se les dan ejemplos reales de transacciones fraudulentas y legítimas, de modo que los modelos puedan aprender a reconocer nuevos patrones y evolucionar a medida que los estafadores cambian sus tácticas.

A nivel del consumidor, un ejemplo de una aplicación autodidacta es el asistente personal Google Now, que aprende
de las actividades e interacciones de su usuario para encontrar, recoger y mostrarle información relevante y personalizada en sus smartphones. El asistente está diseñado para mejorar día a día, basándose en la respuesta del usuario y en sus propios métodos de aprendizaje.

 

Watson, el primer proveedor 

Uno de los principales proveedores tecnológicos en el ámbito de la computación cognitiva es IBM, con su plataforma Watson, que recurre a un conjunto de tecnologías que utilizan el lenguaje natural, la generación de hipótesis y el aprendizaje automático basado en pruebas. Es decir, el sistema procesa información a partir del lenguaje natural humano, ya sea escrito o hablado, a través del cual puede generar hipótesis e ir ampliando sus conocimientos y variando esas hipótesis, al ir interactuando con humanos y añadiendo mayor información a su base.

De este modo, desarrolla una capacidad que permite a las empresas acelerar y mejorar las decisiones, reducir los costes y optimizar los resultados. Watson fue presentado en 2011 en el concurso de televisión Jeopardy!, en en el que ganó a los dos mejores concursantes de la historia de este programa. Desde entonces, la plataforma se está utilizando en todo el mundo, en diferentes sectores, para ofrecer medicina personalizada, acelerar la investigación médica y transformar el comportamiento y funcionamiento de las organizaciones para obtener mejores resultados de negocio.

Se ha convertido en una tecnología disponible en la “nube”, capaz de ofrecerlas ventajas de la computación cognitiva también al sector comercial, cubriendo una gama de nuevas aplicaciones especializadas en los sectores de turismo, distribución, servicios de TI, salud y en organizaciones sin ánimo de lucro. Por ejemplo, como asistente personal y de trabajo, potencia el binomio máquina hombre, porque es capaz de cruzar informaciones y conectar datos que, a su vez, pueden ser filtrados y contrastados, y así ofrecer soluciones lo más ajustadas posible.

Esta capacidad de manejar vastas cantidades de información también hace que, entre otros aspectos, esta tecnología pueda hallar conexiones nunca imaginadas por un humano.

 

El impacto en los negocios: las oportunidades que brinda la computación cognitiva 

Las soluciones de computación cognitiva pueden repercutir muy positivamente en las organizaciones, siempre y cuando estas se den cuenta rápidamente de las ventajas y el valor que proporcionan este tipo de herramientas. Para ello, es importante conocer la manera más adecuada de implantarlas y de decidir para qué tareas se pueden emplear.

En el escenario empresarial, una forma de clasificar y explicar la gama de soluciones de computación cognitiva disponibles es pensar en ellas en términos de automatización y de aumento.

✦ Automatización. Existen tareas que son rutinarias, predecibles y que requieren un gran conocimiento, manejo de información y documentación diversa. Son tareas que, debido a la cantidad y tipo de información, hasta ahora necesitaban a una persona para realizarlas. En este caso, la automatización de dichas tareas puede mejorar la productividad y el rendimiento general. Se trata, por ejemplo, de actividades administrativas o vinculadas con la atención al cliente.

✦ Aumento. Existen muchas otras actividades que no se prestan a la automatización, por lo que es mejor pensar en ellas en términos de aumento. Como, por ejemplo, siguiendo el caso citado anteriormente, la tarea de establecer diagnósticos médicos o el trabajo de los científicos de investigación, arquitectos, asesores financieros y consultores. Aquí, el análisis humano de una situación y la capacidad de tomar decisiones en tiempo real son esenciales.

Sin embargo, lo que puede hacer la computación cognitiva es analizar la información disponible para obtener conocimiento, relaciones o conclusiones a las cuales una persona quizá no hubiera llegado. Además de los diagnósticos médicos personalizados para un paciente, se podrían establecer recomendaciones financieras a medida según el perfil de inversor o detectar la necesidad de un nuevo producto.

Para determinar en qué tareas se puede aplicar cada tipo de herramienta de computación cognitiva (ya sean de automatización o de aumento), uno puede fijarse en dos criterios

• La complejidad del trabajo a realizar. Las tareas pueden clasificarse según si son rutinarias, predecibles o basadas en reglas, o si son impredecibles o basadas en juicios personales (un ejemplo de este último caso serían los trabajos en los que es necesaria la mediación de arquitectos, consultores, asesores…).
• La complejidad de los datos y de la información con los que hay que trabajar. En algunas ocasiones hay que manejar un volumen pequeño de datos, o estos son muy estructurados y estables (es el caso de los datos de un presupuesto o de las ventas). Pero, en otras, la información puede ser desestructurada, volátil y muy amplia (ejemplos de ello serían las redes sociales, los datos multimedia o los datos de sensor).

El marco que resulta tras analizar la complejidad en el trabajo y la complejidad en los datos postula cuatro tipos principales de modelos de actividad empresarial: eficiencia, experiencia, efectividad e innovación.

✦ Modelo de eficiencia. Tiene en cuenta aquellas actividades rutinarias basadas en reglas, procedimientos y criterios bien definidos. Las soluciones de computación cognitiva deben aportar aquí un funcionamiento constante y de bajo coste. La tecnología percibe, comprende y actúa, mientras que el papel de los seres humanos es vigilar que la solución funcione con exactitud, así como determinar la evolución de las reglas a medida que las condiciones del negocio cambian. Un ejemplo son los drones que se utilizan para la entrega de paquetes.

✦ Modelo de experiencia. Se vincula a aquellas tareas que requieren la capacidad de juicio de los seres humanos
y que son altamente dependientes de la experiencia y de las habilidades individuales. Es el caso de doctores, abogados, consejeros financieros e ingenieros, entre otros. Aquí se requieren tecnologías de aumento, que ayuden en la toma de decisiones y ofrezcan asesoramiento y apoyo a la ejecución. Los llamados “sistemas expertos” son ejemplos de este tipo de soluciones, que pueden contribuir con sus aportaciones a establecer, por ejemplo, un diagnóstico médico avanzado.

✦ Modelo de efectividad. Se relaciona con aquellos trabajos que, normalmente, implican un conocimiento considerable de su industria, la empresa y sus procesos comerciales. Aquí, las soluciones cognitivas ayudan a mejorar la capacidad general de los trabajadores, y su éxito depende de la coordinación y la comunicación. Como ejemplo, los asistentes virtuales Siri, Cortana y Google Now ya se utilizan en los smartphones de los consumidores, mientras
que, a nivel corporativo, los asistentes virtuales comienzan a dar respuesta a muchas de las preguntas rutinarias que llegan, por ejemplo, a un servicio de atención al cliente.

✦ Modelo de innovación. Se centra en aquellos trabajos más creativos y de exploración, como los desarrollados por artistas, diseñadores, músicos, cocineros, etc. Aquí, los seres humanos toman decisiones y actúan, mientras que las tecnologías cognitivas ayudan a identificar alternativas, optimizar recomendaciones y aumentar el comportamiento creativo.

 

El binomio máquina-humano 

La computación cognitiva es una gran disrupción tecnológica que permitirá una nueva forma de colaboración máquina-humano, haciendo posible obtener unos niveles de eficiencia, precisión en las decisiones y mitigación del riesgo no vistos hasta ahora. Pero ¿qué piensan los directivos? ¿Cómo se sienten acerca de la incursión de las máquinas inteligentes en su trabajo?

Según un estudio, el primero de este tipo, sobre el impacto de la computación cognitiva en la Dirección, elaborado por el Accenture Institute for High Performance y Accenture Strategy, el 84% de los directivos de todos los niveles cree que las máquinas harán que su trabajo sea más interesante y ellos, más efectivos. Solo el 14% de directivos de primer nivel y el 24% de cuadros intermedios fácilmente confiarían en el consejo de sistemas inteligentes en la toma de decisiones de negocio en el futuro. En contraste, casi la mitad de los altos ejecutivos (el 46%) fácilmente confiaría en el consejo de sistemas inteligentes.

Entonces, ¿qué elementos les harían confiar en el consejo de un sistema inteligente? Los directivos de primer nivel y los cuadros intermedios respondieron: proporcionar una sólida comprensión de cómo el sistema funciona y genera los consejos (el 60%); elegir un sistema con una trayectoria probada (55%); y asegurar que el sistema explica su lógica (49%). Al satisfacer estas tres condiciones, los líderes estarán mejor posicionados para capturar las sinergias que son posibles cuando las máquinas aumentan el rendimiento de los directivos. Sin confianza, es poco probable que una organización sea capaz de hacer algo más que automatizar algunas tareas directivas rutinarias.

Los directivos creen que el mayor valor de las máquinas inteligentes radica en su capacidad para aumentar, no automatizar, su trabajo. Lo que los directivos deben saber es que las oportunidades quegenera la computación cognitiva son abundantes. Algunos usarán estas máquinas para trabajar de forma más inteligente y más rápida. Los gerentes de ventas, por ejemplo, podrían tener acceso, casi en tiempo real, a los análisis de las máquinas para ajustar las campañas promocionales o fijar los precios, en respuesta directa a las fluctuaciones de la demanda.

Las máquinas inteligentes podrían ayudar a los jefes de departamento a hacerse cargo de aquellas tareas rutinarias que requieren mucho tiempo, como la comunicación de datos financieros y de gestión, permitiendo a los directivos dedicar más tiempo a la planificación estratégica o al desarrollo de nuevos productos y servicios.

Para otros, las máquinas inteligentes abrirán puertas a nuevas oportunidades, responsabilidades y modos de trabajo. Por ejemplo, las máquinas, ahora, pueden analizar las características de los aspirantes a un trabajo, predecir qué trabajadores se marcharán y recomendar estrategias para conseguir que se queden. Los directores de Recursos Humanos pueden usar estos conocimientos para cumplir con la promesa de desarrollar programas de formación personalizados.

 

Casos de éxito en España 

Como decíamos, una de las ventajas de la colaboración máquina-humano es que permitirá mitigar el riesgo. En esta línea trabajan grandes corporaciones españolas desde hace más de un año, como una gran compañía española energética y global que, apoyada en Watson, busca desarrollar a nivel mundial la primera tecnología cognitiva aplicable a la industria del petróleo, lo cual permitirá una notable mejora en los resultados de su área de exploración y producción de hidrocarburos.

La pieza central de dicho proyecto consiste en un almacén de conocimiento (knowledage store), en el que se incluyen trabajos de expertos, informes, artículos científicos e información de Internet entiempo real, gracias al cual se podrán analizar cientos de miles de datos para buscar tendencias y conexiones entre ellos, así como proponer las hipótesis y soluciones más adecuadas en cada momento.

Las aplicaciones cognitivas diseñadas por esta compañía servirán para potenciar la toma de sus decisiones estratégicas, obteniendo una clara ventaja competitiva al aumentar la eficiencia y la eficacia de sus operaciones globales. Hasta ahora, por ejemplo, para evaluar la adquisición de dominio minero, la compañía debía consultar todo un conjunto de artículos especializados e informes de referencia, datos de imágenes sísmicas y modelos de yacimientos, pozos, instalaciones, producción y exportación. Las tecnologías cognitivas analizarán rápidamente cientos de miles de documentos e informes, priorizando y vinculando esos datos a la decisión en cuestión e introduciendo nuevos factores en tiempo real, tales como noticias de actualidad. Con el uso de esta herramienta se podrán construir de forma más fluida modelos conceptuales y geológicos, resaltar el impacto de la incertidumbre en las variables clave y explorar escenarios hipotéticos para garantizar que se toma la mejor decisión.

En España, otras compañías también están adoptando tecnologías cognitivas para transformar la forma en que interactúan con sus clientes. Es el caso de una importante entidad financiera que, desde su Centro de Innovación Digital, también está desarrollando un prototipo del sistema de computación cognitiva capaz de entender el español, que dará a sus empleados un mejor acceso al conocimiento, lo que se traducirá en un mejor servicio a sus clientes.

 

Conclusiones 

Cada vez son más las grandes compañías que ya están teniendo en cuenta el potencial económico y de negocios de la computación cognitiva. Y es que estos sistemas pueden aprender de sus propias experiencias, encontrar correlaciones, crear hipótesis, recordar los resultados y aprender de ellos. Con ello, también pueden transformar el modo en el que piensan, se comportan y funcionan las empresas.

Algunas soluciones cognitivas pueden liberar el talento humano de las acciones rutinarias y de las tareas repetitivas, lo que permite a esas personas trabajar en actividades de orden superior. En otros casos, tales soluciones aumentan las capacidades humanas mientras preservan lo que es único sobre el pensamiento, el sentimiento y la comunicación humanos.

Sin lugar a dudas, la computación cognitiva ofrece un cambio de juego para las empresas de todas las industrias. Pero es vital pensar primero en términos de tipos de trabajo, y luego justificar la integración  de las tecnologías en una solución total de computación cognitiva relacionada con ese trabajo.

VER TODOS LOS ARTÍCULOS
DE LA REVISTA

0 Comentarios

No hay comentarios ni opinones sobre este contenido. Sé el primero en opinar

Planeta de Agostini Formación, S.L.U., tratará tus datos personales para gestionar la relación contigo y para remitirte, por cualquier medio, información y comunicaciones comerciales sobre nuestros productos y servicios similares a los solicitados. Los datos sólo se cederán a empresas de nuestro grupo si nos das tu consentimiento y nunca a empresas ajenas al mismo. Tienes derecho a acceder, rectificar y suprimir los datos, así como a otros derechos, como se explica en nuestra política de privacidad.

También te puede interesar

Las Fuerzas Centrífugas y Centrípetas que Inciden en la Transformación Digital de los Sectores

Business Review  | 4 Jun 2018 TIC

Las Fuerzas Centrífugas y Centrípetas que Inciden en la Transformación Digital de los Sectores

Hasta hace no tanto tiempo, cuando se debatía sobre el impacto de la digitalización en un sector, se solían poner como ejemplos industrias como la música o los medios de comunicación. A finales de los años noventa, ambos sectores sufrieron una transformación radical, afectando profundamente a los distintos participantes de sus cadenas de valor, e incluso llegando a su completa desintermediación. Y es que estos dos sectores, por la propia naturaleza de su propuesta de valor, basada en información, y por su escasa regulación en comparación con otras industrias, se convirtieron en las primeras víctimas de la era digital. En la actualidad, no...

Por Javier Zamora López, Katherine Tatarinov, Sandra Sieber

Business Review  | 1 Feb 2018 TIC

Realidad aumentada: ¿'The next big think'?

La realidad aumentada (RA) es una tecnología en la que se han depositado muchas expectativas desde hace tiempo, y tras años de decepciones empieza a encontrar el camino de la aceptación masiva tanto de personas como de organizaciones. El impacto que la RA puede tener en diferentes sectores, industrias y negocios es difícil de calibrar actualmente, pero hay indicios suficientes para vislumbrar que será un punto de inflexión para muchos sectores, industrias y negocios. A lo largo de este artículo se analizará el estado actual de la tecnología, así como ejemplos reales de aplicaciones de la RA en diferentes sectores. Será suficiente para...

Por Santiago Román

Business Review  | 1 Ene 2018 TIC

Inteligencia artificial en los negocios

UNA NUEVA ETAPA DORADA PARA LA INTELIGENCIA ARTIFICIAL La inteligencia artificial, o IA, es una disciplina dentro de la informática y la ingeniería cuyo objetivo es el desarrollo de sistemas inteligentes –capaces de aprender y adaptarse– tomando como referencia la inteligencia humana. Y de la misma manera que la inteligencia humana es diversa, compleja y múltiple, la inteligencia artificial también lo es. De hecho, hay numerosas ramas de estudio dentro de la IA, incluyendo la robótica, la percepción por ordenador (visión, reconocimiento del habla, etc.), el aprendizaje automático, la planificación, el razonamiento, la representación del...

Por Esteve Almirall, Laura Núñez Letamienda, Luis Vives, Nuria Oliver

?>