Parece probable que 2023 sea un año decisivo para la inteligencia artificial (IA) y el machine learning (ML). Algunos observadores del sector predicen que los recientes avances en IA podrían provocar una nueva revolución en la sociedad similar a la revolución industrial, la invención de Internet o la llegada del smartphone. Sin embargo, 2023 no marca la invención de la IA, sino el año en que se hizo viral gracias a la tecnología ChatGPT de OpenAI.
Una gran variedad de sectores llevan décadas utilizando la IA, lo que nos lleva a preguntarnos lo siguiente: ¿Cuáles son algunos de los casos de uso habituales de la IA/ML? ¿Qué casos de uso deberían tener en cuenta los responsables empresariales y de TI a la hora de diseñar una estrategia integral de automatización de procesos?
¿Por qué es importante la IA/ML?
Before we go further, let’s define some of these terms. Artificial intelligence refers to computer systems that mimic human thought and decision making. Machine learning algorithms use mathematical formulas to learn from data sets and perform tasks better over time.
While generative AI tool ChatGPT has received much buzz this year, it’s far from the first widespread AI use case. For example, finance and investment trading organizations were early adopters of AI/ML capabilities, using AI/ML to decide when to buy or dump assets on the stock market and other exchanges (otherwise known as high-frequency trading). Other industries have also made widespread use of AI—from the healthcare sector to manufacturing to utilities—and we expect that adoption will only continue to grow.
La implantación de la IA no tiene por qué ir en detrimento de la privacidad de los datos. Descubra por qué con el libro electrónico: Implementación de la Inteligencia Artificial Privada: Una Guía Práctica.
Antes de continuar, definamos alguno de estos términos. La inteligencia artificial se refiere a los sistemas informáticos que imitan el pensamiento y toma de decisiones humanos. Los algoritmos de machine learning utilizan fórmulas matemáticas para aprender de conjuntos de datos y realizar mejor las tareas a lo largo del tiempo.
Aunque la herramienta de inteligencia artificial generativa ChatGPT ha recibido mucha atención este año, dista mucho de ser el primer caso de uso generalizado de la IA. Por ejemplo, las organizaciones financieras y de inversión fueron las primeras en adoptar las capacidades de IA/ML, utilizándolas para decidir cuándo comprar o vender activos en el mercado de valores y otras bolsas (lo que también se conoce como “negociación de alta frecuencia”). Otros sectores también han hecho un uso generalizado de la IA —desde el sector sanitario al manufacturero, pasando por el de servicios públicos— y esperamos que la adopción siga creciendo.
7 casos de uso de IA/ML que hay que tener en cuenta.
Examinemos algunos casos de uso convincentes que siguen desarrollándose.
1. Tratamiento de documentos.
La mayoría de las organizaciones se ahogan en documentos. Ya se trate de cheques en papel, facturas electrónicas o escaneados de códigos de barras, las empresas suelen dedicar mucho tiempo al procesamiento de documentos. El procesamiento inteligente de documentos (PID) permite a las empresas extraer datos de los documentos a gran escala sin necesidad de realizar una gran cantidad de trabajo manual. Esto ahorra a las empresas grandes cantidades de tiempo, esfuerzo y dinero. Además, reduce el potencial de error humano inherente al tecleado manual de documentos.
2. Supervisión del fraude financiero.
Uno de los conceptos de IA/ML más extendidos es la detección de anomalías en conjuntos de datos. Cuando se entrena a la IA en un conjunto de datos, esta puede desarrollar una línea base de comportamientos. Cuando se produce algo que se sale de la norma —una anomalía—, el sistema puede señalar esta anomalía para su posterior análisis. Las instituciones financieras utilizan la detección de anomalías durante el crucial proceso “Conozca a su cliente” (KYC) para detectar transacciones fraudulentas o de usurpación de identidad. Por ejemplo, si la tarjeta de crédito de alguien muestra una gran compra realizada en un país diferente al mismo tiempo que una compra en su ciudad natal, la empresa podría bloquear la tarjeta y comprobar la compra del titular.
3. Aprobación del riesgo de crédito y préstamo.
Las instituciones del sector financiero pueden hacer un uso extensivo de las capacidades de IA/ML para comprender mejor la solvencia crediticia y los riesgos de los préstamos de dinero. La IA puede analizar múltiples puntos de datos, como historiales crediticios, utilización del crédito y estados financieros, para saber si es una apuesta segura conceder un crédito a un prestatario potencial para una tarjeta de crédito, una hipoteca o un préstamo empresarial. Además, con el tiempo, la IA puede analizar los datos para detectar posibles patrones entre los riesgos de impago que los analistas humanos no verían de otro modo. Esto no solamente reduce el riesgo, sino que también hace que el procesamiento de las solicitudes sea mucho más eficiente para los agentes de préstamos y los suscriptores.
[ ¿Qué es lo próximo en materia de compliance para las entidades financieras y cómo encaja la IA/ML? Lea también: El futuro del compliance KYC: 4 tendencias que seguir. ]
4. Diagnóstico e imágenes médicas.
Un ámbito interesante en el que veremos un mayor uso de la IA/ML es el sector sanitario. Por ejemplo, los profesionales de la imagen médica, como los radiógrafos y los ecografistas, utilizarán más la inteligencia artificial para detectar posibles problemas en las exploraciones médicas de los pacientes. Utilizar máquinas para detectar posibles problemas y hacer que un técnico interprete los resultados puede ser más preciso que confiar en el ojo humano. Por otra parte, los médicos utilizarán los datos de los pacientes para detectar síntomas que permitan a la IA diagnosticar enfermedades e incluso recomendar tratamientos.
5. Atención al cliente.
Uno de los casos de uso de IA/ML más interesantes es el de la atención al cliente. Los chatbots pueden utilizar el procesamiento del lenguaje natural (PLN) para responder a las peticiones de los clientes y poner en marcha otros workflows en el backend para ayudar a resolver los problemas de un cliente. Por ejemplo, el chatbot puede procesar reembolsos de bajo nivel o elaborar respuestas de correo electrónico para que las revisen los agentes de servicio humanos. Esto ahorra mucho tiempo a los agentes de servicio en sus operaciones diarias y mejora la experiencia del cliente, lo que permite a las empresas mejorar la satisfacción del cliente a largo plazo.
6. Predicción energética.
Durante décadas, las empresas de servicios públicos han trabajado en redes inteligentes. Dispositivos como los contadores inteligentes ayudan a las empresas de servicios públicos a planificar las horas de mayor consumo. La IA y el machine learning pueden analizar datos históricos como el uso de la energía, los patrones meteorológicos y otras variables para predecir mejor la demanda. Esto ayuda a los operadores de servicios públicos a predecir el uso de la energía y aumentar el suministro cuando crece la demanda sin sobrecargar el sistema (o les ayuda a prepararse para los cortes).
Además, esta nueva tecnología desempeña un papel importante en los esfuerzos de sostenibilidad, ya que la IA puede ayudar a optimizar la eficiencia energética, el uso y los patrones de distribución y evitar el despilfarro. Esto también ayuda a reducir costes tanto para las empresas de servicios públicos como para los clientes industriales y residenciales.
7. Gestión de la cadena de suministro.
Los últimos años han puesto de manifiesto la fragilidad de las cadenas de suministro mundiales. La pandemia de la COVID-19 trastornó la oferta y la demanda típicas, provocando picos en algunas zonas y valles en otras. Es difícil predecir la demanda basándose únicamente en datos históricos: los responsables de las cadenas de suministro modernas necesitan utilizar métodos de previsión más sofisticados para la gestión de la cadena de suministro.
Las capacidades de IA/ML permiten a los profesionales de la cadena de suministro predecir mejor la demanda con datos en tiempo real a través de múltiples puntos de datos para evitar déficits. También pueden utilizar la IA para ayudar en tareas como la fijación de precios, la predicción de patrones meteorológicos y rutas para buques y transportes, y la creación de redes de cadenas de suministro más ágiles con sus proveedores y socios.
Las capacidades de IA/ML siguen evolucionando
¿Desea obtener más información sobre cómo la IA/ML podría formar parte de su estrategia global de automatización y cuál es el futuro de estas tecnologías? Para profundizar en las tendencias emergentes de datos y automatización, obtenga el Informe de Tendencias de Hiperautomatización 2022 de Gartner®.
Deploying AI doesn't have to come at the cost of data privacy. Learn why with the eBook: Implementing Private AI: A Practical Guide.
AI/ML capabilities keep evolving.
Want to learn more about how AI/ML fits into your overall automation strategy and what’s on the horizon for these technologies? To delve into emerging data and automation trends, get the Gartner® Emerging Tech Impact Radar: Hyperautomation.
