La inteligencia artificial es uno de los motores fundamentales del sector tecnológico, con un nivel de importancia creciente en todo tipo de escenarios. Desde una óptica puramente personal, un smartphone de gama media ya incluye funcionalidades tales como el reconocimiento de rostros, speech to text, los servicios cognitivos —Siri y Cortana— o recibir información de un sistema de recomendación para planificar un día de vacaciones. La inteligencia artificial está dejando su impronta en un buen número de ámbitos. Algunos de los más importantes son los que se analizarán a continuación.

Asistentes virtuales

El objetivo es reconocer, a través del lenguaje, las necesidades del interlocutor y modelar una respuesta adecuada utilizando un lenguaje próximo. El enfoque actual es contar con un módulo central (dispatcher) capaz de entender la motivación principal del hablante para derivarlo hacia bots especializados en cada uno de los ámbitos.

De esta forma, por ejemplo, un robot presente en la interacción entre la Administración y los ciudadanos es capaz de averiguar cuál es el trámite que se quiere llevar a efecto (como podría ser el pago de una multa) y derivarlo hacia un bot especializado que asiste al ciudadano en la localización y pago de su sanción.

Estos asistentes se ven complementados por módulos que realizan reconocimiento de voz en prácticamente cualquier contexto, pueden personalizar la respuesta con diferentes voces, tienen apariencia prácticamente humana y las respuestas son seleccionadas en función del hablante y de parámetros tales como su dicción, su estado emocional o su ubicación geográfica.

Dispositivos inteligentes

La miniaturización de los componentes básicos y el abaratamiento de las comunicaciones proporcionaron una primera oleada de sensores capaces de reconocer parcialmente su entorno y enviar información a un sistema centralizado desde donde, por ejemplo, emitir alarmas en función de los datos y el contexto. Incluso en este nivel, los dispositivos eran capaces de adoptar —con reglas simples— algún comportamiento que no requiriese la participación de una persona.

Ahora hay un nuevo conjunto de dispositivos capaces de un comportamiento más complejo, de adaptarse al entorno y de realizar un primer nivel de procesamiento inteligente:

• Las nuevas cámaras de CCTV pueden efectuar un primer nivel de análisis del vídeo y buscar cambios sobre el fondo de una imagen (detección de objetos), o llevar a cabo el seguimiento automático de una persona que se desplaza por su campo visual.
• Los populares drones domésticos mantienen la estabilidad del vuelo recogiendo información de su giroscopio y haciendo pequeños ajustes en la velocidad y ángulo de los rotores utilizando un pequeño motor de IA.

Gracias a estas capacidades, es posible pensar en un despliegue masivo de sensores con diferentes niveles de inteligencia, conectados entre sí a través de una red con puntos de concentración de información que, a su vez, y de forma desasistida, son capaces de realizar una inspección automatizada de un entorno cada vez más amplio y, en su caso, ejecutar acciones no programadas.

En un futuro, los procesos se­rán definidos por sistemas expertos y se adap­tarán al entorno en el que se desarrollen

Toma de decisión

Las clásicas soluciones de apoyo a la decisión se han centrado en las necesidades estratégicas de las compañías, dejando el operacional en un mero reporting. Los indicadores y los informes describen la situación actual (inteligencia descriptiva) y extrapolan tendencias con vistas al futuro tratando de anticipar cambios. La aplicación de machine learning estaba muy restringida a ciertos ámbitos (banca y seguros). Esta visión —con relevancia en la toma de decisión estratégica— se ha visto sobrepasada por la variedad y cantidad de información que se requiere para la toma de datos operacional en un nuevo contexto más dinámico.

En una primera aproximación, la respuesta fue desplegar soluciones de autoservicio, desarrollar el modelo big data para reducir costes operacionales e introducir en la base de la decisión modelos analíticos parametrizables que se podían adaptar a las necesidades del negocio. La irrupción de los notebooks analíticos (Jupyter, Zeppelin) está transformando el sector, enfatizando el valor en el dato y en su explotación inteligente.

El otro gran foco es la construcción de motores de recomendación que apoyan a la decisión del cliente final y que, en función de sus criterios de selección (más allá del producto seleccionado) y de un contexto muy personalizado son capaces no solo de seleccionar productos, sino también de inferir en futuros desarrollos.

Un caso paradigmático de este modelo lo encontramos en Netflix, que pivota en torno a su motor de recomendación, ordenando su producción futura y su distribución a partir de un modelo de inteligencia artificial.

Procesos inteligentes

El punto de gran impacto en un futuro próximo será la incorporación de piezas de IA en el flujo de procesos de una organización. Esta orientación ha sido uno de los modelos más exitosos, gracias a ventajas tales como la independencia de los procesos con respecto a las personas, la creación de cadenas de valor efectivas o la especialización departamental. Pero su nivel de crecimiento ha generado cuellos de botella, incrementados por la necesidad de trabajar con un número creciente de datos y de flujos.

La automatización de procesos a partir de motores de reglas y la robotización han permitido aliviar esta carga, pero el uso de la IA está llamado a revolucionar la propia esencia de los procesos empresariales. Ya se han desarrollado iniciativas que capturan un flujo de procesos, entienden la información, la filtran y priorizan para llevarla un decisor humano. Estas iniciativas utilizan la IA de múltiples formas:

• Extraen información relevante de documentos aplicando tecnologías cognitivas para presentar solo lo relevante y seguir con el flujo de procesos con los elementos menos relevantes. Estas iniciativas se encuentran en los despachos de abogados o en el sector público para reducir la carga burocrática interna.
• Aplican patrones de riesgos a la entrada de información, lo que permite a la banca detectar posibles fraudes en tiempo real o, en el caso de venta directa, analizar el riesgo de una operación o el abandono de un cliente en un CRM.
• Actualizan información compleja fusionando datos de múltiples fuentes. Por ejemplo, en un modelo de cartografía continua, con mapas permanentemente actualizados, recogiendo información de fuentes abiertas que es validada e integrada actualizando inclusive imágenes por fusión de datos.

Estas funcionalidades ahora son incluidas como partes de un BPM, igual que cualquier otro elemento. Los algoritmos de IA son creados, publicados e integrados con su propio ciclo de vida; y, a diferencia del resto, pueden autoevaluarse y cambiar su comportamiento de forma autónoma.

Esto es un primer paso. En un futuro, los propios procesos serán definidos por sistemas expertos y cambiarán para adaptarse al entorno en el que se desarrollen. Algunas tibias iniciativas en el marco de la industria 4.0 han empezado a abordar —de forma supervisada— los procesos productivos en planta, proponiendo al responsable (humano) los cambios que se han de realizar en un sistema que se retroalimenta de esta experiencia.