NEKTIU

IoT, Revolución 4.0: Reto y Oportunidad

IoT, Revolución 4.0: Reto y Oportunidad

En este nuevo paradigma,  las empresas que quieran sumarse a esta Revolución 4.0 deberán seguir los siguientes pasos:

  • Digitalización de la Cadena de Valor Vertical y Horizontal.
  • Re imaginar el Modelo de Negocio.
  • Implantar las Tecnologías Disruptivas que son necesarias para desarrollar el nuevo Modelo de Negocio

Es muy importante seguir estos pasos, pues no tendría sentido empezar introduciendo las nuevas Tecnologías Disruptivas de la Industria 4.0., como la robótica colaborativa o la fabricación aditiva o 3D, sin tener una gestión de la empresa en tiempo real o sin haber diseñado nuevo modelo de negocio que permita poder competir en el futuro y crear una ventaja competitiva o nuevo mercado.

Con la digitalización de los procesos productivos y la conectividad de los productos a través del Internet of Things, las empresas van a generar muchos “datos”, bien a través de los sensores, así como los emitidos por las máquinas y los procedentes de los productos conectados permitiendo mejorar la trazabilidad y la automatización de procesos y generar nuevos ingresos.

Por otro lado, las maquinas se comunicarán entre sí y realizarán tareas colaborativas complejas, pasando de ser meros elementos mecánicos, a convertirse en eslabones activos e inteligentes del proceso de negocio.

Sin embargo, el gran reto no está en los aspectos tecnológicos, la mayor dificultad estriba en la necesidad de gestionar adecuadamente el cambio de modelo, para aprovechar al máximo las nuevas oportunidades que nos brinda la revolución 4.0.

Ai Hoy y en el Futuro

Ai Hoy y en el Futuro

La inteligencia artificial hace diez años, era un término que para la mayoría de la gente le parecía relacionado con la Sci-Fi máquinas como 2001: una odisea del espacio.

Hoy en día es una de las palabras más usada en los negocios y la industria. La tecnología IA es gran parte el eje de la transformación digital que se está llevando a cabo hoy en día, ya que las organizaciones se posicionan para capitalizar la cantidad cada vez mayor de datos que se generan y obtienen.

Entonces, ¿cómo ha llegado este cambio? Bueno, en parte es debido a la gran revolución de los datos en sí. El exceso de datos ha llevado a una investigación intensificada den las maneras en que puede ser procesada, analizada y accionada. Las máquinas que están mucho mejor adaptadas que los seres humanos a este trabajo.

Este interés creciente en la investigación en el campo – de la Academia, la industria y entre la comunidad de código abierto que se encuentra en el centro – ha llevado a avances que están mostrando su potencial para generar un cambio tremendo. Desde la salud, los automóviles hasta predecir el resultado de los casos legales.

¿Qué es la inteligencia artificial?

El concepto que lo que define ha cambiado con el tiempo, pero la idea central siempre ha existido la de construir máquinas capaces de pensar como seres humanos.

Después de todo, los seres humanos han demostrado ser únicos capaces de interpretar el mundo que nos rodea y de usar la información que recogemos para efectuar el cambio. Si queremos construir máquinas que nos ayuden a hacer esto de manera más eficiente, entonces tiene sentido usarnos como un modelo.

El trabajo de investigación y desarrollo en IA se divide entre dos ramas. Una la “IA aplicada” que utiliza estos principios de simulación del pensamiento humano para llevar a cabo una tarea específica. El otro es conocido como “IA generalizada” – que busca desarrollar inteligencias de máquinas que puedan dar desarrollar cualquier tarea, muy parecida a una persona.

La investigación en la IA aplicada, especializada ya está proporcionando avances en los campos de estudio de la física cuántica, donde se utiliza para modelar y predecir el comportamiento de los sistemas integrados por miles de millones de partículas subatómicas, a la medicina donde se utiliza para diagnosticar pacientes basados en datos genómicos.

En la industria, en el mundo financiero para usos que van desde la detección de fraudes a la mejora del servicio al cliente mediante la predicción de los servicios que los clientes necesitarán. En la fabricación se utiliza para gestionar la mano de obra y los procesos de producción, así como para predecir fallas antes de que ocurran, lo que permite el mantenimiento predictivo.

En el mundo de los consumidores cada vez más de la tecnología que estamos adoptando en nuestra vida cotidiana se está convirtiendo e impulsado por IA-desde los asistentes de smartphone como Siri de Apple y Google, a la auto-conducción y coches autónomos.

La IA generalizada va más lenta para llevar a cabo una simulación completa del cerebro humano, esto requeriría tanto una comprensión más completa del órgano de lo que actualmente tenemos, y más poder computacional de lo que comúnmente está disponible para los investigadores. Pero eso no puede ser así por mucho tiempo, dada la velocidad con la que la tecnología informática está evolucionando. Una nueva generación de tecnología de chips de computadora conocida como procesadores Neuromórficos están siendo diseñadas para ejecutar más eficientemente el código cerebro-simulador. Y sistemas como la plataforma cognitiva de IBM Watson que utilizan simulaciones de alto nivel de procesos neurológicos humanos para llevar a cabo una gama cada vez mayor de tareas sin que se les enseñe específicamente cómo hacerlas.

¿Cuáles son los desarrollos clave en IA?

Todos estos avances se han hecho posibles debido al enfoque en la imitación de los procesos de pensamiento humano. El campo de la investigación que ha sido más fructífero en los últimos años es lo que se ha conocido como “machine learning”. De hecho, se ha vuelto tan unida a la IA contemporánea que los términos “inteligencia artificial” y “machine learning” a veces se utilizan indistintamente.

Sin embargo, este es un uso impreciso del lenguaje, y la mejor manera de pensar en ello es que el aprendizaje de máquinas representa el estado actual de la técnica en el campo más amplio de la IA. La base del aprendizaje en máquina es que en lugar de tener que enseñar a hacer todo paso a paso, las máquinas, si se pueden programar para pensar como nosotros, pueden aprender a trabajar observando, clasificando y aprendiendo de sus errores, al igual que nosotros.

La aplicación de la neurociencia a la arquitectura del sistema ha llevado al desarrollo de redes neuronales artificiales – y aunque el trabajo en este campo ha evolucionado en el último medio siglo, es sólo recientemente que las computadoras con el poder adecuado han estado disponibles para hacer de la tarea una realidad cotidiana para cualquier persona, excepto aquellos con acceso a las herramientas más caras y especializadas.

Tal vez el mayor factor de habilitación haya sido la explosión de datos que se ha desencadenado desde que la sociedad se fusionó con el mundo digital. Esta disponibilidad de datos – desde las cosas que compartimos en las redes sociales hasta los datos de máquinas generados por la maquinaria industrial conectada – significa que las computadoras ahora tienen un universo de información disponible para ellos, para ayudarles a aprender más eficientemente y tomar mejores decisiones.

¿Cuál es el futuro de AI?

Verdaderos temores de que el desarrollo de la inteligencia que equivale o excede a la nuestra, pero que tiene la capacidad de trabajar a velocidades mucho más altas, podría tener implicaciones negativas para el futuro de la humanidad se han expresado, y no sólo por la Sci-Fi apocalíptica como en Terminator, a respetados científicos como Stephen Hawking.

Incluso si los robots no nos erradican del trabajo, un escenario menos dramático, pero aún de pesadilla es que la automatización del trabajo (tanto mental como física) conducirá a un profundo cambio social – quizás para mejor, o quizás para peor.

Esta preocupación comprensible ha llevado a la creación de un grupo de investigación, incluyendo a los gigantes tecnológicos, Google, IBM, Microsoft, Facebook y Amazon. Este grupo investigará y abogará por las implementaciones éticas de IA, y establecerá pautas para futuras investigaciones y despliegues de robots y IA.

Inteligencia Artificial en el E-Commerce

Inteligencia Artificial en el E-Commerce

Walmart anunció ayer que sus productos se pondrá a disposición de los compradores en Google Express, el mercado online de Google. Expertos de la industria ven esto como un movimiento a competir directamente con el ecommerce de Amazon.

Dicen que la Asociación Google y Walmart se trata más de prepararse para el futuro del comercio electrónico, para poder jugar de forma prominente. Eventualmente, los clientes de Walmart podrán comprar productos mediante la búsqueda y la compra con el ayudante de Inteligencia Artificial de Google, Google Home.

La búsqueda por voz es sólo una de las formas en que la inteligencia artificial impactará el futuro del ecommerce. Ingresos generados por la aplicación directa e indirecta del software IA crecerá a partir de $1,38 mil millones en 2016 a $59,75 mil millones por 2025, según los pronósticos de Tractica.

Asistentes con Inteligencia Artificial y más allá, ¿cómo se beneficiarán los vendedores de e-commerce y los consumidores de la inteligencia artificial? 

Vamos a ver la tendencia y algunas de las aplicaciones actuales y futuras más importantes de la inteligencia artificial en el comercio electrónico.

Búsqueda de voz y asistentes de Inteligencia Artificial

Si alguna vez has conversado con Siri, sabes que ella tiene una manera de ir a mejorar su comprensión de sus peticiones. Los asistentes de IA en el mercado, como Google Home y el eco de Amazon, han mejorado en la comprensión y la entrega de nuestras peticiones, pero todavía hay mucho espacio para mejorar allí, también.

A los resultados de superficie que coinciden con la intención de búsqueda, los algoritmos deben ser entrenados para reconocer e interpretar numerosos patrones en nuestro lenguaje natural.

El reconocimiento de voz ha sido un problema difícil de resolver debido a las innumerables variaciones en la forma en que la gente habla. A diferencia de las búsquedas mecanografiadas que se asignan a palabras clave relevantes, las búsquedas de voz son más complejas. Tienden a ser más largos y menos directos. A los resultados que coinciden con la intención de búsqueda, los algoritmos deben ser entrenados para reconocer e interpretar numerosos patrones en nuestro lenguaje natural.

Walmart ha anunciado que sus productos se pondrán a disposición de los compradores en Google Express, el mercado online de Google. Expertos de la industria ven esto como un movimiento a competir directamente con el dominio de Amazon en ecommerce.

Hiper-focalización con aprendizaje automático

Encontrar a los consumidores adecuados es cada vez más fácil para los vendedores que pueden extraer información de los datos disponibles para ellos.

Los vendedores pueden ir mucho más allá de los grupos demográficos de alto nivel para dirigirse a los compradores. Los algoritmos de aprendizaje de máquinas — otra subcategoría de inteligencia artificial — encuentran patrones en datos tanto en línea como offline para entender lo que los consumidores probablemente estarían interesados en comprar. Historial de búsqueda, historial de compras, perfiles sociales e interacciones, y geolocalización (gracias, teléfonos inteligentes) son verdaderos minas de los datos del consumidor.

Apuntar con la ayuda del aprendizaje automático es preciso, y puede ser contextual. Tomemos como ejemplo los faros. El cielo se abre y la lluvia comienza a caer en su caminar al trabajo. A continuación, recibirá una notificación de que una tienda cerca tiene un montón de paraguas a la venta, justo cuando usted necesita uno. Estos beneficios se aplican al comerciante con presencia en la tienda, y a todos los vendedores de comercio electrónico que buscan llegar a los consumidores a través de venderles en el momento adecuado.

Historial de búsqueda, historial de compras, perfiles sociales e interacciones, y geolocalización son verdaderos minas de datos de consumo.

El aprendizaje de la máquina hace posible reunir los viajes de los clientes y predecir las compras futuras. Al aplicar el aprendizaje de la máquina a los datos de la red social, como el de Facebook, los minoristas pueden ofrecer sus productos basándose en páginas gustadas e incluso lo que los amigos han comprado. Todos estos datos pueden alimentar las recomendaciones de compra que los minoristas pueden servir en sus sitios web, en correos electrónicos o en canales sociales.

Experiencia personalizada del cliente

La inteligencia artificial está consiguiendo la búsqueda de insights del cliente más rápidamente y menos subjetiva. En B2C Retail, las encuestas de investigación de mercado no son necesarias para entender las preferencias de los clientes. Los datos de los clientes están en todas partes y el aprendizaje automático puede ayudar a los minoristas a determinar el tipo de experiencias que los consumidores desean.

Los motores para la recomendación de producto funcionan con algoritmos de aprendizaje continuo, que utilizan cada nueva acción que un comprador toma para personalizar las sugerencias. Cuanto mejor se obtiene en la sugerencia de los consumidores de productos que están interesados, mayor fidelización y lealtad por el sitio ecommerce.

La inteligencia artificial puede ayudar a personalizar la experiencia de su sitio web para las preferencias individuales del cliente. Los grandes minoristas emplean equipos de científivos de datos para extraer datos sobre tendencias de compra, lealtad del cliente, demografía y patrones de navegación que permiten a los minoristas anticipar la demanda, identificar a los clientes de alto valor y ofrecer ofertas relevantes y personalizadas en el momento adecuado.
Los datos de los clientes están en todas partes y el aprendizaje automático puede ayudar a los minoristas a determinar el tipo de experiencias que los consumidores desean.

Incluso si un equipo de científico de datos o de ingenieros analiza a través de los datos de los clientes, el resultado es menor que con la aplicación de las tecnologías de machine learning que hay en el mercado permitiendo conseguir visualizar la estrategia de marketing de los clientes. Así los ecommerce de todos los tamaños tienen acceso a sus propios datos, que pueden ser desde el comportamiento de la compra disponible a través de un CRM, o las vistas de los viajes con los clics del sitio web, a través de una cuenta de Google Analytics gratis.

Servicio al cliente habilitado por Chatbot

Gartner pronostica que el 85% de la interacción con el cliente será gestionado por máquinas en el 2020. Aunque eso podría ser sorprendente para algunos, un científico de datos no vacilaría en esta predicción. Las mejoras en la inteligencia artificial permitirán a Chatbots interpretar lo que un cliente está pidiendo en una variedad más amplia de escenarios. Actualmente todavía los Chatbots necesitan una buena parte de la supervisión humana y se emplean mejor en escenarios bien definidos donde se espera la mayoría de las respuestas rutinarias. Pero al igual que la mayoría de las cosas que dependen de la inteligencia artificial, los bots pueden ser entrenados. Parte de lo que hace posible la evolución de Chatbots es la abundancia de datos de entrenamiento disponibles en el soporte de chat en línea. Gartner pronostica que el 85% de la interacción con el cliente se manejará sin un humano por 2020. Y debido a que los bots no necesitan dormir o días de descanso, Chatbots ayudará a los ecommerce a proporcionar un servicio de atención al cliente más confiable y a largo plazo, más barato. Este servicio de atención al cliente de 24 horas estará a su alcance. Los ecommerce de lujo que ofrecen un servicio de atención al cliente impecable en las tiendas y asistentes de compras personales podrían emplear a un asistente de Chatbot muy inteligente para ofrecer atención de alto nivel al cliente a los compradores online. La inteligencia artificial ha tenido un largo camino desde la prueba de Turing, y sus implicaciones en el ecommerce y retail van a ser de gran alcance. ¿Qué puede ofrecer a corto y largo plazo la inteligencia artificial a los ecommerce y los consumidores? En el ecommerce que es más conveniente, más receptivo a las necesidades de los consumidores, y en última instancia, incluso ser predictivo.