Está en la página 1de 17

LA INTELIGENCIA ARTIFICIAL EN LOS NEGOCIOS

La inteligencia artificial es un área que no ha madurado


del todo. Desde que John McCarthy mencionó por vez
primera este término en 1956, se han pensado
innumerables aplicaciones de esta nueva herramienta.
Aplicaciones que van de lo trivial a lo formal, de los
juegos a la salud, de la guerra al salvamento de vidas.
Pero hay infinidad de áreas que aún no se han
beneficiado de las ventajas de esta tecnología, o bien no
la han utilizado en gran escala. Concretamente el área de
negocios es una de ellas, la cual brinda un abanico muy
amplio y atractivo que bien puede ser llenado fácilmente
por la Inteligencia Artificial, coadyuvando en la creación
de sistemas expertos o bien funcionando como
componente de sistemas mas complejos de toma de
decisiones, para que sean utilizados como herramientas
invaluables por los administradores actuales.

INTRODUCCIÓN

La utilización de las tecnologías de información en la vida


diaria, ha demostrado ser una herramienta que ofrece
infinitas ventajas competitivas y de ahorro de recursos,
que anteriormente no se tenían. Además, estas
tecnologías permiten la generación de áreas de
oportunidad, las cuales aprovechadas correctamente
ofrecen grandes beneficios a todo aquellos que las
apliquen. En uno de estos nichos de oportunidad se
encuentran los sistemas de inteligencia artificial, los
cuales se han aplicado en una gran variedad de tareas,
desde la enseñanza hasta la automatización de procesos
productivos.

Dentro del gran panorama de oportunidades que tenemos


para poder aplicar la inteligencia artificial en las
empresas, es muy notoria la presencia de un punto en
especial, “La inteligencia artificial en los negocios”.

En muchas ocasiones, la competencia medular de un


negocio radica en la acertada toma de decisiones, en
tiempo y forma. Pero también es difícil encontrar
personas que tengan las características necesarias para
tomar decisiones correctas en todo momento. Estos
administradores, necesitan de herramientas que les
permitan visualizar de un modo general, las fortalezas y
debilidades de su negocio, así como las áreas de
oportunidad que pudieran llegar a presentarse. Además
necesitan de sistemas que les ayuden a mejorar la calidad
de las decisiones que se toman día a día.

La mayoría de los sistemas de inteligencia artificial, tienen


la peculiaridad de “aprender”, lo que les permite ir
perfeccionando su desempeño conforme pasa el tiempo.
Además estos sistemas pueden analizar volúmenes muy
grandes de información a muy alta velocidad, lo que
permite obtener indicadores puntuales de las operaciones
de la empresa.

En el presente artículo, se expondrán algunas de las


características más importantes del uso de la Inteligencia
Artificial (IA) en los negocios, sus componentes, áreas de
oportunidad y debilidades, además las variantes que se
pueden desprender de la tecnología y la forma en como
pueden ser aplicados en el mundo real.

METODOLOGÍA

La metodología utilizada fue una búsqueda de


información en Internet, en sitios dedicados a la
inteligencia artificial, apoyada y reforzada con
información de primera mano obtenida de búsquedas en
la biblioteca digital del Instituto Tecnológico y de
Estudios Superiores de Monterrey (ITESM). Las bases de
datos consultadas en esta biblioteca fueron: ACM Digital
Library, IEEE Digital Library y Proquest Computing.

ANTECEDENTES

En realidad la idea de buscar principios para regir la


inteligencia y a su vez incorporarlos en una maquina, es
muy antigua. Existen indicios de que algunas viejas
civilizaciones, tales como la griega, la china y hasta la
maya ya habían formulado algunos mecanismos, en
ocasiones reales o bien ficticios, para este fin.

Después hubo otras vertientes como la de Aristóteles y


sus silogismos. Pero realmente lo interesante comienza
en los tiempos de Leibnitz, que busco encontrar un
algebra capaz de representar todo el conocimiento,
incluyendo las verdades morales y metafísicas, para
lograr un sistema deductivo. Logro construir un sistema
abstracto llamado cálculo filosófico o raciocinador, pero
no se tenía la tecnología para poder implantar esas ideas.
(Doyle 1996)

En 1849, George Boole desarrollo los principios de la


lógica proposicional con los que pretendía recoger
algunos fundamentos relativos a la naturaleza y a la
constitución de la mente humana. Escribió una obra
llamada “Una investigación sobre las leyes del
pensamiento, sobre las cuales están fundamentadas las
teorías matemáticas de la lógica y de la probabilidad”. El
fue el creador de la tabla de verdad, que aun ahora se
utiliza enormemente es todo el campo matemático y
computacional. (Fig 1.)

Fig 1. Tabla de verdad de Boole

Tiempo después en 1874, Frege propuso un sistema de


notación para el razonamiento mecánico, que es el
antecedente del cálculo de predicados, el cual denominó
“escritura de conceptos”. Debió pasar casi un siglo, para
que en 1950 Turing, propusiera el primer artículo
moderno sobre la posibilidad de mecanizar la
inteligencia.

El introductor del término “Inteligencia Artificial”, fue John


McCarthy en 1956. Fue tomado del nombre de una
conferencia que se formo gracias a la aparición de un
libro, escrito por él en conjunto con Claude Shannon
(1956), que trataba de los Fundamentos matemáticos de
la teoría de autómatas, orientada a la formalización de las
ideas sobre la inteligencia. Tiempo más tarde, Allen
Newell, junto con Herbert Simon y Cliff Shaw
desarrollaron un programa capaz de demostrar teoremas
de lógica proposicional. A este programa se le llamo
después GPS (General Problem Solver). Todos estos
trabajos contribuyeron al desarrollo de la Inteligencia
Artificial, al considerar que la búsqueda heurística era
uno de los métodos fundamentales para resolver
problemas. Otra herramienta importante fue el sistema de
símbolos físicos para representar problemas y sus
soluciones (García 2002).

La persona que es reconocida como el padre de la


Inteligencia Artificial, es Herbert Simon, junto con Allen
Newell y Marvin Minsky. Simon propuso la hipótesis del
símbolo físico como una forma de representar y modelar
el pensamiento humano.

Sobre esta línea se siguió el desarrollo de la Inteligencia


Artificial en su primera etapa. Desafortunadamente
después de esta época de gran crecimiento, las
expectativas que se forjaron fueron muy altas. Se
empezaron a hacer proyecciones muy ambiciosas, que
debido al nivel tecnológico de esos tiempos fueron
imposibles de implementar (García 2002).

Desde diversos puntos de vista, en especial el de los


negocios, se esperaba que la inteligencia artificial
ofreciera más y mejores resultados debido a que se
tenían sistemas expertos capaces de emular el
razonamiento de expertos para diagnosticar o predecir,
quizás hasta planear. Pero también es cierto que los
avances en esta etapa se vieron restringidos por la
incapacidad de los sistemas de adaptarse a entornos
inciertos e imprecisos.

En 1984, E. Dyson predijo que la I.A. no estaba madura y


por lo tanto no tenía valor comercial. Debería de quedar
plasmada en sistemas estratégicamente importantes para
levantar su credibilidad. Esta predicción se cumplió hasta
mediados de los años 90, por lo que muchas personas
consideraron que la I.A. había muerto. Para este entonces
se habían aprendido algunas lecciones tales como:

- Reconocer que la computadora y la I.A. no reemplazan a


la inteligencia humana, sino que más bien la completan.
- Aceptar que el capital más importante en una empresa
son las personas, la experiencia y el conocimiento que se
ha acumulado a través de los años.
- Los sistemas inteligentes ayudaran a mejorar la
computación personal.
- El uso de lo IA en los negocios debe estar enfocada en
la solución de problemas de los clientes.

Se puede deducir, que en esta primera época de la


Inteligencia Artificial “Moderna”, se presentaron muchos
retos, pues para alcanzar las expectativas tan altas que se
habían forjado no se tenía la tecnología adecuada y en
ocasiones, ni el conocimiento a fondo de los temas.
Faltaba desarrollo tanto tecnológico como teórico.
Además mucha gente no apostaba por este nuevo
concepto.

Afortunadamente como veremos más adelante, se ha


dado un nuevo e importante giro a la I.A., a partir de
nuevos enfoques y nuevas ideas, que le auguran un
futuro prometedor.

El resurgimiento de la Inteligencia Artificial

En años recientes, se ha dado un repunte importante de


la I.A. Existen muchas características que hacen que esta
herramienta vuelva a mostrar excelentes condiciones de
ser una tecnología aplicable, que coadyuvara a que las
empresas sean mas productivas. Uno de los nuevos
enfoques es el denominado “basado en el
comportamiento”. Este enfoque proporciona una idea
amplia del concepto en general de Inteligencia, al
suponer que esta depende totalmente de la forma en que
el comportamiento de un sistema contribuye a realizar
sus funciones. Además existen nuevas técnicas que
pueden ser aplicadas en esta nueva I.A., tales como redes
neuronales (Fig. 2), algoritmos genéticos, redes
bayesianas, aprendizaje, etc.

Fig. 2. Representación de una red neuronal y una


neurona simple.

Los algoritmos genéticos es una de las nuevas técnicas


que mas apoyo han recibido y mas futuro promete. Es
interesante mencionar, que se basan completamente y
son modelados a partir de procesos naturales de
selección que se han identificado en organismos vivos.
Así como en la naturaleza, las especies mutan de acuerdo
a las características del medio ambiente, del tiempo o de
otros factores externos, los sistemas que manejar este
concepto tienen la capacidad de poder adaptar las
respuestas a problemas cambiantes de acuerdo al tiempo.
Esto es que el comportamiento de estos sistemas es
mutado de acuerdo a las características del medio y del
problema.

Este tipo de algoritmos tienen una ventaja enorme con


respecto a los tradiciones sistemas simbólicos de I.A.
Estos últimos son demasiado estáticos y no están
preparados para soportar cambios sublimes en las
condiciones de los problemas. Usualmente, los sistemas
simbólicos son desarrollados para solucionar un solo tipo
de problemas. Si este problema cambia en alguna
condición, no se tiene la oportunidad de cambiar para
tratar de solucionar. Por esta razón, los sistemas que
operan con algoritmos genéticos tienen más futuro en
este campo.

Ahora las expectativas de la Inteligencia Artificial, están


basadas en el hecho de verla como una opción de
inversión en el desarrollo de herramientas que permitan
reducir costos, distribuir recursos, detección de fraudes,
ayuda en línea, captura de conocimiento, etc.

Pero la inteligencia artificial además de poderse aplicar a


diferentes procesos productivos (que pueden ir de
generación de alimentos a construcción de armas),
también se puede aplicar a diferentes áreas de
oportunidad en la economía, finanzas, o bien para la
toma de decisiones en las corporaciones.

Dónde, cuando y cómo


Con todo este nuevo potencial inyectado a la Inteligencia
Artificial, y tomando como base sus orígenes, es fácil
imaginarse la amplia gama de oportunidades en donde se
podría competir utilizándola. A manera de ejemplo se
puede decir:

¿Dónde?

En áreas de dirección de pequeñas y medianas empresas.

¿Cuándo?

Cuando el tamaño de la empresa impide tener gente de


alto nivel y alto conocimiento para la toma de decisiones.
En ocasiones se forma un círculo vicioso que se genera de
la siguiente manera: La empresa no tiene crecimiento por
que no se toman las decisiones correctas. No se puede
contratar a una persona que tenga la capacidad de toma
de decisión para hacer que la empresa crezca dado que
como no tiene crecimiento no se le puede contratar.

¿Cómo?

Implementando o bien subarrendando un sistema experto


que tenga la facilidad de ayudar a los directores y
administradores actuales a tomar decisiones correctas, al
analizar los riesgos y ventajas de diferentes
oportunidades y ofreciendo una alternativa viable de
crecimiento.

Otro ejemplo podría ser:


¿Dónde?

Bancos, casas de cambio, compañías de tarjetas de


crédito.

¿Cuándo?

Cuando se desea perfeccionar los sistemas antifraudes.

¿Cómo?

Utilizando redes neuronales para estudiar los patrones de


uso de crédito y detectar transacciones potencialmente
fraudulentas. Según Widrow, Rumelhart & Lehr (1994), el
fraude en tarjetas de crédito es un problema creciente
que afecta a todo la industria.

Por último, se puede tener este ejemplo:

¿Dónde?

Entidades financieras y casas de bolsa

¿Cuándo?

Cuando se desee tener mayor rendimiento es las


transacciones y un menor grado de riesgo al invertir.

¿Cómo?
Se podrían utilizar sistemas expertos que utilicen redes
neuronales que aprendan a partir de algoritmos
genéticos, que aprendan y se entrenen para que puedan
hacer predicciones financieras. Además por el poder de
velocidad y procesamiento que se ofrece actualmente,
esto se podría hacer para muchísimas compañías con
características diferentes al mismo tiempo. Esto
actualmente se esta llevando como prueba piloto en
algunas compañías financieras, tales como Merrill Lynch
& Co., Salomón Brothers, etc. (Willow, 1994)

Además de estos ejemplos, se puede pensar en las


siguientes recomendaciones (García 2002), que pudieran
ser focos de interés para la aplicación de la inteligencia
artificial:

- Uso de aprendizaje virtual para la capacitación de


personas
- Resolución de problemas de actualización
- Actividades de conservación de información y del
conocimiento.
- Desarrollo de la computación emotiva y su uso para
generar mejores interfaces.
- Como apoyo a la recuperación de enfermedades
(biomedicina).
- Coadyuvar para posibilitar el uso de dispositivos y
equipos destinados a personas con capacidades
diferentes.

Conclusión:
Durante el proceso de recopilación de información, se ha
denotado el interés y la expectación que genera el uso de
la tecnología y en especial el de la inteligencia artificial en
los negocios. Existen aún muchas cosas por definir,
conceptualizar y realizar. Pero también es cierto, que las
condiciones de los negocios han cambiado drásticamente
a manera de adoptar de una manera natural y más amable
a las tecnologías de información. Al parecer, ya no se ven
como una amenaza latente, sino que se toman como
herramientas para potencializar el desempeño y actuación
de cada uno de los miembros de una organización.

Volviendo al tema que nos atañe, es grato visualizar que


los modelos que utilizan inteligencia artificial para la
toma de decisiones, son cada vez más utilizados y
cotizados. Viendo este comportamiento, es fácil que nos
preguntemos ¿Qué nos deparará el futuro?, ¿Cómo se
desarrollaran este tipo de herramientas a corto, mediano
y largo plazo?. El solo pensar en la respuesta vuelve a
presentarnos un panorama muy amplio en donde se
vislumbran cantidades asombrosas de áreas de
oportunidad en espera de ser tomadas.

Bibliografía

Biasca, Rodolfo “Performance Management, los 10 pasos


para construirlo. El ejemplo de una PYME”, 1999,
Gestiopolis [WWW]
http://www.gestiopolis.com/recursos/documentos/fulldo
cs/ger/tablerocomando.htm
(Consultado 12 de Mayo de 2005)

Burghart, J.H. (Octubre de 1998) “Desing of a course in


artificial intelligence and expert systems” IEE digital
Library [online database]. Proceedings of the Frontiers in
Education Conference. (Consultada el 9 de mayo de
2005).

Chan, Nicholas. “Information Dissemination and


Aggregation in Asset Markets with Simple Intelligent
Traders”, MIT, Septiembre 1998, Massachusetts Institute
of technology [WWW]
ftp://publications.ai.mit.edu/ai-publications/pdf/AIM-
1646.pdf
(Consultado 10 de Mayo de 2005)

Dean, Thomas (Diciembre de 1996) “Strategic Directions


on Artificial Intelligence” ACM Computing Surveys, ACM
Digital Library [electronic resource]. (Consultada el 12 de
Mayo de 2005).

García Vega, Angelica “La inteligencia artificial en los


negocios”. Febrero 2002, Universidad de Veracruz [WWW]
http://www.uv.mx/iiesca/revista2002-
1/inteligencia%20artificial.pdf
(Consultado 12 de Mayo de 2005)

Hightower, James K. (1985) “Tutorial on artificial


intelligence”. ACM Digital Library
[electronic resource]. Proceedings of the 17th conference
on winter simulation. (Consultada el 12 de Mayo de 2005)

Kingsbery, James. “Economics and Artificial Intelligence”


Economics and Artificial Intelligence, Abril 2005, AI depot
[WWW].
http://ai-depot.com/Articles/46/Economics.html
(Consultado 12 de Mayo de 2005)

Kumar, Vinay. “Learning based approach to estimation of


morphable model parameters”, MIT, Septiembre de 2000,
Massachusetts Institute of technology [WWW]
ftp://publications.ai.mit.edu/ai-publications/pdf/AIM-
1696.pdf
(Consultado 10 de Mayo de 2005)

Lane, Kenneth M. (Marzo de 1995) “Neural networks from


idea to implementation”. ACM Digital [online resource].
(Consultada el 12 de Mayo de 2005).

Markland, Robert.( Diciembre 1990). “Artificial


Intelligence, Heuristic Frameworks an Tabu´s Search”
Managerial and decision economics. Proquest [online
database], (Consultada el 10 de mayo de 2005).

Minsky, Marvin. “Linear Decisión and Learning Models”,


MIT, Marzo de 1968, Massachusetts Institute of
technology [WWW]
ftp://publications.ai.mit.edu/ai-publications/pdf/AIM-
156.pdf
(Consultado 10 de Mayo de 2005)

Punt, Michael (Noviembre 2002) “A taxi ride to late


capitalism: Hypercapitalism, Imagination and articial
intelligence” ACM Digital Library [electronic resource].
(Consultada el 12 de Mayo de 2005).
Reese Hedberg, Sara (Agosto 1996) “AI Toold for Business
Process Modeling”. Executive Inside. IEEE digital Library
[online database], (Consultada el 08 de Mayo del 2004)

Roque Moranchel, Silvia “La inteligencia de Negocios”.


Marzo de 2001, Gestiopolis [WWW]
http://www.gestiopolis.com/recursos/documentos/fulldo
cs/ger/busint.htm
(Consultado 11 de Mayo de 2005)

Sviokla, Jhon (Octubre 1986) “ Business Implications of


knowledge based systems” ACM Digital Library [online
resource]. (Consultada el 09 de Mayo de 2005).

Tafti, Mohammed (1990) “Trends and Direction in Experts


Systems”. ACM Digital Library [online resource].
Proceedings of the 1990 ACM SIGBDP conference on
Trends and directions in experts systems. (Consultada el
12 de Mayo de 2005).

Wellman, Michael P. (Diciembre de 1996) “The economic


approach to artificial intelligence” ACM Computing
Surveys. ACM Digital Library [electronic resource].
(Consultada 12 de Mayo de 2005).
Widrow, Bernard & Rumelhart, David E. & Lehr Michael A.
(Marzo de 1994) “Neural Networks: applications in
industry, business and science”. ACM Digital Library
[online resource]. (Consultada el 12 de Mayo de 2005).

Wong, Kit Po (Diciembre 1993), “Artificial intelligence and


neural network applications in power systems”, IEEE
digital Library [online database], (Consultada el 08 de
Mayo del 2004)

Wu, Xindong (Septiembre de 2004). “Data mining:


artificial intelligence in data analysis”. IEEE digital Library
[online database]. Proceedings of the International
Conference on Intelligent Agent Technology 2004.
(Consultada el 08 de mayo del 2004)