Informe IA PDF

INTELIGENCIA
ARTIFICIAL
Pasado,
presente
y futuro.
Digital & Innovation

2 INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. INTELIGENCIA ARTIFICIAL: PASADO, PRESENTE Y FUTURO. 3
Índice.
01 3-7 03 10 - 22 05 60 - 75
Introducción a la Tecnologías Aplicaciones
Inteligencia Artificial relacionadas con la sectoriales de la
Inteligencia Artificial Inteligencia Artificial
Evolución de la
Inteligencia Banca.
Artificial en el último Computación
Cognitiva.
siglo. Retail.
Data Science.
Turismo
Lenguaje,
creatividad y Machine Learning
y Deep Learning. Industria
emoción.
Dispositivos Otros
Redes Neuronales robóticos.
Artificiales.
02 7 - 10 04 22 - 41 06 60 - 75
Categorías de la Aplicaciones de la Predicciones
Inteligencia Artificial Inteligencia Artificial
Sistemas que Robótica. Mitos.

actúan como
humanos: el enfoque RPA. Importancia de
de la prueba de Turing. la ética en
Asistencia Virtual. Inteligencia Artificial.
Sistemas que
piensan como Sistemas de Debate sobre la
humanos: el enfoque aprendizaje. singularidad
de modelado cognitivo. tecnológica.
Herramientas de
Sistemas personalización, Líneas predicción e
que actúan entendimiento investigación.
racionalmente: el del comportamiento
enfoque del agente humano,
racional. segmentación.
Reconocimiento
07
de patrones.
Vehículos
autónomos. 75 - 80
Internet de las cosas. Conclusiones
Introducción
a la Inteligencia
Artificial
LA INTELIGENCIA ARTIFICIAL (IA) O INTELIGENCIA COMPUTACIONAL ES LA SIMULACIÓN
DE PROCESOS DE INTELIGENCIA HUMANA POR PARTE DE MÁQUINAS. ESTOS PROCESOS
INCLUYEN AQUELLOS CAPACES DE APRENDER, RAZONAR Y MEJORARSE POR SÍ MISMOS.
EVOLUCIÓN DE LA IA
EN EL ÚLTIMO SIGLO
ORíGENES
L
os inicios de la Inteligen- sky y Claude Shannon (padre
cia Artificial se remontan de la teoría de la información)
al año 1936, cuando un acuñaron el término “inteligen-
matemático británico cia artificial” en la conferencia
llamado Alan Turing creó una de Darthmouth, para hablar
máquina capaz de hacer de la “ciencia de hacer a las
cálculos que hubiesen sido máquinas inteligentes, en
formalmente definidos y que especial aplicaciones de
se pudiesen adaptar a distin- cálculo inteligentes”. Estos
tos escenarios. Sin embargo, tres científicos previeron que
no fue hasta 1950, cuando Tu- en la década de los 70 la IA
ring escribió “Computing Machin- inundaría las vidas de la po-
ery and Intelligence” cuando la blación. No fue así. Se produjo
IA comenzó a adquirir mayor una ralentización del progreso
fama. Seis años más tarde de estas tecnologías, princi-
John McCarthy, Marvin Min- palmente por el tiempo que
tardaban en ejecutarse los
LENGUAJE,
algoritmos y las pocas aplica-
ciones evidentes que tenían.
En la década de los 90
y principios de siglo XXI
CREATIVIDAD
llegaría la expansión de
la inteligencia artificial,
originada por dos motivos:
por un lado, se produjo un
Y EMOCIÓN
aumento de la capacidad
computacional de los LA ETAPA DE ORO
ordenadores; por otro lado,

la digitalización produjo
ingentes cantidades de
datos que podían ser
procesados para obtener
valor de ellos.
Se produjo una inversión

sin precedentes de de
empresas tecnológicas, al
ver que aplicando analítica
y algoritmos sobre datos se
podrían obtener productos,
servicios e insights que
aportasen valor a las
empresas y a la sociedad.
Esta inversión hizo que se
desarrollasen nuevas
tecnologías y relanzó el pro-
greso.
En el año 1997 un ordenador

de IBM llamado Deep
Blue venció en una
partida de ajedrez al
campeón del mundo Gary
Kaspárov, consagrando
definitivamente a la IA.
PRESENTE Y FUTURO
Como se ha comentado,
inicialmente había dos Desde el origen de la IA como trabajo “The Imitation Game”, que exista un contacto visual.
obstáculos, la capacidad disciplina hasta nuestros obra que incluia su famoso El papel del juez es realizar
de cómputo y los datos. El días se ha especulado sobre Test de Turing. preguntas al concursante
problema de la capacidad la posibilidad de que las con el fin de desafiar su
de cómputo ya está máquinas sean capaces de El Test de Turing es una inteligencia y, en base a la
superado por medio de replicar comportamientos prueba diseñada para coherencia de las respuestas
la escalabilidad vertical humanos tales como el evaluar el grado de del concursante, determinar
(hacer los ordenadores más lenguaje, la creatividad o las inteligencia de un programa si se trata de un humano o
potentes, siguiendo la Ley de emociones. de ordenador. En las no.
Moore), y posteriormente por versiones modernas del test
medio de la escalabilidad La posibilidad de que una el ejercicio consistía en lo Aunque en la actualidad
horizontal (haciendo máquina o un programa siguiente: un concursante, hay muchos programas
que varios ordenadores de ordenador adapte sus que puede ser un humano o que han conseguido
computen como uno solo). comportamientos hasta un programa de ordenador, superar el test de Turing,
el punto de hacerlos mantiene una conversación el éxito de estos robots se
indistinguibles de los de un con un juez. Ambos, juez basa en tratar, mediante
humano fue propuesta en y concursante, están en su programación previa,
1950 por Alan Turing en su habitaciones separadas, sin de engañar a su interlocutor
capaz de imaginarse que en

realidad está hablando con
una máquina.
Todavía tenemos que definir
El uso correcto del lenguaje lo que significa la creatividad.
implica cierta capacidad
para ser creativo. En 2016, Sabemos que algunos de los
(el juez), de modo que no El NLP se aplica tanto a IAs como Watson de IBM
Watson fue usado para crear atributos tienen que ver con
el tráiler de la película de
se pueda decir que sean conversaciones habladas son capaces de aprender
programas completamente como a textos. Es decir, los idiomas con facilidad, leer
terror Morgan, después de encontrar algo novedoso,
inteligentes, sino que programas con capacidades largos textos o interactuar
analizar los componentes
visuales y sonoros de cientos
inesperado y útil”.
simplemente cumplen para el NLP pueden leer, con humanos en el idioma
de películas de terror.
con la función para la escuchar, interpretar y que estos elijan. Dice John Smith, director de Multimedia y Vision en
que fueron programados, replicar a los humanos que IBM Research.
El problema con la creatividad
sin que se dé una se dirijan a ellos hablando o Productos como Amazon
o, mejor dicho, sus atributos
interacción completamente escribiendo. También pueden Echo, con su inteligencia
(novedad, sorpresa y
bidireccional entre las dos aplicar sus habilidades a artificial Alexa, Siri de Apple,
utilidad) es que son
partes. grandes cantidades de texto. Cortana de Microsoft,
totalmente subjetivos. Los test de Turing partían de Por ejemplo Affectiva, una
pueden reconocer voces
No obstante, el avance La IA comienza categorizando humanas para realizar las la preconcepción de que el compañía fundada en 2009
En este momento es posible uso correcto del lenguaje en el seno del MIT, cuya
en la habilidad de las el contenido, busca el tareas que les encomienden.
enseñar l e a una IA lo que implica la existencia de una tecnología ha sido utilizada
máquinas para mantener tema de la conversación Las grandes tecnológicas
consideramos novedoso, inteligencia humana o de para ayudar en campañas
conversaciones con o del texto, interpreta el están invirtiendo en
inesperado, útil, bonito, o una simulación de esta. Sin de marketing o políticas.
humanos, así como para sentimiento general del desarrollar IAs con motores
cualquier otro adjetivo, pero embargo, los sentimientos o
interpretar sus preguntas y contenido, si es necesario de NLP tan avanzados que
la IA difícilmente puede emociones implican un nivel El motor de Affectiva
respuestas en el contexto de transforma el audio en texto, pasarían un test de Turing.
decidirlo por sí misma y superior de conciencia propio funciona analizando factores
una conversación es notorio. realiza un resumen de la Es el caso de la nueva
que coincida con nuestros solamente de los humanos. como la fisonomía facial del
En las ciencias informáticas conversación y, finalmente, iteración de Google Assistant
criterios. interlocutor humano, el tono
la capacidad para entender traduce todo ello al lenguaje presentado en mayo de 2018.
y procesar la capacidad de de máquina. Una vez Esta nueva versión permite Aunque aún parece que de su voz o sus gestos, así
Dicho esto, y reduciendo la no son capaces de simular como las palabras utilizadas
una máquina de entender finalizado el proceso, si es realizar llamadas de teléfono
cuestión de la creatividad a emociones y por lo tanto y el contexto en el que son
a su interlocutor humano necesario, realiza el proceso a sin que el interlocutor sea
una cuestión de posibilidad, sentir y ser autoconscientes, pronunciadas o escritas.
(sea cual sea la lengua que la inversa para responder a su
las IAs de hoy en día son en la actualidad las IA
emplee) se conoce como interlocutor humano.
capaces de componer pueden reconocer patrones Estas prácticas se encuadran
Procesamiento del Lenguaje
música, pintar cuadros, o de comportamiento en una nueva disciplina
Natural o NLP por sus siglas
escribir textos. mediante los cuales pueden denominada Inteligencia
en inglés (Natural Lenguaje
Processing). identificar emociones en sus Emocional Artificial, la
Aunque el uso del lenguaje interlocutores humanos. siguiente frontera en el
o la capacidad para la desarrollo de la IA.
creatividad son unos
de los componentes de
la experiencia humana,
hay muchos otros más
importantes si cabe. Por
ejemplo, los sentimientos.
REDES NEURONALES
¿CÓMO FUNCIONA CADA NEURONA?
Tratan de imitar a las entrenamiento / aprendizaje,
ARTIFICIALES
neuronas biológicas, es la parte crucial de la
conectadas entre sí y RNA, ya que marcará la
trabajando en conjunto, precisión del algoritmo.
aprendiendo sobre el Consiste en encontrar esa
proceso. Dados unos relación de pesos a través
parámetros, hay una forma de un proceso iterativo en
de combinarlos para el que, secuencialmente, se
Inspirándose en el com- endo del tipo de neurotrans- predecir un cierto resultado. va analizando cada uno de
portamiento del cerebro misor liberado, las neuronas El problema estará en saber los patrones de entrada a
humano (principalmente receptoras pueden excitarse cómo combinarlos. la red, reajustando en cada
el referido a las neuronas y o inhibirse, generando una iteración la relación de pesos.
sus conexiones), tratan de respuesta de uno u otro tipo Las redes neuronales son
crear modelos artificiales en cada caso. un modelo para encontrar
que solucionen problemas esa combinación de Es en este punto cuando
difíciles de resolver medi- De esta manera las redes parámetros y aplicarla se introducirá una función
ante técnicas algorítmicas neuronales artificiales son al mismo tiempo. El de error que irá midiendo
convencionales. capaces de extraer patrones objetivo es encontrar la el rendimiento de la red en
y detectar tramas que son combinación que mejor un momento dado, donde
El proceso de sinapsis muy difíciles de apreciar por el se ajusta entrenando el objetivo será, obviamente,
establece la posibilidad de ser humano u otras técnicas a la red neuronal. Este minimizar dicha función
“transmisión de información” computacionales, siendo la de error. El algoritmo se
entre unas neuronas y otras facilidad de implementación detendrá cuando se alcance
(desde las terminaciones en de estos métodos lo que ha la cota de error establecida
las que se ramifica el axón incrementado su popularidad. por el usuario.
de una neurona hacia las Las RNA se caracterizan por
dendritas de otra); cuando el tres partes fundamentales: la Una red ya entrenada se
estímulo (o impulso eléctrico) topología de la red, la regla de puede usar luego para hacer
llega a un terminal nervi- aprendizaje (supervisado, no predicciones o clasificaciones,
oso, hace que el nervio libere supervisado, reforzado, etc.) y es decir, para “aplicar” la
neurotransmisores. Dependi- el tipo de entrenamiento. combinación.
Este tipo de procesos

predictivos, similares a los
ARIMA, tienen cada vez más
¿CÓMO FUNCIONA CADA NEURONA? aplicaciones en el entorno
habitual. Google, por
ejemplo, utilizó una red
Las Redes Neuronales se componen de neuronal convolucional
neuronas, las unidades básicas del modelo. para reconocer los
Cada neurona recibe una serie de entradas, números de calle en
que llevarán un peso, emitiendo una salida. La las imágenes que iban
salida viene dada por tres funciones: tomando con sus coches,
consiguiendo un 96% de
La función de propagación suele ser el suma- precisión en sus resultados.
torio de cada entrada multiplicada por el peso
asignado. Estas técnicas predictivas,
suelen emplearse en
La función de activación tiene como mis- control meteorológico,
ión modificar a la de propagación. Las más medición de audiencias
habituales suelen ser la función tipo escalón de televisión, previsión de
(Heaviside) o funciones no lineales como la impacto en RRSS, predicción en
sigmoidea logística, tangente hiperbólica, etc. los mercados financieros, etc.
La función de transferencia se aplica al valor

dado por la función de aplicación y se utiliza
para acotar la salida de cada neurona según
la interpretación que se le quiera dar al resul-
tado.
Categorías de
la Inteligencia
Artificial
SISTEMAS QUE ACTUAN

COMO HUMANOS:
EL ENFOQUE DE LA PRUEBA
DE TURING.
La Prueba de Turing fue diseñada para proporcionar una
definición operativa satisfactoria de la inteligencia. Turing
definió el comportamiento inteligente como la capacidad
de lograr el desempeño a nivel humano en todas las tareas
cognitivas, suficiente para engañar a un interrogador.
La computadora necesitaría poseer las siguientes capacidades:
- Natural Language Processing (procesamiento del lenguaje

natural) parapermitirle comunicarse con éxito en inglés(oen
algún otro idioma humano).
- Knowledge Representation (representación del

conocimiento) paraalmacenar la información
proporcionadaantes o durante el interrogatorio.
- Automated Reasoning (razonamientoautomatizado)

para usar la informaciónalmacenada para responder
preguntas ysacar nuevas conclusiones-Machine
Learning (aprendizajeautomático) para adaptarse a las
nuevascircunstancias y para detectar yextrapolar patrones.
La prueba de Turing evitó interrogador pase objetos físicos a través de la escotilla. Para pasar la prueba
SISTEMAS QUE PIENSAN

deliberadamente la total de Turing el procesador necesitará:
interacción física directa
entre el interrogador y la - Visión de la computadora parapercibir objetos
computadora, porque la
COMO HUMANOS:
simulación física de una - Robótica para moverlos.
persona no es necesaria
para la inteligencia. Sin La cuestión de actuar como humano surge principalmente cuando los
embargo, la llamada prueba programas de IA tienen que interactuar con las personas, por ejemplo, cuando
total de Turing incluye una un sistema experto explica cómo llegó a su diagnóstico o cuando un sistema
señal de video para que el de procesamiento de lenguaje natural tiene un diálogo con un usuario.
interrogador pueda evaluar
las habilidades de percepción
Estos programas deben comportarse de acuerdo con ciertas convenciones
normales de interacción humana para hacerse entender. La representación
EL ENFOQUE DE
del sujeto, así como la
oportunidad para que el
y el razonamiento subyacentes en dicho sistema pueden o no basarse en un
modelo humano. MODELADO COGNITVO
Cuando se habla sobre comportamiento de entrada/ con otros investigadores
un programa que piensa salida y sincronización del de la misma época (como
como un humano, se debe programa coincide con el Wang,1960), a quienes
de tener alguna manera de comportamiento humano, les preocupaba obtener
determinar cómo piensan los eso es evidencia de que las respuestas correctas
humanos. Se necesita entrar algunos de los mecanismos independientemente
en el funcionamiento real de del programa también de cómo los humanos
las mentes humanas. Hay pueden estar operando pudieran hacerlo. El campo
dos formas de hacer esto: a en humanos. Por ejemplo, interdisciplinario de la ciencia
través de la introspección, Newell y Simon, quienes cognitiva reúne modelos
tratando de captar los desarrollaron el GPS, el de computadora de IA y
propios pensamientos a “Solucionador General de técnicas experimentales
medida que avanzan, o Problemas” (Newell y Simon, de la psicología para
mediante experimentos 1961), no se contentaron con tratar de construir teorías
psicológicos. que su programa resolviera precisas y comprobables del
problemas correctamente. funcionamiento de la mente
Una vez se tiene una Estaban más preocupados humana.
teoría de la mente lo por comparar el rastro de sus
suficientemente precisa, pasos de razonamiento con
es posible expresar la rastros de sujetos humanos
teoría como un programa que resolvían los mismos
de computadora. Si el problemas. Esto contrasta
SISTEMAS QUE ACTÚAN SISTEMAS QUE ACTÚAN

RACIONALMENTE: RACIONALMENTE:
EL ENFOQUE DE EL ENFOQUE DE
LAS LEYES DEL PENSAMIENTO LAS LEYES DEL AGENTE RACIONAL
El filósofo griego Aristóteles fue

uno de los primeros en intentar
codificar el “pensamiento
correcto”, es decir, los procesos Todas las “habilidades
de razonamiento irrefutables. cognitivas” necesarias para
Sus famosos silogismos la Prueba de Turing están
proporcionaban patrones para ahí para permitir acciones
las estructuras argumentales racionales. Por lo tanto, se
que siempre daban conclusiones necesita la capacidad de
correctas dadas las premisas representar el conocimiento
correctas. Por ejemplo, “Sócrates y razonar con él, ya que
es un hombre; todos los hombres esto permite tomar buenas
son mortales; por lo tanto, Sócrates decisiones en una amplia
es mortal”. Se suponía que estas variedad
leyes del la operación de la mente de situaciones.
e iniciaban el campo de la lógica.
El estudio de la IA como diseño
racional de agentes tiene,
El desarrollo de la lógica formal por lo tanto, dos ventajas. En
a finales del siglo XIX y principios primer lugar, es más general
del XX, proporcionó una notación que el enfoque de “las leyes
precisa para las afirmaciones y del pensamiento’’, porque la
las relaciones entre ellas. En 1965, inferencia correcta es solo
existían programas que podían, un mecanismo útil para
con tiempo y memoria suficiente, lograr la racionalidad, y no
tomar una descripción de un lógica, particularmente cuando el conocimiento Actuar racionalmente significa actuar para
es menos del 100% seguro. En segundo lugar, alcanzar los objetivos, dadas las propias una necesidad. En segundo
problema en notación lógica y lugar, es más susceptible
encontrar la solución al problema hay una gran diferencia entre poder resolver un creencias. Un agente es solo algo que percibe y
problema “en principio ‘’ y hacerlo en la práctica. actúa. En este enfoque, la IA se considera como el al desarrollo científico que
si existe (Si no hay solución, el los enfoques basados en el
programa podría nunca dejar de Incluso los problemas con solo unas pocas estudio y la construcción de agentes racionales.
docenas de hechos pueden agotar los recursos comportamiento humano
buscarla). La llamada tradición o el pensamiento humano,
logicista dentro de la inteligencia computacionales de cualquier computadora Hacer inferencias correctas es una forma de
a menos que tenga alguna guía sobre qué actuar racionalmente es razonar lógicamente porque el estándar de
artificial espera basarse en tales la racionalidad está
programas para crear sistemas pasos de razonamiento probar primero. Aunque hasta la conclusión de que una determinada
estos dos obstáculos se aplican a cualquier acción logrará los objetivos propios y luego podrá claramente definido y es
inteligentes. completamente general. El
intento de construir sistemas de razonamiento actuar según esa conclusión.
computacional, aparecieron primero en la comportamiento humano, por
Hay dos obstáculos principales otro lado, está bien adaptado
para este enfoque. Primero, no tradición logicista porque el poder de los sistemas Por otro lado, la inferencia correcta no es toda
de representación y razonamiento está bien racionalidad, porque a menudo hay situaciones en para un entorno específico y
es fácil tomar el conocimiento es el producto, en parte, de un
informal y expresarlo en los términos definido y bastante bien comprendido. las que no hay nada que se pueda corregir, pero
aun así hay que hacer algo. También existen formas proceso evolutivo complicado
formales requeridos por la notación y en gran medida desconocido
de actuar racionalmente que no se puede decir que
involucren inferencia. que aún puede estar lejos de
alcanzar la perfección.
esta tecnología será una de las Adaptativo: el sistema debe reflejar lacapacidad
Tecnologías
cinco principales prioridades de adaptación (como lo hace elcerebro) a
de inversión para más del 30% cualquier entorno. Debe ser dinámico en la
de los CIO en todo el mundo. recopilación de datos y la comprensión de los
objetivos y requisitos.
relacionadas con
Interactivo: el sistema cognitivo debe poder
interactuar fácilmente con los usuarios para que
puedan definir sus necesidades cómodamente.
CARACTERÍSTICAS REQUERIDAS Del mismo modo, también debe interactuar con
PARA UN SISTEMA COGNITIVO otros procesadores, dispositivos yservicios en
la Inteligencia
la nube.
Para implementar la computación Iterativo y con estado: esta característica

cognitiva en aplicaciones comer- necesita una aplicación cuidadosa de la
ciales y generalizadas, un sistema de calidad de los datos y las metodologías de
validación para garantizar que siempre se
Artificial
computación cognitiva debe tener
las siguientes características: proporcione al sistema la información
suficiente y que las fuentes de datos
en las que opera brinden información
confiable y actualizada.
Contextual: C a p a c i d a d p a r a
comprender,identificar y extraer
elementos contextuales como el
significado, la sintaxis, el tiempo, la
ubicación, el dominio apropiado, las
regulaciones, el perfil del usuario,
el proceso, la tarea y el objetivo.
Debe recurrir a múltiples fuentes
de información, incluidas la digital
COMPUTACIÓN
estructurada y la no estructurada.
COGNITIVA
ESCENARIO ACTUAL DE
LOS SISTEMAS COGNITIVOS
IMB WATSON
La Computación Cognitiva (Cognitive computing) The new technologies

se está utilizando para que las máquinas
Watson es una supercomputadora de IBM que
puedan desarrollar procesos parecidos a los
combina inteligencia artificial (IA) y software
del pensamiento humano. A través de este tipo
analítico sofisticado para un rendimiento óptimo
de computación, se intentan simular todos los
como una máquina de “respuesta de preguntas”.
procesos mentales que puede llevar a cabo un Cognitive Computing
IBM Watson aprovecha el análisis de contenido
ser humano para desarrollar su pensamiento,
profundo y el razonamiento basado en la evidencia.
pero teniendo en cuenta que lo que se
utiliza en este caso es un modelo totalmente Artificial Intelligence
Combinado con técnicas de procesamiento
computarizado.
Machine Learning probabilístico masivo, Watson puede mejorar la
toma de decisiones, reducir costes y optimizar los
La computación cognitiva es un sistema que
resultados.
aprende a escala, razona con propósito e
interactúa con los humanos de forma natural. Es
una mezcla de ciencia de la computación y ciencia
cognitiva, es decir, la comprensión del cerebro
humano y cómo funciona.
Mediante algoritmos de auto prendizaje que
utilizan extracción de datos, reconocimiento visual
y procesamiento de lenguaje natural, el ordenador
puede resolver problemas y optimizar así los
procesos humanos.
Según datos de IBM, actualmente la mitad de

los consumidores interaccionan con servicios
basados en computación cognitiva, y para 2020,
Watson es capaz de procesar datos no estruc-

GOOGLE DEEPMIND
turados, incluyendo texto (correos electrónic-
os o documentación escrita) , imágenes, voz,
e incluso están trabajando para que también La compañía ha creado una red
procese vídeos. Además, “comprende” el neuronal que aprende cómo jugar
lenguaje natural. Cada organización puede videojuegos de una manera similar a
entrenar a IBM Watson de forma personaliza- la de los humanos. Google DeepMind
da, en función de sus necesidades, aspectos sorprendió al mundo en 2016 cuando
culturales y especialización, de manera que su programa de Inteligencia Artificial,
la empresa que lo utilice siempre conservará AlphaGo, venció al campeón del
su diferenciación competitiva. mundo de Go (un antiguo y complejo
juego de estrategia e intuición),
Lee Sedol. Después de esto, en 2017,
MICROSOFT COGNITIVE SERVICES DeepMind anunció AlphaGo Zero.
La última iteración de la inteligencia
artificial es la más avanzada hasta
Son un conjunto de APIs, SDKs y servicios ahora, superando todas las versiones
cognitivos que los desarrolladores pueden anteriores. También es diferente de
usar para hacer que sus aplicaciones sus predecesores de una manera
sean más inteligentes. Con estos servicios, singularmente significativa: mientras
los desarrolladores pueden agregar en que los AlphaGos más antiguos
sus aplicaciones fácilmente funciones entrenaban al Go contra miles de
inteligentes, como la detección de emociones profesionales y amateur humanos, Zero
y sentimientos, el reconocimiento de la vista renuncia por completo a la necesidad
y del habla, el conocimiento, la búsqueda y el de la visión humana y aprenderá
entendimiento del idioma. simplemente jugando solo y contra sí
mismo, es decir, aprende por su cuenta
desde cero.
Utiliza un nuevo método de aprendizaje

reforzado en donde ella misma es su
maestro y juega combinando una red
neuronal con un algoritmo de búsqueda
avanzado.
El cofundador y CEO de DeepMind,

Demis Hassabis, dijo que el programa
era tan poderoso porque “ya no estaba
limitado por el conocimiento humano”.
“En última instancia, queremos aprovechar los
avances algorítmicos como este para ayudar
a resolver todo tipo de problemas urgentes del
mundo real”, dijo Hassabis.
“Sí se pueden aplicar técnicas similares a otros
problemas estructurados, como el plegamiento
de proteínas (protein folding), la reducción
del consumo de energía o la búsqueda
de nuevos materiales revolucionarios, los
avances resultantes tienen el potencial de
impulsar el entendimiento humano e impactar
positivamente en nuestras vidas”.
DATA
PYTHON
Python es un lenguaje de programación
SCIENCE
interpretado, de alto nivel y orientado a
objetos. El enfoque de Python está en la
legilibidad y la velocidad. Su sintaxis simple
y fácil de usar enfatiza la legibilidad, su
amplia biblioteca de módulos y paquetes
conlleva la velocidad de desarrollo y
la orientación a objetos fomenta la
modularidad del programa y la reutilización
del código. Al ser un lenguaje de código
abierto, tiene una gran comunidad y es
ampliamente adoptado. Gracias a esto se
ha convertido en uno de los lenguajes de
más rápido crecimiento. Python también
admite visualizaciones de datos y trazado
basados en datos reales.
PLATAFORMA SAS
La Ciencia de Datos o La Ciencia de Datos está
Data Science es un campo en continúa evolución y
interdisciplinar enfocada a actualmente, está ganando
La plataforma SAS hace
extraer conocimiento de los tracción rápidamente
que el análisis sea accesible
datos en sus diferentes formas, gracias al desarrollo de la
para cualquiera que busque
estructurados o no estructurados. inteligencia artificial que ofrece
información a partir de datos,
oportunidades desafiantes a esta
independientemente de
Las disciplinas involucradas son ciencia.
su habilidad o experiencia,
varias, matemáticas, estadística,
a través de una interfaz
aprendizaje automático,
completa.
programación, minería de datos,
analítica, visualización de datos,
También maneja problemas
reconocimiento y aprendizaje de
analíticos de cualquier
patrones, almacenamientos de
tamaño o complejidad
datos, computación en la nube, ...
con un amplio conjunto
de métodos probados. Se
ejecuta en una nube, en el
sitio o en un entorno híbrido.
Se implementa sin problemas
en cualquier infraestructura o
ecosistema de aplicaciones,
y se adapta al espectro
completo de desafíos de
datos y análisis que enfrenta,
SOLUCIONES DE DATA SCIENCE
y adopta la tecnología de
código abierto con interfaces
para código gobernado
PROGRAMACIÓN EN R consistente.
R es un lenguaje de gráfica de datos. El software R es su gran variedad de

programación de código está respaldado por la R paquetes para modelado
abierto y un entorno de Foundation for Statistical estadístico y gráfico.
software para computación Computing. El lenguaje También es fácil trazar
estadística y visualización de es extremadamente símbolos matemáticos
datos, es decir, se utiliza para popular entre académicos, y fórmulas donde sea
cálculos estadísticos, análisis estadísticos y mineros de necesario.
de datos y representación datos. El mayor activo de
por ejemplo, el sistema de a reconocer qué fotografías mismo obteniendo premios,
MACHINE LEARNING
filtrado de SPAM de Google: incluyen caras: se introducen recompensas, y penalizaciones.
el usuario ayuda a identificar fotografías con o sin caras Creará la mejor estrategia
a Gmail cuáles son los para que la máquina sea posible (políticas) para obtener
correos electrónicos que capaz de diferenciarlas. la mayor recompensa posible
contienen SPAM. Llegado a un en tiempo y forma. Estas
& DEEP LEARNING

determinado punto, la IA ya Unsupervised learning o políticas definirán qué acciones
ha procesado tantos datos aprendizaje no dirigido: En tomar ante cada situación a la
que es capaz de extraer un este sistema los datos de que se enfrente.
modelo para poder predecir entrenamiento no incluyen Algunas de las aplicaciones
con alta probabilidad de éxito etiquetas y el algoritmo más destacadas son:
cuáles de los correos que van intentará clasificar o descifrar
entrando son correos basura la información por sí solo. Publicidad programática:
Aunque muchas veces aparecen asociados, estos términos hacen referencia a dos conceptos para enviarlos de forma dentro del área de marketing,
diferentes y complementarios dentro de la inteligencia artificial. Para definir estos conceptos, es automática a la papelera de Aprendizaje por refuerzo: permite hacer campañas
necesario aclarar que ambos se basan en el procesamiento de grandes cantidades de datos, sin reciclaje. con este método, el sistema mejor dirigidas y con una tasa
embargo, el Machine Learning (Aprendizaje Automático) es la capacidad que algunos sistemas de se convierte en un “agente de conversión mayor. Para
inteligencia artificial tienen para auto-aprender y corregir errores en base a su actividad previa, Otro ejemplo muy autónomo” que deberá ello, aprovecha en particular
mientras que el Deep Learning, además de eso, es capaz de tomar decisiones a partir de los datos. representativo es el proceso determinar las acciones a los datos de las redes sociales
de aprendizaje por el que llevar a cabo mediante prueba de tal forma que permite
pasaría una IA que se dedica y error. Aprenderá por sí determinar los atributos
relevantes para la campaña clientes se establecen modelos Análisis en tiempo real: con
en cuestión y aprender del que estiman la probabilidad el objetivo de obtener una
perfil y del producto o servicio de que una transacción respuesta inmediata ante
anunciado para establecer las sea fraudulenta, basándose un disparador externo. La
MACHINE LEARNING O
características que aumentan en transacciones similares información puede provenir
APRENDIZAJE AUTOMÁTICO la tasa de acierto para cada realizadas anteriormente. de sensores, reacción ante
usuario. un evento de compra,
Optimización de precios: por incidencia en una planta de
Motores de recomendación: ejemplo, en el sector financiero, generación de energía, etc.
el uso de machine-learning con el fin de establecer una Si, además, se tiene acceso al
Las máquinas son capaces Learning o Aprendizaje de datos). El algoritmo de proporciona una mejor tasa de interés acorde a seguimiento de los resultados,
de aprender por sí solas dirigido: en el que los Aprendizaje automático recomendación sobre los cada cliente en concreto, se se pueden modificar/
y auto programarse datos utilizados para el (y más concretamente de productos y una personalización estudia el histórico de tasas reentrenar los algoritmos
aprendiendo de su propia entrenamiento de la máquina Aprendizaje supervisado) lo de la oferta. Para ello, es aceptadas o rechazadas por semiautomáticamente
experiencia, combinando incluyen la solución deseada, procesa y extrae un modelo. necesario basarse en el histórico ese cliente en particular, y para adecuarse a nuevas
datos de entradas y llamada “etiquetas” (labels). Con este modelo, cada vez de transacciones, opiniones, se cruza dicha información condiciones. Este caso de uso
situaciones del mundo real. Mediante este método, el que se introduce un nuevo frecuencia de compra, gustos, con su posición financiera y puede servir, por ejemplo, para
Dentro del Machine Learning sistema de IA recibe un dato la máquina es capaz de etc. del usuario y enriquecer con datos macroeconómicos incrementar la productividad
hay que diferenciar entre estímulo o ejemplo (lo que dar una respuesta. la información con datos de y sociodemográficos que en el sector industrial. También
varios métodos: Supervised se conoce como parseo Un caso práctico sería, usuarios similares en cuanto ayuden a establecer las se está aplicando en otros
a perfil de consumo y perfil correlaciones entre las sectores como el energético,
sociodemográfico. variables. con el fin de prevenir posibles
Fraude y seguridad: mediante picos de consumo y actuar en
el histórico de transacciones de consecuencia.
de estimar y adelantarnos a cualquier El sistema en este caso va por

evento clave en el ciclo de vida de capas o unidades neuronales. De
un cliente, obteniendo modelos que hecho, el funcionamiento de estos
personalizan los productos en función algoritmos trata de imitar el del
de su probabilidad de contratación y la cerebro humano. El proceso de
estimación de vida de cada producto; predicción se realiza mediante
incluyendo información externa de el aprendizaje, no con reglas
redes sociales para completar el perfil programadas previamente. Casi
de cliente, e inferir la información que siempre ligado al procesamiento
falta con la búsqueda de gemelos; de texto, voz, imagen y vídeo.
establecer redes de relacionamiento De esta forma el Deep learning
bancario para inferir comunidades de persigue emular el cerebro humano
usuarios, líderes, seguidores, etc. que a través de modelos informáticos
permitan el refinamiento del score que funcionan como un sistema
de riesgo, búsqueda de nuevos de redes neuronales capaz de
clientes, etc. analizar los datos. La máquina evalúa
así ejemplos e instrucciones para
Segmentación de clientes: modificar el modelo en el caso de que
para inferir comportamiento se produzcan errores.
de clientes similares, haciendo
que la gestión de los mismos sea Hasta ahora, el Deep Learning y los
más eficiente y personalizada. En modelos predictivos jerárquicos han
estos casos, se utiliza información tenido su mayor uso especialmente
sociodemográfica, pero puede en el área de los diagnósticos
ser enriquecida con variables que médicos y en análisis predictivos en
aporten información sobre el grado los mercados financieros, pero están natural, similar al humano, escrita. Reconocimiento de
de madurez digital de los clientes, adquiriendo cada vez mayor peso en el acompañándolos de voz: El uso de servicios por
así como de su sofisticación resto de sectores, como componentes infografías y otros elementos reconocimiento de voz cada
financiera. esenciales para aplicaciones como los gráficos que los hagan más vez resulta más preciso y
anteriormente mencionados sistemas comprensibles. rápido.
Demanda de energía: para de recomendación, detección de
estimar el consumo energético y fraude, predicción de churn (es la Análisis predictivo: se están Interpretación semántica:
aprovisionar o redimensionar la predicción de abandono de clientes utilizando estas técnicas Conseguir que las máquinas
red de abastecimiento. Además del al usar machine learning o también para predecir, por ejemplo, entiendan los comentarios
análisis de la propia serie temporal deep learning) y modelos de los niveles de riesgo de una de los usuarios y sacar valor
histórica, se deben tener en cuenta propensión, detección de anomalías inversión y las probabili- de sus conversaciones en,
Optimización de la inversión información externa, como eventos, y auditoría de datos, etc. dades, de éxito de la compra por ejemplo, la mensajería
en comunicación: para actividad turística, climatología, etc. o venta de valores en bolsa. instantánea. También es
determinar qué campañas, Establecer una probabilidad de fallo Uno de los ejemplos más Lo mismo ocurre con el sec- usado a la hora de orientar
medios, mensajes y ofertas para los componentes críticos en representativos es el de Google. tor sanitario, donde puede los anuncios e identificar
han tenido un mayor la red y realizar estimaciones de Las Smart Replies de Gmail, el emplearse para investigar rostros y objetos en
impacto, se establecen crecimiento de la zona, precio de la reconocimiento de voz de Google sobre posible incidencia fotografías y vídeos.
modelos que determinarán energía, etc. Now, las traducciones semánticas de medicamentos o deter-
la relación entre las y no literales de Google Translate, la minados tratamientos de Reconocimiento facial. Otra
tipologías de campañas y el búsqueda por cualquier concepto enfermedadoes. de las aplicaciones del deep
retorno obtenido, teniendo en Google Photos, las rutas learning es el reconocimiento
en cuenta factores recomendadas en Google Maps, o el Traductores inteligentes: facial en tiempo real, que
externos (competencia, sistema de publicación programática Los servicios de traducción permitirá integrarlo a medio
calendario), tendencias de Adwords son todas nuevas online se aprovechan de plazo en smartphones con
y estacionalidades funcionalidades creadas gracias a
intrínsecas al negocio, DEEP LEARNING esta tecnología para obtener el fin de identificar el rostro
la aplicación de Deep Learning en características del compor- del usuario en diversos
con lo que se determina el sus productos. Otros casos de uso tamiento humano. De este escenarios. Estos desarrollos
efecto real de la campaña. comunes donde se están aplicando
Este concepto hace referencia modo, las herramientas de permitirán potenciar la
a una técnica concreta dentro las técnicas de deep learning son: traducción aprenden de las seguridad y facilitar la
Motores de búsqueda: con
del Machine Learning, El Deep traducciones corregidas popularización de servicios
el fin de refinar los resultados Coches autónomos: funcionan con
Learning es un tipo de algoritmo para aplicarlas en futuras en los que la identificación
que se obtienen al realizar Deep Learning, lo que les permite
de aprendizaje automático consultas. personal es imprescindible.
búsquedas, se utiliza la “saber” por dónde circulan o
estructurado o jerárquico, que
información que se obtiene reconocer los obstáculos que tienen
toma modelos existentes Lenguaje natural hablado Visión computacional: El deep
al recuperar los clics de los delante.
para identificar una realidad y escrito: La aplicación learning ha permitido que se
usuarios en los enlaces que Colorear imágenes en blanco y
o predecir el futuro con los del deep learning permite, produzca un salto cualitativo
se les ofrece, para cambiar la negro.
datos disponibles. Se puede en este caso, ofrecer en el entendimiento de
ordenación de los mismos en
decir que la gran diferencia entre servicios que reaccionen imágenes. Las máquinas hoy
búsquedas posteriores. Análisis y generación de informes:
machine learning y deep learning ante diferentes comandos en día reconocen imágenes
es que la segunda técnica eleva el los sistemas con machine learning enviados en lenguaje natural, mejor que los métodos
Fidelización de clientes y pueden analizar los datos e
aprendizaje a un nivel más detallado. tanto de forma oral como tradicionales.
venta cruzada: con el objetivo informar sobre ellos con un lenguaje
DISPOSITIVOS
ROBÓTICOS
La robótica (ciencia encargada
de los dispositivos robóticos)
y la inteligencia artificial
tienen propósitos diferentes,
pero pueden coincidir en
un punto intermedio, donde
se encuentran los Robots
Inteligentes.
Hasta hace muy poco,

todos los robots industriales
solo podían programarse
para llevar a cabo una serie
repetitiva de movimientos. Los
robots “no inteligentes” tienen
una funcionalidad bastante
limitada.
Por ello, los algoritmos de

inteligencia artificial a menudo
son necesarios para permitir
que el robot realice tareas más
complejas.
Artificial
Robotics
Intelligence
EJEMPLOS DE
Artificially PROYECTOS ROBÓTICOS
Intelligente
Robotics
Algunos robots pueden de Ekso Bionics, unos robots

Fuente: Robotiq
interactuar socialmente. Un que dotan de movilidad y
ejemplo de ello es el de Sophia, facilitan la vida a perso-
un robot humanoide desarrol- nas en rehabilitación. Este
lado por la compañía Hanson tipo de dispositivos repro-
EL MERCADO DE Robótics. Ha sido diseñada duce un modo de caminar
LOS ROBOTS INTELIGENTES para aprender y adaptarse completamente normal
al comportamiento humano en personas con graves
y trabajar con humanos. lesiones. Con el avance de
esta tecnología se consigue
Se espera que el mercado de La robótica en el ámbito también que estos robots
robots inteligentes crezca de asistencial y de rehabili- aprendan y vayan ajus-
3,49 mil millones de dólares tación también es muy tándose a los progresos de
en 2018 a 12,36 mil millones de importante, como por cada paciente.
dólares para 2023. ejemplo los exoesqueletos
Los sensores son dispositivos cualquier otro animal,

programados para confían enteramente en sus
Aplicaciones
recuperar información sobre experiencias sensoriales para
un entorno determinado. adaptarse a su entorno y así
Normalmente suelen poder encontrar soluciones a
traducir esa información, los desafíos que presenta la
que los humanos perciben realidad que perciben.
de la Inteligencia
a través de sus sentidos, a Esta capacidad de
un lenguaje entendible por improvisación es
máquinas. Los sensores y los fundamental en el siguiente
sistemas que integran son tipo de robots: los médicos o
el primer paso para crear quirúrgicos.
Artificial
sistemas automatizados Partiendo del axioma de
más eficientes, gracias al que no hay enfermedades
análisis del entorno, pero los sino enfermos y que cada
sensores, en combinación caso médico es diferente
con la inteligencia artificial al anterior, programar una
pueden tener más intervención quirúrgica es
aplicaciones. algo bastante complicado,
por no decir imposible. Y sin
Gracias a la tecnología de embargo existen robots que
sensores las inteligencias asisten a personal médico en
ROBÓTICA
artificiales pueden sentir, algunas de las intervenciones
ver, oler, oír o saborear casi más problemáticas, no
como lo haría un humano porque estén programados
y reconducir sus tareas de para ello sino porque saben
acuerdo a su experiencia reaccionar a los entornos
sensorial. cambiantes.
Los seres humanos, como
Se entiende por robótica exijan al robot responder a

a la ciencia o rama de la circunstancias cambiantes
tecnología, que estudia podría llevar a pensar que las
el diseño y construcción IAs no son necesarias en estos
de máquinas, también casos. Nada más lejos de la
conocidas como robots, realidad.
capaces de desempeñar Cualquier robot playback
tareas realizadas por el ser necesita ser programado para
humano o que requieren realizar una tarea, necesita ser
del uso de inteligencia. Los “enseñado”, ya que este tipo de
robots playback los cuales robots está equipado con un
repiten una secuencia de moto de inteligencia artificial.
instrucciones grabadas
previamente. Las capacidades de los
robots de playback en
Dentro de esta categoría el sector industrial van
se encuadran los robots desde la producción a gran
utilizados en fábricas, cadenas escala de vehículos, por
de montaje y en cualquier ejemplo, al ensamblaje de
proceso en el que se requiera microprocesadores, hasta una
la realización en serie de tarea que requiere una precisión
una tarea repetitiva. El nanométrica.
hecho de que las tareas que
realizan estos robots sean
rutinarias y que, por tanto, no
El uso de robots en medicina movimiento, comunicación, Por último, hablaremos de

se está generalizando habla o sonido. La interacción los robots móviles que están
como estándar en algunas productiva entre robots y provistos de patas, ruedas u
intervenciones y los sensores humanos es uno de los grandes orugas que los capacitan para
son una parte indispensable de objetivos de la aplicación de desplazarse de acuerdo su
los mismos. Por ejemplo, las la inteligencia artificial a la programación.
endoscopias tienen una mayor robótica. Un paso más allá en
calidad de imagen ahora este sentido es la creación Elaboran la información que
gracias al uso de sensores. de robots sociales, también reciben a través de sus propios
conocidos como androides o sistemas de sensores y se
También los robots quirúrgicos humanoides. emplean en determinado tipo
tienen ahora una mayor de instalaciones industriales,
precisión en sus operaciones El reto en el campo del diseño sobre todo para el transporte
gracias a las capacidades de humanoides reside en de mercancías en cadenas
táctiles. La simulación de la crear en ellos deseos y de producción y almacenes.
visión y el tacto son las dos emociones humanos. Es También se utilizan robots de
capacidades más ofrecidas por decir, pasar de replicar las este tipo para la investigación
los sensores de robots médicos, emociones humanas a tener en lugares de difícil acceso o
aunque hay otros tipos de iniciativa propia y deseos no muy distantes, como es el caso
sensores como los de posición, programados. de la exploración espacial y
las investigaciones o rescates
SIMULACIÓN
submarinos.
En este caso, las inteligencias
artificiales les ayudan a
orientarse en el entorno o a
EXPERIMENTAL
mantener el equilibrio cuando
así lo requieran.
Así pues, el campo de la robótica

abarca un gran número de
aplicaciones diferentes que se
traducen en un sinfín de tipos La simulación experimental es el procedimiento
de robots: desde los simples mediante el cual la técnica de combinación
robots que forman parte de matemática, organiza grupos de sujetos con
las cadenas de ensamblaje los cuales se prueba el efecto de una variable
en la mayoría de las factorías independiente en relación con una dependiente.
a los androides con aspecto
humano, pasando por los robots Este concepto llevado al campo de la inteligencia
artificial se traduce en que la simulación experimental
utilizados en el campo sanitario,
a través del ordenador persigue la reproducción del
que ya realizan con éxito tareas comportamiento de un proceso cognitivo real. Una
quirúrgicas. La robótica es una vez que se posee el conocimiento de los procesos que
industria en auge. Tanto es así operan en el comportamiento, se puede programar un
que se prevé que la inversión en ordenador para que reproduzca el comportamiento.
este campo llegue a los 94 mil
millones de dólares este año y la La experimentación es una de las bases del desarrollo
mayor parte de dicha inversión científico. Sin embargo, experimentar con una hipótesis
(el 70%) se llevará a cabo en en un entorno real puede ser un proceso largo y costoso
el segmento de la robótica y por tanto simular el entorno real mediante ordenador
puede ser una solución que permita un notable ahorro.
industrial.
El éxito de la industria robótica Pensemos, por ejemplo, en los sistemas de navegación de
se basa en gran medida un coche autónomo. Dichos 70%) se llevará a cabo en el
en las capacidades que los segmento de la robótica industrial. El éxito de la industria
robots están desarrollando. robótica se basa en gran medida en las capacidades que
Los robots de hoy en día los robots están desarrollando. Los robots de hoy en día
son mejores observando su son mejores observando su entorno, tomando decisiones
entorno, tomando decisiones y aplicándolas en la práctica gracias, entre otras cosas, al
y aplicándolas en la práctica uso de la inteligencia artificial. Sistemas han de reaccionar
gracias, entre otras cosas, al uso a las eventualidades difícilmente predecibles del mundo
real. No hay sistema en el mundo que pueda prever si un
de la inteligencia artificial.
RPA
también en sus potenciales
El conocimiento que la IAs almacenan aplicaciones prácticas, simular
después de miles de sesiones de el mundo real no es lo mismo
simulación puede ser trasladado que experimentar en él.
al mundo real sólo con unos leves
ajustes. Simular el mundo real en Como vemos en el siguiente Un RPA (Robotic Process Automation), es un
un entorno virtual y dejar que una IA gráfico elaborado por el equipo sistema de automatización de procesos,
interactue con el mismo con el fin de de Google de IA, las inteligencias tecnología de rápido crecimiento que
aprender a reaccionar de acuerdo que mejor comprenden la permite a las empresas implementar
con el entorno, no es una técnica realidad son aquellas que sistemas de software inteligentes o “robots”
utilizada únicamente en el campo de experimentan el mundo real en de software, que imitan las acciones de los
la conducción autónoma. De hecho, combinación con el simulado. usuarios humanos. Se puede instaurar en una
la simulación experimental es un amplia gama de industrias, en las que las
componente esencial en todo aquello Si bien es cierto que personas realizan tareas repetitivas de gran
que implique aprendizaje. existen diferencias entre volumen, liberando a estas para que puedan
la Inteligencia Artificial y la realizar tareas de mayor valor.
El ejemplo de la simulación de entornos simulación de procesos
reales por ordenador para enriquecer cognitivos, también existe una RPA engloba tres conceptos: Softwares de
inteligencias artificiales es perfecto influencia mutua entre ambas RPA, Tecnología Cognitiva e Inteligencia
para ilustrar lo que está ocurriendo disciplinas. De este modo ha Artificial. Es una gran alternativa para reducir
en el campo de la experimentación aparecido en los últimos años o eliminar cargas de trabajo de las personas
científica. Del mismo modo que una una nueva ciencia que aúna en grandes procesos de back-office (Procesos
máquina necesita experimentar ideas de ambas disciplinas: la repetitivos de finanzas, contabilidad, rrhh,
(o lo que es lo mismo: plantear una ciencia cognitiva. etc) que se puede integrar de forma poco
hipótesis, ponerla en práctica y invasiva en los entornos IT de las empresas,
medir los resultados) los humanos con casi cualquier aplicación existente en un
necesitamos de la experimentación proceso. Algunos ejemplos de uso son:
no sólo para aprender sino para
comprender nuestro entorno.
El hecho de que las inteligencias

artificiales sean capaces de realizar
cientos, miles o incluso millones de Atención al consumidor: Finanzas: Recursos Humanos:
experimentos en el lapso de tiempo
en el que un humano o un grupo Asignación de prioridades. Control del crédito. Gestión de nóminas y pagos.
de humanos realizaba uno solo, Respuestas a preguntas Facturación. Gestión de la asistencia
está suponiendo un avance clave frecuentes. y el tiempo.
Gestión de cobros.
en el campo de la investigación
coche que circula por delante ensayo y error, de modo que científica. Tanto es así que las Respuestas a preguntas fuera Órdenes de compra. Procesos de contratación.
de otro tendrá un accidente o para que un coche autónomo simulaciones experimentales son de horario de oficina.
Presupuestos. Educación y entrenamiento.
no como tampoco se puede logre esquivar a un peatón o a un estándar desde hace algunos
Gestión de la información de
prever el comportamiento un coche accidentado, ha de años en campos como la física Seguimiento de tendencias. Cumplimiento normativo.
los consumidores.
de los peatones al cruzar una haber experimentado varias (especialmente la de partículas
y la cuántica), la biología, las Notificaciones sobre los Finalización de contratos.
calle. Sin embargo, para que veces con estos eventos hasta
un coche sea totalmente que haya conseguido aprender matemáticas o incluso en ciencias consumidores.
autónomo ha de ser capaz de a reaccionar de manera óptima. sociales como la economía o la
reaccionar con éxito a este tipo sociología. IT: Adquisiciones: Fiscalidad
de incidentes aleatorios. Los Este proceso de ensayo y error
coches autónomos funcionan de ser realizado en un entorno Algunos de los proyectos científicos Instalación. Gestión de las Modelamiento y planificación
en gran medida gracias a las real implicaría un coste en más importantes de nuestro prioridades. de escenarios.
inteligencias artificiales con las tiempo y dinero incalculable. tiempo, como por ejemplo el gran Transferencias de archivos.
que están equipados, que van La solución, puesta en práctica colisionador de hadrones de Suiza, Planificación de la oferta y Preparación de impuestos.
almacenando su conocimiento por algunas de las empresas dependiente del Laboratorio Europeo Monitorización de servidores. la demanda.
sobre el mundo real y punteras del sector de los de Física de Partículas (CERN),
cuentan con herramientas de Sincronización, borrado y Gestión de cobros y contratos.
mejorando las reacciones a coches autónomos es crear
eventos no previstos. entornos virtuales en los que inteligencia artificial. vaciado de archivos.
Procesamiento de
las inteligencias virtuales de los devoluciones.
Aunque la simulación es una parte Gestión de archivos.
Estas inteligencias artificiales, coches autónomos navegan
por tanto, aprenden (machine al tiempo que reaccionan a fundamental no sólo en el diseño Gestión de envíos.
de las inteligencias artificiales sino Procesamiento de emails.
learning) en gran medida por cualquier problema no previsto. Análisis de categorías.
Administración de
proveedores.
El resultado de aplicar estas

herramienta implica un menor
índice de errores humanos,
la disminución de costes o la
ASISTENCIA de ayudar al usuario en una petición
concreta siempre podrá conectarse
internamente con una persona real
que le sustituya momentáneamente
VIRTUAL
realización de tareas repetitivas de y que pueda ayudar al usuario de
manera automática en cuestión de forma puntual sin que éste se entere
minutos o segundos. que ya no está tratando con el robot.
Un RPA se integra en la gestión de - Respuesta inmediata. Otra

procesos existente en cualquier característica fundamental es la
organización, sustituyendo a Accelerate time Reduce human Increase Decrease rapidez en la respuesta. Los usuarios
to value errors troughput development costs
L
aquellos agentes humanos cuyas de este tipo de sistemas están
tareas puedan ser realizadas por la Create test,
and deliver new
Eliminate copy/
paste mistakes
Fullfill automated
tasks in seconds
Develop automations
quickly with simple
a principal función de los acostumbrados a buscar información
inteligencia artificial. El seguimiento automations in introduced by or minutes, round record/playback asistentes virtuales es ayudar por internet y a realizar la mayor parte
de las tareas de la inteligencia
days or weeks. swivel chair
integration.
the clock functions.
a los usuarios a resolver sus de tareas mediante servicios web.
artificial puede ser hacerse gracias dudas y a realizar determinadas
a la integración de una interfaz Fuente: IBM acciones como reserva de Actualmente todo esto puede
gráfica (GUI) de fácil uso. billetes, compra de productos hacerse posible gracias a los
y consulta de información de avances que se han producido
Los RPAs no sólo optimizan los cualquier tipo entre otras. en los últimos años relacionados
procesos repetitivos, sino que con la inteligencia artificial (IA), el
además permiten una mejor La interacción entre un usuario y procesamiento del lenguaje natural
Se estima que mientras en 2016 un asistente virtual debe basarse
recolección de datos sobre (NPL) y el aprendizaje de máquinas
la inversión en este tipo de en estos seis principios básicos:
los mismos. Cuando un RPA (ML).
sistemas apenas llegaba a 250
gestiona preguntas realizadas por
millones de dólares, en 2021 se - Conexión desde múltiples
clientes, peticiones del personal El procesamiento del lenguaje
multiplicará hasta los 2.9 mil dispositivos: Un cliente que
de la empresa ocualquier otro tipo natural es una rama de la
millones de dólares. utiliza un servicio basado en
de tarea, extrae información,la Inteligencia Artificial que permite
clasifica y la pone a disposición de asistencia virtual debería poder entender el significado de las frases
Mucho se ha especulado hacerlo desde cualquiera de
futuros usos,todo ello de manera pronunciadas por un usuario. Esto
sobre como los robots, las los dispositivos inteligentes que
automática, haciendoinnecesaria la tiene aún al gu n a s limita c ion e s
inteligencias artificiales y, utiliza: smartphones, tablets,
inspección, previa o posterior, de un pri nci pal m ente d e b ido a la
específicamente, las RPAs, portátiles, ordenadores, etc.
agente humano. ambigüedad inherente al
reemplazarían a los humanos
lenguaje humano.
en los puestos de trabajo menos - Atención 24/7: Los servicios
Que un RPA sea capaz de
cualificados. Sin embargo, de atención al cliente tradicion-
gestionar en cuestión de En este proceso intervienen
muchos investigadores ales tienen horarios de atención y
segundos grandes cantidades de muchas tecnologías derivadas
apuestan porque el uso de los los usuarios solicitan información
información, con el consiguiente de la inteligencia artificial como el
RPAs no supondrá una gran en cualquier momento.
ahorro en costes, ha atraído la Reconocimiento Automático del
pérdida de puestos de trabajo
atención de empresas de todos Habla (ASR – Automatic Speech
sino la reorientación de la masa - Comunicación fluida: El
los sectores. Recognition), la Comprensión del
laboral hacia tareas creativas. asistente deberá ser capaz de Lenguaje Natural (NLU – Natural
entender lo que se le está pidiendo Language Understanding), Texto a
mediante una conversación Locución (TTS – Text to Speech) o
hablada, no solo saber qué Respuesta de Voz Interactiva (IVR -
palabras han sido pronunciadas. Interactive Voice Response). Todas
Gracias a los avances en estas tecnologías llevan a crear una
Inteligencia Artificial y en NPL experiencia de usuario personalizada
(Procesamiento del Lenguaje e inteligente dando la impresión
Natural) ya no es necesario teclear de que se está tratando con una
para que un asistente entienda lo persona.
que se le pide.
Por otro lado, los avances en
- Facilidad de uso: El sistema Machine Learning consiguen que
debe ser fácil de utilizar sin las aplicaciones aprendan a medida
complicaciones para el usuario. que son utilizadas. Los asistentes
virtuales utilizan esta tecnología para
- Eficiente al encontrar aprender a realizar nuevas preguntas
las respuestas adecuadas: El y obtener más información si en
asistente virtual deberá encontrar ocasiones anteriores la necesitaban,
la información que el usuario pero no estaban en su base de
necesita o realizar las acciones conocimiento.
que éste le solicite sin errores. Si
un asistente virtual no es capaz
encargados del análisis de datos Aprendizaje no supervisado: presenta a la red. También se predecir un cierto resultado.
REDES
han evaluado millones de conjuntos Los datos de entrada se utilizan llama Aprendizaje por Lotes.
de datos, combinándolos entre sí, para entrenar a la red cuya Amprendizaje en linea: El Existen diferentes arquitecturas
y decidido si la imagen que se les salida se conoce. La red clasifica ajuste del peso y del umbral se para las redes neuronales que
presenta es lo que buscan o no. Sus los datos de entrada y ajusta realiza después de presentar se diferencian en como fluye la
NEURONALES
exámenes son evaluados y aquellos el peso por extracción de cada muestra de formación a información entre los tres inputs
bots de análisis con el índice de características en los datos de la red. de la red. Estos son los modelos
acierto más bajo son descartados entrada. más frecuentes:
mientras que los que aciertan más Aprendizaje de refuerzo: Por todo lo anterior se
frecuentemente son utilizados en el Aquí el valorde la salida es puede decir que las Modelo de Perceptrón en
diseño de la siguiente generación desconocido, pero la red redes neuronales han Redes Neuronales. La red
de bots analizadores. Éste es un proporciona la regeneración ido apartándose de su neuronal tiene dos unidades
proceso que se repite hasta que se si la salida es correcta o incor- concepción inicial cercana de entrada y una de salida sin
C
consigue un determinado objetivo recta. Es Aprendizaje Semi- a la biología para centrarse capas ocultas. Estos también se
omo ya se ha comentado piensan. de índice de acierto o se reduce el Supervisado. en un enfoque basado en las conocen como “perceptrones de
anteriormente, las redes Esto se debe a que el proceso índice de fallo. Debido a que todo Aprendizaje fuera de matemáticas, la probabilidad una sola capa”.
neuronales vienen de la idea de diseño de redes neuronales el proceso, desde la construcción línea: El ajuste del vector de y la estadística. Se basan Función de base radial Red
de imitar el funcionamiento de las es un largo proceso basado en de los robots analizadores hasta peso y el umbral se realiza en una idea sencilla: dados neuronal. Estas redes son simi-
redes neuronales de los organismos tres entidades fundamentales. su evaluación, pasando por el sólo después de que todo el unos parámetros hay una lares a la red neuronal de ret-
vivos: un conjunto de neuronas Pongamos el ejemplo de análisis de las imágenes, es repetido conjunto de entrenamiento se forma de combinarlos para roalimentación, excepto que se
conectadas entre sí y que una red neuronal que será utiliza la función de base radial
trabajan en conjunto, sin que como función de activación de
haya una tarea concreta para estas neuronas.
cada una. Con la experiencia, Red neuronal multicapa de
las neuronas van creando y
Perceptron. Estas redes utilizan
reforzando ciertas conexiones más de una capa oculta de
para “aprender” algo que neuronas, a diferencia del
se queda fijo en el tejido, del perceptrón de una sola capa.
mismo modo que ocurre en Estas también se conocen como
los cerebros humanos. Las redes neuronales de alimentación
redes neuronales, por tanto, son profunda.
una parte fundamental de los Biological neurons or nervecells Silicon transistors
Red Neural Recurrente.
procesos basados en Machine 200 billion neurons, 32 trillion 1 billion byte RAM, trillion of byts Tipo de red neuronal en la que
Learning. interconnections in disc.
las neuronas de capa oculta
tienen autoconexiones. Las redes
La siguiente cuestión es obvia: Neuron size: 10 - 6 mm Single transistor size: 10 - 9 mm
neuronales recurrentes poseen
si una red neuronal virtual está Energy cosumption: 6 - 10 joules Energy consumption: 10 - 16 memoria. En cualquier caso, la
diseñada para replicar las per sec. joules peroperation per second
neurona de la capa oculta recibe
redes neuronales animales, la activación de la capa inferior,
Learning capability Programming capability
¿Podría una máquina pensar así como su valor de activación
como un ser vivo? Nada más anterior.
lejos de la realidad. Las redes Fuente: Xenonstack
Red Neural de Memoria a
neuronales virtuales están Largo Plazo y Corto Plazo (LSTM). El
diseñadas para analizar tipo de red neuronal en la que la
grandes volúmenes de datos, célula de memoria se incorpora
ejercicio que les sirve para a las neuronas de capa oculta se
extrapolar “enseñanzas” que denomina red LSTM.
luego aplican en sus tareas. usada para el reconocimiento millones de veces, es imposible Red Hopfield. Una red com-
Algunas de estas tareas de ciertas pautas visuales o determinar cuáles fueron pletamente interconectada de
son el análisis de imágenes, imágenes. los factores que ayudaron a neuronas en la cual cada neu-
la traducción de textos, el Para alcanzar este fin participan las inteligencias artificiales a rona está conectada a cada otra
reconocimiento del habla tres tipos de bots: uno que mejorarse a sí mismas. Aunque neurona. La red se entrena con un
y muchas tareas más. Las construye (imput layer) los este es el esquema básico patrón de entrada estableciendo
redes neuronales usan una bots que a su vez analizan los del aprendizaje en las redes un valor de neuronas al patrón
aproximación basada en el datos (hidden layer), en este neuronales hay diferentes deseado. Luego se calculan sus
ensayo y error y lo hacen de caso imágenes (el tipo de dato formas de llevarlo a cabo: pesos. Los pesos no se modifican.
manera autónoma. dependerá de la aplicación final Una vez entrenados para uno o
de la red neuronal) pudiendo los Aprendizaje supervisado: más patrones, la red convergerá
El volumen de datos que una evalúan y deciden si la imagen En el aprendizaje supervisado, hacia los patrones aprendidos. Es
red neuronal analiza es tan que ven se corresponde con lo los datos de formación se diferente de otras redes neu-
grande que los humanos no que buscan o no y finalmente introducen en la red y se ajustan ronales.
sabemos realmente cómo un bot que determina los índices los pesos de salida deseados
“piensa” una inteligencia de acierto de los bots de análisis hasta que la producción
artificial dotada de esta (output layer). produce el valor deseado.
tecnología. Lo único que
podemos hacer es validar Las redes neuronales son capas
su conocimiento. Es más, superpuestas de millones
ni siquiera las IAs con redes de tests en los que los bots
neuronales saben cómo
Red Neural de Máquinas de conocimiento de la red, realiza una función
HERRAMIENTAS DE
Boltzmann. parece seguir una dirección de análisis diferente y
Estas redes son similares a la completamente original, es decir, lo que funciona
red de Hopfield excepto que para una no parece funcionar para la siguiente.
algunas neuronas son introdu-
PERSONALIZACIÓN,
cidas, mientras que otras están
ocultas en la naturaleza. Los
pesos se inicializan aleatoria-
mente y se aprenden mediante
un algoritmo de retropropa-
ENTENDIMIENTO DEL
gación.
Red Neural
Convolucional. La arquitectura
COMPORTAMIENTO
de estas redes neuronales
está diseñada para imitar a las
neuronas de la corteza visual
primaria de un cerebro animal.
HUMANO,
Red Neural Modular.
Es la estructura combinada de
diferentes tipos de la red neuronal
como el perceptrón multicapa,
SEGMENTACIÓN
lared Hopfield, la red neuronal
recurrente, etc., que se incorporan
como un único módulo a la red
para realizar.
Red Física Neural. En este tipo

de Red Neural Artificial, se
utiliza material de resistencia
eléctricamente ajustable para
emular la función de sinapsis
el lugar de las simulaciones de
software realizadas enla red
neural.
El proceso de aprendizaje de SISTEMAS DE

APRENDIZAJE
las redes neuronales como
uno de optimización de los
conocimientos preexistentes de
la máquina en cuestión. Dicho
proceso de optimización de los
conocimientos de la máquina
se lleva a cabo de manera
autónoma, sin intervención
humana y sin que los humanos El uso de herramientas basadas en
sepamos exactamente como es. inteligencias artificiales también está
suponiendo una auténtica revolución en el
El estudio de los procesos campo de la enseñanza y particularmente
de aprendizaje de las redes en el campo del eLearning. El uso de
neuronales ha revelado herramientas basadas en IA en el campo
conclusiones interesantes. de la educación permitirá crear sistemas
Según Google, los procesos de educativos y herramientas de aprendizaje
aprendizaje son únicos para personalizadas, enfocadas al individuo, que se
cada red neuronal, sin que adaptan a su ritmo de estudio y que ayudan
exista un modelo predecible a que el estudiante aprenda de una manera
de aprendizaje. Cada neurona adecuada.
(que son cada una de las
líneas de código), o capa
RECONOCIMIENTO
DE PATRONES
Uno de los usos más extendidos de la que el 50% de los consumidores cambiaría
inteligencia artificial es el análisis de grandes de marcas si éstas no saben anticipar sus El reconocimiento de patrones es la ciencia Reconocimiento de caracteres escritos a
conjuntos de datos con el fin de extraer preferencias de consumo. que se ocupa de los procesos sobre mano o a máquina.
patrones de comportamiento humano que ingeniería, computación y matemáticas
permitan segmentar la oferta de productos o Así pues, es fundamental para las empresas relacionados con objetos físicos o
servicios de una determinada compañía. de hoy en día conocer a sus clientes, así como abstractos, con el propósito de extraer Reconocimiento de voz.
generar medios para relacionarse con ellos o información que permita establecer
Los consumidores, al interactuar online, personalizar su oferta. En la práctica esto se propiedades de entre conjuntos de dichos Aplicaciones en medicina: análisis de
generan datos que pueden ser recolectados, traduce en la recomendación personalizada de objetos. biorritmos, detección de irregularidades en
clasificados y usados. Dado que la cantidad productos, la optimización de las campañas de imágenes de rayos-x, detección de células
de conjuntos de datos y el volumen de marketing, la programación de campañas de Dentro del ámbito de la inteligencia infectadas, marcas en la piel...
estos no paran de crecer, la asistencia de publicidad de acuerdo con los horarios de sus artificial, el reconocimiento es utilizado por
Inteligencias Artificiales se está convirtiendo clientes, incentivos de compra individualizados tecnologías como el procesamiento del
en indispensable. De hecho, se estima que o el uso de asistentes virtuales o humanos a lenguaje natural y la visión computacional, Reconocimiento de huellas dactilares.
las técnicas de computación basadas en IA los que se les provee de antemano de toda la con el fin de automatizar la identificación de
se convertirán en un importante factor en información que necesitan. patrones simples o estructurados y modelar Reconocimiento de caras: utilizado para
la toma de decisiones, quizá el que más. Las diversos procesos perceptuales como lo son contar asistentes en una manifestación o
inteligencias artificiales no sólo permiten el El modo en que la IA puede conseguir estos la visión y la audición. simplemente para detectar una sonrisa.
análisis de patrones de comportamiento y, por resultados es mediante la recolección de datos,
tanto, el diseño de perfiles de usuarios, sino que su curación, análisis y uso. Las IA son capaces El uso de reconocimiento de patrones se Interpretación de fotografías aéreas y
también pueden servir para sugerir campañas de recolectar datos sobre compras pasadas, ha visto reflejado en terapias de lenguaje de satélite: gran utilidad para propuestas
de publicidad personalizadas y crear datos públicos de redes sociales tales como mediante el reconocimiento de la voz y militares o civiles, como la agricultura,
experiencias de consumo satisfactorias para las opiniones sobre un producto o servicio, sonidos, en las imágenes de rayos X, de geología, geografía,planificación urbana...
los clientes. Son los propios consumidores los historiales de navegación, por citar unos pocos positrones y de resonancia magnética
que demandan una oferta más personalizada. ejemplos. nuclear (RMN), de ultrasonido. Predicción de magnitudes máximas de
De hecho, un informe de SalesForce señala terremotos.
Los sistemas de reconocimiento de patrones
tienen diversas aplicaciones. Algunas de las Reconocimiento de objetos: con
más relevantes y utilizadas actualmente son: importantes aplicaciones para personas con
discapacidad visual.
Previsión meteorológica: poder clasificar
todos los datos meteorológicos según diversos Reconocimiento de música: identificar el tipo
patrones. de música o la canción concreta que suena.
VEHÍCULOS
AUTÓNOMOS
la idea de un vehículo autónomo fue en la Exposición universal de 1939, donde Norman Bel
Geddes, mostró un vehículo eléctrico que era controlado por un circuito eléctrico embebido en el
pavimento de la carretera.
Desde ese día hasta la actualidad el concepto de vehículo autónomo ha evolucionado mucho y
es que hoy en día la mayoría de las compañías automovilísticas ya trabajan en sus propios mod-
elos autónomos. Se espera que para 2030 los vehículos autónomos sean mayoría, al menos en vías
rápidas y entornos urbanos. Su llegada supondrá una transformación revolucionaria no solo de la
movilidad, sino también de la legislación, de la fisonomía de las ciudades o incluso del con-
cepto que se tiene de propiedad.
Según un estudio de Tony Seba, economista de la Universidad de Standford, los vehículos

EL INTERNET DE
LAS COSAS
autónomos se utilizarán diez veces más de lo que se usan los coches en propiedad, que apenas
están en funcionamiento durante un 4% de su vida útil. Por ello, moverse en un vehículo
eléctrico y autónomo será en 2030 entre cuatro y diez veces más barato que hacerlo con un
vehículo nuevo en propiedad.
Al mismo tiempo, el parque de vehículos se reducirá drásticamente. Seba cree que el

número de coches caerá un 80% en una década, desde 247 millones en 2020 a solo 44
en 2030. Esto recortará enormemente la afluencia de vehículos en las grandes ciudades, de
las que también desaparecerían las áreas de estacionamiento, que se desplazarán fuera de Se entiende por Internet de las Cosas (IoT), a toda que monitorizan la salud de sus
las zonas céntricas. una red de objetos físicos (vehículos, máquinas, usuarios, neveras que controlan el
electrodomésticos, etc) que utiliza sensores y APIs consumo de alimentos, coches que
Para llegar a ese punto de autonomía el vehículo ha de estar dotado con inteligencia artificial y es para conectarse e intercambiar datos por internet. recopilan datos sobre el estilo de
que, los vehículos autónomos están dotados de una gran cantidad de cámaras, sensores, radares conducción de los propietarios, etc.
y GPS que generan una gran cantidad de información que canalizados por un sistema inteligente En términos teóricos, el objetivo del IoT es que la Todos estos dispositivos generan
permiten que el propio vehículo “decida”. mayoría de los objetos estén permanentemente una gran cantidad de datos y si
conectados a Internet para mejorar su hay una tecnología que está lista
funcionalidad, entre otras posibles utilidades, para sacar provecho de grandes
incluyendo aquellas que van más allá de un uso volúmenes de información, como
particular. hemos visto, esa es la Inteligencia
Artificial.
¿CÓMO SACAR PROVECHO DE LA
INTERACCIÓN ENTRE INTELIGENCIA Las inteligencias artificiales son
S. Tsugawa and his
capaces de reconocer patrones de
colleagues at Japan’s Led by Ernest Dickman
ARTIFICIAL Y IOT? comportamiento de los consumidores,
Tsukuba Mechanical again, a Mercedes S-Class
The plans
Engineering Laboratory drove more than 1.600km o lo que es lo mismo, son capaces de
on having
autonomous
created an autonomous at a maximum speed dotar de sentido a conjuntos de datos
cars had already
car that was equipped of 180km/h, with 95%
La mayor parte de los dispositivos de inteligencia que de otra manera no serían más que
informaciones inconexas.
of the drive being fully
artificial poseen la capacidad de recolectar datos
with two cameras that
started.
used analogue computer autonomous.
technology for signal sobre sus y usuarios y sus respectivos entornos.

El potencial de los datos del consumidor
Headed by Ernest Dickman,
processing.
VaMoRS, outfitted with two
No son pocos los ejemplos de dispositivos de
GM and RCA had cameras, eight 16-bit Intel IoT dotados de sensores: relojes inteligentes es innegable, sobre todo en un contexto
supposedly developed a microprocessors and myriad de mercado en el que el conocimiento
scale model automated
system.
of other sensors and software,
del consumidor es esencial para aumen-
tar las ventas.
drove more than 90km/h for
roughly 20km.
Pero el uso de la inteligencia artificial en
combinación con los dispositivos IoT no
se limita al campo del análisis del com-
portamiento del consumidor ya que los
dispositivos IoT también pueden ser
1920’s 1939 1953 1958 1977 1979 1987 1994 1995 1995
utilizados para monitorizar pro-
cesos industriales.
En este sentido según Samsung, los

dispositivos IoT pueden ser usados
en sistemas de gestión de cadenas
GM successfully tested
Carnegie Mellon
University
de suministro. Mediante el análisis
a 1958 Chevrolet with
a front-end featuring Hans Moravec roboticists de los datos recopilados mediante

“pick-up coils” that enabled the drove NavLab 5, los dispositivos IoT y la aplicación
The GM’s Futurama exhibit could sense the Stanford Cart Ernest’s VaMP drove
a 1990 Pontiac
de medidas correspondientes se
at the World’s Fair gave the alternating current of a to successfully at up at 130km/h
Trans Sport,
achieving an
consiguen los siguientes beneficios.
wire embedded in the manoeuvre trough in simulated traffic;
idea public exposure.
a chair-filled room autonomous
road and would adjust and could recognize
for about 5 hours droving
the steering wheel road markings, it’s
with out human percentage
accordingly. relative position
intervention. of 98%
in the lane, the
presence of other
vehicles, and wether
it was safe to
change lanes.
Optimización de las funciones
Fuente: Get of road individuales de la cadena de suministro.
Interconexión de la cadena desuministro.
Nuevos negocios como la Servitización,

que consiste en la venta de productos
como un servicio.
BANCA
APLICACIONES
SECTORIALES DE
Métodos como el machine GESTIÓN DE FRAUDE la enorme cantidad de datos
learning o el Deep learning que fluyen, evitar las pérdidas de
están ayudando a las manera más efectiva y brindar
entidades en numerosos una mejor experiencia al cliente,
campos operativos. Y La crisis internacional de 2007 ya que se rechazan o retrasan
LA IA
lógicamente, las APIs tuvo consecuencias importantes menos pedidos.
especializadas son el punto en la forma en la que las enti-
de partida de cualquier dades financieras, de inversión Hay una gran cantidad de datos
transformación. Gracias a o comerciales, medían el riesgo adjuntos a cada transacción,
ellas los bancos pueden en sus operaciones de negocio. hay fuertes tendencias que se
crear productos finalistas Mientras que hoy en día sólo un pueden encontrar en patrones
que aporten valor a la 15% del control de riesgo bancario de compra y hábitos, y hay
entidad y sus clientes: recae en la analítica, en 2025 ese una respuesta al final del día:
permiten extraer datos porcentaje crecerá hasta el 40%. una transacción se cobrará de
LA IA VA A TRANSFORMAR ESTRATEGIAS Y MODELOS OPERATIVOS DE COMPAÑÍAS, relevantes de Big Data, nuevo, o no. Esto significa que
búsqueda de patrones Forrester ya publicó un informe etiquetar los datos y dar retroal-
CON MEJORAS SIGNIFICATIVAS EN LOS MODELOS DE PRODUCTIVIDAD COMO
que faciliten ofertas más en 2015 titulado “Stop Billions imentación a la máquina, que es
IMPACTO INICIAL DE SU APLICACIÓN. personalizadas, ajustes in Fraud Losses with Machine la forma en que aprende a ser
de precios o detección de Learning” donde decía que “los más preciso con el tiempo.
procesos de fraude bancario. mecanismos heredados de Como la máquina se acerca a
gestión del fraude fracasan en la los datos de forma objetiva y, por
Las tres preguntas clave en el economía actual”. naturaleza, está equipada para
uso de la inteligencia artificial El machine learning hace que la manejar grandes cantidades de
y en concreto del machine detección de fraudes sea más datos, puede detectar tenden-
learning, para la definición precisa, más escalable y mu- cias y enlaces que los humanos,
de productos y servicios y cho más rápida. Las empresas cuya visión es más limitada, no
la necesaria segmentación pueden mantenerse al día con pueden ver.
de los clientes es de dónde
vienen, dónde están y hacia
dónde van los usuarios de
banca. Para ello es obligada
la creación de un modelo
predictivo que sea interpret-
able por los equipos de
operaciones, con el cliente en
el centro de la lógica de ne-
gocio y que motive acciones
concretas. La idea es definir
Un 45% de las ganancias encuentran en fases de desarrollo servicios que se ajusten a las
económicas proyectadas para poco maduras, la IA es percibida necesidades e intereses de los
2030 van a venir derivadas por prácticamente la totalidad de clientes, tanto en el estudio de
de la aplicación comercial de los directivos de las compañías los hábitos de consumo como
soluciones de IA, a través de como una herramienta de los canales donde los usu-
mejoras y mayor variedad en fundamental para obtener una arios de banca muestran un
productos, y modelos de marketing ventaja competitiva respecto a los mayor compromiso.
y comercialización mucho más competidores.
personalizados y efectivos que
los actuales. A nivel global, el 72% En los próximos años se prevé
de los directivos cree que la IA será que, gracias al desarrollo de
la ventaja competitiva del futuro nuevos algoritmos, emergerán
y más de un 60% anticipa que la modelos de negocio
aplicabilidad de estas tecnologías disruptivos que forzarán a las
sobre la experiencia de cliente es empresas a comprender que
mayor que sobre el resto de las la trasformación digital no es
iniciativas en su organización. tan solo una tendencia, sino que
Pese a que la mayoría de los es esencial para seguir siendo
negocios no tienen implantados competitivos.
sistemas de IA complejos o se
TÉCNICAS CONTRA prever posibles fraudes. patrones o características

similares que permiten
EL FRAUDE
Por un lado, los métodos de hacer subgrupos del
aprendizaje supervisado volumen total de los datos.
más utilizados en este caso Son habituales métodos
El uso del machine learning son las redes neuronales como las redes bayesianas
para evitar el fraude financie- supervisadas y redes o los Modelos Ocultos de
ro se cimenta en dos grandes neuronales difusas para Markov para establecer
grupos generales: aprendizaje evitar tanto el fraude probabilidades y reducir
supervisado y aprendizaje no telefónico como las estafas la incertidumbre sobre si
supervisado. con tarjetas de crédito y realmente se ha producido
débito. un fraude financiero en un
En los métodos de machine comportamiento.
learning, la máquina aprende Por otro lado, el aprendizaje
a detectar comportamientos no supervisado, a diferencia Hoy en día, la mayoría de
anómalos a partir de una del que sí lo es, no cuenta los bancos del mundo
submuestra aleatoria de con la existencia de un fundamentan su lucha contra
datos, la cual es clasificada conjunto de datos de el fraude en la elaboración
como fraudulenta o no. muestra que permite el de modelos de patrones
Con la repetición sucesiva aprendizaje de la máquina derivados de subconjuntos
de este procesamiento de ni con la ayuda de una de transacciones históricas.
información, la máquina revisión humana, sino Por tanto, la capacidad de las
mejora su capacidad que el método tiene como entidades para evitar el fraude
predictora y es capaz de objetivo la identificación de que se comete por primera
vez y en tiempo real es muy
reducida. Además, esos
modelos históricos no tienen
la actualización debida por
razones de costes.
GESTIÓN DE RIESGOS
Finanzas y tecnología forman

un tándem inseparable REGTECH
en el mundo actual de las
finanzas. Las empresas
FinTech mejoran los servicios
financieros y ofrecen otros El término RegTech surge de la unión de Regulatory
nuevos aplicando la tecnología y Technology. Es relativamente nuevo, pues fue
existente. Así sucede con empleado por primera vez en 2016 por la FCA (Financial
las RegTech, las FinTech que Conduct Authority), un organismo supervisor del Reino
optimizan la gestión de riesgos Unido independiente del gobierno. Aunque la idea
de las entidades financieras. de usar tecnología para controlar el cumplimiento
regulatorio no es nueva, sí lo es el concepto de
RegTech que agrupa a las empresas que desarrollan
software específico para dar solución a diferentes
áreas reguladas del sector bancario.
Las soluciones de las RegTech permiten a las
entidades bancarias automatizar tareas de reporting
y control de riesgos que antes se hacían a mano o
con software menos avanzado, lo que les supone un
enorme ahorro en tiempo y recursos. Sin entrar en
detalles, además de cloud computing, las RegTech
utilizan la tecnología blockchain, biometría, análisis
semántico, Big Data y algoritmos de inteligencia
artificial.
OFICINAS VIRTUALES
La digitalización pasa por la

implantación de los asistentes
virtuales, una tecnología que
permitirá a los usuarios “hab-
lar” con las maquinas. Los
asistentes de voz o asistentes
virtuales son un tipo de solu-
ciones de software promovi-
das por los gigantes tecnológi-
cos mundiales (Apple, Amazon
o Microsoft, entre otros) y
capaces de procesar órdenes
verbales a través de altavoces
inteligentes o el teléfono móvil.
Muchos expertos vaticinan que

esta modalidad de inteligen-
cia artificial va a protagonizar
RETAIL
la próxima revolución digital
(como ya ocurrió en su mo-
mento
con los smartphones) y los
bancos no quieren quedarse
atrás en este nuevo paradig-
ma. De hecho, se espera que
el uso de chatbots y asistentes En el mundo del retail, la automatización inteligente basada en la IA ya
virtuales sea una de las palan- está generando crecimiento gracias a una serie de características que
cas más importantes emplea- tienen poco en común con las soluciones de automatización tradicion-
das este año por el área de ales.
marketing de los bancos. La primera de esas características es su capacidad de automatizar
COMO ACTÚAN complejas tareas del mundo físico que requieren adaptabilidad y agili-
LAS REGTECH dad.
El 51% de los consumidores
tienen asistentes de voz y, de La segunda característica de la automatización inteligente basada en la
ellos, el 28% realiza pagos y IA es su capacidad de resolver problemas relacionados con diferentes
Cumplimiento normativo: tanto regulaciones envía dinero a través de este industrias y tipos de trabajo.
al sector, como normas de la propia entidad. sistema.
Detectando posibles faltas y generando Y finalmente, la tercera característica de la automatización inteligente
informes de cumplimiento. La tendencia va a ir en rápido (y la más potente) es el autoaprendizaje, algo que se consigue mediante
aumento pues el 31% de la reproductibilidad a escala. La capacidad de autoaprendizaje de la
Análisis de transacciones y prevención de los consumidores usará IA supone un cambio fundamental: mientras que el capital de automa-
fraudes: asistentes de voz en lugar tización tradicional pierde rendimiento con el tiempo, los activos de
de visitar una tienda o una automatización inteligente no dejan de mejorar.
- Cumplimiento de normativas KYC oficina bancaria en el plazo
(Know Your Customer): conocer al cliente y la de tres años. Para entonces,
procedenciade sus fondos. los asistentes por voz serán la
- Cumplimiento de normativas AML (Anti
ENRIQUECIMIENTO
forma dominante de consumo
Money Laundering): evitar blanqueo de capitales y los compradores se gastarán DEL CAPITAL
y financiación de terrorismo. hasta un 500 por ciento más
que ahora por esta vía.
Análisis de clientes y movimientos: mejorar la Una buena parte del crecimiento económico
experiencia de usuario. basado en la IA no se deberá a la sustitución
del capital y el trabajo existentes, sino al hecho
Flexibilidad: las aplicaciones RegTech deben ser de que permite usarlos con mucha más efica-
rápidamente actualizables a los futuros cambios cia. Por ejemplo, la IA permite que las personas
normativos. se concentren en aquellos aspectos de su
trabajo que generan más valor. Además, de
Análisis de riesgo: predecir cambios bruscos ser una tecnología que enriquece el trabajo, ya
en los precios de los activos, anticipándose a que complementa las capacidades humanas
posibles amenazas en los mercados. y ofrece a los empleados nuevas herramientas
con las que pueden aumentar su inteligencia
natural.
VENTA ONLINE
RECOMENDACIONES
SERVICIO AL CLIENTE
APOYADO POR
CHATBOTS
Ligado al apartado
anterior, se encuentran las
recomendaciones y es que,
personalizar el website en Actualmente, los bots
tiempo real cuando el cliente
conversacionales ya apoyan Conforme las tecnologías de procesamiento
está navegando, generando
recomendaciones de a algunas empresas en áreas de lenguaje natural se van refinando, los bots
productos según sus gustos como servicio al cliente o conversacionales son cada vez más capaces
y ofreciendo una respuesta actuando como asistentes de de sostener conversaciones fluidas con
efectiva e inmediata desde ventas en redes sociales. usuarios humanos, ofreciendo una alternativa
los centros de atención al más eficiente y económica a los call centers e
cliente. implementando nuevos canales de venta.
Asegurarse de que el cliente

tenga un viaje satisfactorio,
repercutirá de manera
positiva en su fidelidad. Para
ello, será necesario que las
empresas recaben todos los
datos posibles de los clientes,
y es que, cuanto más
dispuesto esté un cliente
a proporcionar y registrar
datos sobre sus experiencias
de compra, más específicas
serán las recomendaciones
a medida que se acumule un
historial.
Por otro lado, una vertiente

de esta tecnología no
se basa en los datos
previamente recabados si
no en darle una respuesta
adecuada a una pregunta
directa del cliente, por
ENRIQUECIMIENTO ejemplo, el cliente sube una
DEL CAPITAL imagen de un producto y la
empresa debe responderle
ofreciendo todos los
La introducción de la IA en el sus servicios y ajustar sus productos que sean iguales o
mundo del retail permitirá que mensajes tanto en texto como similares con los que cuenten
las empresas conozcan mejor en apariencia, para asegurar en su inventario.
a sus clientes. una mejor experiencia desde
el primer momento.
Brindar experiencias y ofertas
personalizadas ya no es una Los datos son el material
opción, es una necesidad, primario de trabajo para
y esto va de la mano de la que los algoritmos hagan su
segmentación. magia y entreguen insights
Al analizar el comportamiento valiosos. Alimentar a la
de los usuarios, se obtiene inteligencia artificial con datos
una información que de calidad es vital y por ello
posteriormente las empresas hay que saber gestionarlos o
pueden utilizar para hacer conseguirlos.
sugerencias, personalizar
LOGÍSTICA LOS DATOS MEJORAN LA

EXPERIENCIA DE CLIENTE
Los procesos de suministro de entrega más eficientes, lo que se tradujo
y entrega de las compras para ellos en una reducción del 30% en la
online también pueden verse distancia recorrida y un 10% menos en su uso Si los datos del cliente tienen la la información de los clientes directamente,
beneficiados gracias a la de vehículos. información correcta, la inteligencia se utiliza la inteligencia artificial para el
implementación de IA. Este Para DHL, la IA y la personalización de los artificial puede ofrecer resultados análisis y procesamiento de la información,
es el caso del gigante chino procesos de compra-venta, así como las mucho mejores para mejorar la y finalmente ofrecer un servicio equipado
del comercio electrónico cadenas de suministro inteligentes que hacen experiencia del usuario. Es más con ese análisis inteligente.
Alibaba, que a través de lo que uso de sistemas de machine learning, ya probable que los datos provenientes La captura de datos efectivos es la tarea
llaman “logística inteligente” comienzan a tener un impacto en la industria directamente de los clientes produzcan más desafiante en el proceso de aplicación
han logrado mapear las rutas de la logística. A pesar de la gran inversión mejores resultados. Primero se obtiene de inteligencia artificial.
en tecnología que representan, las cadenas
de suministro autónomas y basadas en datos
permitirán la optimización de fábricas, logística,
almacenamiento y entrega.
LA IMPORTANCIA DE LA IA EN
CUSTOMER EXPERIENCE
La Inteligencia Artificial ayuda a conectarse

con los clientes en tiempo real con precisión
y previsibilidad, además encuentra ideas
ocultas en los datos disponibles sin hacer
ninguna suposición al azar.
CHATBOTS QUE ENTIENDEN
TURISMO
A LOS CLIENTES
Los chatbots, según un estudio de Juniper

Research, ahorrarán más de 8 mil millones de
dólares por año hasta el 2022. Por lo tanto, en
el futuro, los chatbots serán más inteligentes RECOMENDADORES
y resolverán muchos problemas por sí mismos
sin necesidad de intervención humana.
Además del ahorro de costes, los chatbots La inteligencia artificial (IA), a través del una huella digital cada vez más completa. Cada
también ahorran tiempo, una media de 4 “machine learning” y de la técnica conocida interacción en las redes sociales, en la web o en los
minutos por consulta en comparación con las como “deep learning”, permite crear sistemas de mensajería aportan datos que permiten
formas tradicionales de atención al cliente. algoritmos que replican la lógica que se sigue conocer gustos, tendencias, preferencias, etc.
en la vida antes de tomar una decisión. La
También están cambiando las formas en que gran diferencia es que en lugar de preguntar Todos esos datos entrenan en los algoritmos para
las marcas se mantienen en contacto con a dos o tres personas, la inteligencia artificial que encuentren patrones, aprendan de ellos y sean
sus clientes y fomentan la lealtad de marca permite hacer consultas que equivaldrían a capaces de hacer nuevas relaciones. En el caso
entre los clientes. Además, usan su inteligencia hablar con más de una persona. de los sistemas de recomendación aprenden a
en la misma medida mientras ayudan a los encontrar y escoger una nueva propuesta para
clientes con la mejor respuesta posible, y es Los sistemas de recomendación, como cada usuario. La mayoría de las recomendaciones
que los clientes buscan soluciones rápidas y todos los sistemas de inteligencia artificial, funcionan principalmente de acuerdo con tres
sin fricción, y los chatbots ayudan en el mismo se alimentan de datos. El hecho de que hoy modelos basados en: la popularidad, en el contenido
contexto. la IA sea más tangible que nunca se debe y en el histórico de los usuarios.
precisamente a que los usuarios generan
BASADO EN EL e incluso orientar los anuncios

BASADO EN LA BASADO EN EL publicitarios de las empresas
POPULARIDAD CONTENIDO HISTORIAL, KNN
hacia el lugar donde las
(K-NEAREST NEIGHBOR)
multitudes se encontrarán en
un momento predecible.
La recomendación se realiza Este tipo de algoritmo sugiere Las recomendaciones
de acuerdo con lo que le recomendaciones basadas basadas en el histórico de El turismo smart city
gusta a la mayoría. Las en el perfil del usuario o del los usuarios se conocen se ve afectado por los
primeras recomendaciones producto, son frecuentemente de forma general como eventos deportivos y de
serán aquellas que han sido usados cuando no existe “filtrado colaborativo”. A entretenimiento, mercados
elegidas por los usuarios en un historial de compras, de partir de ese histórico, por clave para las tecnologías
primer puesto. La desventaja visualizaciones, ouso, etc. por ejemplo, se podría llegar a de gestión de multitudes, y es
de estos sistemas es que no parte del cliente o del producto encontrar similitudes entre que, miles de personas asisten
tienen en cuenta el perfil del arecomendar. usuarios para generar una a estos eventos. Aunque los
usuario, ni las características En la actualidad, los métodos recomendación. Esto es lo tipos de eventos varían, la
del producto (destino, medio basados en contenido se que hace KNN, que utiliza los tecnología del turismo smart
de transporte, etc.) combinan con algoritmos que (K) vecinos más similares a city es uniforme y transferible.
usan filtrado colaborativo. un usuario para sugerir un Los gerentes de eventos
nuevo producto. quieren administrar multitudes
Por otro lado, el reto de de forma segura y maximizar
la inteligencia artificial los ingresos del evento. La
está ahora en desarrollar tecnología turismo smart city
metodologías capaces IoT puede proporcionarles
de hacer asociaciones a los gerentes de eventos
mucho menos lineales. Esas información valiosa sobre dónde
que llevan a encadenar se encuentran las personas,
pensamientos que nada cómo se mueven y llegan o
tienen que ver con la lógica, salen del sitio del evento.
pero sí con las vivencias y
las emociones.
OPTIMIZACIÓN DE LOS
RECURSOS DE LA CIUDAD
Una manera de gestionar

los recursos de la ciudad
a través de la inteligencia
artificial son las carreteras
inteligentes. Estas carreteras
inteligentes son, además,
un facilitador esencial de
los vehículos autónomos,
que prometen reducir el
número de accidentes de CONTROL DEL TRÁFICO
tráfico en un 90%. Asimismo,
SMART CITIES tienen el potencial de
reducir la congestión y La automatización del tráfico gracias a la Inteligencia
la contaminación, dos Artificial proporcionará medidas exactas de las cargas
La gestión de grandes aparición del IoT. digital. problemas graves en la que soportan las vías para interpretar de mejor
multitudes se ha Según el último estudio de El turismo smart city actualidad debido al manera la topología de las acciones, que se deducen
revolucionado con el IDC Research España, durante aparece, en parte, gracias aumento de vehículos de los desplazamientos, de las características del
Internet de las Cosas (IoT). 2018 la inversión relacionada a los grandes eventos: circulando en las carreteras punto de partida y del destino y que afectan a la vida
Antes del uso generalizado con los proyectos Smart conciertos, eventos de todo el mundo. social y económica. La robotización del tráfico ayudará
de los smartphones, las City alcanzará los 80.000 deportivos, desfiles de moda, A escala europea son a interpretar de manera más concisa las acciones
multitudes se administraban millones de dólares en todo etc. La gestión inteligente muchos los proyectos de las personas y a comprender las actividades de la
mediante videovigilancia el mundo, y aumentará hasta de grandes multitudes es que se enfocan en las ciudad.
y reconocimiento facial los 135.000 millones en 2021. una manera excelente de carreteras del mañana
humano. Estos métodos Este sector está generando aprovechar, mediante el y los vehículos del futuro. Las previsiones apuntan a que a los semáforos les
requieren trabajadores nuevas oportunidades de turismo smart city, el IoT Uno de ellos es el proyecto sucederá una capa de inteligencia sobrepuesta a
manuales en el otro lado de negocio y nuevas necesidades para agilizar los servicios Inframix, que preparará la nuevas tecnologías de propulsión, de conducción y de
la pantalla para administrar en materia de tecnología, proporcionados. Las mismas infraestructura vial para dar comunicaciones.
manualmente el flujo que llevarán a empresas tecnologías se pueden apoyo a la coexistencia de
de personas o evitar el y administraciones a usar para desplazar las vehículos convencionales y
movimiento en situaciones evolucionar su infraestructura personas a donde deben automatizados.
de emergencia, pero todo para afrontar los retos que estar, planificar los servicios
eso ha cambiado con la implica esta transformación según su comportamiento
CONTROL DE LA
INDUSTRIA
CONTAMINACIÓN
En el ámbito industrial, la robótica y la
implantación de sistemas basados en Inteligencia
Artificial continúan lo que otras tecnologías de
El crecimiento explosivo del desarrollados aprovechan en cada una de las posibles automatización ya han hecho en el pasado. El
número de habitantes de los datos obtenidos de la red modalidades de transporte uso de máquinas y ordenadores para sustituir el
las ciudades plantea un móvil para estimar los niveles se convierten en “sensores” trabajo humano, en una gama cada vez mayor de
enorme desafío para las de emisiones de carbono y la que facilitan información de tareas y procesos industriales.
infraestructuras urbanas, que contaminación del aire en las gran utilidad. Esta metodología Pero, estos sistemas no se limitan a sustituir
están llegando a sus límites ciudades, a partir del análisis permitió a los científicos tareas que requieren la fuerza humana, si no que
en muchos lugares. de los patrones de movilidad calcular la concentración de actualmente las tecnologías impulsadas por IA
El objetivo es predecir y de los ciudadanos que utilizan contaminantes atmosféricos pueden recuperar información, coordinar logística,
anticiparse a los primeros sus dispositivos móviles. en las zonas urbanas con un manejar inventarios, proporcionar servicios,
desencadenantes 77% de precisión. escribir informes comerciales, etc.
ambientales en la mayor De esta forma, las personas
brevedad posible. Los pilotos que circulan por la ciudad
AUTOMATIZACIÓN
DE TAREAS
FMS
(Flexible Manufacturing Systems)
Desde el transporte pasando por el diseño

hasta la fabricación, la automatización de
tareas se puede encontrar en casi todas NUMERICAL TIPES OF INDUSTRIAL
las industrias. Por ello, existen varios tipos de CONTROL AUTOMATION ROBOSTS
automatización, que se van adaptando a las
diferentes necesidades de cada sector.
(Computer-aided manufacturing)
CAM
FMS(Flexible Manufacturing Systems)
Los sistemas de fabricación flexible integran
numerosas herramientas de automatización
industrial como la robótica, los sistemas de
control y similares para desarrollar un sistema
práctico.
inspección CMM…
SEGURIDAD -Capacidad de integración con otros sistemas
CAM(Computer-aided manufacturing) DNC para la entrega y gestión de archivos
La fabricación asistida por ordenadores (CAM) en máquinas CNC.
comúnmente se refiere al uso de aplicaciones de
El objetivo de la IA en este ámbito, es la de encontrar software de control numérico (NC) para crear -Se trata de un sistema de automatización que
vulnerabilidades y corregirlas, de una manera más eficiente instrucciones detalladas (código G) que dirigen ayuda a crear, verificar y optimizar programas
y rápida a la que podría requerir hacerlo una persona máquinas para la fabricación de piezas. NC para una productividad de mecanizado
manualmente. Pero, la implementación de la inteligencia artificial La implementación de este tipo de tecnología en óptima, asícomo automatizar la creación de
en el ámbito de la seguridad puede chocar directamente con la la automatización de las tareas conlleva ciertos documentación.
privacidad de las personas. La recopilación de datos, el análisis beneficios para las compañías:
de estos, la utilización que pueda darse de estos análisis, unidos a
-Los sistemas CAM avanzados conintegración
las posibles fugas de información que puedan producirse, crean
de gestión del ciclo de vida del producto (PLM)
un gran debate ético, que necesitará respuestas con normativas -Ampliación de los diferentes tipos pueden proporcionar a los empleados de
y regulaciones que, por un lado, permitan mantener un grado de de equipos que se pueden utilizar planificación y producción de manufactura
privacidad adecuado y, por otro, preservar la privacidad de los para la producción, que incluyen la administración de datos y procesos para
individuos. máquinas de alta velocidad, garantizar el uso de datos correctos y recursos
multifuncionales,equipos de estándar.
Control numérico (NC) ESTANDARIZACIÓN

Se trata de un tipo de automatización
DEL PRODUCTO
programable, en la que todo el sistema
se gestiona mediante números, signos
o símbolos. Estas herramientas son
las principales responsables de llevar La estandarización del producto final con respecto a la apariencia ayuda
a cabo tareas recurrentes, como aumentar el factor de reconocimiento en el mercado y diferenciación con el
impresión 3D, simulacros, etc. resto de los competidores. La reducción del personal disminuye los posibles
errores humanos, que provoquen que cada producto sea diferente.
Robótica industrial
La norma ISO 8373 define a la robótica Al mismo tiempo, el riesgo laboral baja al existir menos contacto directo
industrial como un manipulador con la maquinaria. Todo esto contribuye a un flujo de producción seguro y
multifuncional, controlado continuo.
automáticamente, reprogramable en
tres o más ejes, que puede estar fijo Además, los datos generados a través de tareas potenciadas digitalmente
o móvil para uso en aplicaciones de abren nuevos caminos para el enriquecimiento laboral y la retroalimentación
automatización industrial. positiva. La IA se pueden aplicar a los datos para comprender y mejorar las
tareas y los resultados del trabajo de los empleados.
OPTIMIZACIÓN PROCESOS
NUEVOS ENFOQUES PRODUCTIVOS
TECNOLÓGICOS
Paralelos a los tipos de automatización MAYOR PRODUCTIVIDAD En un sector tan innovador como el
clásicos, están surgiendo nuevos tipos industrial, parece que queda poco
de tecnología, que ayudarán en el por mejorar para conseguir una
desarrollo de las tareas, permitiendo a transformación digital definitiva.
La automatización de tareas
los empleados realizar mejor su trabajo. En muchos casos la inversión
permite a las empresas mejorar
el rendimiento, reduciendo en I+D se centra en la creación
Realidad mixta. de nuevos productos, y no tanto
errores y mejorando la calidad y
La realidad mixta está preparada en la optimización de procesos
la velocidad, y en algunos casos
para ayudar a los trabajadores productivos que puedan llevar a
logrando resultados que van
a completar tareas cruciales de aumentar el margen de beneficios,
más allá de las capacidades
manera más rápida, más segura y un precio competitivo a los clientes,
humanas.
más eficiente, y también servirá como y alcanzar altos estándares de
Por otro lado, la automatización,
un catalizador para la innovación calidad.
permitirá a los trabajadores
libera parte de su tiempo para
que se centren en actividades Un proceso productivo consiste en
en industria a medida que la mezcla una secuencia de actividades o etapas.
de mayor valor, identifiquen los
física y digital se combinen. Es típico hablar de procesos de
desafíos de clientes y negocios y
encuentren soluciones creativas producción en el ámbito industrial.
La realidad mixta también permite Pero además de en las fábricas,
e innovadoras que ofrezcan
la creación de programas este tipo de operaciones también
las mejores experiencias de
personalizados de capacitación con se tienen muy en cuenta en otras
los clientes que impulsan a las
una perspectiva de primera persona empresas.
organizaciones.
e instrucciones paso a paso sobre
nuevos productos, procesos y equipos. Cuando se habla de optimización
de procesos productivos,
La automatización de tareas, busca habitualmente se piensa en
el ahorro de tiempo y de costes, la sistemas como Six Sigma o Lean.
agilización del trabajo y la facilitación Metodologías utilizadas para
para la toma de decisiones. mejorar los procesos de negocio
mediante la utilización de análisis.
Este tipo de metodología se ha
implementado dentro de una
gran variedad de industrias para
lograr ahorro de dinero y al tiempo
aumentar la satisfacción del
cliente.
IOT
Las industrias que se

aprovechan del IoT ob-
tienen diversos beneficios.
La aplicación de procesos
basados en internet y nuevas
tecnologías permite tomar
decisiones consensuadas
respecto a la monitorización
de procesos físicos, ya que
se detectan antes los fallos y
errores y facilita las posibles
correcciones.
Además, posibilita conec-

tar diferentes etapas de
producción y obtener
información a tiempo real
y anticiparse a las necesi- CLOUD COMPUTING
dades de los compradores.
La aplicación de nuevas
OTROS
tecnologías en el sector de
la manufactura permite a Los servicios en la nube permiten
las empresas ser competi- a las empresas de cualquier
tivos en un terreno de lucha sector monitorizar y automa-
constante por ofrecer la tizar en tiempo real tareas de
mejor calidad y fidelizar al dispositivos como máquinas o
consumidor. Un ecosistema robots, entre otros. Hace posible OCIO
dominado también por una una reducción significativa del
profunda globalización. Las tiempo de pedido, la manipu-
BIG DATA principales industrias pasan lación y los costes de transporte Actualmente, existen dos grandes fuerzas que
por la disminución de errores y proporciona una visualización están impulsando la IA en el sector del ocio.
en procesos de fabricación instantánea de problemas reales.
y la creación de fábricas También asegura una mejor co-
más eficientes. municación con todas las partes
El proceso de transformación hacia una interesadas a través de la planifi-
industria moderna y eficiente supone la cación de ventas y operaciones.
LA DEMANDA
Existen varias estrategias que
digitalización de los procesos productivos y, impulsarán el crecimiento y
como consecuencia, la generación de una gran mejorarán resultados financi-
cantidad de datos a explotar. La utilización de Big eros gracias al IoT: Lo que está promoviendo el cambio en la industria es
Data supone transformar esos datos en valores el deseo de los consumidores de vivir en un mundo con
que permitan anticipar posibles ineficiencias o -Evitar las interrupciones en el mayor espontaneidad y personalización en la manera
anomalías en la producción con su consecuente procesode producción. en que consumen contenido, se comunican y se relacio-
impacto en la reducción de costes y la mejora nan con las compras.
de los tiempos productivos. -Adaptarse con mayor EL SUMINISTRO DE Más de la mitad (55%) de los millennials escogerían su
agilidad a las demandas del NUEVOS PRODUCTOS, menú de entretenimiento y medios a partir de una lista
Permite comparar el funcionamiento y mercado. SERVICIOS Y basada en recomendaciones de Inteligencia Artificial o
problemas comunes que surgen durante PLATAFORMAS seleccionada totalmente por un robot virtual. Los avanc-
la fabricación en masa para su detección, -Diversificar los productos. es llegan justo a tiempo para responder a la demanda
asilamiento y eliminación. Pasando por de nuevas formas de experiencias digitales, a la cre-
la innovación y evolución de productos, -Mejorar la visibilidad y el ciente
optimización de la maquinaria productiva y Por otro lado, la inteligencia artificial no solo ha llegado complejidad de seleccionar y acceder a medios digitales,
control deprocesos.
niveles de calidad ofrecidos al ofertarse en para cubrir las necesidades de los usuarios sobre que y a las preocupaciones sobre seguridad y privacidad.
el mercado. Y con un continuado contacto música escuchar o que película ver si no, para ofrecer-
-Reducir los costes de pro-
a nivel de incidencias y satisfacción con los les otras oportunidades creativas, a través de las cuales
ducción
consumidores de dichos productos. puedan proyectar sus mejores habilidades por ejemplo
en el sector del diseño..
Por lo que, en definitiva, los beneficios para
empresas son empíricamente enormes y En el sector de los videojuegos también se están con-
por extensión, aplicables en la totalidad de siguiendo grandes avances gracias a la inteligencia
departamentos que conforman las mismas. artificial. Un equipo de investigación del Instituto de
Tecnología de Georgia ha desarrollado un sistema de
inteligencia artificial capaz de estudiar cada uno de los
frames de un videojuego 2D, y con esto construir una
réplica completa del motor de ese videojuego con sólo
mirar dos minutos del gameplay.
Se trata de un proyecto de investigación que alterar significativamente el funcionamiento del

busca demostrar como la inteligencia artifi- sector de la salud, tanto porque puede tanto como-
cial podría ser benéfica en ciertas industrias automatizar ciertas tomas de decisiones clínicas y
al aligerar la carga de trabajo. Por ejemplo, ayudar al personal médico a analizar los resultados
dentro de los videojuegos se podría entrenar de algunas pruebas complementarias de forma
a una plataforma para que muestre distintos más rápida y precisa, porque es capaz de identificar
estilos de juego basados en una pequeña ineficiencias en los procesos asistenciales, automa- TELEMEDICINA
muestra, con lo que los desarrolladores pod- tizar partes de las cadenas de suministro, realizar
rían invertir más tiempo en otros factores de tareas repetitivas de modo más eficiente, u opti-
mayor complejidad. mizar los procedimientos de obtención y comerciali-
zación de nuevos fármacos. Actualmente ya existe una gran
La inteligencia artificial ha llegado en un diversidad de sistemas que permiten
momento central para el desarrollo de la Las eHealth que se desarrollan a través de los pro- el seguimiento y control de pacientes
industria del ocio y de sus profesionales. Si se ductos y servicios que están relacionados con la FARMA
desde sus casas gracias a las nuevas
aplica de la manera adecuada, puede ser inteligencia artificial son los siguientes: TIC. Estos dispositivos promueven tan-
un catalizador para fortalecer las áreas de to la autonomía del paciente como la
la compañía cruciales para su crecimiento. optimización del tratamiento en cada
La IA da a los humanos más tiempo para En los próximos diez años, dicen que
momento evolutivo de la enfermedad. la IA se integrará universalmente en
generar valor, desatar la creatividad, ejerci-
tar el juicio y pensar en el flujo de su trabajo, operaciones de investigación y de-
BIG DATA Además, el uso de cloud computing, o sarrollo farmacéutico. La razón prin-
más que en los procesos que lo gobiernan. computación en la nube será esencial
Cuando se entienden y gestionan bien, la cipal de esto es que parece ser capaz
para el desarrollo de la telemedicina. de resolver los problemas que han
estandarización y la creatividad no tienen por Permite predecir riesgos individuales en tiempo real. Eso ocurre porque la nube proporcion-
qué chocar. plagado perpetuamente el campo,
Esto es, una utilidad llamada a transformar radi- ará la grabación de las informaciones especialmente el tiempo para el des-
calmente las estrategias preventivas, entre otros generadas sobre cada paciente, sea cubrimiento de fármacos y la tasa de
impactos de gran calado en muchos ámbitos del en los sistemas informatizados de los éxito de los ensayos clínicos.
HEALTH sistema sanitario. hospitales o en los gadgets, sin que
haya la necesidad de grandes inver- Lo que generalmente hace que el
El mundo de la salud está experimentando la siones en hardware y software. descubrimiento de fármacos con-
mayor revolución tecnológica de su historia. El suma tiempo y sea ineficaz es la falta
termino eHealth define al conjunto de TIC que La nube permite que esa cantidad, de comprensión de las compleji-
se emplean en el entorno sanitario en mate- cada vez más grande, de datos gener- dades biológicas de la enfermedad,
ria de prevención, diagnóstico, tratamiento, ada por sistemas digitalizados se grabe y es esto sobre lo que la IA podría
seguimiento y gestión. Su objetivo general es con seguridad, por medio de la misma influir, particularmente al ayudar a
ahorrar costes y mejorar la eficacia del sistema plataforma. Eso agiliza el acceso a las identificar genes causales verdaderos
sanitario en su conjunto. informaciones, independientemente y vías para enfermedades complejas
La inteligencia artificial tiene el potencial de de la localización del médico y del que aún eluden los científicos a pesar
paciente, que pueden, incluso, estar de los avances en la secuenciación
en localidades distintas. La descarga genómica.
en la nube también evita la pérdida
de los datos en el caso de que haya Al tener una comprensión más
problemas físicos en hardware y completa de la base biológica de
proveedores, como un incendio, por la enfermedad a través de la IA, el
ejemplo. proceso de I + D se racionalizará con
los científicos en una mejor posición
Para los especialistas, el intercambio de para desarrollar terapias a partir de
información pasará a ser rápido y seg- la compensación, sin tanto ensayo
uro, gracias a la colaboración de una y error. Además, se espera que la IA
red mundial de inteligencias artificiales también ayude a eliminar el elemen-
interconectadas a través de la gra- to de “suerte” que se observa en si
bación en la nube. Además, el paciente, un medicamento es exitoso o no en
recibirá un diagnóstico más seguro y ensayos clínicos al identificar conpre-
asertivo. cisión el subconjunto de pacientes
que sebeneficiarán. Reducir la tasa
de fallas a su vezahorrará a la indus-
tria miles de millones dedólares.
El potencial más evidente de integrar

inteligencia artificial y la medicina
es mejorar la salud de la población.
Con mejores diagnósticos, tratami-
entos más efectivos, se alargarán las
vidas. Incluso se puede mezclar datos
biométricos y predicción para evitar
tener que ir al hospital, en primer
lugar.
CIBERSEGURIDAD
Predicciones
En la actualidad existen dos tipos de esquemas de Los principales fabricantes, especialmente
inteligencia artificial y ciberseguridad que predomi- los emergentes, están apostando por la In-
nan: los definidos por analistas y los definidos por teligencia Artificial para mejorar las capaci-
máquinas. dades de sus productos, ya sean antivirus,
sistemas de detección de intrusiones, siste-
Sistemas de ciberseguridad definidos por los mas de gestión de eventos de seguridades,
especialistas. cortafuegos, detectores de spam, etc., pero
Los esquemas de seguridad definidos por los por el momento son fundamentalmente
analistas aplican protocolos y reglas creadas pequeñas funcionalidades construidas sobre
con base en la experiencia de especialistas hu- el núcleo de sus productos.
manos en el tema, sin embargo, pueden fallar
sobre todo cuando se enfrentan a vulnerabili- Los algoritmos de Inteligencia Artificial, por
dades de día 0, es decir, nuevas amenazas que su capacidad de aprendizaje, se presen-
no habían sido detectadas con anterioridad. tan como una tecnología idónea para un
problema, los ciberataques, que evolu-
cionan constantemente para evadir las
MITOS
herramientas de detección. Buscamos,
Sistemas de ciberseguridad definidos por por tanto, invertir el paradigma clásico de la
máquinas. ciberseguridad según el cual las medidas
Por su parte, los protocolos de seguridad defensivas siempre van por detrás de los
definidos por máquinas corresponden a atacantes.
tecnologías como Machine Learning y Deep
Learning, con las cuales es posible detectar Cada persona tiene su propia
patrones de comportamiento en las redes y idea en torno a la inteligencia
predecir ataques futuros, sin embargo, esto artificial concebida a partir LA INTELIGENCIA ARTIFICIAL
favorece los falsos positivos, provocando que de libros, películas, series o SON SOLO ROBOTS
al final, dichos esquemas también requieran de noticias. Sin embargo, esto
cierta interacción humana y de monitoreo. también ha dado lugar
a ciertos mitos que son
necesarios para entender que
Es cierto que el concepto de IA es algo difuso,
es y que supone realmente la
pero desde un punto de vista científico se
Inteligencia Artificial, algunos
puede definir como la tecnología encargada
de estos mitos son:
de imitar el cerebro de una persona -no el
cuerpo- en todas sus funciones.
En muchas ocasiones parecen confundirse

inteligencia artificial, robótica, aprendizaje
de máquinas, Big Data, etc. La confusión
más común implica la IA y la automatización
de tareas, un término que tiene que ver
exclusivamente con la programación de
computadoras, no con la creación de una
UNA MAQUINA CON inteligencia. Robots industriales, drones, o
CONCIENCIA SE PUEDE estanterías que se organizan por sí mismas,
son ejemplos de máquinas programadas, no
ENCONTRAR A LA elementos de IA.
VUELTA DE LA ESQUINA
La conciencia es uno de los santos griales para todos los entusiastas de la IA. Crear
una máquina capaz, de manera autónoma e independiente, de mostrar creatividad,
emociones o libre voluntad puede parecer que está solo a unos pocos pasos de
convertirse en realidad.
Pero el hecho es que el entendimiento de la neurociencia que se encuentra detrás de la

conciencia está todavía dando sus primeros pasos y la habilidad para replicar en una
máquina lo que no se entiende es completamente nula. Por lo tanto, por el momento
todavía no hay posibilidad de perder en una batalla de ingenio contra un robot.
LOS AVANCES EN INTELIGEN-

CIA ARTIFICIAL SE SUCED-
LA INTELIGENCIA ARTIFICIAL ERÁN DE FORMA RÁPIDA Y SIN LAS MÁQUINAS NO COMETEN
AMENAZA LA CAPACIDAD LÍMITES ERRORES:
PARA REALIZAR CIERTAS
TAREAS
El concepto de IA nació hace más A diferencia de los sistemas
de 60 años, y a pesar de los grandes tradicionales basados en reglas
De alguna manera, existe avances logrados en informática, así de lógica explícita, los sistemas
un miedo ilegítimo a que como en psicología y neurociencia, artificiales trabajan con verdades
los humanos se vuelvan ha costado mucho tiempo alcanzar estadísticas. Esto hace difícil
demasiado dependientes el punto de evolución en el que se prever con seguridad que el
de las máquinas para hacer encuentra ahora. sistema funcionará en todos
algunas de las tareas más los casos, especialmente en las
repetitivas y que se llegarán a La realidad es que el desarrollo es, situaciones que no hayan estado
olvidar de cómo hacerlas por la mayoría de las veces, un camino representadas en los datos de
cuenta propia. Pero realmente lento y complejo. Solo ahora, después entrenamiento.
delegar esas tareas no es algo de cinco décadas de esfuerzo, se
nuevo ni tampoco terrorífico. está comenzando a ver progresos La falta de verificabilidad puede
significativos en áreas como la salud, ser otra preocupación en
Al fin y al cabo, ya se depende las finanzas ola educación. Pero aplicaciones de críticas. Pero,
de las máquinas como por estas son todavía aplicaciones muy además, la tecnología nunca es
ejemplo las calculadoras para específicas, propias de un futuro neutral. Dado que el entrenamiento
hacer operaciones complejas, previsible. automático y la IA operan a través
los procesadores de palabras de la recolección, el filtrado y el
en lugar de papel y lápiz o aprendizaje de datos existentes,
vehículos en lugar de caballos. la IA replicará los sesgos y las
Este hecho no convierte a las discriminaciones estructurales
personas en seres incapaces, existentes, a menos que estén
sino que facilita la vida y diseñados explícitamente para
permite ser más productivo explicar y contrarrestar ese punto.
al ofrecer la oportunidad de
centrarse en actividades de
mayor valor y en resolver retos
más complicados.
LA INTELIGENCIA ARTIFICIAL DESTRU-

IRÁ LA MAYORÍA DE LOS TRABAJOS Y LA
IMPORTANCIA DE LA ÉTI-
CA EN INTELIGENCIA AR-
ECONOMÍA HUMANA
E TIFICIAL
s comprensible que dado el nuevo entorno en el que se vive donde la automatización
está a la orden del día, haya profesionales preocupados por la continuidad de sus
propios puestos de trabajo. No hay que alarmarse, la idea de que la IA destruirá la
mayoría de los trabajos es un mito basado en dos falsedades: primero que la IA
puede tener la capacidad de multitarea propia de los humanos, cuando en realidad solo
puede ejecutar la tarea concreta y específica para la que ha sido diseñada; y segundo,
que los trabajos menos cualificados que pueden hacer los robots aumentarán, sí, pero se
crearán otros puestos más cualificados que tendrán que vigilar, reparar y dirigir los robots. A lo largo de su evolución el objetivo de la que las máquinas actuales sustituyan la
inteligencia artificial no ha variado, y es que inteligencia artificial especializada por una de
La robotización traerá una mejora de la productividad consecuencia de la mecanización lograr que una máquina posea una inteligencia tipo general.
a medio y largo plazo. La tecnología siempre ha generado más puestos de trabajo de los similar a la humana, es uno de los objetivos más A pesar de las dificultades, las tecnologías
que se pierden en los inicios de su adopción. ambiciosos que se ha planteado la ciencia. Por basadas en la inteligencia artificial ya están
su dificultad, es equiparable a otros grandes empezado a cambiar aspectos como la salud,
La automatización del mercado laboral de aquí a 2030 se producirá en tres grandes oleadas. retos científicos, como explicar el origen de la seguridad, la productividad o el ocio, y a
Una primera, los próximos cinco años, que denomina como algorítmica, en la que se la vida o del universo, o conocer la estructura medio plazo van a tener un gran impacto
producirá la automatización de las labores más sencillas relativas al análisis de datos. Una de la materia. en la energía, el transporte, la educación y
segunda fase de automatización de datos más sofisticada hasta mediados de la década las actividades domésticas. No obstante, por
de 2020. Y, una tercera, la propiamente autónoma, que permitirá no solo la automatización El principal problema al que se enfrenta muy inteligentes que lleguen a ser las futuras
de tareas rutinarias, sino también de destrezas manuales y de la resolución de situaciones la inteligencia artificial es la adquisición inteligencias artificiales, siempre serán distintas
y problemas en tiempo real (a partir de 2030). de conocimientos de sentido común. Esto a las humanas debido a lo determinantes que
constituye el requisito fundamental para resultan los cuerpos en los que se ubican.
El documento destaca seis puntos en el desarrollo y el
DEBATE SOBRE LA
uso de la inteligencia artificial.
SINGULARIDAD
La prudencia: la necesidad de ser conscientes de que todavía queda por
resolver un gran número de obstáculos científicos y técnicos, en particular el
problema del sentido común.
La fiabilidad: los sistemas de inteligencia artificial deben someterse

apruebas que determinen su fiabilidad y seguridad. TECNOLÓGICA
La rendición de cuentas: cuando unsistema toma decisiones, las
personasafectadas por ellas tienen que poder recibir, en unos términos de Se entiendo por singularidad
lenguaje que entiendan, una explicación de por qué las ha tomado, y tienen tecnológica un hipotético
que poder cuestionarlas con argumentos razonados. evento futuro en el que el
Intelectual Level/Power
desarrollo de la inteligencia
artificial llegaría a un punto en
Trans- humans?
el que sería tan avanzado y THE SINGULARITY
rápido que ningún ser humano
sería capaz de entenderla o de
predecir su comportamiento.
Dicho evento causaría una
ruptura en la historia del ser HumanIntellect
humano tan profunda que MachineIntelligence
resultaría imposible hacer
ningún tipo de predicción 0 Time 1950 2000
sobre los cambios que se
ocasionarían a partir del
mismo. Singularity Timeline
Rise in human intellect could be driven
by integrating with machines in the future Fuente: MisteryPlanet
Son muchos los autores
que han hablado de
singularidad tecnológica,
no obstante, el primero de
ellos fue el marqués de
Condorcet en 1794, a partir
de allí, personajes diversos,
entre ellos, Alan Turing y
Von Neumann hicieron uso
del término. Actualmente su mejor momento y que la carrera hacia
el mismo, sin la necesidad la singularidad acaba de empezar. Ya no
uno de sus defensores más
de tener introducidos se trata de especulaciones ni ciencia
conspicuos es Kurzweill, quien
conocimientos previos. ficción, se trata de una realidad que
afirma que ese punto de
La responsabilidad: debe quedar claro si la interacción se hace con una Este descubrimiento abre evoluciona de forma exponencial.
inflexión, que dará paso a lo
persona ocon un sistema de inteligencia artificial, y, en el segundo caso, la puerta a numerosas
que define como la era post-
debe poderse localizare identificar a los responsables de él. cuestiones, pues demuestra Ahora el foco de la cuestión se centra
humana, será en 2045.
que los límites de la en el marco legal y ético que permitirá
inteligencia humana son controlar y regular el uso de estas
Igualmente afirma que para
mucho más reducidos que tecnologías, así como establecer las
el año 2029, como muy tarde,
La autonomía limitada de estos sistemas: se necesita disponer de reglas los de la Inteligencia Artificial, responsabilidades de los usuarios, de
la población será capaz de
claras que limiten el comportamiento de los sistemas de inteligencia artificial que no se centra en ganar los creadores y de los afectados por el
pasar el test de Turing, lo que,
autónomos para que los encargados dedesarrollarlos puedan incorporarlos sino en hacerlo de la mejor uso de las mismas y las consecuencias
indudablemente, marcaría
en sus aplicaciones. forma posible. que se deriven de las decisiones que
un antes y un después para
la IA. las máquinas inteligentes tomen por sí
En cualquier caso, el hecho mismas.
de que ya exista, al menos,
El papel que desempeña el ser humano: la capacidad humana todavía De hecho, ya hay autores
un dispositivo inerte que es El Parlamento Europeo, en sus
supera con creces la inteligencia artificial, especialmente en el tratamiento de que afirman que ese antes
capaz de aprender por sí recomendaciones a la Comisión para
casos que no han aparecido en los conjuntos de datos de ejemplo de los que y después para la IA ha
mismo y superar incluso las que regule el derecho civil sobre robótica,
aprenden los sistemas de inteligencia artificial. empezado. Algunos hacen
fronteras de la inteligencia ha establecido unas premisas básicas
referencia a la creación
humana es una señal planteadas ya a mediados del pasado siglo
de AlphaGo Zero, que ha
ineludible de que la IA está en por Isaac Asimov:
conseguido aprender por
I. Un robot no hará daño a un ser

humano ni permitirá que, por
inacción, este sufra daño.
Estas leyes se resumen en una denominada 0: Un
II. Un robot obedecerá las órdenes robot no hará daño a la humanidad ni permitirá que,
que reciba de un ser humano, a por inacción, esta sufra daño. EE UU, Japón, China
no ser que las órdenes entren en y Corea del Sur ya han comenzado a legislar. En
conflicto con la primera ley. Europa, de momento, se aplica la legislación sobre
bienes defectuosos, pero sus normas pueden
III. Un robot protegerá su propia estar obsoletas para los productos automatizados
existencia en la medida en que o autónomos en sus concretas tareas. El propio
dicha protección no entre en Parlamento de Estrasburgo lo reconoce al reclamar
conflicto con las leyes primera y un marco “adecuado, eficiente, transparente y
segunda. coherente”.
La Comisión Europea evalúa la directiva 85/374/

EEC sobre productos defectuosos, la que
actualmente se aplica, para determinar su
validez ante la programación, la computación en
la nube, el Internet de las Cosas y los sistemas
autónomos, así como sobre quién debe recaer
la responsabilidad en relación de los daños
causados por el comportamiento de un robot.
En la misma línea se sitúan las recomendaciones

europeas, que advierten que, en cualquier caso,
la regulación no debe impedir el desarrollo de LA IA IMPULSARÁ EL
la robótica siempre que esta “esté al servicio MERCADO LABORAL
de la humanidad”. Es aquí donde el Parlamento
Europeo ve en las leyes de Asimov la base del
futuro de la robótica, en especial, en la norma 0, El escenario será bastante complejo, pero la
que engloba las restantes inteligencia artificial impulsará gradualmente una
evolución del mercado laboral mucho más positiva
de lo que suele temerse. Nuevos puestos de trabajo
sustituirán a los que desaparezcan y las personas
seguirán trabajando, pero de forma mucho más
eficiente. Peligrarán los trabajos que comportan
labores rutinarias, pero en conjunto, el porcentaje de
puestos de trabajo con un alto riesgo de desaparición
por culpa de la automatización sólo llegará al 1%.
LÍNEAS PREDICCIÓN E AVANCES EN MUCHOS

SECTORES GRACIAS A LA IA
INVESTIGACIÓN El potencial de la IA en 2018 no estriba en

crear nuevas industrias, sino en añadir valor
a las empresas existentes. Hará los trabajos
más productivos y eficientes. Esto está
llegando gracias a tres vías:
La inteligencia artificial es una de las tecnologías punteras que marcará la evolución,
no sólo de las empresas y del mundo laboral, sino de la sociedad en general. El avance
de esta compleja tecnología ha sido asombroso en los últimos años y todavía crecerá Automatizaciónde procesos complejos
más. Según un informe de Tractica, se cree que este mercado alcanzará los 36.000
millones de dólares en 2025 desde los 644 millones de la actualidad. Identificación de tendencias en datoshistóricos
para generar valor.
Proporcionar una inteligencia con visión de

futuro para fortalecer las decisiones humanas.
Funding and Investment of Artificial Intelligence (AI) startup

en mercado de 255 mil millones de companies worldwide 2010 - 2015 (In Million U.S dollars)
dólares. Su impacto tendrá especial Level of AI financing worldwide 2010 - 2015
repercusión en el ámbito de los
servicios financieros, donde los 400 394
Investment in Million U.S Dollars

robo-advisor encontrarán su lugar
Conclusiones
en la cadena de trabajo, ocupando 350
310
puestos que desempeñan tareas 300
algo más rutinarias, y aportarán
valor añadido con un mayor y mejor 250
conocimiento del cliente: el flujo de 200
información que procesa la IA puede

aportar datos relativos a los intereses 150 141
de los usuarios para así ofrecer 100
unos productos más adecuados y 45 52

atractivos según el perfil. 50
19
También será útil esta tecnología 2010 2011 2012 2013 2014 2015
NO CABE DUDA DE QUE LA IA HA EXPERIMENTADO UN BOOM EN LOS ÚLTIMOS AÑOS GRACIAS A LOS para delimitar el riesgo de inversión
NUEVOS ALGORITMOS, LOS AVANCES EN SERVICIOS BASADOS EN LA NUBE, EL DESARROLLO DE NUEVOS con datos procesados de forma
DISPOSITIVOS Y DE MEJOR HARDWARE, EL AUMENTO EN LA RAPIDEZ DE LAS CONEXIONES Y LA IRRUPCIÓN trabajos asociados al transporte se vean afectados por el
inteligente, aportando predicciones auge de la conducción autónoma.
DEL INTERNET DE LAS COSAS COMO TECNOLOGÍA QUE REVOLUCIONARÁ LA RECOPILACIÓN DE DATOS más exactas.
A NIVEL GLOBAL.
No obstante, hay otro factor a tener en cuenta. Siempre
Los seguros también es un sector que la innovación abre un nuevo espacio de mercado,
Las mayores empresas interesante para esta disruptiva la lentitud con la que los actores tradicionales lo ocupan
tecnológicas a nivel global están tecnología, sobre todo para los genera contradicciones que permiten el surgimiento de
apostando sistemáticamente por productos de salud. Mediante startups, compañías que se especializan en segmentos
la IA, desde Apple hasta Google, algoritmos, la IA podrá no sólo concretos de la cadena de valor, mucho más ágiles que
tanto reforzando sus inversiones Revenues from the artificial intelligence (AI) market worldwide, recoger datos médicos del las tradicionales y que pueden llegar a disputarles cuota
propias como adquiriendo from 2016 - 2025 (In Million U.S dollars) cliente, sino que también realizar de mercado.
startups con potencial en este Artificial intelligence market revenue worldwide 2016 - 2025 predicciones de su salud y esperanza
campo tecnológico, como Turi o de vida, o incluso predecir la Este fenómeno está teniendo lugar en el campo de la
DeepMind. Pero no solo el sector 40000
36.818.16
probabilidad de suicidio. Esta inteligencia artificial, donde la inversión en startups de este
empresarial directamente 35000
información es muy útil para ajustar mercado ha pasado de 45 millones de dólares en el año
relacionado con la tecnología el precio y el producto al usuario. 2010, a 310 millones en el pasado 2015, un crecimiento del
está apostando por la IA, también 30000
El transporte tampoco se queda
Market in U.S Dollars
688,8% en cinco años. La mayoría de estas compañías se

28.424.7
el del transporte, turismo, seguros 25000

atrás: los coches autónomos son están especializado en machine learning, procesamiento
y, sobre todo, los servicios tendencia y la mayor parte de las de lenguaje natural, robots inteligentes, asistentes
financieros. compañías automovilísticas están
20.792.1
20000
personales y motores de recomendaciones para usuarios.
15000 14.427.74
invirtiendo en ello. Se espera que
Tanto es así que el mercado
global de la IA ha adquirido 10000 9.550.71
Aun así, más allá de este horizonte futuro en el que

dimensiones gigantescas. En 2016 5000
6076.13
las máquinas sustituirán a los humanos en muchas

ingresó 643,65 millones de dólares, 643.65 1.247.56 2. 212.72 3.733.81
actividades y manejarán incluso mejor los datos, hay que

pero se espera que mueva hasta ser conscientes de que en muchos puntos de la cadena de
2016 2017 2018 2019 2020 2021 2022 2023 2024 2025
1.247,56 millones el año que viene y valor se seguirá prefiriendo el contacto humano.
que se mantenga esta tendencia Number of start up companies working at the artificial
Intelligence(AI) market worldwide, as of march 2016, by category
alcista hasta 2025, cuando llegará Por otra parte, no hay que olvidar al Machine Intelligence
a ingresar 36.818,16 millones de (MI), que es la evolución lógica de la IA ante el aumento de
dólares. 0 50 100 150 200 250 300
datos, de la velocidad de procesamiento y la transmisión,
Investment in Million U.S Dollars

Machine learning (Applications) 260
incrementándose su campo de actuación y su capacidad
Los efectos no tardarán en Market in U.S Dollars Natual language processing 155
respecto a las tecnologías tradicionales. Esta tendencia
hacerse notar, afectando 0 50 100 150 200 250 300
Machine learning (General) 121
supondrá una inversión de 31.300 millones de dólares en 2019,
a la práctica totalidad de
Computer Vision (General) 106
256
por lo que se torna imprescindible para las empresas que
Robo - Advisor (2020)
Virtual personal assitants 91
los sectores económicos.
Market (Forecast year)
Autoomus car (2030)
quieran transformar sus operativas desde la innovación

87
Computer vision (Applications)
83
Asimismo, es inevitable en 70
Artificial Intelligente Analytics(2020)
Logistics, packaging and materials (2020) 31

Speech recognition
77 tecnológica tenerla en cuenta.
cambio en la estrategia de Industriual robots (2020) 24
Smart Robots 65
negocio, en la distribución Surigical (2020) 18

Recommendation engines
60
En conclusión, la IA afecta a todos los sectores y es natural
de los departamentos y en la Personal and care-bots (2020) 17,4
Gesture control 33
que vaya aumentando su protagonismo no sólo en el
jerarquización de prioridades
Context aware computing 28
Agricultural Robots (2020) 16,3
Speech to speech tranlation 15 día a día de los clientes, sino también en los procesos de
de inversión.Las aplicaciones y
Drones (2025) 14
12,2
Video content recognition 14 producción de las empresas. Las compañías deberán
formas concretas que adopta
Domestics robots (2018)
Esntertainment and leisure (2018) 7,6 estar atentas y visualizar las posibilidades disruptivas de la
la IA son muy variadas. La que Military (2018) 7,5 Fuente: Satatista innovación, poniendo en práctica proyectos enfocados al
se prevé como más exitosa, los Rehabilitation (2021) 2,1
futuro de la IA y siendo conscientes de que esperar a que esta
robo-advisor, podrían llegar a tendencia esté madura en el mercado puede suponer que sea
generar un volumen de negocio Fuente: Satatista demasiado tarde para posicionarse estratégicamente y ser
competitivo.

Informe IA PDF

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Informe IA PDF

Cargado por

Copyright:

Formatos disponibles

INTELIGENCIA

Digital & Innovation

Sistemas que Robótica. Mitos.

tardaban en ejecutarse los

ordenadores; por otro lado,

Se produjo una inversión

En el año 1997 un ordenador

capaz de imaginarse que en

Tratan de imitar a las entrenamiento / aprendizaje,

Este tipo de procesos

La función de transferencia se aplica al valor

SISTEMAS QUE ACTUAN

La computadora necesitaría poseer las siguientes capacidades:

- Natural Language Processing (procesamiento del lenguaje

- Knowledge Representation (representación del

- Automated Reasoning (razonamientoautomatizado)

SISTEMAS QUE PIENSAN

SISTEMAS QUE ACTÚAN SISTEMAS QUE ACTÚAN

El filósofo griego Aristóteles fue

Para implementar la computación Iterativo y con estado: esta característica

La Computación Cognitiva (Cognitive computing) The new technologies

Según datos de IBM, actualmente la mitad de

Watson es capaz de procesar datos no estruc-

Utiliza un nuevo método de aprendizaje

El cofundador y CEO de DeepMind,

Python es un lenguaje de programación

R es un lenguaje de gráfica de datos. El software R es su gran variedad de

por ejemplo, el sistema de a reconocer qué fotografías mismo obteniendo premios,

& DEEP LEARNING

de estimar y adelantarnos a cualquier El sistema en este caso va por

Hasta hace muy poco,

Por ello, los algoritmos de

Algunos robots pueden de Ekso Bionics, unos robots

Los sensores son dispositivos cualquier otro animal,

Se entiende por robótica exijan al robot responder a

El uso de robots en medicina movimiento, comunicación, Por último, hablaremos de

Así pues, el campo de la robótica

El hecho de que las inteligencias

El resultado de aplicar estas

Un RPA se integra en la gestión de - Respuesta inmediata. Otra

Red Neural de Máquinas de conocimiento de la red, realiza una función

Red Física Neural. En este tipo

El proceso de aprendizaje de SISTEMAS DE

Según un estudio de Tony Seba, economista de la Universidad de Standford, los vehículos

Al mismo tiempo, el parque de vehículos se reducirá drásticamente. Seba cree que el

technology for signal sobre sus y usuarios y sus respectivos entornos.

En este sentido según Samsung, los

a front-end featuring Hans Moravec roboticists de los datos recopilados mediante

vehicles, and wether

Interconexión de la cadena desuministro.

Nuevos negocios como la Servitización,

TÉCNICAS CONTRA prever posibles fraudes. patrones o características

Finanzas y tecnología forman

La digitalización pasa por la

Muchos expertos vaticinan que

Asegurarse de que el cliente

Por otro lado, una vertiente

LOGÍSTICA LOS DATOS MEJORAN LA

La Inteligencia Artificial ayuda a conectarse

CHATBOTS QUE ENTIENDEN

Los chatbots, según un estudio de Juniper

BASADO EN EL e incluso orientar los anuncios