Los sistemas de información

y la informática

Los sistemas de razonamiento

basados en casos:
Aplicaciones empresariales
Mª José Charlo Molina El razonamiento basado en casos (CBR) es una tecnología de Inteligencia
Profesora del Departamento de Contabilidad y
Economía Financiera de la Universidad de Sevilla Artificial que se apoya en la idea de que las situaciones se repiten
regularmente: lo que se hizo en un momento es probablemente aplicable en
otras situaciones futuras que se le asemejen, por lo que si sabemos que una
decisión pasada funcionó correctamente, partiremos del conocimiento que se
extrae de la misma para poder decidir sobre la nueva situación.

1. INTRODUCCIÓN blemas. En dichas situaciones es útil la

FICHA RESUMEN aplicación del razonamiento basado en ca-
sos (CBR)(1), ya que se ocupa del conoci-
Autor:

Mª José Charlo Molina
Título:
Los sistemas de razonamiento basados en
casos: Aplicaciones empresariales
Fuente:
Partida Doble, núm. 139, páginas 140 a 147,
diciembre 2002
Localización: PD 02.12.10
Resumen:
Una vez probada la aplicabilidad en otras áreas
del razonamiento basado en casos (CBR), es
cuando comienza a utilizarse para resolver
decisiones empresariales de diverso tipo, por
ejemplo, American Express trabaja con este tipo de
tecnología para valorar el posible riesgo en la
utilización de tarjetas de crédito, y son numerosas
las aplicaciones de CBR en el área de la auditoria,
debido a que las decisiones de los auditores están
basadas en excepciones.
Después de explicar los fundamentos de esta
tecnología y el proceso que sigue al solucionar un
problema, se analiza su aplicabilidad haciendo
especial hincapié en las decisiones empresariales.
Descriptores ICALI:
Auditoría. Informática.
E
xiste una preocupación entre los
investigadores y académicos que
pretende demostrar la importancia
de la contabilidad como informa-
ción útil en distintos modelos deci-
sionales; de esta forma, se abandona la
línea estadístico-econométrica que se ve-
nía utilizando, para apoyarse en la Inteli-
gencia Artificial (IA).
Cuando nos planteamos representar el
conocimiento en algunas ramas de la IA,
normalmente tratamos de hacer que dicho
conocimiento sea lo más general posible
para que pueda aplicarse de forma global.
Sin embargo, este tipo de conocimiento no
describe cómo razonar sobre situaciones
que son diferentes a la norma. Por ello es-
te tipo de conocimiento es necesario, pero
no suficiente para resolver todos los pro-
miento incompleto, aquel que escapa de lo
considerado como normal (Riesbeck y
Schank, 1989; Kolodner, 1993).
Las personas recordamos y adapta-
mos soluciones de otros problemas simila-
res que nos vienen a la memoria. Aag-
modt y Plaza (1994)(2) señalan que esta
afirmación está respaldada por los resulta-
dos de investigaciones sobre el conoci-
miento realizadas por autores como Ross
(1989), Schank (1982) o Anderson (1983).
Por ello un gran número de investigadores
de IA se ha centrado más en la resolución
de problemas mediante la recuperación y
adaptación de situaciones previas, que en
la resolución de problemas mediante la
generación de nuevas soluciones. Como
señala Kolodner (1991, p. 23), “el CBR es
una aproximación a la forma de trabajar

• 140 Nº 139 • Diciembre de 2002


de la mente humana, ya que, apoyándose
en el pasado, busca casos(3) para encon-
trar soluciones a los problemas, modifica y
critica las soluciones existentes y explica
situaciones anómalas”.
El CBR es un método que cuenta con
un alto grado de conocimiento y que reco-
ge experiencias pasadas, además de me-
jorar los métodos existentes para solucio-
nar problemas y aprovechar la capacidad
de aprendizaje de las máquinas (Schank,
1982). Es también un paradigma de bús-
queda que dirige la memoria, el aprendi-
zaje, la planificación y la resolución de
problemas (Slade, 1991). Nos proporcio-
na, así, tanto un acercamiento a la resolu-
ción de problemas, como un modelo cog-
noscitivo que nos presenta la forma en la
que los humanos aprendemos y recorda-
mos (Leake, 1996). Para Riesbeck y
Schank (1989) el CBR es la esencia de
cómo trabajan los seres humanos.
El CBR es el resultado del esfuerzo
de la comunidad de IA por crear sistemas
basados en el modelo cognoscitivo de la
persona. Se prefiere usar CBR a sistemas
expertos, por ejemplo, si las reglas nece-
sarias para la aplicación de estos últimos
son inadecuadas para expresar la riqueza
y matices del problema, lo que ocurre fre-
cuentemente cuando se presentan más
excepciones que reglas. Por ello se dice
que “el CBR parece lo más apropiado pa-
ra aquellos campos que son ricos en ex-
periencia” (Chi et al., 1991; p. 67).
En resumen, la meta del CBR es utili-
zar el ordenador para aumentar el razona-
miento analógico, lo que proporciona al
experto casos representativos similares al
problema actual y le permite dar una solu-
ción teniendo en cuenta un espectro más
amplio de posibles respuestas.
E
Un caso es “un conjunto de caracte-
rísticas, atributos, relaciones y resultados”
(Harmon, 1991; p.1); dicho conjunto hace
referencia a una situación específica, a di-
s útil la aplicación
ferencia de la regla, utilizada en otras ra-
mas de la IA, que no es más que una uni- del razonamiento
dad de conocimiento general. El conjunto
de casos pasados es fundamental para el basado en casos
CBR, ya que en ellos encontramos el co-
nocimiento necesario para resolver tanto
los problemas actuales como los futuros.
(CBR), ya que
Como el CBR depende de su capacidad se ocupa del
para recuperar casos pasados similares al
actual (en el momento oportuno del proceso conocimiento
de resolución de problemas) consta de un
mecanismo de índices para guardar los ca-
sos en la memoria. La elección de los índi-
incompleto
ces es un aspecto fundamental dentro del
CBR, pues depende de ella que las expe-
riencias encontradas en la memoria sean
más o menos cercanas a la nueva situación.
Aunque los investigadores han propuesto
muchas guías para el continuo avance y de-
sarrollo de los índices, esta tarea sigue sien-
do un gran reto (Kolodner, 1993; Leake,
1996; Watson y Marir, 1994a).
Finalmente, el CBR debe incluir un buen FIGURA 1
sistema de recuperación, que debe encon-
trar casos de forma sistemática e inteligente BASE DEL MODELO CBR
y localizar los atributos de aquéllos que más
se asemejen al actual. El sistema ha de ex-
trapolar características de soluciones pasa- CASOS
das para encontrar respuestas efectivas e
innovadoras al problema presente. De aquí
se deduce, nuevamente, la importancia que
tiene seleccionar los índices de una manera
adecuada, ya que esto facilitará el funciona- ÍNDICES
miento del sistema de recuperación.
Por lo tanto, un caso bien definido, un
buen mecanismo de índices, y un efectivo SISTEMAS DE
sistema de recuperación son los tres re- RECUPERACIÓN
quisitos fundamentales para construir un
sistema de CBR útil.

2. DESCRIPCIÓN DEL MÉTODO

Un sistema de CBR se basa en tres im-
portantes consideraciones: casos, índices
y sistemas de recuperación (Figura 1).
3. EL PROCESO DEL CBR
Para conocer el proceso completo que si-
gue el CBR, hemos de diferenciar en el
(1) Case-Based Reasoning.
(2) http://www.iiia.csic.es/people/enric/AICom.html.
(3) Se entenderá mejor este término en el siguiente
epígrafe.

Nº 139 • Diciembre de 2002 141 •

 Los sistemas de información
y la informática

3.3. Fases del CBR

U
mismo cuando éste se refiere a interpreta-
ción o solución de problemas (Watson y
n sistema Marir, 1994b). El CBR interpretativo utiliza
los casos pasados como referencia para
clasificar nuevas situaciones, mientras
de CBR se basa en que en la resolución de problemas, el
CBR utilizará los casos para sugerir solu-
tres importantes ciones que pueden ser aplicadas a nue-
vas situaciones.
consideraciones: 3.1. Interpretación/CBR interpretativo
casos, índices y El objetivo del sistema es formarse un
juicio o clasificar una nueva situación en
sistemas de comparación con otros casos o situacio-
nes que ya han sido clasificadas. El pro-
recuperación ceso consta de cuatro fases:
1. La persona que utiliza el CBR debe
valorar la situación para determinar
qué características de la solución ac-
tual pueden ser consideradas como
FIGURA 2 importantes.
Considerando la anterior clasificación,
se pueden distinguir varias fases en la for-
ma de trabajar del CBR; aunque no todos
los autores coinciden en el número de
ellas, los aspectos más importantes son
comunes en sus análisis: así, por ejem-
plo, Watson (1995, p. 5) y Aagmodt y Pla-
za (1994) señalan solamente las denomi-
nadas “cuatro RE: recuperación, reutiliza-
ción de casos, revisión y retención de la
solución”. Kolodner y Leake (1996; p.36),
sin embargo, señalan varias fases más:
“recuperación, propuesta de solución,
adaptación, justificación y crítica, evalua-
ción y almacenaje”. Otros autores, como
Vargas y Kee (1994, p. 414) o Lekkas et
al. (1994, p. 364), explican el proceso del
CBR teniendo en cuenta la aplicación que
desarrollan.
3.4. Ciclo del CBR

EL CICLO DEL CBR 2. Basándose en los resultados de la va-
(Kolodner, 1993; p. 18) loración de la situación, se van a obte-
ner los casos más relevantes.
Solución de Interpretación
problemas de situaciones 3. Se comparan los casos recuperados
con la nueva situación para determi-
RECUPERACIÓN nar qué interpretación aplicar.
4. La situación actual y su interpretación
PROPUESTAS DE SOLUCIÓN son almacenadas como un nuevo ca-
so que nos va a servir para un razona-
miento futuro.
Podemos concluir que el proceso del
CBR es un proceso cíclico que comienza re-
cuperando un caso o un conjunto de casos
para solucionar el problema actual (o inter-
pretar una situación), y termina incluyendo
la solución de ese problema (o su interpreta-
ción) en la memoria, de manera que pueda
ser reutilizada más tarde. Si el razonamien-
to no progresa adecuadamente utilizando
un caso, será necesario iniciar el proceso
completo de nuevo. La Figura 2 muestra el
ciclo del CBR de forma detallada.

ADAPTACIÓN JUSTIFICACIÓN 3.2. Resolución de problemas 3.4.1. Recuperación de casos

CRÍTICA
EVALUACIÓN
ALMACENAJE
NOTA: El lado izquierdo de la figura recoge cuál es
el proceso que siguen las tareas que se pueden
realizar con el CBR de solución de problemas
(resaltado en gris) y el lado derecho el proceso que
sigue el CBR interpretativo (resaltado en negro).
La meta del CBR es ahora aplicar un
caso antiguo para generar la solución del
nuevo problema. Al igual que en el CBR
interpretativo, la resolución de problemas
incluye una valoración de la situación, la
recuperación de casos y la evaluación y
valoración de similitudes. Sin embargo, a
diferencia de lo que ocurre en la interpre-
tación, las similitudes y diferencias entre
el nuevo caso y los antiguos son utiliza-
das para determinar cómo la solución que
ya teníamos puede ser adaptada al mo-
mento actual.
El primer paso que ha de dar el siste-
ma de CBR es determinar las situaciones
antiguas que son similares a la actual; es
decir, debe recuperar un caso o conjunto
de casos desde la memoria. Para ello es
necesario:
• Recopilar casos previos. El objetivo de
esta fase es recuperar aquellos casos
que pueden realizar predicciones rele-
vantes sobre el nuevo problema. La re-
cuperación es efectuada utilizando las
características de la situación actual co-

• 142 Nº 139 • Diciembre de 2002


mo un índice dentro de la base de de
casos. Estas características pueden ser
ponderadas de manera que se dé ma-
yor importancia a unas que a otras.
• Seleccionar el mejor subconjunto de ca-
sos. Esta fase determina el caso o casos
más relevantes entre los que se genera-
ron en el paso previo. A veces es apro-
piado elegir un único caso, mientras que
en otras ocasiones hay que escoger un
pequeño grupo de ellos.
3.4.2. Propuesta de una solución-norma
En este paso se extraen importantes
aspectos de los casos seleccionados du-
rante la recuperación, con el objeto de for-
mar una solución-norma que se adapte al
nuevo problema.
• En el modo de resolución de proble-
mas, este paso incluye normalmente
seleccionar la solución de la situación
pasada, o partes de la misma, como
una solución-norma.
• En el modo interpretativo, este paso
incluye clasificar los casos recupera-
dos de acuerdo con las interpretacio-
nes o soluciones que se predicen y,
basándose en estas predicciones,
asignar una interpretación inicial al
nuevo problema.
Antes de pasar a los procesos de
adaptación y justificación, es habitual te-
ner que realizar pequeñas correcciones
sobre la base de la solución antigua. Es
sobre todo en el razonamiento interpreta-
tivo en el que es más ventajoso realizar
ajustes en este momento que una vez es-
tablecidos los argumentos; de esta forma
y como señala Kolodner (1993, p. 20), “la
argumentación se basa en una solución
más realista”.
3.4.3. Adaptación
Las situaciones nuevas difícilmente se
emparejan de forma exacta con las anti-
guas (principio fundamental del CBR de
Nº 139 • Diciembre de 2002
● Los sistemas de razonamiento basados
en casos: Aplicaciones empresariales
solución de problemas); éstas deben, por
tanto, ser arregladas de manera que le
sean útiles al decisor. En esta fase la so-
lución-norma se adapta, pues, para ajus-
tarse a la nueva situación.
Se pueden dar dos tipos de adaptacio-
nes en el CBR, adaptaciones que no son
excluyentes entre sí (Watson 1997; 1998):
1. Adaptación estructural, en la cual las
reglas de adaptación se aplican direc-
tamente a la solución almacenada.
2. Adaptación derivada, donde las reglas
que generan la solución original son reu-
tilizadas para generar la nueva solución.
Para ello es necesario tener en cuenta la
secuencia por la cual llegamos a la solu-
ción del caso en que nos basamos.
3.4.4. Justificación
La justificación es una fase aplicable
en el razonamiento interpretativo, pues
los sistemas evalúan soluciones teniendo
en cuenta las posibles restricciones dadas
(Wills y Kolodner, 1996). La evaluación
requiere un gran conocimiento del área
del problema y un esfuerzo importante en
el razonamiento (Leake, 1992).
La justificación se realiza por compa-
ración y contraste de la solución propues-
ta con otras soluciones similares. Esta fa-
se requiere, pues, una llamada recurrente
a los procesos de memoria para recupe-
rar casos parecidos. Por ejemplo, si el sis-
tema conoce una situación pasada en la
que se produjo algún tipo de fallo, el razo-
nador debe considerar si la nueva situa-
ción sufre o no los mismos problemas
(Schank, 1988; Riesbeck y Schank, 1989;
Kolodner, 1993). Como el sistema apren-
de de los errores cometidos, estará alerta-
do de las posibles situaciones conflictivas
en las que se puede incurrir.
3.4.5. Crítica
La crítica de la solución obtenida se
lleva a cabo mediante un simulador y tie-
E
l primer paso que
ha de dar el sistema
de CBR es determinar
las situaciones
antiguas que son
similares a la actual
ne lugar después de la posible adaptación
(en la solución de problemas) o de la justi-
ficación (en el CBR interpretativo) de las
situaciones almacenadas en la memoria
del sistema. De esta forma se proponen
situaciones hipotéticas para comprobar la
validez de las soluciones propuestas.
La crítica puede requerir la recupera-
ción de casos adicionales y, a su vez, dar
como resultado la necesidad de una
adaptación añadida, llamada reparación(4).
3.4.6. Evaluación
En esta fase los resultados del razona-
miento son puestos a prueba en el mundo
real: se obtienen y analizan las consecuen-
cias de la ejecución de la solución. Si los
resultados son los que se esperaban, no se
tiene que realizar un análisis adicional; en
caso contrario, es necesaria una explica-
ción de los resultados anómalos. Esta ex-
plicación requiere comprender qué causó la
(4) Adaptación: Se comienza con una solución antigua y
un caso nuevo y se ajusta la solución que ya se tiene a la
nueva situación. Reparación: Comienza con una solución,
un informe fallido y posiblemente una explicación y se
modifica la solución para hacer desaparecer el error.
143 •

L
a justificación
se realiza por
comparación y
contraste de la
solución propuesta
con otras soluciones
similares
anomalía y qué podría haberse hecho para
prevenirla. En esta fase de evaluación tam-
bién es aplicable el CBR, precisamente en
la recuperación de explicaciones que ya
han sido dadas en circunstancias anterio-
res (Watson, 1998).
Este aspecto es uno de los más im-
portantes, pues nos proporciona una for-
ma de evaluar nuestras decisiones en la
realidad, permitiéndonos recoger un feed-
back que constituirá la base del aprendi-
zaje del sistema.
La evaluación, por tanto, es el proceso
de juzgar los aspectos positivos y negativos
de una solución propuesta; incluye explicar
diferencias (por ejemplo, entre lo que se es-
peraba y lo que ha ocurrido), justificarlas
(por ejemplo, entre la solución propuesta y
una utilizada en el pasado), proyectar resul-
tados, comparar y hacer un ranking de po-
sibles alternativas. “La evaluación, además,
puede señalar la necesidad de una adapta-
ción adicional o de una reparación de la so-
lución propuesta” (Kolodner, 1993; p. 22).
• 144
Los sistemas de información
y la informática
3.4.7. Almacenaje
Una vez evaluada la solución propues-
ta para el nuevo caso, éste “se guarda de
forma apropiada en la memoria para su uti-
lización futura” (Dearden, 1995; p. 73), in-
cluyendo no sólo el problema y su solu-
ción, sino cualquier otro dato subyacente
(soporte) que el sistema pueda necesitar.
En este momento el proceso más im-
portante es escoger la forma de indexarlo
en la memoria. Los índices deben ser se-
leccionados de manera que el nuevo caso
se pueda recuperar para un razonamiento
posterior en el que sea necesario; sin em-
bargo, no se debe ‘sobre-indexar’, ya que
ello llevaría a una recuperación del mismo
de forma indiscriminada.
4. APLICABILIDAD Y APLICACIONES
DEL CBR
Es importante tener siempre presentes los
límites de la aplicabilidad de cualquier sis-
tema de CBR. A continuación serán deta-
lladas, una vez establecido el marco de
utilidad del modelo, sus aplicaciones más
significativas.
El CBR consigue que el programa de
ordenador facilite soluciones eficaces, una
vez que ha encontrado situaciones anterio-
res similares. Por esto, es útil para aque-
llos individuos que cuenten con un profun-
do conocimiento de una tarea y área deter-
minada porque, con éste, pueden reutilizar
un razonamiento realizado en el pasado,
sobre todo si la situación fue especialmen-
te relevante. Es igualmente útil para aqué-
llos que conocen poco de ese campo de-
terminado, pues cuando el conocimiento
es incompleto y/o la evidencia es escasa,
se pueden beneficiar de experiencias al-
macenadas por otros profesionales más
expertos en la materia.
Aunque el CBR es una disciplina más
moderna que los sistemas expertos basa-
dos en reglas o el procesamiento neuronal,
hay una gran cantidad de aplicaciones co-
merciales implantadas con éxito(5) en el
mercado y muchas otras que podrían cons-
truirse. Mediante el CBR pueden crearse
sistemas completamente automatizados,
que resuelven problemas sin necesidad de
interactuar con el usuario y sistemas que
pueden interactuar con los humanos, de
forma natural, para resolver sus problemas.
Como señala Watson (1996a), el CBR
ha sido aplicado a una gran variedad de
problemas, hecho éste que demuestra la
utilidad de esta tecnología. Los investiga-
dores han desarrollado sistemas basados
en casos en el campo de la ingeniería, del
derecho, de la informática, etc. En el Cua-
dro 1 presentamos, de manera esquemá-
tica, las aplicaciones más significativas,
diferenciando las que corresponden al
ámbito empresarial de las que pertenecen
al ámbito ajeno al mundo de los negocios.
Una vez probada su aplicabilidad en
otras áreas, el CBR comienza a utilizarse
para resolver decisiones empresariales de
diverso tipo. Desde la primera aplicación
creada en el ámbito comercial por Whitaker
y Wiggins (1989), es amplia la utilización de
este tipo de tecnología en el área de los ne-
gocios. La aplicación constituida por los au-
tores anteriores refleja la forma más conve-
niente de ofertar unos determinados pro-
ductos, así como el precio que se debe fijar
en dicha oferta. Similar a esta aplicación es
la creada por González y Laureano (1992)
que muestra la dinámica del mercado en la
venta y alquiler de distintas propiedades; en
base a una amplia muestra que incluye un
gran número de variables específicas, es
posible conocer el precio que se debería fi-
jar a una determinada operación de com-
pra-venta o de alquiler.
Es necesario resaltar determinadas
aplicaciones que se encuentran actual-
mente funcionando en grandes empresas,
como la consultora Deloitte&Touche. En
esta empresa se utiliza el CBR, fundamen-
talmente, para determinar cuál sería el pre-
cio de transferencia que se debería fijar
para los productos de una empresa; para
ello se utiliza un cuestionario formado por
Nº 139 • Diciembre de 2002
 ● Los sistemas de razonamiento basados
en casos: Aplicaciones empresariales

S
doce variables externas e internas genera- gos a los que se enfrenta la empresa y un
les, además de otras cuestiones relativas borrador de las recomendaciones de audi-
al método utilizado para fijar el precio, a la
regulación del país en que se opere y a los
toría. En los controles evaluativos del sis-
tema de información, el auditor debe eva-
e pueden
dividendos que se esperan conseguir. Los luar si el sistema de controles internos del
resultados obtenidos permiten señalar la cliente es adecuado para proporcionar distinguir varias
operatividad del sistema en la determina- una seguridad razonable de que los acti-
ción del precio aun cuando la muestra per- vos de la organización estén salvaguarda- fases en la forma de
tenece a empresas que persiguen diferen- dos y sus datos financieros sean fiables.
tes objetivos al fijar el precio. También se
encuentra en funcionamiento otra aplica- Sinha y Richardson (1996) desarrollan
trabajar del CBR
ción encaminada a detectar el riesgo de un sistema basado en casos para la toma
fraude en la tarjetas de crédito. de decisiones sobre préstamos indirectos;
cada uno de los 259 casos que forman la
Relacionada con la aplicación ante- muestra utilizada, contiene información
rior, American Express trabaja con este ti- sobre: el solicitante, la situación laboral
po de tecnología para valorar el posible previa y actual, así como la decisión final (5) Véase
riesgo en la utilización de las tarjetas de tomada en la entidad financiera. Con esta http://www.saford.ac.uk/survey/igds/mod7/chp10.html.
crédito. Para ello incluye en una base de información el sistema muestra resultados (6) La referencia bibliográfica completa de estos autores
datos cada una de las operaciones reali- muy favorables y permite realizar adapta- en Charlo (2001)
zadas por los usuarios utilizando dichas
tarjetas e incluye variables relativas a las
características generales de la operación CUADRO 1
en sí, así como las particularidades en ÁMBITO AJENO AL MUNDO DE LOS NEGOCIOS
que se encuentra inmersa la misma.
ÁMBITO AUTOR, (6)
A Ñ O (6) APLICACIÓN
Son numerosas las aplicaciones de
CBR en el área de la auditoría, debido a Legal Ashley, 1991 HYPO → Ayuda a abogados y jueces a analizar argumentos.
que las decisiones de los auditores están Bain, 1986 JUDGE → Modela el patrón ante sentencias criminales.
basadas en excepciones. En este sentido Branting, 1991 GREBE → Conflictos de trabajadores.
cabe resaltar los trabajos realizados por Yang et al., 1994 KICS → Regulación de edificaciones.
Bonnie Morris en Estados Unidos y los lle- Medicina Koton, 1988 CASEY → Diagnósticos para problemas de corazón.
vados a cabo por Olivier Curet en Inglate- Bareiss et al., 1988 PROTOS → Desórdenes auditivos.
rra. Morris et al. (1997) explican las venta- Kass et al., 1986 SWALE → Muerte de animales y personas.
jas de utilizar como variables las decisio- Armengol et al., Riesgos de los pacientes diabéticos.
nes tomadas por los directivos de las em- 2000, 2001
presas en lugar de incluir los ratios finan- Ingeniería Barletta et al. 1989 CLAVIER → Colocación de las piezas de un avión.
cieros que reflejen el resultado de dichas Magaldi, 1994 CaseLine → Diagnóstico y reparación de aviones.
decisiones; utilizando variables cualitati- Watson et al. 1994 PAKAR → Defectos en los edificios.
vas y cuantitativas se puede dar respues- Conflictos Kolodner et al.1989 MEDIATOR → Resuelve diferentes tipos de disputas.
ta a un total de 87 variables para cada Sycara, 1988 PERSUADER → Mediador entre sindicatos y dirección.
cliente, teniendo en cuenta el entorno Goodman, 1989 PLANNER → Situaciones de combate.
económico y el sector en el que se opera.
Informática Simoundis, 1992 CASCADE → Causas de fallo de los sistemas operativos.
Los resultados obtenidos muestran que el
en Hedberg, 1993; Servicios de asistencia (help-desk) ‡ Resuelven consultas
sistema sirve de soporte al auditor para
Mott, 1993; telefónicas.
emitir su informe. También, Morris et al.
Watson, 1996a;
(1994) crean un modelo para generar re-
Block, 1996.
comendaciones de auditoría con relación
Arquitectura Pearce et al., 1992 ARCHIE → Diseño de nuevos edificios.
al sistema de información de un cliente.
Teniendo en cuenta las características de
Enseñanza Kolodner, 1991 SCI-ED → Ayuda a los profesores a dar sus clases.
un cliente concreto y su sistema de con-
ASK-Tom → Aprendizaje para los empleados de un banco.
troles internos, produce una lista de ries-
Farrel, 1988 DECIDER → Resuelve problemas a los estudiantes.

Nº 139 • Diciembre de 2002 145 •

 Los sistemas de información
y la informática
CUADRO 2
ÁMBITO EMPRESARIAL
ÁMBITO AUTOR, AÑO APLICACIÓN
Valoración de González y Su base de casos consiste en una descripción de propiedades
vendidas anteriormente; el experto utiliza heurísticos para
propiedades Laureano, 1992
ajustar los valores de casos pasados a las propiedades actuales.
Mulvenna et al, Valora empresas con objeto de conocer la rentabilidad
1996 asociada a la compra de las mismas, como posible forma de
incrementar un negocio. Analiza tanto los aspectos positivos
como los negativos de dichas empresas para poder formarse
una opinión adecuada de la misma.
Comercial Whitaker y Las ofertas, que son un campo rico en experiencia, pueden
Wiggins, 1989 ser representadas como casos, con más éxito que las normas
"si-entonces". Mediante la modificación de ofertas anteriores,
de manera que se ajusten a la situación actual, los que
ofertan pueden ahorrar tiempo y dinero además de
incrementar sus posibilidades de éxito en la venta.
Sinha y Sirve a la toma de decisiones sobre préstamos indirectos, en
Richardson, 1996 el que un cliente solicita un crédito para un tercero, que
remitirá la solicitud a un banco para su aprobación. Este
sistema dispone de una serie de casos mediante los cuales el
banco obtiene un informe de crédito sobre el solicitante y
aplica tanto las políticas establecidas en materia de
préstamos como su experiencia pasada para tomar una
decisión sobre el mismo.
Auditoría Morris, 1992 y SCAN → Utilizado para generar recomendaciones de auditoría
1994 con relación al sistema de información de un cliente. Tomando
como entrada datos sobre dicho cliente, produce como resultado
una lista de riesgos a los que se enfrenta la empresa.
Denna et al., 1992 APE- II → Designado para valorar los cambios producidos en
un cliente a la hora de efectuar un informe de auditoría,
teniendo en cuenta la posibilidad de ocurrencia de diversos
errores materiales; el resultado del estudio viene expresado
como riesgo alto, medio o bajo.
Morris y Chen, Ayuda al auditor a decidir si debe aceptar determinados
1997; Curet y clientes, basándose en su situación financiera. Para ello se
Jackson, 1998 estudia la posibilidad de quiebra de dicho cliente,
considerando una serie de variables significativas.
Curet et al. Sirve para la determinación de los precios de transferencia en
1996a, 1996b la consultora Deloitte & Touche. Utilizando precios asignados
en anteriores circunstancias, será más fácil encontrar aquéllos
que cuenten con un mayor grado de eficiencia.
Curet, 1995; Ayuda a los auditores de la consultora Deloitte & Touche a
Curet y Jackson, identificar los fraudes de dirección y el riesgo de fraude en
las tarjetas de crédito. Tradicionalmente, las técnicas de
1997
auditoría como análisis de ratios o análisis de reconciliación,
han fallado a la hora de reconocer este problema (7).
Análisis Charlo, 2001 Analiza el proceso de concesión de préstamos corporativos,
de riesgo mostrando las variables más relevantes que utilizan los
analistas de riesgos de las entidades financieras. El modelo
clasifica cada uno de los préstamos en una clase
determinada; dicha clasificación se compara con la propuesta
del analista de riesgo de la entidad financiera.
• 146
ciones de las características del préstamo
requerido. Es muy útil en aquellas situa-
ciones en las que se recuperan, a partes
iguales, casos en los que se aprueba y se
deniega el préstamo ya que mediante el
suministro de ejemplos, el sistema calcu-
la, sobre la marcha, los factores de certe-
za dependiendo de los casos que recupe-
ra. En cuanto a las decisiones de présta-
mos corporativos existe un modelo que si-
mula la labor del analista de la entidad fi-
nanciera (Charlo, 2001); utilizando un
cuestionario formado por 16 variables
cualitativas, se decide sobre la convenien-
cia de aceptar, denegar o aceptar bajo
determinadas condiciones, un préstamo a
una empresa. El resultado de la aplica-
ción muestra la conveniencia de utiliza-
ción de este método, resaltando como la
variable más significativa a tener en cuen-
ta la de la situación económica de la em-
presa que requiere el préstamo.
El resumen de las anteriores aplicacio-
nes que se encuadran dentro del ámbito
empresarial se muestran en el Cuadro 2.
Hay otras aplicaciones de CBR que in-
cluyen la planificación de necesidades de
personal (Kolodner, 1991), diseños de inge-
niería (Sycara y Navinchandra, 1989), dise-
ños de sistemas de producción (Pankakos-
ki et al., 1991), secuencias de ensamblaje
(Pu y Reschberger, 1991), absorción quími-
ca de las plantas (Arcos, 2001), generación
de música (Arcos et al., 2001), etc.
En España, la situación es similar que
en el resto de países. Son muchas y va-
riadas las aplicaciones creadas bajo la
tecnología de CBR que se utilizan actual-
mente. El Consejo Superior de Investiga-
ciones Científicas (CSIC), situado en Ca-
taluña, es el principal organismo que utili-
za y crea este tipo de aplicaciones; se es-
tán desarrollando trabajos en el área de la
medicina, botánica y en otras de interés
social, como la música, algunas de las
cuales se han señalado anteriormente.
(7) Los autores explican, además, por qué un sistema
basado en reglas no es propicio para este tipo de problema.
Nº 139 • Diciembre de 2002

Relacionados con la contabilidad se ce-
lebran en España seminarios y congresos
relativos a Inteligencia Artificial, en los que
se desarrollan trabajos relativos al razona-
miento basado en casos (ya reseñados en
los apartados anteriores). Entre ellos cabe
destacar los congresos internacionales que
se vienen celebrando cada año, desde
1995, en Huelva ya que incluyen artículos
sobre inteligencia artificial en el área de la
contabilidad, las finanzas y los impuestos.
Actualmente es un buen momento pa-
ra crear aplicaciones empresariales bajo
esta tecnología. En un principio el CBR
fue utilizado en el área legal y en medici-
na, sin embargo, ya está probada también
su validez en el área empresarial: audito-
ría, análisis de riesgo, etc. Es obvio que
dadas las ventajas de utilización del CBR
y los buenos resultados que se vienen ob-
teniendo, se incrementen las aplicaciones
constituidas bajo este sistema.
BIBLIOGRAFÍA
Aagmodt, A. y Plaza, E. (1994). “Case-Based
Reasoning: Foundational Issues, Methodological
Variations, and System Approaches”, AiCom - Artificial
Intelligence Communications, vol. 7, n. 1, pp. 39-52, /
people/ enric/AICom.html.
Anderson J. R. (1983), “A Spreading Activation
Theory of Memory”, Journal of Verbal Learning and Verbal
Behaviour 22, pp.261-295. También en Collins A. y Smith
E. E. 1988, Readings in Cognitive Science, Morgan
Kaufmann, pp. 137-154.
Arcos, J. L. (2001), “T-Air: A Case-Based Reasoning
System for Designing Chemical Absortion Plants”, Lecture
Notes in Artificial Intelligence, ICCBR, Vol. 2080, pp. 576-
588.
Arcos, J. L. y López de Mantaràs (2001), “An
Interactive CBR Approach for generating Expressive
Music”, Journal of Applied Intelligence, vol. 27, n. 1, pp.
115-129.
Curet, O. (1995), “The Application of Case-Based
Reasoning to Assist Accountants in Identifying Top
Management Fraud”, IEEE Colloquium on CBR.
Curet, O. y Jackson M. (1997), “A Case-Based
Learning and Reasoning Agent in Unstructured Decision
Making”, Third International Meeting on Artificial
Intelligence in Accounting, Finance and Tax, Sierra y
Bonsón (ed), Huelva, septiembre, pp.35-47.
Curet, O. y Jackson M. (1998), “Issues for Auditors
Designing Case-Based Reasoning Systems”, IV
International Conference on Artificial Intelligence in
Accounting, Finance and Tax, Bonsón y Vasarhelyi (ed),
Huelva, diciembre 17-18.
Curet, O.; Elliot, J. y Jackson M. (1996a), “The Use
of Case-Based Reasoning to Understand Transfer
Pricing”, Second International Meeting on Intelligent
Systems in Accounting and Finance, Sierra y Bonsón (ed),
Huelva, pp.45-61.
Nº 139 • Diciembre de 2002
● Los sistemas de razonamiento basados
en casos: Aplicaciones empresariales
Curet, O.; Jackson, M. y Killin, J. (1996b),
“Implementing and Evaluating Case-Based Learning and
Reasoning Applications: A Case Study”, Progress in Case-
Based Reasoning, Second United Kingdom Workshop,
Salford, U.K., abril 12, Ian D. Watson (ed), Salford
University, pp. 142-152.
Charlo, M. J. (2001), “El Uso del CBR en la
Resolución Problemas de Decisión: el Caso de la
Concesión de Préstamos en Empresas Financieras”, Tesis
Doctoral, Universidad de Sevilla.
Chi, M.; Chen, M.; y Kiang, Y. (1991),
“Generalized Case-Based Reasoning System for Portfolio
Management”, Expert system with Applications, vol. 6, n.
1, pp. 67-76.
Denna, E. L.; hansen, J. V; Meservy, R.D. y Wood,
L. E. (1992), “Case-Based Reasoning and Risk Assessment
in Audit Judgment”, International Journal of Intelligent
Systems in Accounting, Finance and Management, vol. 1,
n.3, pp. 163-171.
Dearden, A. M. (1995), “Improving the Interfaces
to Interative Case Memories”, Progress in Case-Based
Reasoning, First United Kingdom Workshop, Salford, U.K.:
Salford University, pp. 73-90.
González, A. J. y Laureano-Ortiz, R. (1992), “A
Case-Based Reasoning Approach to Real Estate Property
Appraissal”, Expert Systems with Applications, vol. 4., pp.
229-246.
Harmon, P. (1991), “Case-Based Reasoning II. A
continuation of our Overview of the Hottest New
Approach to Knowledge-Based Systems Development”,
Intelligent Software Strategies, vol.7, n 12, diciembre
1991, pp. 1-9.
Kolodner, J. L y Leake, D. B. (1996), “A Tutorial
Introduction to Case-Based Reasoning”, Cased-Based
Reasoning. Experiences, lessons, & Future Directions,
Capítulo 2, David B. Leake (ed), MIT Press,
Massachussetts Institute of Technology, Cambridge,
England.
Kolodner, J. L. (1991), “Improving Human
Decision Making Through Case-Based Decision Aiding”,
AI Magazine, vol. 12, n.2, pp. 52-69.
Kolodner, J. L. (1993), Case-Based Reasoning,
Morgan Kaufmann Publishers, Inc., San Mateo, CA.
Leake, D. (1992), “Evaluating Explanations- A
Content Theory”, Lawrence Erlbaum Associates, Hillsdale,
N.J.
Leake, D. (1996), “CBR in Context. The Present
and Future”, Case-Based Reasoning. Experiences, Lessons,
& Future Directions, Capítulo 1. David B. Leake (ed), MIT
Press, Massachussetts Institute of Technology,
Cambridge, England.
Lekkas, G.P.; Avouris, N.M. y Viras, L. G. (1994),
“Case-Based Reasoning in Environmental Monitoring
Applications”, Applied Artificial Intelligence, vol. 8, pp.
359-376.
Morris, B. W. (1992), Case-Based Reasoning in
Internal Auditor Evaluations of EPD Controls, Ph. D.
Dissertation, University of Pittsburgh.
Morris, B. W. (1994), “SCAN: A Case-Based
Reasoning Model for Generating Information System
Control Recommendations”, International Journal of
Intelligent Systems in Accounting, Finance and
Management, 3(1), pp. 47-63.
Morris, B. W. y Chen, S. (1997), “The Use of
Partial Cases in a Case-Based Reasoning System For Pre-
Engagement Client Screening “, Third International
Meeting on Artificial Intelligence in Accounting, Finance and
Tax, Sierra y Bonsón (ed), Huelva, septiembre, pp.137-
149.
Mulvenna, M. D.; McIvor, R.T.; Ward, A. M.;
Hughes, J. G. (1996), “The Application of Case-Based
Reasoning to the Interpretation of Financial Data for
Acquisition Analysis “, Second International Meeting on
Artificial Intelligence in Accounting, Finance and Tax, Sierra
y Bonsón (ed),Punta Umbría (Huelva), septiembre, pp.
139-155.
Pankakoski, J.; Eloranta, E.; Luthtala, M.; y
Nikkola, J. (1991), “Applying Case-Based Reasoning to
Manufacturing Systems Design”, Computer-Integrated
Manufacturing systems, vol. 4, n. 4 , noviembre, pp.212-
220.
Pu, P. y Reschberger, M. (1991), “Assembly
Sequence Planning Using Case-Based Reasoning
Techniques”, Knowledge-Based Systems, vol. 4, n. 3, pp.
123-130.
Riesbeck, C. y Schank, R. (1989), Inside Case-Based
Reasoning, Lawrence Erlbaum Associates, Inc., Hillsdale,
New Yersey.
Ross, B. (1989), “Remindings in Learning and
Instruction”. Similarity and Analogical Reasonings, S.
Vosniadau and A. Ortomp (ed). New York: Cambridge
University Press, pp.144-147.
Schank, R. (1988), “Reminding and Memory”,
DARPA Case-Based Reasoning Workshop, Kolodner (ed),
San Francisco: Morgan Kaufmann Publishers.
Schank, R. C. (1982), Dynamic Memory: A Theory of
Reminding and Learning in Computers and People,
Cambridge University Press, New York.
Sinha, A. y Richardson, M.A. (1996), “A Case-
Based Reasoning System for Indirect Bank Lending”,
Intelligent Systems in Accounting, Finance and
Management, vol. 5, pp. 229-240.
Slade, S. (1991), “Case-based reasoning: A research
paradigm”, AI Magazine, vol. 12 n. 1, pp. 42-55.
Sycara, K. P. y Navinchandra, D. (1989),
“Integrating Case-Based Reasoning and Qualitative
Reasoning in Engineering Design”, AI in Design: Fourth
International Conference on the Applications of AI in
Engineering, julio, Cambridge, UK.
Vargas, J. E., Kee, C.J. (1994), “Improving the
Scope of Intelligent Tutoring by Adapting a Case-Based
Methodology Through a Distributed Architecture”,
Applied Artificial Intelligence,vol. 8, pp. 413-424.
Watson, I. (1995), “An Introduction to Case-Based
Reasoning”, Progress in Case-Based Reasoning, First United
Kingdom Workshop, Salford, U.K., enero 12, Ian D.
Watson (ed), Salford University, pp. 3-16.
Watson, I. (1996a), Knowledge Based Engineering,
University of Salford, IGDS Programme Office, http:
//www.salford.ac.uk/survey/igds/ mod7/ chp00.htm.
Watson, I. (1997), Applying Case-Based Reasoning:
Techniques for Enterprise Systems, University of Salford,
U.K., Morgan Kaufmann Publishers, Inc.
Watson, I. (1998), The Masters in Construction IT,
Workbook, Elective Module Ten, Knowledge Based
Engineering, abril, University of Salford, U.K.
Watson, I. y Marir, F. (1994a), “Cased-Based
Reasoning: A review”, The Knowledge Engineering Review.
vol. 9, n. 4, pp. 355- 381.
Watson, I. y Marir, F. (1994b), “Cased-Based
Reasoning: A Categorised Bibliography”, The Knowledge
Engineering Review. vol. 9:4, pp. 1-36.
Whitaker, L. y Wiggins, S. L. (1989), “ A Case-
Based Reasoning System to Improve Cost Estimates of
Manufactured Products”, IEEE International Conference on
Systems, Man and Cybernetics, Part 2, Nov. 14-17,
Cambridge, Massachusetts, pp. 521-522.
Wills, L. M. Y Kolodner, J. (1996), “Towards More
Creative Case-Based Design Systems”, Cased-Based
Reasoning. Experiences, lessons, & Future Directions,
Capítulo 4. David B. Leake (ed), MIT Press,
Massachusetts.
147 •