TECNOLOGÍAS DE INFORMACIÓN PARA LA GESTIÓN

12
INTELIGENCIA ARTIFICIAL
APLICADA A LOS NEGOCIOS
 INTELIGENCIA ARTIFICIAL
APLICADA A LOS NEGOCIOS
12.1 Inteligencia artificial
12.2 Técnicas Inteligentes
• Razonamiento basado en casos
• Lógica Difusa
• Algoritmos Genéticos
• Agentes Inteligentes
12.3 Sistemas expertos
12.4 Redes neuronales
 12.1

INTELIGENCIA ARTIFICIAL
 INTELIGENCIA ARTIFICIAL
• “Capacidad de un sistema para interpretar
correctamente datos externos, para aprender de
dichos datos y emplear esos conocimientos para lograr
tareas y metas concretas a través de la adaptación
flexible” (Andreas Kaplan y Michael Haenlein)

• Se refiere a una máquina que imita funciones

“cognitivas” humanas: “percibir”, “razonar”, “aprender”
y “resolver problemas”

• Test de Turing sobre IA: No se puede saber si está

interactuando con una computadora o un humano

5
NATURALEZA DE LA INTELIGENCIA
• Aprende de la experiencia y aplica el conocimiento.
• Manejar situaciones complejas.
• Resuelve problemas cuando falta información
importante.
• Determina lo que es importante
• Reacciona rápida y correctamente a nuevas
situaciones.
• Entiende imágenes visuales
• Procesa y manipular símbolos.
• Es creativo e imaginativo.
• Utiliza heurísticas (reglas básicas)
6
INTELIGENCIA NATURAL Y ARTIFICIAL
ATRIBUTOS Inteligencia Inteligencia
Natural Artificial
(Humana) (Máquina)
La capacidad de utilizar sensores (ojos, oídos, tacto, olfato). Alta Baja

La capacidad de ser creativo e imaginativo. Alta Baja

La capacidad de aprender de la experiencia. Alta Baja

La capacidad de adaptarse Alta Baja

La capacidad de utilizar una variedad de fuentes de información. Alta Alta

La capacidad de adquirir gran cantidad de información externa. Alta Alta

La capacidad de hacer cálculos complejos. Baja Alta

La capacidad de transferir información. Baja Alta

La capacidad de hacer cálculos de forma rápida y precisa. Baja Alta

 Modelo Conceptual de IA
Inteligencia
Artificial

Visión
Sistemas de
Artificial
Aprendizaje

Robótica Sistemas Expertos

Redes Neuronales
Procesamiento de
Lenguaje Natural
 Aplicaciones de Inteligencia
Artificial a negocios
• Concesión de créditos y análisis de préstamos.
• La selección de valores
• Presupuesto
• Inversión en acciones
• Detección de pagos o reclamos irregulares
• Atención a clientes mediante chatbot
• Contestadoras de llamadas de clientes
• Plataformas automatizadas de compra y venta
• Auditoría financiera
 12.2

TECNICAS INTELIGENTES
• Razonamiento basado en casos
• Lógica Difusa
• Algoritmos Genéticos
• Agentes Inteligentes
Razonamiento Basado en Casos
las descripciones de experiencias pasadas de
personas especialistas, representadas como casos,
INTELIGENCIA se almacenan en una base de datos para su
ORGANIZACIONAL: recuperación posterior, cuando el usuario encuentre
RAZONAMIENTO un nuevo caso de características similares. El
BASADO EN CASOS sistema busca los casos almacenados cuyas
características coincidan con las del nuevo caso,
encuentra el más aproximado, y aplica al nuevo
caso las soluciones del caso antiguo.

Funcionamiento

Los sistemas expertos aplican un conjunto de

reglas SI-ENTONCES-DE LO CONTRARIO
establecidas por personas expertas. El
razonamiento basado en casos, en contraste,
representa el conocimiento como una serie de
casos y los usuarios expanden y retinan
continuamente esta base del conocimiento.
1. El usuario describe el problema
Razonamiento
Basado en Casos

2. El sistema busca casos similares en

la base de datos

Base de datos de
casos

3.
El sistema hace preguntas adicionales para
estrechar la búsqueda

4. El sistema encuentra el caso más parecido

y recupera la solución

5.
El sistema guarda el problema y
El sistema modifica la solución para que se
ajuste mejor al problema
6. la solución correcta en la base
de datos

¿Tuvo éxito?
NO SI

Usa una base de datos de casos anteriores y sus soluciones

 Implementación de las reglas de
Lógica Difusa en el hardware
Norma
Fría Agradable Calurosa Sofocante

-10 5 10 15 20 25 30 35 40
Temperatura

Las funciones del número de opciones para la entrada llamada temperatura están en la
lógica del termostato para controlar la temperatura de la habitación.
Las funciones de las opciones ayudan a traducir las expresiones linguísticas como
calurosa en números que la computadora pueda manipular.
Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre
sí.
Algoritmos Genéticos

El algoritmo genético utiliza

un proceso repetitivo que
refina las soluciones iniciales
para que las mejores, las de
mayor adaptabilidad, tengan
más probabilidades de
convertirse en la mejor
solución.
La antena 2006 de la nave
espacial de la NASA ST5.
Esta forma complicada fue
encontrada por un programa
evolutivo del diseño de
computadora para crear el
mejor patrón de la radiación.
Se conoce como una antena
evolucionada.

Se detiene cuando se alcance un

número de iteraciones (generaciones)
máximas pre-definido o cuando no
haya cambios en la población
Otro ejemplo
 Agentes Inteligentes
1
3

2
3. Los agentes de software
1. Los agentes de calendarizan los envíos de
software calendarizan los distribuidores a los
las entregas de los establecimientos
proveedores. Si un comerciales, y dan prioridad
proveedor no puede a los establecimientos con
2. Los agentes de software
entregar a tiempo, los inventarios reducidos. Si se
recopilan datos de ventas en tiempo
agentes negocian con atrasa un envío a un
real, procedentes de múltiples
otros proveedores para establecimiento comercial,
establecimientos comerciales. Sobre
generar un calendario los agentes buscan un
cada producto. A su vez, transmiten
de entrega alternativo. transportista alternativo
los datos a las instalaciones de
producción para surtir las órdenes Los agentes inteligentes trabajan
de reabastecimiento, y a ventas y en segundo plano y están
marketing para realizar análisis de ayudando a Procter & Gamble a
tendencias acortar los ciclos de
reabastecimiento de productos
 12.3
SISTEMAS EXPERTOS
Un Sistema Experto es un sistema que emplea
conocimiento humano capturado en una
computadora para resolver problemas que
normalmente requieran de expertos humanos.
Los sistemas bien diseñados imitan el proceso de
razonamiento que los expertos utilizan para resolver
problemas específicos.
 Características del los
Sistemas Expertos
• Puede explicar su razonamiento o decisiones
sugeridas.
• Puede mostrar un comportamiento "inteligente“
• Puede sacar conclusiones de relaciones
complejas
• Puede proporcionar soluciones para una variedad
de situaciones complejas
• Puede lidiar con la incertidumbre
Limitaciones de los Sistemas Expertos
• No ampliamente utilizado o probado
• Difícil de usar
• Limitado a problemas relativamente estrechos
• No se puede tratar fácilmente con el conocimiento
“mezclado"
• Posibilidad de error
• No puede refinar su propia base de conocimientos.
• Difícil de mantener
• Puede tener altos costos de desarrollo
• Plantea problemas éticos y legales.
Componentes de un Sistema Experto
El Sistema Experto
Consejo
experto
Interface Motor de
Base de
del usuario inferencia
Conocimientos

Usuario Computador

Desarrollo del Sistema Experto

Ingeniería del
Conocimiento
Programa de
Adquisición del
Conocimiento
Experto y/o
Computador Ing del conocimiento
 Herramientas de Adquisición de
conocimiento

Herramienta de
Adquisición de
Conocimientos

Base de
Experto
Conocimientos
 Proceso de desarrollo de un
Sistema Experto

Determinación de requerimientos

Identificación de expertos

Construcción de componentes del sistema experto

Implementación de resultados

Mantenimiento y revisión del sistema experto

A→B Reglas de un Sistema
Si Ingr > 50,000
Preguntar por pagos
Experto
de automóvil
SINO Salir B→C
Si pago de automovil < 10% de los
ingresos
Pregunte por pago de hipoteca Sino
Salir

C→D
Si el pago de hipoteca < 20% de los D
ingresos Otorga línea de
Otorge crédito crédito
De lo contrario SALIR

E→F
D→E Si años 4 F
Si D, pregunta por Otorga línea de crédito de 10,000 Límite 10,000
años en el trabajo De lo contrario, pasa a G

G→H H→ F
Si años < 4 Si otra deuda < 5% de los ingresos I
Pregunta por otra Pasa a F Límite 3,000
deuda De lo contrario pasa a I
Motores de Inferencia en Sistemas Expertos
Reglas de ingresos

Si Ingr > $100,000 Si seguro de vida enviar Si representante de ventas o

Entonces seg de rep de ventas seg temporal o Asesor
vida Financiero entonces buscar en
BD

Otras cuentas
Si ingr > $50,000 y <
$100,000 entonces Si seg temporal Si no está en la BD
seg temporal Enviar folleto entonces agregarlo
como cliente
potencial
Reglas de bienes raíces
Si Bienes raíces Si Bienes raíces
Si AsesFinaciero
Entonces >$500,000 entonces
entonces preparar kit
Contactar enviar Asesor
de ventas
posteriormente Financiero

Un motor de inferencia busca entre las reglas y “acciona” las reglas

activadas por hechos obtenidos e introducidos por el usuario.
 Cuando usar Sistemas
Expertos
• Gran rendimiento
• Preservar la experiencia escasa
• Distribuir experiencia
• Proporcionar más consistencia que los
humanos
• Soluciones más rápidas que los humanos.
• Experiencia en entrenamiento
 12.4
REDES NEURONALES
 Redes Neuronales
Técnica de la Inteligencia Artificial que imita
computacionalmente el funcionamiento del
aprendizaje de la neurona humana integrada en el
cerebro para toma de decisiones
 Redes Neuronales
• Las redes neuronales se han utilizado para resolver una
amplia variedad de tareas, como la visión por
computador y el reconocimiento de voz, que son
difíciles de resolver usando la ordinaria programación
basado en reglas. Históricamente, el uso de modelos de
redes neuronales marcó un cambio de dirección a
finales de los años ochenta de alto nivel, que se
caracteriza por sistemas expertos con conocimiento
incorporado en si-entonces las reglas, a bajo nivel de
aprendizaje automático, caracterizado por el
conocimiento incorporado en los parámetros de un
modelo cognitivo con algún sistema dinámico.
Nuevas investigaciones sobre el cerebro a
menudo estimulan la creación de nuevos
patrones en las redes neuronales
Que es una red neuronal
 Aplicaciones en Marketing
Redes Neuronales

• Investigación de Mercados
• Investigación de patrones de consumo, conductas y perfil de
Clientes
• Investigación de preferencias del Consumidor
• Selección automática de canales de distribución y
comercialización
• Segmentación de mercados
• Análisis de conducta en redes sociales
• Analítica de CRM-Clientes y SRM-Proveedores
• Análisis y gestión de la Experiencia del Cliente (CEM)
 Aplicaciones en Contabilidad y Finanzas
Redes Neuronales

• Predicción de fraude crediticio, patrimonial y tributario

• Optimización de portafolios de inversión
• Reconocimiento de patrones inductores de costo y gasto
• Modelación financiera y econométrica para BigData
• Análisis de Riesgo financiero
• Análisis transaccional y Banca digital
• Inteligencia Financiera
• Servicios financieros
• Gestión de experiencia, reclamos y mejora
 Aplicaciones en Gestión Humana
Redes Neuronales

• Servicio en atención al Cliente (Call Centers y Chat-bots)

• Predicción de Clima laboral y de experiencia del colaborador
• Analítica de productividad laboral y sistemas de compensación
• Predicción de la rotación laboral y niveles de stress empresarial
• Reconocimiento de patrones para reclutamiento y selección
• Sistemas de control de asistencia y localización de colaboradores
• Planificación de tiempos y programación automática de cargas de
trabajo
• Analítica de Perfiles de puestos laborales
• Sistemas predictivos de capacitación y entrenamiento
 Aplicaciones en Investigación
Redes Neuronales

• Analítica predictiva en investigación cualitativa

• Analítica de datos en investigación cuantitativa y mixta
• Análisis de datos no estructurados, sentimientos y emociones
• Investigación sincrónica y diacrónica sobre BigData
• Predicción del comportamiento y riesgo de modelos de negocio
• Análisis de sensibilidad a factores y variables de contexto
• Diseño experimental y analítica de prototipos para innovación
 Aplicaciones en Gestión de Operaciones
Redes Neuronales

• Programación maestra de producción

• Predicción y pronóstico de ventas e inventarios
• Sincronización de Cadenas de Suministro (SCM) ampliadas
• Reducción del efecto látigo en cadena de suministros (SCM)
• Análisis de restricciones y optimización logística
• Modelación y simulación de procesos
• Planeación Estratégica y Análisis de Riesgo
• Predicción de Fallas, Trazabilidad y Control de Calidad-
Confiabilidad
• Instrumentación-Control y Automatización
Bonus: Video recomendado: What is
Artificial Intelligence? In 5 minutes.