Ingeniería Civil Industrial, Tecnología & Sistemas,

Universidad de La Serena, Chile

Aplicaciones de la Inteligencia Artificial en la actualidad

Evelyn Torres Cerda1*,Juan Castillo Navarrete1, Pamela Osses Villegas1
(1) Estudiantes, Ingeniería Civil Industrial, Universidad de La Serena, Chile

Información Artículo Resumen

Publicación El entorno competitivo de la actualidad esta innegablemente sometido a constantes cambios,
Junio de 2014 aunque la gran mayoría de las organizaciones se resiste y no toma en cuenta que para sobrevivir
es necesario adaptarse a las nuevas tendencias. Estos cambios llevan a las personas y a las
Palabras Clave
organizaciones a usar nuevas tecnologías de la información y métodos que sean útiles para
Artificial Intelligence
mejorar las capacidades analíticas que apoyen la correcta toma de decisiones, con un mejor
Business Intelligence
Adaptive Business Intelligence manejo de información y datos. La aplicación de estos nuevos métodos está presente en
Adaptabilidad diversos campos como la Ingeniería, la Industria, la Medicina, la Economía y hasta los juegos.
Información Estos métodos utilizan el termino Inteligencia, la cual es fundamental para el desarrollo de las
Competitividad capacidades humanas y ahora de las maquinas. El término de Inteligencia, es introducido
dentro de los negocios, como Business Intelligent (B) lo que permite a las empresas y
Autor de Correspondencia *
organizaciones adoptar formas innovadoras en el manejo de su información. Uno de los
Benavente N° 980
La Serena, Chile objetivos claves de estos métodos innovadores es crear sistemas con una arquitectura de la
1720170 información que permita a las organizaciones centralizar información, para poder utilizarla en el
juancastillonavarrete@gmail.com funcionamiento operacional, directivo y estratégico, con el fin de lograr el éxito competitivo.
evelyn.torres.cerda@gmail.com
pamssss@hotmail.com
+56051204262

1. Introducción interactúa en una conversación de lengua natural con

El término inteligencia ha sido utilizado por los
investigadores en inteligencia artificial desde 1950. La
inteligencia empresarial se convirtió en un término
popular en las comunidades empresariales y de
tecnologías de la información sólo en la década de
1990. A finales de la década de 2000, se introdujo el
análisis de negocios para representar el componente
analítico clave en inteligencia de negocios (Chen,
Chiang y Storey, 2012). Hoy por hoy, métodos artificiales
de inteligencia tienen una amplia aplicación en
diferentes campos tales como medicina, juegos,
transporte o la industria (Hilovska y Koncz, 2012). Este
breve documento describe la inteligencia de negocios
como un recurso estratégico que facilita la toma de
decisiones y promueve el logro de ventajas competitivas
en los mercados donde la compañía se desenvuelve
(Navarro, Barrera y Villarejo, 2013).
2. Inteligencia Artificial (AI)
Podemos definir la Inteligencia Artificial como el intento
de simular en algún tipo de artefacto –sea una
un humano y una máquina. Cuando el juez no puede
distinguir entre el humano y la máquina, se dice que esta
puede ser considera como inteligente. La inteligencia
artificial trata con los problemas de clasificación,
predicción y optimización, lo que lleva a una toma de
decisiones de forma inteligente, donde los problemas
simplemente no pueden ser formalizados. La toma de
decisiones con el apoyo de la inteligencia artificial,
puede permitir tomar la decisión con datos más
relevantes y más información (Hilovska y Koncz, 2012).
Volviendo a las definiciones, una más actual es: “La
inteligencia Artificial es el concepto de estudio y de
investigación para la búsqueda de relaciones entre la
ciencia cognitiva y las teorías de cálculo con el fin de
representar a estas relaciones, ya sea como estructuras
de datos, búsquedas técnicas, métodos para solucionar
problemas o formas de representación para el
conocimiento” (Owaied, 2013).
El enfoque de AI se puede dividir en dos enfoques
principales, el enfoque Simbólico (convencional) y el
enfoque Sub Simbólico (inteligencia computacional).


computadora digital o análoga, un robot o los algoritmos
AI Simbólico: utiliza la lógica y las reglas para
evolucionarios propios de las redes neuronales artificiales-
tomar decisiones. Ejemplos de técnicas AI
el comportamiento inteligente humano (Penas, 2013).
Convencionales son los sistemas expertos y redes
Remontándonos en el tiempo, Alan Turing emprendió
bayesianas. Se trata de un enfoque de arriba
una prueba de la capacidad de una máquina de
hacia abajo.
demostrar inteligencia, esto procede así: un juez humano
 Torres et al./ Aplicaciones de la Inteligencia Artificial en la actualidad (2014)
 AI Sub- Simbólico: se inspira en los mecanismos
biológicos y utiliza un enfoque de abajo hacia
arriba. Ejemplos de técnicas de inteligencia
computacional utilizados en la aplicación
económica son las redes neuronales, algoritmos
genéticos, los sistemas difusos, etc. (Hilovska y
Koncz, 2012).
El sistema experto, es el área más activa, fructífera y
extensa, fue nombrado como “la gestión del
conocimiento y la tecnología de la toma de decisiones
del siglo 21” (Lu, Zheng y Chen, 2012).
La inteligencia artificial es una disciplina integral, que fue
desarrollada sobre la base de la interacción de varios
tipos de disciplinas, como: la informática, la cibernética,
teoría de la información, psicología, la lingüística y la
neurofisiología (Lu, Zheng y Chen, 2012).
En caso de estudio, el campo de la AI, se puede dividir
en cuatro sub clases:

Razonamiento del problema y su solución:
comprende un arreglo de circuito específico
para realizar el razonamiento aproximado,
donde los valores y cuantificadores son
representados por distribuciones de posibilidad.

Estudio de la maquina: el sistema tiene la
capacidad de automáticamente añadir a su
corriente la colección integrada de hechos y
relaciones.
 Conexión a una estructura de red: el sistema
contiene los detalles de construcción de
procesadores o sus interconexiones
 Sistemas de tratamiento del conocimiento: un
sistema comprende datos en un dominio
específico, que son integrados como una
colección de hechos y relaciones. Luego se
aplica una técnica de razonamiento. (Tseng y
Ting, 2013)
Uno de los objetivos de la AI es: Explorar, imitar y ejecutar
algunas de las funciones inteligentes del cerebro
humano, de modo que las personas puedan desarrollar
productos de más tecnología y establecer teorías más
relevantes (Lu, Zheng y Chen, 2012). Se pretende
descubrir mecanismos de adaptación mediante la
inteligencia, en un entorno que cambia
constantemente, por ejemplo en la capacidad de
excluir soluciones improbables (Hilovska y Koncz, 2012).
Hoy en día, los investigadores de AI son capaces de
crear ordenadores que pueden realizar trabajos que son
difíciles para las personas, como la lógica, la resolución
de problemas de algebra, la planificación de rutas y
Ingeniería Civil Industrial, Tecnología & Sistemas, Universidad de La Serena, Chile
hasta jugar ajedrez. Pese a esto, su objetivo original hasta
ahora no ha podido ni quizás pueda ser cumplido “Crear
una verdadera inteligencia a nivel humano en las
maquinas”.
La AI se ha convertido en una parte importante y
esencial de la tecnología y de la industria, y proporciona
soluciones a algunos de los problemas más complejos en
la informática (Velyk, 2012). También juega un papel
clave en economías de conocimiento, porque puede ser
utilizada para desarrollar sistemas que piensen como la
gente, actúen como la gente, piensen racionalmente y
actúen racionalmente (Tseng y Ting, 2013).
3. Business Intelligence (BI)
El proceso de la toma de decisiones y el intercambio de
información de toda la organización se realiza en base a
las herramientas tecnológicas (Affeldt y da Silva, 2013).
La Inteligencia de Negocios consiste en un conjunto de
técnicas y herramientas que tiene como finalidad
ofrecer a las empresas el apoyo necesario para tomar
decisiones (Hou, 2014), mejorar la calidad de la
información entregada a gerentes (Affeldt y da Silva,
2013), y mejorar la velocidad y fiabilidad de sus
empleados al momento de tomar decisiones (Hou, 2014).
Es por ello que se está utilizando cada vez más en el
ambiente de negocios y ha sido objeto de investigación
científica.
El objetivo de un sistema de inteligencia de negocios
como una tecnología, es crear una estructura que
transforma los datos registrados de la organización en
información útil para la toma de decisiones (lo que crea
valor para la empresa) (Affeldt y da Silva, 2013) y así ser
parte de la estrategia empresarial pues permite optimizar
la utilización de recursos, monitorear el cumplimiento de
los objetivos de la empresa y la capacidad de tomar
buenas decisiones para así obtener mejores resultados.
En resumen, inteligencia de negocios es un término
sombrilla, es decir, la combinación de tecnología,
herramientas y procesos que permiten transformar los
datos almacenados en información, esta información en
conocimiento y este conocimiento aplicarlos a un plan o
una estrategia comercial (Bustamante, González, García
y Benavides, 2011).
La inteligencia de negocios, o también a veces llamada
inteligencia competitiva, es una herramienta líder en los
negocios, una visión central competente como
consecuencia de un extenso informe acerca de una
empresa competidora, que es buscado continuamente
para explotar sus puntos débiles y todo para evitar
sorpresas competitivas. (Bucur y Pribac, 2010)
 Torres et al./ Aplicaciones de la Inteligencia Artificial en la actualidad (2014)
BI como disciplina está compuesto por varias partes
relacionadas, incluyendo el Data Mining, procesamiento
analítico en línea, consulta y la presentación de informes
en almacenes de datos (Grigorut, Grigorut y Surugiu,
2013). A continuación se detallan:
a) Almacenes de datos: Bodega de datos que guarda y
ordena información que se extrae directamente de los
sistemas operacionales (ventas, producción, finanzas y
marketing, etc.) y de datos externos
b) Procesamiento analítico en línea (OLAP):
Procesamiento de datos que se caracteriza por permitir
el análisis multidimensional de datos
c) Minería de datos: que permite la extracción y
descubrimiento de patrones de información en datos y
casos específicos, es un proceso no trivial de
identificación válida, novedosa, potencialmente útil y
entendible de patrones comprensibles que se
encuentran ocultos en los datos (Bustamante, González,
García y Benavides, 2011).
Todos los componentes descritos anteriormente, se
reflejan en la figura 1, ubicada en el anexo.
4. Adaptive Business Intelligence
La necesidad de crear una Inteligencia de Negocios
Adaptativa, nace de los constantes cambios en el
entorno y las necesidades de adaptación y ajustes de las
organizaciones en la actualidad (Michalewicz, Schmidt,
Michalewicz, y Chiriac, 2007).
Adaptive Business Intelligence (ABI) incluye técnicas de
predicción y optimizaciones que se utilizan para construir
los sistemas de toma de autoaprendizaje. Otra cosa
importante acerca de este tipo de sistemas es la
adaptabilidad. La adaptabilidad es un componente vital
de cualquier sistema inteligente (Nenortaite y Butleris,
2009). En un ABI se presenta:

Módulo de Predicción: la función básica de un
módulo de predicción (que puede estar
compuesto de uno o varios modelos de
predicción) debe producir una salida basada en
alguna entrada. Para hacer el módulo de
predicción funcional, es necesario "entrenar"
varios modelos subyacentes que usan datos
históricos.

Modulo de Optimización: Después viene el
desarrollo de un módulo de optimización capaz
de recomendar la mejor respuesta. Note que la "
Ingeniería Civil Industrial, Tecnología & Sistemas, Universidad de La Serena, Chile
mejor la respuesta " está basada en la salida del
módulo de predicción.
 Modulo de Adaptabilidad: Debido a la
predicción exacta de hoy puede ser mañana
inexacta, el módulo de predicción debe ser
capaz de "aprender de" y "adaptarse a los"
cambios en el medio ambiente. El concepto de
capacidad de adaptación tiene consecuencias
de largo alcance: Imagine un sistema que
mejorará con el tiempo, aprendiendo de sus
propios errores de predicción. Dicho sistema sería
verdaderamente adaptativo.
Los módulos anteriores son los componentes básicos de
un sistema Adaptive Business Intelligence. Sin embargo,
esto no significa que otros componentes no son
importantes (por ejemplo, una interfaz gráfica de usuario
fácil de usar, una base de datos para almacenar la
información).La estructura general de un sistema
Adaptive Business Intelligence puede ser apreciada en la
figura 2, del anexo. (Michalewicz, Schmidt, Michalewicz,
y Chiriac, 2007).
5. Conclusiones
Hoy en día, la inteligencia artificial, ha ido
desarrollándose a una alta rapidez, de tal modo en que
se ha vuelto fundamental su uso para la resolución de
problemas y la toma inteligente de decisiones. La
podemos nombrar como una herramienta dentro del
desarrollo de la industria, la ingeniería, la economía y la
medicina, debido a su participación dentro de los todos
los procesos automatizados e informáticos, dando
soluciones integrales y precisas, gracias a que utiliza
diversos métodos y recursos tecnológicos disponibles,
que permiten el correcto manejo y gestión de la
información. Es muy importante considerar que el
concepto de inteligencia artificial se combina de
manera clave con los negocios produciendo lo que se
conoce como la Inteligencia de Negocios que mezcla
sus procesos y métodos de inteligencia artificial dentro
de una empresa, transformando la información que tiene
en conocimiento, para luego aplicarlo y adaptarlo en
distintos módulos para que la empresa pueda tomar las
mejores decisiones, mejorar el flujo de información entre
los colaboradores de la empresa y así producir un plan
de negocios o una estrategia comercial que logre el
éxito competitivo de las empresas. El uso de estas
herramientas en los sistemas de información y métodos
tecnológicos dentro de los negocios permite tener una
ventaja competitiva en el mercado, al lograr adaptase a
las nuevas tendencias que trae el cambio continuo y
estar preparado para las condiciones futuras del
entorno.
 Torres et al./ Aplicaciones de la Inteligencia Artificial en la actualidad (2014)

Referencias Owaied, H.(2012). New Overview of Artificial Intelligence.

Affeldt, F. & da Silva, S. (2013). Information Architecture
Analysis Using Business Intelligence Tools based on the
Information Needs of Executives. Journal of Information
Systems and Technology Management, 10(2), 251-270
(2013)
Bucur, O. & Pribac, L. (2010). Intelligence Key Weapon
Competitiveness. Annals of DAAAM International, 21(1).
Bustamante, A., Galvis, E., González, M., García, A &
Benavides, L. (2011). Soluciones de Inteligencia de
Negocios en la práctica. Apoyo a la toma de decisiones
en proyectos educativos para población infantil
vulnerable en el caribe Colombiano UIS Ingenierías, 10(2),
123-135.
International Journal of Academic Research, 4(2).
Penas, M.(2013). El Fracaso de la Inteligencia Artificial
Computacionalista y Su Posible Superación: Una
Aproximación Metafísica, Estudios Filosóficos, 62, 115-130.
Tseng, Ch & Ting, P.(2013). Patent analysis for technology
development of artificial intelligence: A country-level
comparative study, Innovation. Management, policy &
practice, 15(4) (2013).
Velik, R.(2012). AI Reloaded: Objectives, Potentials and
Challenges of the Novel Field of Brain-Like Artificial
Intelligence. BRAIN, 3(3) (2012).

Chen, H., Chiang, R & Storey, V. (2012). Business

Intelligence and Analytics: from Big Data to Big Impact.
MIS Quarterly, 36(4), 1165-1188.

Fuentes, L & Valdivia, R. 2010. Incorporación de

Elementos de Inteligencia de Negocios en el Proceso de
Admisión y Matricula de una Universidad Chilena.
Ingeniare. Revista Chilena de Ingeniería, 18(3), 383-394.

Grigorut, C., Grigorut, L & Surugiu, F. (2013). Marketing

Intelligence System a “Smart Tool” for de Companies.
Constanta Maritime University’s Annals, 18.

Hou, C.K.(2014). User Acceptance of Business Intelligence

Systems In Taiwan’s Electronics Industry. Social Behavior
And Personality, 42(4), 583-596.

Hilovska, K & Koncz, P. (2012). Application of Artificial

Intelligence and Data Mining Techniques to Financial
Markets. ACTA VSFS, 6(1).

Lu, P., Chen, S & Zheng, Y. (2012). Artificial Intelligence in

Civil Engineering. Mathematical Problems in Engineering.

Michalewicz, Z., Schmidt, M., Michalewicz, M & Chiriac, C.

(2007). Adaptive Business Intelligence. Springer, 37-45.

Navarro, A., Barrera, R & Villarejo, A.(2013). The

importance of Market Intelligence in Spanish firm’s
Exporting Activity. Esic Market Economics and Business
Journal, 44(3), 9-31.

Nenortaite, J & Butleris, R.(2009). Improving Business Rules

Management Through the Application of Adaptive
Business Intelligence Technique. Information Technology
and Control, 38(1).

Ingeniería Civil Industrial, Tecnología & Sistemas, Universidad de La Serena, Chile

 Torres et al./ Aplicaciones de la Inteligencia Artificial en la actualidad (2014)

Anexo

Figura 1. Componentes Business Intelligence (Fuentes y

Valdivia, 2010)

Figura 2. Modulos Adaptive Business Intelligence

(Michalewicz, Schmidt, Michalewicz, y Chiriac, 2007)

Ingeniería Civil Industrial, Tecnología & Sistemas, Universidad de La Serena, Chile