¿Qué es la Inteligencia Artificial?

La IA permite que los sistemas tecnológicos perciban su entorno, se relacionen

con él, resuelvan problemas y actúen con un fin específico. La máquina recibe
datos (ya preparados o recopilados a través de sus propios sensores, por ejemplo,
una cámara), los procesa y responde a ellos.

Los sistemas de IA son capaces de adaptar su comportamiento en cierta medida,

analizar los efectos de acciones previas y de trabajar de manera autónoma.

También es la columna vertebral de la innovación en la computación moderna, lo

que libera valor para las personas y las empresas.

Ventajas
Automatización de procesos
Permite que las máquinas hagan de forma automática tareas que para los
humanos resultan repetitivas y tediosas.
Reduce el error humano
Al reducir la intervención de los humanos en ciertos procesos, acaba con las
posibilidades de que estos puedan cometer errores.
Potencia la creatividad
Al liberar a los trabajadores de tareas repetitivas y poco motivadoras, la mente
de estos es mucho más libre para dedicarse al proceso creativo.
Aporta precisión
Al ser capaz de tomar decisiones por sí misma, la inteligencia artificial da lugar a
procesos productivos mucho más eficientes y con una menor tasa de error.

DESASTRES
Errores: La IA es una tecnología compleja y sujeta a errores. Si un sistema de IA
comete un error, puede tener consecuencias graves. Por ejemplo, un sistema de
IA utilizado para conducir un coche autónomo podría causar un accidente si
comete un error de cálculo.
Mal uso: La IA puede ser utilizada para fines maliciosos, como la creación de
armas autónomas o el desarrollo de propaganda. Es importante ser conscientes
de los riesgos potenciales antes de utilizar la IA.
Prejuicios: La IA puede reflejar los prejuicios de los humanos que la crean. Por
ejemplo, un sistema de IA utilizado para predecir la delincuencia podría estar
sesgado contra las minorías.
Pérdida de puestos de trabajo: La IA puede automatizar muchas tareas que
actualmente son realizadas por humanos. Esto podría conducir a la pérdida de
puestos de trabajo y a un aumento del desempleo.

OBJETIVOS
La inteligencia artificial hace referencia a sistemas informáticos que buscan imitar
la función cognitiva humana a través de máquinas, procesadores y softwares con
el objetivo de realizar tareas de procesamiento y análisis de datos.
En términos sencillos, se trata de máquinas diseñadas para razonar, aprender,
realizar acciones y resolver problemas.
Ejemplo de Inteligencia Artificial:

★ ALEXA
Amazon Alexa es un asistente virtual desarrollado por Amazon, utilizado por
primera vez en el altavoz inteligente Amazon Echo.
Está disponible en inglés, alemán, japonés, francés, italiano y español.
Alexa puede controlar varios dispositivos inteligentes que sean compatibles con
este sistema, como focos, interfonos, cámaras de video e interruptores
inteligentes.
Los usuarios pueden extender sus habilidades instalando "skills" (funcionalidades
adicionales desarrolladas por terceros parecidas a las aplicaciones) desde la app
Alexa. También pueden crear rutinas para automatizar sus dispositivos
inteligentes en función de un comando de voz, hora o ubicación.
Los dispositivos compatibles con Alexa permiten a los usuarios activar el sistema
utilizando una palabra de activación; otros dispositivos como la app de Amazon
Alexa y la app de Amazon Music para Android y iOS requieren que el usuario pulse
un botón para activar el modo de escucha de Alexa. También, existen dispositivos
de terceros con Alexa integrada.
 TIPOS DE RAMAS DE LA INTELIGENCIA ARTIFICIAL:

★Neural Networks: El Networking es una práctica que se basa en establecer una

red de contactos profesionales, en las que se pretende generar oportunidades
laborales o de negocio, para esto se realizan encuentros, charlas, conferencias o
cualquier tipo de reunión

A continuación, presentamos cuatro de las aplicaciones más importantes de las

redes neuronales.

Visión artificial

La visión artificial es la capacidad que tienen las computadoras para extraer

información y conocimientos de imágenes y videos. Con las redes neuronales, las
computadoras pueden distinguir y reconocer imágenes de forma similar a los
humanos. La visión artificial tiene varias aplicaciones, como las siguientes:

 Reconocimiento visual en los vehículos autónomos para que puedan reconocer

las señales de tráfico y a otros usuarios del camino
 Moderación de contenido para eliminar de forma automática los contenidos
inseguros o inapropiados de los archivos de imágenes y videos
 Reconocimiento facial para identificar rostros y reconocer atributos como ojos
abiertos, gafas y vello facial
 Etiquetado de imágenes para identificar logotipos de marcas, ropa, equipos de
seguridad y otros detalles de la imagen.

★Natural Language Generation (NLG): Es el proceso de la construcción de un

texto en lenguaje natural para la comunicación con fines específicos. Texto se
refiere aquí a un término general y repetitivo aplicable a expresiones, o partes de
ellas, de cualquier tamaño, tanto habladas como escritas.
Tipos de NLG

Podemos distinguir tres tipos de NLG:

 Básico: simplemente transforma datos en texto.

 Basado en plantillas: encaja datos dentro de plantillas de texto.

 Avanzado: deriva hechos a partir de datos y usa el contexto para adaptar

el mensaje.

★Predictive Analysis: Es una forma de análisis avanzado que examina datos o

contenidos para responder a la pregunta: ¿qué es probable que ocurra en el
futuro? Gracias al big data, los datos obtenidos a través de todos los sistemas
conectados pueden interpretarse para obtener predicciones sobre cómo se va a
comportar una persona o un grupo de población, algo también aplicable a
negocios o procesos.

Beneficios del modelado predictivo

 Seguridad: toda organización moderna debe preocuparse por mantener
seguros los datos. Una combinación de automatización y análisis
predictivo mejora la seguridad.
 Reducción de riesgos: además de mantener los datos seguros, la mayoría
de las empresas están trabajando para reducir sus perfiles de riesgo. Otras
empresas pueden utilizar análisis predictivos para comprender mejor si su
cobertura de seguro es adecuada.
 Eficiencia operativa : flujos de trabajo más eficientes se traducen en
mejores márgenes de beneficio.
  Mejora de la toma de decisiones: Dirigir cualquier negocio implica tomar
decisiones calculadas. Cualquier expansión o adición a una línea de
productos u otra forma de crecimiento requiere equilibrar el riesgo
inherente con el resultado potencial.

★Recommender Systems: Los Sistemas de Recomendación intentan personalizar

al máximo lo que ofrecerán a cada usuario. Es una solución tecnológica que
intenta “predecir” los siguientes ítems (productos, canciones, videos, etc.) que
querrá adquirir un usuario en particular.

Beneficios de un sistema de recomendación para el equipo de ventas:

 Resultados: Se incrementan las referencias introducidas desde el primer

mes de puesta en marcha.
 Potenciar las ventas: a través de cross selling y up-selling el ticket medio y
la introducción de nuevos productos en el mercado.
 Relaciones: Se mejora el conocimiento que se tiene de los clientes y sus
necesidades favoreciendo una atención más personalizada.
 Estrategia: Se toman decisiones estratégicas basadas en el
comportamiento de consumo de tus clientes que ayudan en nuevos
lanzamientos al mercado.
 ★Virtual Digital Assistants: Es un programa informático avanzado que simula
una conversación con las personas que lo usan, generalmente a través de
internet.

Los asistentes digitales virtuales utilizan inteligencia artificial avanzada,

procesamiento de lenguaje natural, comprensión del lenguaje natural y
aprendizaje automático para aprender y proporcionar una experiencia de
conversación personalizada.

Asistentes virtuales robóticos

En algunas ocasiones, este tipo de tareas son demasiado repetitivas y se pueden

ejecutar fácilmente conectando uno o más sistemas, por lo que algunas empresas
han decidido redirigir estas tareas de bajo valor a asistentes virtuales robóticos.

Un ejemplo de ello son los bots conversacionales o chatbots, programas que

pueden atender mensajes o llamadas de clientes, responder a preguntas
frecuentes, encontrar y ordenar información no estructurada y devolverla en
lengua natural, etc. Estos bots pueden estar integrados en una web pública,
intranet o aplicación móvil y funcionar a través de todos los canales de mensajería
(Messenger, Whatsapp, etc.).

Una variante de estos chatbots son los voicebots, algunos son ya famosos por ser
los asistentes personales del público general en sus teléfonos y ordenadores. Por
ejemplo, Siri, Cortana, Google Assistant o Alexa.
★Chatbot: Un chatbot es un programa informático que puede mantener una
conversación con un usuario humano a través de texto o voz. Los chatbots se
utilizan a menudo en los centros de atención al cliente para responder preguntas
y resolver problemas de los clientes. También se utilizan en aplicaciones de
mensajería, como Facebook, Messenger y WhatsApp, para proporcionar
información o entretenimiento.

Principales funciones de un chatbot

No hay lugar a dudas que los chats en vivo funcionan y son una herramienta que
el usuario entiende y le resulta atractiva ¡Esto no es magia! Los chatbots
proporcionan funcionalidades que favorecen de manera importante la
experiencia del usuario:

 Mejora el servicio al cliente. Eliminan las tediosas esperas en

conversaciones online ofreciendo respuestas automáticas sin esperas.
Además son una herramienta para utilizar como buscador de palabras,
productos, servicios, etc…
 Facilita los procesos de compra o conversión. Tan solo con escribir una
palabras y el chatbot (dependiendo de su diseño) podrá enviar dicha
información a quien corresponda y realizar la acción pertinente. Otra labor
muy interesante es el recordatorio de preferencias para cada usuario
acortando el camino hacia una futura conversión.
 Comunicación personalizada. La mejora de la experiencia del usuario se
incentiva con el uso de una comunicación personalizada para cada usuario.
La interacción es personal y especifica lo que aumenta las posibilidades de
finalizar con la acción deseada.
★Computer vision: Es un campo de Inteligencia Artificial e Informática que
enseña a los ordenadores a ‘ver’ y entender el contenido de las imágenes
digitales. En otras palabras, tiene como objetivo dar a las computadoras una
comprensión visual del mundo.

A día de hoy, prácticamente todo lo que nos rodea genera contenido digital.
Desde los pequeños sensores instalados en las puertas de los supermercados
hasta los más sofisticados smartphones y, muchos de esos dispositivos toman
imágenes y graban videos.

La visión por computadora funciona en tres pasos básicos:

1. Adquirir una imagen: las imágenes, incluso los conjuntos grandes, se pueden
adquirir en tiempo real a través de videos, fotos o tecnología 3D para su
análisis.
2. Procesando la imagen: los modelos de aprendizaje profundo automatizan
gran parte de este proceso, y se entrenan al ser alimentados primero con
miles de imágenes etiquetadas o identificadas previamente.
3. Entendiendo la imagen: el paso final es el paso interpretativo, donde se
identifica o clasifica un objeto.
★Natural Language Processing (NLP): El procesamiento de lenguaje natural es
una tecnología de machine learning que brinda a las computadoras la capacidad
de interpretar, manipular y comprender el lenguaje humano. Hoy en día, las
organizaciones tienen grandes volúmenes de datos de voz y texto de varios
canales de comunicación, como correos electrónicos, mensajes de texto, fuentes
de noticias en redes sociales, vídeo, audio y más. Utilizan software de NLP para
procesar automáticamente estos datos, analizar la intención o el sentimiento del
mensaje y responder en tiempo real a la comunicación humana.

Entre sus aplicaciones destacan:

 Asistentes virtuales o chatbots: es el uso más generalizado. Estos agentes

virtuales mantienen conversaciones online con usuarios para responder a
sus dudas sobre cómo hacer una compra en un eCommerce, tramitar una
reclamación o gestionar una reserva. Gracias al NLP son capaces de
entender los mensajes e ir respondiendo al momento de forma
automática.

 Traducción automática de textos: su principal cometido es traducir

diferentes tipos de textos de un idioma a otro, lo cual supone ahorro de
tiempo para las empresas, poder llegar a más clientes y ofrecer una
respuesta más rápida. El Google Translate es un ejemplo de esto, con la
particularidad de que también traduce mensajes de voz e imágenes.

 Recuperación de información: la information retrieval (IR) recupera

información y datos mediante unas palabras clave, como sucede con los
buscadores de Internet. En estos casos no se genera lenguaje, sino que
ayudan a los usuarios a localizar lo que buscan o responder a sus dudas
con información ya disponible.

 Clasificación de textos: en categorías ya existentes o crearlas tras detectar

los temas más habituales. Esto permite redirigir la información y clasificarla,
algo muy útil en casos de gestión de un gran volumen de datos.
  Detección de sentimientos: uno de los usos más novedosos relacionado,
sobre todo, con las redes sociales.

★Deep Learning: El Machine Learning es una disciplina del campo de

la Inteligencia Artificial que, a través de algoritmos, dota a los ordenadores de la
capacidad de identificar patrones en datos masivos y elaborar predicciones
(análisis predictivo). Este aprendizaje permite a los computadores realizar tareas
específicas de forma autónoma, es decir, sin necesidad de ser programados.

El término se utilizó por primera vez en 1959. Sin embargo, ha ganado relevancia
en los últimos años debido al aumento de la capacidad de computación.

Presenta:

 Mejoras algorítmicas han elevado el desempeño de los métodos de aprendizaje

a fondo.

 Nuevos métodos de aprendizaje basado en máquina han mejorado la precisión

de los modelos.

 Se han desarrollado nuevas clases de redes neurales que encajan bien en

aplicaciones como la traducción de texto y la clasificación de imágenes.

 Tenemos muchos más datos disponibles para construir redes neurales con
muchas capas profundas, incluyendo datos de streaming de la Internet de las
Cosas, datos textuales de medios sociales, notas de médicos y transcripciones de
investigaciones.

 Los adelantos computacionales de la computación en la nube distribuida y

unidades de procesamiento gráfico han puesto a nuestra disposición una
cantidad increíble de poder de cómputo. Este nivel de poder de cómputo es
necesario para entrenar a algoritmos profundos.
★Machine Learning (ML): Deep learning es un subconjunto de machine learning,
que es básicamente una red neuronal con tres o más capas. Estas redes
neuronales intentan emular el comportamiento del cerebro humano (aunque
lejos de igualar su capacidad) pero le permiten "aprender" a partir de grandes
cantidades de datos. Aunque una red neuronal con una sola capa ya puede
realizar predicciones aproximadas, las capas ocultas adicionales ayudan a
optimizar y refinar la precisión.

Importancia y fundamentos del machine learning:

El machine learning permite automatizar tareas complejas que anteriormente

requerían la intervención humana, lo que ahorra tiempo y recursos. Por ejemplo,
en la atención médica puede ayudar en el diagnóstico de enfermedades a partir
de imágenes.

Al mismo tiempo, ayuda a las organizaciones a tomar decisiones informadas

basadas en datos en lugar de suposiciones o intuiciones. Esto se aplica en la
planificación empresarial, la gestión de inventarios y la toma de decisiones
estratégicas.
✦

✦
✦