Aprendizaje automático - El próximo salto cuántico

Lo que ha cambiado hoy son las condiciones marco técnicas que permiten poner en práctica la inteligencia artificial:

Entre ellas se incluyen una mayor potencia de cálculo, así como un almacenamiento asequible, potentes bases de datos en memoria como Hana y sofisticados algoritmos, pero sobre todo Big Data, corolario de la transformación digital y base del aprendizaje automático.

La presión sobre las empresas es cada vez mayor: hoy dependen de la automatización de los procesos empresariales para resistir la creciente presión competitiva e innovadora y compensar la falta de especialistas en TI.

Hoy en día hay enormes tesoros de datos enterrados en los sistemas. Generar valor añadido a partir de ellos es ya hoy una prioridad en muchas empresas. Una tarea que, en principio, exige demasiados recursos.

El aprendizaje automático abre aquí dimensiones completamente nuevas: Ya no son solo los humanos los que analizan los datos, sino algoritmos inteligentes, y lo hacen de forma tan rápida, exhaustiva e inteligente que pueden identificar cualquier conexión cruzada incluso dentro de las mayores cantidades de datos.

Ningún cerebro humano sería capaz de procesar tantos datos con una velocidad y precisión comparables y, al mismo tiempo, ofrecer un resultado sólido y basado en datos en cuestión de nanosegundos.

Hasta ahora, el reconocimiento de patrones ha sido la variante más utilizada del aprendizaje automático: establecer correlaciones entre grandes cantidades de datos es sólo un área.

Es aún más importante que el algoritmo aprenda cómo puede realizarse una tarea. Sólo así el software puede reconocer las desviaciones del proceso respecto a la norma y hacer recomendaciones sobre cómo transformar los procesos reales en procesos objetivo.

Al integrar componentes de aprendizaje automático, una aplicación puede pensar, aprender y planificar de forma casi autónoma. Esto va mucho más allá del análisis puramente predictivo de datos.

Se trata de algo más que de hacer cálculos según reglas rígidas y desencadenar acontecimientos. Se trata de agilidad. Para lograrlo y ser realmente predictivo, un sistema debe ser fácilmente adaptable.

Al fin y al cabo, los datos, las fuentes de datos, los formatos y los procesos también cambian constantemente. Debe haber espacio para la creatividad y la innovación. Las ideas y sugerencias obtenidas con la ayuda de la inteligencia artificial deben estimular, no limitar. Porque, al fin y al cabo, la verdadera creatividad, el verdadero pensamiento lateral y diferente, sigue proviniendo de las personas.

Al abrirse a la IA, las empresas están preparando el terreno para una pequeña revolución. Los antiguos procesos basados en roles están dando paso a nuevos procedimientos más eficientes e inteligentes.

El aprendizaje automático solo tiene éxito cuando los conocimientos de gestión se combinan con los conocimientos informáticos y una elevada capacidad de programación. En comparación con las empresas más pequeñas, a los grandes proveedores como SAP les resulta más fácil implantar sistemas de aprendizaje automático; al fin y al cabo, gran parte de las actividades comerciales de una empresa se ejecutan en sistemas SAP.

Si la IA se integra aquí, la mayoría de los datos están disponibles automáticamente, y los escenarios de aplicación son obvios. Piense en la asignación de pagos a facturas, la selección de candidatos, la evaluación del ROI de marketing o las previsiones del comportamiento de los clientes en el comercio electrónico.

El aprendizaje automático también ofrece un gran potencial a las medianas empresas del entorno de los grandes datos, siempre que dispongan de las capacidades de desarrollo necesarias para integrar el aprendizaje automático en sus aplicaciones.

En Celonis hemos invertido mucho en este campo y seguimos desarrollándonos en esta dirección, convencidos de que la IA es el futuro. El impulso no vino solo del propio desarrollo, sino también de nuestros clientes.

No sólo querían conocer sus propios procesos a través de la clásica minería de procesos, sino también contar con un apoyo concreto para la toma de decisiones: Recomendaciones de actuación sobre cómo seguir optimizando los distintos pasos del proceso o cómo eliminar eficazmente los obstáculos existentes. Y querían saber qué tornillos de ajuste valía la pena abordar primero.