Cada vez son más las empresas y organizaciones que apuestan por la utilización de herramientas de inteligencia artificial vinculadas con el aprendizaje mediante la introducción de datos (‘machine learning’).

Este tipo de algoritmos tienen como objetivo mejorar la fabricación, abaratar los costes productivos, automatizar determinados procesos, realizar mantenimientos predictivos de máquinas, optimizar la seguridad de los trabajadores, lograr ahorros de consumo energético u ofrecer nuevos servicios a sus clientes.

Un ejemplo de utilización de ‘machine learning’ es el proyecto que están desarrollando Mutua Navarra e HispaVista Labs. Gracias a la aplicación de herramientas de inteligencia artificial en el análisis de datos por parte de HispaVista Labs, Mutua Navarra ha logrado optimizar procesos y prever posibles incidencias en base a los datos históricos que han recopilado. Entendiendo la importancia del ‘machine learning’, Mutua Navarra ha emprendido un proceso para seguir recogiendo más datos que puedan aportar nuevos servicios de valor para sus clientes.

HispaVista Labs es una de las compañías españolas con más experiencia en  el análisis de datos. Nacida a finales del 2010 dentro de HispaVista, su foco está puesto en la adaptación y creación de tecnología y la búsqueda de nuevos modelos de negocio en Internet. HispaVista Labs es proveedor de servicios de consultoría en al análisis de datos y generación de herramientas de inteligencia artificial, junto con servicios ‘cloud’ y aplicaciones móviles nativas.

La apuesta de HispaVista Labs por la inteligencia artificial se debe a que la IA (siglas en inglés de Inteligencia Artificial) tiene cada vez más impacto en sectores como la sanidad, el comercio, la industria, el marketing, las ciudades inteligentes o las finanzas. La Comisión Europea considera a la IA como una de las fuerzas más transformadoras de nuestro tiempo, destinada a alterar el tejido de la sociedad. “Presenta una gran oportunidad para aumentar la prosperidad y el crecimiento que Europa debe esforzarse por lograr. Los principales desarrollos habilitados por la inteligencia artificial en los vehículos autónomos, la asistencia sanitaria, los robots domésticos, la educación o la ciberseguridad están mejorando la calidad de nuestras vidas todos los días. Además, la inteligencia artificial es clave para abordar muchos de los grandes desafíos a los que se enfrenta el mundo vinculados con la salud y el bienestar globales, el cambio climático, los sistemas legales y otros expresados en los Objetivos de Desarrollo Sostenible de las Naciones Unidas”, sostienen desde la Comisión.

IA y analítica de datos

En los últimos años no son pocos los que consideran que los datos son el nuevo petróleo de la economía. De hecho, algunos expertos estiman que en un futuro próximo el valor de las empresas no se medirá en términos monetarios, sino en su capacidad para crear y tratar los datos que generen. Y es que casi todas las empresas, lo sepan o no, tienen datos valiosos: desde unas simples tablas de Excel, pasando por información de clientes procedente de correos electrónicos o interacciones en redes sociales, datos almacenados en CRMs, ERPs, los que proceden de dispositivos SCADA, PLCs, sensores en máquinas o los más actuales dispositivos vinculados con Internet de las Cosas (IoT). Incluso los datos de servicios externos pueden ser de gran relevancia. Muchas empresas de generación y distribución de energía utilizan información relacionada con la meteorología, como las horas de sol o la intensidad y dirección del viento, para prever la generación de electricidad o incluso para establecer el mejor momento para realizar mantenimientos.

Una de las claves a la hora de implementar procesos óptimos de ‘machine learning’ es disponer de información digitalizada y que todos los datos procedentes de diferentes entornos confluyan, ya que la importancia de la analítica de datos recae en la unión de la información. Incluso el dato más insignificante a simple vista puede tener gran relevancia si se observa junto al resto de la información.

A la hora de llevar a cabo un proceso de analítica de datos con inteligencia artificial es determinante el tratamiento de la información. No todos los datos que hemos captado serán válidos para ofrecer soluciones, por lo que es importante su filtrado, cribado y optimizado. La calidad de los datos con que alimentemos y entrenemos a la inteligencia artificial es una de las principales claves para su buen funcionamiento. Por eso, es importante que cualquier estrategia de ‘machine learning’ esté liderada por personas con experiencia en el tratamiento de datos, el uso de inteligencia artificial, que sean conocedores del negocio concreto del que proceden esos datos y que se haya establecido previamente cuál es el objetivo de esa analítica de datos.

En la actualidad, siguiendo el modelo de la colaboración entre Mutua Navarra e HispaVista Labs, los expertos recomiendan a las empresas o pymes que quieran desarrollar sus primeras experiencias con analítica de datos, que las implementen en pequeños procesos o áreas para que puedan detectar sus ventajas de forma más rápida y con unos costes más ajustados. Una vez comprobados sus beneficios, siempre se podrán poner en marcha nuevos proyectos de analítica en otros procesos.