El uso de la Inteligencia Artificial ha pasado a formar parte de nuestra vida cotidiana. Escuchamos acerca de ella en diversos medios, desde tareas que parecen tomadas de la más increíble ciencia ficción, como la conducción de autos, hasta situaciones más humanas, donde una máquina nos recomienda una película.
Hemos presenciado el auge y olvido de muchas tendencias tecnológicas, pero en esta oportunidad, el mundo entero reconoce que posiblemente estamos ante la cuarta revolución industrial
Mucho se discute y pronostica acerca de las consecuencias que tendrá esta revolución. Sin embargo, analizando las oportunidades que presenta, debemos apreciar y aprovechar que sus recursos se encuentran a nuestro alcance para mejorar nuestras áreas de negocio.
Hoy en día podemos implementar soluciones que hagan uso de esta tecnología, de una forma económica y accesible.
A continuación, presentaremos una de sus posibles aplicaciones.
Análisis predictivo
El análisis predictivo es una metodología mediante la cual se analizan los datos actuales e históricos para realizar pronósticos y predecir patrones de comportamiento.
Este método puede aplicarse a cualquier tipo de evento desconocido del pasado, presente o futuro.
Algunos usos de métodos de aprendizaje para el análisis predictivo incluyen:
- Clasificación. La clasificación se usa para predecir categorías o clases. Por ejemplo, una clínica podría usar las características de un paciente (como edad, peso, presión arterial, entre otras) para predecir si el paciente tiene riesgo de padecer diabetes. En este caso, las características del paciente nos indican una clasificación de 0 o 1 que representa si es diabético o no.
- Regresión. La regresión se usa para predecir una etiqueta numérica en función de las características de un elemento. Por ejemplo, una empresa de venta de automóviles podría usar las características de un coche (como el tamaño del motor, el número de asientos, el kilometraje, etc.) para predecir su precio de venta probable.
- Series temporales. Se usa para revelar ciertas pautas del conjunto de datos en un intento de predecir valores futuros. Ejemplos de este tipo son, el tipo de cambio de la bolsa, las estadísticas de carga eléctrica, los datos de la demanda mensual (diaria, horaria) de los clientes, y muchos otros.
Ejemplos de uso
En la salud
El artículo que nos presentó Sebastián, es un ejemplo de análisis predictivo de clasificación para determinar si el paciente tiene un alto riesgo de ser internado en cuidados intensivos, partiendo de sus características e historial médico.
Esto aplica para muchas áreas de la salud, donde determinadas características de la salud personal, dependen de varios factores, que una vez conocidos, pueden ayudarnos a tomar conductas preventivas y correctivas.
Inventario
Muchas veces los insumos que requerimos para el correcto funcionamiento de nuestro negocio, dependen de numerosos factores. La época del año, indicadores económicos, capacidad de producción, tendencias, entre otros, pueden ser analizados, y mediante un modelo de series temporales podemos identificar factores de riesgo y situaciones para las cuales estaremos en condiciones de tomar decisiones más ágiles.
Segmentación de clientes
Agrupamos nuestros clientes según sus características, lo cual nos permite generar campañas directas a los intereses de cada grupo.
Recomendaciones
Conocemos de recomendaciones inteligentes cuando usamos Netflix o compramos en Amazon.
Podemos usar la información de las compras previas de los clientes, para dar recomendaciones personalizadas. Esto funciona tanto para locales virtuales como para físicos. Si sabemos que aquellas personas entre 40 y 60 años, luego de comprar camisa y corbata, seguramente buscarán sacos de vestir, podemos llevar a dicho cliente directamente a revisar la sección de la tienda que más le interesará.
En la fidelización de consumidores
Si tenemos clientes que pagan una suscripción por nuestros servicios o algún tipo de vínculo cercano, podemos determinar si alguno tiene una tendencia a abandonar nuestro servicio o producto. Un claro ejemplo es el caso de los gimnasios, donde muchas veces se tienen altos niveles de nuevas suscripciones, pero acompañados de relativamente rápidos abandonos.
Mediante una herramienta de predicción, podemos identificar estos posibles abandonos y ofrecerles ofertas y un tratamiento especial, que los incentive a continuar.
Proceso de construcción
La construcción de soluciones de este tipo involucra distintas etapas donde participan distintas áreas de la empresa.
En este tipo de procesos podemos identificar un conjunto de pasos que deben llevarse a cabo en todo proyecto de inteligencia predictiva.
Estos pasos y las tecnologías disponibles para su implementación serán presentados en el siguiente artículo.
En IDEATI estamos a tu disposición para ayudarte a construir tus proyectos de Inteligencia Artificial.