¿Qué es el aprendizaje de máquina y en qué casos debería usarlo en su negocio?

Los avances tecnológicos recientes han impulsado que para más negocios sea necesario realizar su transformación digital con el fin de ofrecer un mejor portafolio de servicios. Términos como aprendizaje de máquina, aprendizaje profundo, inteligencia artificial o visión por computador son cada vez más utilizados y muchas veces generan preguntas y temores ante el público general. En este artículo, resolvemos algunas de esas preguntas y mencionamos algunas estrategias que nos ayuden a decidir cuándo utilizar estos algoritmos en los negocios actuales.  

Recientemente los términos ‘inteligencia artificial (AI)’, ‘aprendizaje de máquina (Machine Learning)’, ‘big data’, o ‘visión por computador’ se utilizan ampliamente en los negocios y en la transformación digital de los mismos. De acuerdo con el reporte publicado por Harvard Business Review [1], el simple hecho de utilizar estos términos son factores determinantes para que las startups consigan financiamiento. Además, miles de compañías han logrado catapultar sus negocios con el uso de estas nuevas tecnologías; entre los ejemplos no podrán faltar empresas como ReconoSER ID, Olimpia IT, google, facebook o netflix, pero también es posible nombrar empresas lejos del sector tecnológico como Target, o en sectores como el arte, por ejemplo, la cinemateca distrital de Bogotá cuenta con talleres de introducción al deep learning para artistas [2]. Aún con todo el avance tecnológico y los beneficios que traen consigo, existe una gran preocupación por cómo este tipo de tecnología va a ”acabar con los empleos” [3] o a “robar los datos personales”. También preocupa el costo de adaptación al que las empresas se tendrían que someter para poder implementarlas, o ”cómo las máquinas dominarán la humanidad en un futuro“ [4], entre otros. Es importante aclarar que estos temores no son realmente nuevos, y han sido tema de debate desde el proceso de transformación tecnológica, social y económica generada por la revolución industrial en el siglo XVIII.  

En artículos anteriores hemos hablado sobre como la inteligencia artificial o el aprendizaje de máquina tienen un impacto en sistemas de verificación de identidad [5] o en la detección de suplantación de la misma [6]. En este artículo, vamos a contestar algunas preguntas relacionadas con el aprendizaje de máquina para que puedan apropiarse de los conceptos, se reduzcan los temores, y se implementen estas tecnologías en sus modelos de negocio de forma confiable y sin necesidad de ser expertos en el tema.  

¿Qué es y cómo funcionan los algoritmos de Aprendizaje de Máquina? 

Cuando se utilizan términos como inteligencia artificial, aprendizaje de máquina, aprendizaje profundo (deep learning), entre otros, se habla de algoritmos capaces de encontrar patrones en los datos suministrados, con el fin de crear un modelo de predicción y toma de decisiones. Cabe aclarar que estas decisiones son puramente basadas en computaciones matemáticas y en los datos de entrada y, a diferencia de las decisiones humanas, no tienen en cuenta características subjetivas que pueden ser relevantes al momento de enfrentar un problema. Un ejemplo claro de los inconvenientes en estos algoritmos a la hora de tomar decisiones es el evidente sesgo demográfico, generado principalmente por la falta de bases de datos incluyentes [7]. Por otra parte, y con los elementos correctos, estos algoritmos pueden ser utilizados en diferentes aspectos de los negocios con un alto grado de confianza, por ejemplo, para verificar la identidad de las personas, predecir demanda de consumo, predecir futuras fallas u optimizar procesos, entre otros.  

En el aprendizaje de estos algoritmos la cantidad y la calidad de los datos juegan un papel fundamental; el entrenamiento se realiza mediante la exposición de los modelos a estos datos, hasta que son capaces de realizar la tarea específica. Por ejemplo, en el caso de detección de suplantación de identidad, el modelo es entrenado con dos clases (persona real y ataque de suplantación) y se alimenta con una gran base de datos que contiene imágenes de ambas. Entonces, el algoritmo realizará las computaciones necesarias para poder distinguir entre ellas. Una vez el algoritmo es entrenado es posible generalizar el modelo y utilizarlo ante nuevos casos de estudio. 

¿Las máquinas se apropiarán de mi empleo? 

Actualmente, los procesos de aprendizaje de máquina o aprendizaje profundo se han convertido en algoritmos muy apreciados en los negocios, y su uso se ha hecho accesible incluso para no expertos en el tema. Múltiples programas incluyen estos procesamientos en sus aplicaciones, de tal forma que los usuarios pueden utilizarlos sin la necesidad de tener conocimientos específicos. Ante esta situación, las preocupaciones que surgen en los trabajadores van orientadas a si estos algoritmos podrán reemplazarlos.  

En el caso de los trabajos físicos es claro que resultan fácilmente reemplazables por medio de la automatización de la industria. Los desarrollos tecnológicos actuales permiten realizar trabajo pesado por medio de maquinaria altamente especializada que permite optimizar procesos, reducir costos, mejorar condiciones de seguridad y de calidad de los procesos. Sin embargo, cuando se trata de automatizar trabajos cognitivos (diagnósticos médicos, análisis legales, procesos investigativos, análisis económicos, etc.)  la tecnología aún está muy alejada de lograr reemplazar a las personas [1].  Aún más, estos algoritmos no buscan reemplazar al experto, por el contrario, su objetivo es servir como herramienta para ayudar a las personas en la predicción de eventos futuros y/o en la toma de decisiones. Es claro que este tipo de automatización conllevan cambios, pero eso no significa que los seres humanos no podamos adaptarnos a ellos y utilizarlos a favor de mejorar nuestra calidad de vida. 

¿Cómo puedo implementar estos algoritmos en mi modelo de negocio? 

De acuerdo con el reporte presentado por Harvard Business Review [1] existen algunos elementos que pueden ayudar a las empresas a implementar el aprendizaje de máquina en sus negocios: 

• Categorizar los procesos de negocio: Los procedimientos de aprendizaje de máquina que van a funcionar en tu negocio son aquellos que cuentan con una gran cantidad de datos. Es importante buscar aquellos procesos y decisiones que se realizan de forma frecuente y consistente. A partir de ellos, recolectar la mayor cantidad de datos del proceso para la toma de decisiones junto con las decisiones final. En el caso, por ejemplo, de aceptación o rechazo para una transacción bancaria a través de validación de identidad, será importante entonces almacenar los datos utilizados para la transacción (documento de identidad, información biométrica, etc.), así como otra información relevante para el caso (¿Quién realizó la solicitud?, ¿A qué hora del día?, ¿Cuál es el nivel de riesgo de la transacción?, etc.). Con esta información es posible alimentar los procesos de aprendizaje de máquina en un futuro. En este punto, ReconoSER ID cuenta con una amplia base de datos para realizar la validación o identificación de identidad necesarios para asegurar la seguridad en tus transacciones. 
• Focalizarse en problemas sencillos: La forma más sencilla para automatizar procesos es trabajar sobre problemas bien definidos y donde la información objetiva permita obtener datos necesarios para tomar la decisión. El sistema de detección de suplantación de identidad facial [6] utilizado por ReconoSER ID utiliza algoritmos de aprendizaje profundo (deep learning) para garantizar que la persona no es suplantada por medio del uso de fotografías (impresas o proyectadas sobre dispositivos) y es reforzada con pruebas de detección de vida (reconocimiento de sonrisa y gestos faciales) lo que constituye un buen problema para el uso de técnicas de aprendizaje de máquina. Por otra parte, preguntas más vagas como ¿Cuál es la clave del éxito para mi negocio? o ¿Qué hace a mi cliente feliz? requieren de análisis y razonamientos más complicados y no son un buen punto para empezar con estos algoritmos.  
• No usar aprendizaje de máquina en casos donde la simple lógica del negocio funciona: El aprendizaje de máquina es útil cuando los cómputos son complejos y siguen patrones no lineales, cuando las decisiones se realizan de forma sencilla y clara no hay necesidad del uso de estos algoritmos.  
• Si el proceso es complicado utiliza aprendizaje de máquina para crear sistemas de decisión: Cuando se trabaja sobre un problema específico no existe una solución única que resuelva todos los requerimientos, por lo que los sistemas de aprendizaje de máquina deben ser utilizados como parte de un proceso jerárquico en el camino de toma de decisión.  

Conclusiones 

Actualmente, existe una tendencia importante en el hecho de implementar sistemas de inteligencia artificial con el fin de potenciar los negocios. Estas tecnologías se hacen cada vez más accesibles al público general y se utilizan en una gran cantidad de aplicaciones. En este artículo se presentan algunos conceptos básicos de este tipo de tecnologías, y  se contestan algunas preguntas que generan interés o preocupación en las personas con el objetivo de generar confianza y brindar algunas pautas para su utilización.    

Maria Ximena Bastidas Rodríguez. 

Bibliografía 

[1]	J. Hodson, J. Schwartz, G. Satell, A. Agrawal, J. Gans, A. Goldfarb, D. Finnigan y A. Fedyk, «The Next Analytics Age: Machine Learning,» Harvard Business Review, 2016.
[2]	C. Distrital, «Taller Introducción a Deep Learning para artistas,» http://www.cinematecadebogota.gov.co/actividad/taller-introduccion-deep-learning-para-artistas.
[3]	J. Galindo, «Máquinas y robots nos quitan el empleo, pero mejoran nuestras vidas,» El País, https://elpais.com/tecnologia/2017/06/21/actualidad/1498036655_438636.html, 2017.
[4]	B. Mundo, «¿Pueden los robots rebelarse contra la humanidad?,» BBC Mundo, https://www.bbc.com/mundo/noticias/2012/11/121128_tecnologia_robots_revolucion_aa, 2012.
[5]	R. Manrique, «Inteligencia artificial y su impacto en la verificación de identidad,» ReconoSER ID, pp. https://reconoserid.com/stagingv3/inteligencia-artificial-y-su-impacto-en-la-verificacion-de-identidad/, 2020.
[6]	X. Bastidas, «Detección de Suplantación de Identidad en Algoritmos de Reconocimiento Facial,» ReconoSER ID, pp. https://reconoserid.com/stagingv3/deteccion-de-suplantacion-de-identidad-en-algoritmos-de-reconocimiento-facial/, 2020.