¿Cómo las empresas grandes y pequeñas están creando modelos de negocio en torno a los datos y la inteligencia artificial?

Las empresas nuevas siguen siendo las más entusiastas. Se estima que las empresas nuevas se están creando a partir de modelos de negocio alrededor de AI desde que las grandes empresas de tecnología comenzaron a compartir sus herramientas y su plataforma hace dos años.  Las empresas medianas están intentando la migración con cautela; en cambio, las grandes empresas son más que prudentes. Permanecen rezagadas, pasando por los chatbots, la automatización básica y el análisis de big data como AI.

AI, por definición, es humano como inteligencia en máquinas. Una máquina de inteligencia artificial debe pasar la prueba de Turing cuyo origen se remonta a 1951 cuando Alan Turing publicó un artículo en el que proponía la prueba de inteligencia de máquinas “El juego de imitación”. Simplemente, significa que un humano que interactúa con una máquina no debería ser capaz de averiguar si es un humano o una máquina en el otro extremo. 

Esa etapa de la inteligencia de la máquina es una curva de evolución de tres capas: 

• Primera, en el Smart Stage, las máquinas asumirán acciones humanas como lo hacen los robots y los robots de software. La mayor parte de la inteligencia artificial de hoy existe en esta etapa. 

• Segunda, en la etapa cognitiva es que los productos y servicios autónomos, como los vehículos que conducen por sí mismos, serán la norma, aunque las máquinas funcionarán dentro del perímetro de la experiencia. 

• Tercera, hay una IA adaptativa, una inteligencia y capacidad de aprendizaje similar a la humana, donde las máquinas mostrarán la capacidad del ser humano para observar, escuchar, comprender, aprender, desarrollar nuevas capacidades y tomar decisiones sobre la marcha.

AI: Adelante y adelante

El mundo de la IA está tratando de superar las tres inferioridades de las máquinas contra el cerebro, los ojos y los oídos de los humanos. El trabajo del cerebro de comprender, aprender y evolucionar está a cargo del aprendizaje profundo / aprendizaje automático. El reconocimiento visual y el procesamiento de la información se abordan mediante técnicas como el reconocimiento óptico, así como escuchar y responder con voz mediante técnicas de procesamiento de lenguaje natural.

Cinco empresas mundiales de tecnología se han convertido en el nivel superior de proveedores de estas herramientas de inteligencia artificial, la mayoría de ellas en la nube. Watson de IBM más antiguo; Google más agresivo; El suave asesino de Microsoft, y, el tranquilo gorila amazónico. Todos proporcionan API (interfaces de programación de aplicaciones) para que las empresas creen sus productos y modelos de negocio utilizando sus herramientas de inteligencia artificial. 

La IA de hoy no es diferente de lo que se llamó “Redes neuronales” a mediados de los 80. “Lo que ha cambiado desde entonces es la cantidad de datos y el poder computacional”, dice Rastogi de Amazon. AI obtuvo un gran impulso en los últimos dos años, ya que las firmas de tecnología global abrieron sus API para que los desarrolladores construyeran negocios con ellas. Por ejemplo, la oferta de aprendizaje automático TensorFlow de Google se abrió a los desarrolladores en 2015, mientras que el kit de herramientas cognitivas de Microsoft se abrió en enero de 2016.

McKinsey Global Institute informa que los servicios de alta tecnología, telecomunicaciones y financieros son los primeros en adoptar el aprendizaje automático y la inteligencia artificial en el mundo. Sin embargo, cada caso es verdaderamente disruptivo. Algunos ejemplos:

Aprendizaje profundo: simulando el cerebro

Nobroker.com, la compañía que Akhil Gupta fundó junto con otras 3 personas para eliminar a los brokers del alquiler y la compra de propiedades. Cerca de 60 brokers locales irrumpieron en la oficina de la compañía en un suburbio de Bangalore – India, destrozaron muebles y computadoras y golpearon a Gupta y al cofundador Amit, además de otros empleados. Estaban desahogando su frustración, tanto en la empresa como en su capacidad para excluirlos del sitio web, incluso cuando se hacían pasar por clientes genuinos.

Poco sabían, dice Gupta con picardía, que Nobroker implementó múltiples herramientas de inteligencia artificial para identificar y excluir a los brokers. Gupta no dirá cómo lo hizo. Ese es el secreto comercial. Sin embargo, deja pistas generales: los brokers tienen un patrón de búsqueda peculiar y tienen un rastro digital en Internet. El software de aprendizaje automático de Google TensorFlow, Google Analytics, reconocimiento de voz y reconocimiento óptico de caracteres, utilizados en llave, pudieron identificarlos.

Al igual que IBM ofrece el aprendizaje profundo de Watson, Google tiene TensorFlow y Microsoft tiene Azure Cloud, Facebook ha abierto Caffe, su propio módulo de aprendizaje profundo. Y Amazon tiene MX Net, un software de aprendizaje profundo de código abierto.

Tredence, con sede en Bangalore, fue fundada recientemente en 2013. Hoy en día, tiene un negocio de $ 12 millones para dar sentido a los datos no estructurados. Por ejemplo, construyó un modelo para una de las firmas de bienes de gran consumo más grandes del mundo sobre dónde deberían ubicarse los triciclos de helados en la ciudad para obtener el mejor retorno de la inversión.

Basándose en los datos del cliente, el modelo recoge de Internet información pública, como triciclos de competidores, ubicación de escuelas, hospitales, zonas comerciales, sitios históricos, incluso datos demográficos y de tráfico para sugerir dónde se deben colocar los triciclos de helados. A juzgar por los resultados, hasta el momento podría hacer crecer el negocio global de helados en un 10 %. Desde entonces, se ha lanzado en Durban, Bangkok, Madrid y en algunas ciudades de Pakistán y la India. Ahora está planeando un lanzamiento europeo.

Si usted es un vendedor en Amazon, su solicitud al gigante de comercio electrónico para un préstamo probablemente sería aprobada o rechazada por una máquina. Amazon utiliza el aprendizaje automático no solo para ayudar a identificar nuevos productos para que los vendedores hagan crecer su negocio, sino también para identificar el riesgo asociado con los vendedores antes de que se los preste a través del negocio de préstamos de Amazon.

«Utilizamos el aprendizaje automático para identificar a los vendedores fraudulentos. Tenemos muchos datos históricos: el número de veces que los clientes se quejaron; cuántas veces no envió el producto o envió un producto roto. Según los datos, podemos predecir» dice Rajeev Rastogi, Director de Machine Learning en Amazon.

La gran oportunidad

El inversionista de tecnología Mark Cuban cree que AI probablemente creará el primer trillón multimillonario del mundo. Según un documento del Instituto Global McKinsey sobre la IA, solo en 2016 las empresas gastaron hasta US $ 39 000 millones en la IA en desarrollo (las empresas estadounidenses gastaron el 66 % de esa cantidad, seguidas de la china por el 17 %). La consultora PwC cree que AI podría aumentar el PIB mundial en unos 30 billones de dólares para 2030, casi la mitad de eso en China. 

Confianza en los bots

Cliente de Jet Airways en Twitter (sarcásticamente): Gracias @jetairways por el paseo en Kolkata y mis maletas en Hyderabad.

Respuesta de Jet Airways: Gracias. Me alegra que hayas disfrutado de nuestros servicios.

Seguramente, el sarcasmo no es una de las virtudes de los chatbots, a pesar de que han revolucionado la atención al cliente al reemplazar a los humanos como el primer punto de contacto. En verdad, los bots todavía no comprenden la mayoría de las emociones humanas extremas, incluida la frustración, la ira, la burla o el deleite. Es por eso que están justo en la parte inferior de la curva de evolución de la IA y en su mayoría fracasarán en la prueba de Turing. Eso es tanto un problema como una oportunidad.

Al igual que el chatbot de Jet Airways fue presa del sarcasmo, la mayoría de los chatbots de marca o corporativos son tontos o producen respuestas estándar, desinfectadas y en su mayoría aburridas, ya que están capacitados para trabajar dentro de los límites de las Preguntas Frecuentes antes del ensayo (preguntas frecuentes). Cuando Microsoft probó un chatbot “Tay” basado en la IA en plataformas de redes sociales, expuso peligros reales. En menos de 24 horas, sus tweets se volvieron racistas, incluido “Hitler tenía razón”. Microsoft derribó el bot por “ajuste”. 

Dada la enormidad del desafío, al menos parte de la competencia está cediendo a la cooperación para evitar volver a inventar la rueda.  Amazon Web Services y Microsoft combinaron sus profundas habilidades de aprendizaje en una biblioteca llamada Gluon, que permitirá a los desarrolladores crear modelos y aplicaciones de aprendizaje automático en la plataforma.

Muchas de las cosas que son más importantes en realidad son bastante simples de entender. Por ejemplo, la IA necesita datos mucho mejores y más precisos. Algunos de los datos de hoy son basura completa. “Seamos claros, no hemos resuelto la IA. No hemos generado la inteligencia de los humanos. No estamos allí”, dice Rastogi de Amazon.

Esas son las razones por las que el cerebro humano sigue siendo la mayor inspiración para la IA. Pero la ciencia todavía tiene pocas pistas sobre cómo funciona el cerebro. Más relevante aún, cómo aprende. Si lo hiciera, esa sería la “tecnología” más fácil de adaptar en las máquinas de IA. Hasta que eso sea una realidad, la búsqueda continúa.

Original escrito por RAJEEV DUBEY