INTELIGENCIA ARTIFICIAL EN LOS NEGOCIOS

Autor: Roberto Salvador Hernández Juárez 

NEGOCIACIÓN

06-2005

Herramientas

	Compartir/Guardar
	Enviar
	Imprimir

La inteligencia artificial es un área que no ha madurado del todo. Desde que John McCarthy mencionó por vez primera este término en 1956, se han pensado innumerables aplicaciones de esta nueva herramienta. Aplicaciones que van de lo trivial a lo formal, de los juegos a la salud, de la guerra al salvamento de vidas. Pero hay infinidad de áreas que aún no se han beneficiado de las ventajas de esta tecnología, o bien no la han utilizado en gran escala. Concretamente el área de negocios es una de ellas, la cual brinda un abanico muy amplio y atractivo que bien puede ser llenado fácilmente por la Inteligencia Artificial, coadyuvando en la creación de sistemas expertos o bien funcionando como componente de sistemas mas complejos de toma de decisiones, para que sean utilizados como herramientas invaluables por los administradores actuales.

INTRODUCCIÓN

La utilización de las tecnologías de información en la vida diaria, ha demostrado ser una herramienta que ofrece infinitas ventajas competitivas y de ahorro de recursos, que anteriormente no se tenían. Además, estas tecnologías permiten la generación de áreas de oportunidad, las cuales aprovechadas correctamente ofrecen grandes beneficios a todo aquellos que las apliquen. En uno de estos nichos de oportunidad se encuentran los sistemas de inteligencia artificial, los cuales se han aplicado en una gran variedad de tareas, desde la enseñanza hasta la automatización de procesos productivos.

Dentro del gran panorama de oportunidades que tenemos para poder aplicar la inteligencia artificial en las empresas, es muy notoria la presencia de un punto en especial, “La inteligencia artificial en los negocios”.

En muchas ocasiones, la competencia medular de un negocio radica en la acertada toma de decisiones, en tiempo y forma. Pero también es difícil encontrar personas que tengan las características necesarias para tomar decisiones correctas en todo momento. Estos administradores, necesitan de herramientas que les permitan visualizar de un modo general, las fortalezas y debilidades de su negocio, así como las áreas de oportunidad que pudieran llegar a presentarse. Además necesitan de sistemas que les ayuden a mejorar la calidad de las decisiones que se toman día a día.

La mayoría de los sistemas de inteligencia artificial, tienen la peculiaridad de “aprender”, lo que les permite ir perfeccionando su desempeño conforme pasa el tiempo. Además estos sistemas pueden analizar volúmenes muy grandes de información a muy alta velocidad, lo que permite obtener indicadores puntuales de las operaciones de la empresa.

En el presente artículo, se expondrán algunas de las características más importantes del uso de la Inteligencia Artificial (IA) en los negocios, sus componentes, áreas de oportunidad y debilidades, además las variantes que se pueden desprender de la tecnología y la forma en como pueden ser aplicados en el mundo real.

METODOLOGÍA

La metodología utilizada fue una búsqueda de información en Internet, en sitios dedicados a la inteligencia artificial, apoyada y reforzada con información de primera mano obtenida de búsquedas en la biblioteca digital del Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM). Las bases de datos consultadas en esta biblioteca fueron: ACM Digital Library, IEEE Digital Library y Proquest Computing.

ANTECEDENTES

En realidad la idea de buscar principios para regir la inteligencia y a su vez incorporarlos en una maquina, es muy antigua. Existen indicios de que algunas viejas civilizaciones, tales como la griega, la china y hasta la maya ya habían formulado algunos mecanismos, en ocasiones reales o bien ficticios, para este fin.

Después hubo otras vertientes como la de Aristóteles y sus silogismos. Pero realmente lo interesante comienza en los tiempos de Leibnitz, que busco encontrar un algebra capaz de representar todo el conocimiento, incluyendo las verdades morales y metafísicas, para lograr un sistema deductivo. Logro construir un sistema abstracto llamado cálculo filosófico o raciocinador, pero no se tenía la tecnología para poder implantar esas ideas. (Doyle 1996)

En 1849, George Boole desarrollo los principios de la lógica proposicional con los que pretendía recoger algunos fundamentos relativos a la naturaleza y a la constitución de la mente humana. Escribió una obra llamada “Una investigación sobre las leyes del pensamiento, sobre las cuales están fundamentadas las teorías matemáticas de la lógica y de la probabilidad”. El fue el creador de la tabla de verdad, que aun ahora se utiliza enormemente es todo el campo matemático y computacional. (Fig 1.)

 Fig 1. Tabla de verdad de Boole

Tiempo después en 1874, Frege propuso un sistema de notación para el razonamiento mecánico, que es el antecedente del cálculo de predicados, el cual denominó “escritura de conceptos”. Debió pasar casi un siglo, para que en 1950 Turing, propusiera el primer artículo moderno sobre la posibilidad de mecanizar la inteligencia.

El introductor del término “Inteligencia Artificial”, fue John McCarthy en 1956. Fue tomado del nombre de una conferencia que se formo gracias a la aparición de un libro, escrito por él en conjunto con Claude Shannon (1956), que trataba de los Fundamentos matemáticos de la teoría de autómatas, orientada a la formalización de las ideas sobre la inteligencia. Tiempo más tarde, Allen Newell, junto con Herbert Simon y Cliff Shaw desarrollaron un programa capaz de demostrar teoremas de lógica proposicional. A este programa se le llamo después GPS (General Problem Solver). Todos estos trabajos contribuyeron al desarrollo de la Inteligencia Artificial, al considerar que la búsqueda heurística era uno de los métodos fundamentales para resolver problemas. Otra herramienta importante fue el sistema de símbolos físicos para representar problemas y sus soluciones (García 2002).

La persona que es reconocida como el padre de la Inteligencia Artificial, es Herbert Simon, junto con Allen Newell y Marvin Minsky. Simon propuso la hipótesis del símbolo físico como una forma de representar y modelar el pensamiento humano.

Sobre esta línea se siguió el desarrollo de la Inteligencia Artificial en su primera etapa. Desafortunadamente después de esta época de gran crecimiento, las expectativas que se forjaron fueron muy altas. Se empezaron a hacer proyecciones muy ambiciosas, que debido al nivel tecnológico de esos tiempos fueron imposibles de implementar (García 2002).

Desde diversos puntos de vista, en especial el de los negocios, se esperaba que la inteligencia artificial ofreciera más y mejores resultados debido a que se tenían sistemas expertos capaces de emular el razonamiento de expertos para diagnosticar o predecir, quizás hasta planear. Pero también es cierto que los avances en esta etapa se vieron restringidos por la incapacidad de los sistemas de adaptarse a entornos inciertos e imprecisos.

En 1984, E. Dyson predijo que la I.A. no estaba madura y por lo tanto no tenía valor comercial. Debería de quedar plasmada en sistemas estratégicamente importantes para levantar su credibilidad. Esta predicción se cumplió hasta mediados de los años 90, por lo que muchas personas consideraron que la I.A. había muerto. Para este entonces se habían aprendido algunas lecciones tales como:

- Reconocer que la computadora y la I.A. no reemplazan a la inteligencia humana, sino que más bien la completan.
- Aceptar que el capital más importante en una empresa son las personas, la experiencia y el conocimiento que se ha acumulado a través de los años.
- Los sistemas inteligentes ayudaran a mejorar la computación personal.
- El uso de lo IA en los negocios debe estar enfocada en la solución de problemas de los clientes.

Se puede deducir, que en esta primera época de la Inteligencia Artificial “Moderna”, se presentaron muchos retos, pues para alcanzar las expectativas tan altas que se habían forjado no se tenía la tecnología adecuada y en ocasiones, ni el conocimiento a fondo de los temas. Faltaba desarrollo tanto tecnológico como teórico. Además mucha gente no apostaba por este nuevo concepto.

Afortunadamente como veremos más adelante, se ha dado un nuevo e importante giro a la I.A., a partir de nuevos enfoques y nuevas ideas, que le auguran un futuro prometedor.

El resurgimiento de la Inteligencia Artificial

En años recientes, se ha dado un repunte importante de la I.A. Existen muchas características que hacen que esta herramienta vuelva a mostrar excelentes condiciones de ser una tecnología aplicable, que coadyuvara a que las empresas sean mas productivas. Uno de los nuevos enfoques es el denominado “basado en el comportamiento”. Este enfoque proporciona una idea amplia del concepto en general de Inteligencia, al suponer que esta depende totalmente de la forma en que el comportamiento de un sistema contribuye a realizar sus funciones. Además existen nuevas técnicas que pueden ser aplicadas en esta nueva I.A., tales como redes neuronales (Fig. 2), algoritmos genéticos, redes bayesianas, aprendizaje, etc.

 Fig. 2. Representación de una red neuronal y una neurona simple.

Los algoritmos genéticos es una de las nuevas técnicas que mas apoyo han recibido y mas futuro promete. Es interesante mencionar, que se basan completamente y son modelados a partir de procesos naturales de selección que se han identificado en organismos vivos. Así como en la naturaleza, las especies mutan de acuerdo a las características del medio ambiente, del tiempo o de otros factores externos, los sistemas que manejar este concepto tienen la capacidad de poder adaptar las respuestas a problemas cambiantes de acuerdo al tiempo. Esto es que el comportamiento de estos sistemas es mutado de acuerdo a las características del medio y del problema.

Este tipo de algoritmos tienen una ventaja enorme con respecto a los tradiciones sistemas simbólicos de I.A. Estos últimos son demasiado estáticos y no están preparados para soportar cambios sublimes en las condiciones de los problemas. Usualmente, los sistemas simbólicos son desarrollados para solucionar un solo tipo de problemas. Si este problema cambia en alguna condición, no se tiene la oportunidad de cambiar para tratar de solucionar. Por esta razón, los sistemas que operan con algoritmos genéticos tienen más futuro en este campo.

Ahora las expectativas de la Inteligencia Artificial, están basadas en el hecho de verla como una opción de inversión en el desarrollo de herramientas que permitan reducir costos, distribuir recursos, detección de fraudes, ayuda en línea, captura de conocimiento, etc.

Pero la inteligencia artificial además de poderse aplicar a diferentes procesos productivos (que pueden ir de generación de alimentos a construcción de armas), también se puede aplicar a diferentes áreas de oportunidad en la economía, finanzas, o bien para la toma de decisiones en las corporaciones.


Dónde, cuando y cómo

Con todo este nuevo potencial inyectado a la Inteligencia Artificial, y tomando como base sus orígenes, es fácil imaginarse la amplia gama de oportunidades en donde se podría competir utilizándola. A manera de ejemplo se puede decir:

¿Dónde?
En áreas de dirección de pequeñas y medianas empresas.

¿Cuándo?
Cuando el tamaño de la empresa impide tener gente de alto nivel y alto conocimiento para la toma de decisiones. En ocasiones se forma un círculo vicioso que se genera de la siguiente manera: La empresa no tiene crecimiento por que no se toman las decisiones correctas. No se puede contratar a una persona que tenga la capacidad de toma de decisión para hacer que la empresa crezca dado que como no tiene crecimiento no se le puede contratar.

¿Cómo?
Implementando o bien subarrendando un sistema experto que tenga la facilidad de ayudar a los directores y administradores actuales a tomar decisiones correctas, al analizar los riesgos y ventajas de diferentes oportunidades y ofreciendo una alternativa viable de crecimiento.

Otro ejemplo podría ser:

¿Dónde?
Bancos, casas de cambio, compañías de tarjetas de crédito.

¿Cuándo?
Cuando se desea perfeccionar los sistemas antifraudes.

¿Cómo?
Utilizando redes neuronales para estudiar los patrones de uso de crédito y detectar transacciones potencialmente fraudulentas. Según Widrow, Rumelhart & Lehr (1994), el fraude en tarjetas de crédito es un problema creciente que afecta a todo la industria.

Por último, se puede tener este ejemplo:

¿Dónde?
Entidades financieras y casas de bolsa

¿Cuándo?
Cuando se desee tener mayor rendimiento es las transacciones y un menor grado de riesgo al invertir.

¿Cómo?
Se podrían utilizar sistemas expertos que utilicen redes neuronales que aprendan a partir de algoritmos genéticos, que aprendan y se entrenen para que puedan hacer predicciones financieras. Además por el poder de velocidad y procesamiento que se ofrece actualmente, esto se podría hacer para muchísimas compañías con características diferentes al mismo tiempo. Esto actualmente se esta llevando como prueba piloto en algunas compañías financieras, tales como Merrill Lynch & Co., Salomón Brothers, etc. (Willow, 1994)

Además de estos ejemplos, se puede pensar en las siguientes recomendaciones (García 2002), que pudieran ser focos de interés para la aplicación de la inteligencia artificial:

- Uso de aprendizaje virtual para la capacitación de personas
- Resolución de problemas de actualización
- Actividades de conservación de información y del conocimiento.
- Desarrollo de la computación emotiva y su uso para generar mejores interfaces.
- Como apoyo a la recuperación de enfermedades (biomedicina).
- Coadyuvar para posibilitar el uso de dispositivos y equipos destinados a personas con capacidades diferentes.

Conclusión:

Durante el proceso de recopilación de información, se ha denotado el interés y la expectación que genera el uso de la tecnología y en especial el de la inteligencia artificial en los negocios. Existen aún muchas cosas por definir, conceptualizar y realizar. Pero también es cierto, que las condiciones de los negocios han cambiado drásticamente a manera de adoptar de una manera natural y más amable a las tecnologías de información. Al parecer, ya no se ven como una amenaza latente, sino que se toman como herramientas para potencializar el desempeño y actuación de cada uno de los miembros de una organización.

Volviendo al tema que nos atañe, es grato visualizar que los modelos que utilizan inteligencia artificial para la toma de decisiones, son cada vez más utilizados y cotizados. Viendo este comportamiento, es fácil que nos preguntemos ¿Qué nos deparará el futuro?, ¿Cómo se desarrollaran este tipo de herramientas a corto, mediano y largo plazo?. El solo pensar en la respuesta vuelve a presentarnos un panorama muy amplio en donde se vislumbran cantidades asombrosas de áreas de oportunidad en espera de ser tomadas.

Bibliografía

Biasca, Rodolfo “Performance Management, los 10 pasos para construirlo. El ejemplo de una PYME”, 1999, Gestiopolis [WWW]
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/tablerocomando.htm
(Consultado 12 de Mayo de 2005)

Burghart, J.H. (Octubre de 1998) “Desing of a course in artificial intelligence and expert systems” IEE digital Library [online database]. Proceedings of the Frontiers in Education Conference. (Consultada el 9 de mayo de 2005).

Chan, Nicholas. “Information Dissemination and Aggregation in Asset Markets with Simple Intelligent Traders”, MIT, Septiembre 1998, Massachusetts Institute of technology [WWW]
ftp://publications.ai.mit.edu/ai-publications/pdf/AIM-1646.pdf
(Consultado 10 de Mayo de 2005)

Dean, Thomas (Diciembre de 1996) “Strategic Directions on Artificial Intelligence” ACM Computing Surveys, ACM Digital Library [electronic resource]. (Consultada el 12 de Mayo de 2005).
 
García Vega, Angelica “La inteligencia artificial en los negocios”. Febrero 2002, Universidad de Veracruz [WWW]
http://www.uv.mx/iiesca/revista2002-1/inteligencia%20artificial.pdf
(Consultado 12 de Mayo de 2005)

Hightower, James K. (1985) “Tutorial on artificial intelligence”. ACM Digital Library 
[electronic resource]. Proceedings of the 17th conference on winter simulation. (Consultada el 12 de Mayo de 2005)
 
Kingsbery, James. “Economics and Artificial Intelligence” Economics and Artificial Intelligence, Abril 2005, AI depot [WWW].
http://ai-depot.com/Articles/46/Economics.html
(Consultado 12 de Mayo de 2005)
 
Kumar, Vinay. “Learning based approach to estimation of morphable model parameters”, MIT, Septiembre de 2000, Massachusetts Institute of technology [WWW]
ftp://publications.ai.mit.edu/ai-publications/pdf/AIM-1696.pdf
(Consultado 10 de Mayo de 2005)
 
Lane, Kenneth M. (Marzo de 1995) “Neural networks from idea to implementation”. ACM Digital [online resource]. (Consultada el 12 de Mayo de 2005).
 
Markland, Robert.( Diciembre 1990). “Artificial Intelligence, Heuristic Frameworks an Tabu´s Search” Managerial and decision economics. Proquest [online database], (Consultada el 10 de mayo de 2005).
 
Minsky, Marvin. “Linear Decisión and Learning Models”, MIT, Marzo de 1968, Massachusetts Institute of technology [WWW]
ftp://publications.ai.mit.edu/ai-publications/pdf/AIM-156.pdf
(Consultado 10 de Mayo de 2005)
 
Punt, Michael (Noviembre 2002) “A taxi ride to late capitalism: Hypercapitalism, Imagination and articial intelligence” ACM Digital Library [electronic resource]. (Consultada el 12 de Mayo de 2005).
Reese Hedberg, Sara (Agosto 1996) “AI Toold for Business Process Modeling”. Executive Inside. IEEE digital Library [online database], (Consultada el 08 de Mayo del 2004)
 
Roque Moranchel, Silvia “La inteligencia de Negocios”. Marzo de 2001, Gestiopolis [WWW]
http://www.gestiopolis.com/recursos/documentos/fulldocs/ger/busint.htm
(Consultado 11 de Mayo de 2005)
 
Sviokla, Jhon (Octubre 1986) “ Business Implications of knowledge based systems” ACM Digital Library [online resource]. (Consultada el 09 de Mayo de 2005).
 
Tafti, Mohammed (1990) “Trends and Direction in Experts Systems”. ACM Digital Library [online resource]. Proceedings of the 1990 ACM SIGBDP conference on Trends and directions in experts systems. (Consultada el 12 de Mayo de 2005).
 
Wellman, Michael P. (Diciembre de 1996) “The economic approach to artificial intelligence” ACM Computing Surveys. ACM Digital Library [electronic resource]. (Consultada 12 de Mayo de 2005).
 
Widrow, Bernard & Rumelhart, David E. & Lehr Michael A. (Marzo de 1994) “Neural Networks: applications in industry, business and science”. ACM Digital Library [online resource]. (Consultada el 12 de Mayo de 2005).
 
Wong, Kit Po (Diciembre 1993), “Artificial intelligence and neural network applications in power systems”, IEEE digital Library [online database], (Consultada el 08 de Mayo del 2004)
 
Wu, Xindong (Septiembre de 2004). “Data mining: artificial intelligence in data analysis”. IEEE digital Library [online database]. Proceedings of the International Conference on Intelligent Agent Technology 2004. (Consultada el 08 de mayo del 2004)
 

Roberto Salvador Hernández Juárez  robertoharrobaladrilleramecanizada.com  Gerente de Sistemas y Telecomunicaciones Grupo Ladrillera Mecanizada Microsoft VB.NET MVP INETA LatAm Directors Board ComunidadNETMonterrey