Actualmente, todos los empresarios o altos cargos quieren una mayor velocidad y sofisticación en la toma de decisiones, pero en la mayoría de los casos sus organizaciones no están listas para ello. ¿Cómo se ve una empresa verdaderamente impulsada por los datos en la medida que surge una nueva era de la Transformación Digital y la Inteligencia Artificial?
Las técnicas y tecnologías emergentes como Big Data, Deep Learning, Reinforcement Learning y Procesamiento de Lenguaje Natural pueden crear grandes saltos de eficiencia, significado y conocimientos en las empresas y en la sociedad en general. En definitiva, supone una gran oportunidad para que las empresas respondan a los retos de competitividad.
En este sentido, según una encuesta realizada en 2018 por McKinsey & Company a empresas acerca de la adopción de Inteligencia Artificial, un 47% de los 2.135 participantes mencionan haberla incorporado en algún proceso de negocio, lo que supone un incremento significativo con respecto a un estudio similar realizado en 2017 donde sólo un 20% de participantes reportan usar este tipo de tecnología. La mayoría de participantes (58%) señalan que menos del 10% de la inversión digital está destinada al desarrollo de productos que incorporan IA, pero muchos de los encuestados (78%) tienen mucha confianza de que habrá un incremento en la inversión en IA en los próximos años. Así, por ejemplo, un informe publicado por PWC estima que en 2030 la contribución de la Inteligencia Artificial al mercado global será de unos 13.8 billones de euros.
Esta predicción viene a raíz del incremento de (i) empresas que persiguen una reducción de costes o de tiempos en sus procesos mediante la automatización, incluyendo el uso de robots y asistentes virtuales, (ii) empresas que incorporan en sus procesos de toma de decisiones no sólo los datos en bruto, sino el análisis estadístico o la búsqueda de patrones, y (iii) finalmente por el incremento de la demanda resultante de una nueva oferta de productos y servicios con IA mejorado y/o personalizado.
En definitiva, un número significativo de empresas se encuentran embarcadas en su incorporación a las denominadas Data-Driven Industries o empresas que utilizan los datos como vía de soporte a la toma de decisiones, mejora de sus procesos o el desarrollo de nuevos productos y/o servicios. En todos ellos, interviene la necesidad de potenciar las capacidades en cuatro áreas o tipos de análisis de datos, representadas en la siguiente figura, y que en cierta forma representa el grado de madurez de una empresa en la incorporación de este tipo de soluciones:
Por una parte, la descripción del comportamiento de sistemas complejos mediante el análisis estadístico de multitud de variables y la representación de la información resultante mediante innovadores cuadros de mando. De esta forma, se procede a viajar de un escenario en el que una persona puede manejar tres o cuatro factores a otro en el que una máquina es capaz de calcular la distribución de probabilidad y la influencia no lineal de muchos factores como, por ejemplo, en el precio o la demanda de un producto. Por otra, el diagnóstico del comportamiento de procesos o máquinas mediante la aplicación de técnicas multivariantes de detección de anomalías capaces de aprender del funcionamiento normal y alertar del anómalo o no deseado. Esto supera en mucho a los controles univariantes definidos de forma estática en los cuadros de mando. Una vez superadas las fases anteriores, la predicción del comportamiento futuro permite anticiparse y no detenerse en saber lo que ha ocurrido y el porqué, sino en la simulación de nuevos escenarios que nos permitan potenciar nuestro proceso de toma de decisiones. Por último, la prescripción sería la última etapa en la que no sólo conocemos el futuro, sino que somos capaces de recomendar y/o actuar de forma automática hacia el resultado óptimo.
Tal y como indica PWC en las conclusiones de una encuesta realizada en 2016 a 2.100 altos cargos, las empresas que raramente toman decisiones en base a los datos (8% de los encuestados) concentraban significativamente su proceso de toma de decisiones en el área descriptiva. Por el contrario, las empresas fuertemente ligadas a la toma de decisiones en base a los datos (39% de los encuestados) tenían una distribución uniforme de en las cuatro áreas.
Por todo ello, el objetivo general de la línea de I+D en Big Data Analytics se centra en investigar y validar conocimientos, técnicas y tecnologías en el dominio de Big Data, Deep Learning, Reinforcement Learning, Procesamiento del Lenguaje Natural y Graph Mining, necesarias para la construcción de Soluciones Inteligentes para el Apoyo a la Toma de Decisiones que faciliten a las empresas su transición al modelo actual de Data-Driven Industries (DDI), respondiendo así a los retos de competitividad que impulsa la Transformación Digital.
De forma específica, se impulsa la creación de tres actividades para alcanzar el objetivo planteado de la línea de I+D:
- Inteligencia Artificial as a Service (IAaaS): actividades de investigación y desarrollo dirigidas a identificar y construir soluciones generalistas para la prestación de servicios de Inteligencia Artificial en la nube a terceros. Para ello, se deberá investigar y desarrollar soluciones que tengan en cuenta el ciclo de vida completo de modelos estadísticos tales como la gobernanza del dato, el empaquetado como servicio, despliegue elástico en una infraestructura Big Data, monitorización de recursos, evaluación de modelos, entrenamiento online, etc.
- Inteligencia Competitiva Digital: actividades de investigación y desarrollo dirigidas a promover la construcción de soluciones Big Data Analtyics para reunir, analizar y difundir la información sobre tendencias y potenciales competidores o clientes, permitiendo así a las empresas agregar acciones de influencia, de notoriedad y de imagen. En concreto, serán soluciones que permitan la recolección masiva de fuentes de datos heterogéneas, como redes sociales o periódicos digitales, representación estructurada de la información, análisis de sentimientos, asistentes virtuales o chatbots, segmentación de clientes y de influencers, fakenews, detección de trolls o campañas virales negativas, seguimiento de producto, pronóstico de indicadores de impacto, prescripción de comunicados, etc.
- Gemelos Digitales: en el contexto de la Industria 4.0, actividades de investigación y desarrollo dirigidas a promover la construcción de soluciones para la creación de representaciones virtuales de dispositivos y/o procesos industriales reales con el objetivo aplicar técnicas de análisis de datos en las áreas de descripción, diagnóstico, predicción y prescripción. En concreto, actividades centradas en los casos de uso del Mantenimiento Predictivo para la simulación de nuevos escenarios de funcionamiento industrial, detección de anomalías, predicción de averías o paradas no programadas, optimización y prescripción de parámetros de configuración o acciones correctivas.Cada uno de ellos los desarrollaremos de manera más detallada en siguientes post.
