Las principales organizaciones actuales utilizan herramientas basadas en el aprendizaje automático para automatizar los procesos de toma de decisiones y están empezando a experimentar con usos más avanzados de la inteligencia artificial (IA) para la transformación digital. Se prevé que la inversión empresarial en inteligencia artificial se triplique en 2017 y se convierta en un mercado de 100.000 millones de dólares en 2025. Solo el año pasado se invirtieron 5.000 millones de dólares en aprendizaje automático. En una encuesta reciente, el 30 % de los encuestados predijo que la IA será el mayor perturbador de su sector en los próximos cinco años. Sin duda, esto tendrá profundos efectos en el lugar de trabajo.
El aprendizaje automático está permitiendo a las empresas ampliar su crecimiento de línea superior y optimizar los procesos, al tiempo que mejora el compromiso de los empleados y aumenta la satisfacción del cliente. He aquí algunos ejemplos concretos de cómo la IA y el aprendizaje automático están creando valor en las empresas hoy en día:
- Personalización del servicio al cliente. El potencial para mejorar el servicio al cliente al tiempo que se reducen los costes hace que esta sea una de las áreas de oportunidad más interesantes. Combinando datos históricos de atención al cliente, procesamiento de lenguaje natural y algoritmos que aprenden continuamente de las interacciones, los clientes pueden hacer preguntas y obtener respuestas de alta calidad. De hecho, el 44% de los consumidores estadounidenses ya prefieren los chatbots a los humanos para las relaciones con los clientes.
- Los representantes del servicio de atención al cliente pueden intervenir para gestionar excepciones, con los algoritmos mirando por encima de sus hombros para aprender qué hacer la próxima vez. Mejora de la fidelidad y retención de clientes. Las empresas pueden analizar las acciones de los clientes, las transacciones y los datos de sentimiento social para identificar a los clientes con mayor riesgo de abandono. En combinación con los datos de rentabilidad, esto permite a las organizaciones optimizar las estrategias de «próxima mejor acción» y personalizar la experiencia del cliente de principio a fin.
- Por ejemplo, los adultos jóvenes que abandonan los planes de telefonía móvil de sus padres suelen cambiar de operador. Las telecos pueden utilizar el aprendizaje automático para anticiparse a este comportamiento y hacer ofertas personalizadas, basadas en los patrones de uso del individuo, antes de que se pasen a la competencia.
- Contratar a las personas adecuadas. Las ofertas de empleo en las empresas atraen unos 250 currículos cada una, y más de la mitad de los reclutadores encuestados afirman que preseleccionar a los candidatos cualificados es la parte más difícil de su trabajo. Los programas informáticos examinan rápidamente miles de solicitudes de empleo y preseleccionan a los candidatos con las credenciales que tienen más probabilidades de alcanzar el éxito en la empresa.
- Hay que tener cuidado de no reforzar ningún sesgo humano implícito en contrataciones anteriores. Pero el software también puede combatir los prejuicios humanos señalando automáticamente el lenguaje sesgado en las descripciones de los puestos, detectando candidatos altamente cualificados que podrían haber sido pasados por alto por no ajustarse a las expectativas tradicionales. Automatización de las finanzas.
- La IA puede agilizar la «gestión de excepciones» en muchos procesos financieros. Por ejemplo, cuando se recibe un pago sin un número de pedido, una persona debe averiguar a qué pedido corresponde el pago y determinar qué hacer con cualquier exceso o defecto. Al supervisar los procesos existentes y aprender a reconocer las distintas situaciones, la IA aumenta significativamente el número de facturas que pueden cotejarse automáticamente. Esto permite a las organizaciones reducir la cantidad de trabajo subcontratado a centros de servicio y libera al personal financiero para que se centre en tareas estratégicas.
- Medición de la exposición de las marcas. Los programas automatizados pueden reconocer productos, personas, logotipos y mucho más. Por ejemplo, el reconocimiento avanzado de imágenes puede utilizarse para rastrear la posición de los logotipos de marca que aparecen en las secuencias de vídeo de un acontecimiento deportivo, como un partido de baloncesto. Los patrocinadores privados
- Detección del fraude. Una organización típica pierde un 5% de sus ingresos cada año por fraude. Mediante la creación de modelos basados en transacciones históricas, información de redes sociales y otras fuentes externas de datos, los algoritmos de aprendizaje automático pueden utilizar el reconocimiento de patrones para detectar anomalías, excepciones y valores atípicos. Esto ayuda a detectar y prevenir transacciones fraudulentas en tiempo real, incluso para tipos de fraude hasta ahora desconocidos. Por ejemplo, los bancos pueden utilizar datos históricos de transacciones para crear algoritmos que reconozcan comportamientos fraudulentos. También pueden descubrir patrones sospechosos de pagos y transferencias entre redes de individuos con conexiones corporativas que se solapan. Este tipo de «seguridad algorítmica» es aplicable a una amplia gama de situaciones, como la ciberseguridad y la evasión fiscal.
- Mantenimiento predictivo. El aprendizaje automático permite detectar anomalías en la temperatura del eje de un tren que indiquen que se va a congelar en las próximas horas. En lugar de que cientos de pasajeros se queden tirados en el campo, esperando una costosa reparación, se puede desviar el tren a mantenimiento antes de que falle, y trasladar a los pasajeros a otro tren.
- Cadenas de suministro más fluidas. El aprendizaje automático permite el análisis contextual de los datos logísticos para predecir y mitigar los riesgos de la cadena de suministro. Los algoritmos pueden cribar datos sociales públicos y noticias en varios idiomas para detectar, por ejemplo, un incendio en una fábrica remota que suministra rodamientos de bolas vitales para la transmisión de un coche.
