Buscar
  • Streamline

¿Que es la inteligencia artificial (AI)?

Actualizado: 14 de ene de 2019

En este momento, una determinada nube de cumplimiento de palabras de moda rodea las discusiones de inteligencia artificial (AI). A muchos productos y servicios tecnológicos les gustaría disfrutar de su brillo reflejado. Muchos términos han disfrutado o soportado momentos similares: big data, IoT, incluso sin gluten. Pero eso no significa que la IA no sea real. O poderoso. O útil. De hecho, sus aplicaciones comerciales están empezando a mostrar su valor. En esta publicación, veremos las formas en que se puede utilizar la inteligencia artificial para ayudar a las empresas a extraer información del consumidor del enorme volumen de datos estructurados y no estructurados a los que tienen acceso. Pero primero una definición: La inteligencia artificial es la inteligencia mostrada por las máquinas, en contraste con la inteligencia natural mostrada por los humanos y otros animales. Coloquialmente, el término "inteligencia artificial" se aplica cuando una máquina imita las funciones "cognitivas" que los humanos asocian con otras mentes humanas, como "aprender" y "resolver problemas".


AI no es realmente una cosa. Es una disciplina científica.

  • El análisis de texto y el procesamiento de lenguaje natural (PNL) permiten a una computadora comprender los matices de la comunicación humana desordenada.

  • La generación de lenguaje natural (NLG), un subconjunto de NLP, convierte los datos en lenguaje humano, creando una narrativa comprensible.

  • El aprendizaje automático clasifica con precisión atributos como la emoción, el sentimiento, el tema a escala. Puede dar sentido a los datos que son "ruidosos", cuando las desviaciones aleatorias ocultan patrones.

  • El aprendizaje profundo (una extensión del aprendizaje automático) a través de redes neuronales puede identificar logotipos, escenas, acciones y objetos en contenido basado en imágenes. Los algoritmos de aprendizaje profundo continúan aprendiendo a medida que reciben más datos.

El poder de cómputo ha aumentado dramáticamente en las últimas dos décadas, mientras que su costo relativo ha disminuido. Igualmente, el almacenamiento de datos. Esto permite que los recursos de cómputo y almacenamiento necesarios para la inteligencia artificial estén al alcance incluso de las pequeñas empresas. Las tecnologías de inteligencia artificial permiten analizar enormes conjuntos de datos de forma mucho más rápida y precisa que los humanos.

Cuando se aplica a la manguera contra incendios de los datos de las redes sociales, el análisis impulsado por AI puede revelar información del consumidor que de otra manera podría permanecer oculta. Puede encontrar patrones en el mercado y el comportamiento del consumidor que llevan a refinamientos de productos y nuevos productos, campañas de marketing más efectivas y formas innovadoras de interactuar con las comunidades de clientes e influyentes.

La siguiente tabla muestra los tipos de datos de redes sociales y las tareas a las que se puede aplicar la inteligencia artificial.

AI cumple con las percepciones del consumidor.

Entonces, con un marco conceptual en su lugar, veamos un ejemplo tangible que muestra cómo la IA puede analizar los datos de las redes sociales en formas que son mucho más rápidas que el análisis manual o simplemente no eran posibles con la investigación tradicional y los métodos de recopilación de datos.

Descubriendo oportunidades ocultas.

Con sede en Chicago, Levy Restaurants ofrece servicios de comida y venta de primera calidad a las principales instalaciones deportivas y de entretenimiento, como el Scottrade Center en el centro de St. Louis, hogar de St. Louis Blues de la NHL. La compañía quería refinar los conceptos de los restaurantes de este lugar para atraer las preferencias cambiantes de los fanáticos de los deportes de la ciudad, especialmente en los codiciados grupos de 20 a 30 años.

El análisis de conversaciones sociales impulsado por AI reveló un gran interés en la cocina de fusión, que combina elementos de diferentes tradiciones culinarias. Levy modificó sus restaurantes para satisfacer esta demanda, y dentro de la mitad de la temporada, las mismas ubicaciones generaron más ingresos que en todo el año anterior.

Solo la convergencia de la inteligencia artificial, la analítica y las redes sociales hizo esto posible por varias razones. Los grupos focales y las encuestas nunca podrían proporcionar la amplitud y el volumen de la opinión y preferencia de los consumidores que los medios sociales pueden. Las entrevistas en el lugar pueden parecer prometedoras hasta que consideres la logística y el hecho de que estarías interrumpiendo la experiencia del juego, lo que fácilmente podría provocar algunas conversaciones sociales muy negativas.

Finalmente, estos métodos de investigación tradicionales requieren mucho tiempo y recursos. En el tiempo que lleva establecer un grupo de enfoque, y mucho menos conducirlo y analizar los resultados, las tecnologías de la IA podrían analizar y clasificar miles de conversaciones sobre las preferencias alimentarias en eventos deportivos. Simplemente no es un concurso.

Uso de AI para personalizar el análisis de datos.

Es fácil comprender cómo la inteligencia artificial puede ofrecer velocidad, precisión y escalabilidad. Después de todo, la inteligencia artificial es inteligencia de la máquina. Pero lo que a menudo se pierde en la discusión sobre el poder de AI es su capacidad para ayudarnos a comprender los matices y el contexto. Características muy importantes de la comunicación humana.

Entender esas características significa que puedes responder preguntas más complejas. Puede profundizar en por qué las personas se comportan como lo hacen y qué conductores sutiles configuran sus preferencias. AI puede analizar datos cualitativos, generalmente en forma de texto, mediante algoritmos de entrenamiento para analizar el sentimiento a un nivel muy granular. Y cuantos más datos tenga, más sensible será el análisis a los matices que desea resaltar. Tres ejemplos ilustran esta capacidad.


  • Si un fabricante de automóviles desea asociar ciertos valores con su marca exclusiva, innovadora y tecnológicamente avanzada, los analistas pueden enseñar un algoritmo para reconocer estas cualidades en el texto. No solo esas palabras claves sino el lenguaje que las invoca. Cuando entrena un algoritmo utilizando un gran volumen de datos no estructurados, como tweets, publicaciones en foros o blogs, puede ajustar los resultados continuamente.

  • Las marcas a menudo necesitan entrenar herramientas de escucha social para distinguir entre palabras o frases que tienen diferentes significados según el contexto. Tomemos la frase "¡Mi aspiradora realmente apesta!" ¿Eso significa que la aspiradora no funciona correctamente o que es muy poderosa? Por supuesto, depende del contexto.

De manera similar, una compañía como HP, Hewlett Packard, necesita distinguir entre muchos significados potenciales de esas iniciales. Estos incluyen abreviaturas, acrónimos y jerga como caballos de fuerza, Harry Potter, Hindustan Petroleum, alto rendimiento, alta precisión, Cámara del Parlamento y muchos más. Con análisis de texto, aprendizaje automático y datos de entrenamiento bien elegidos, esto se puede lograr a través de muchos canales sociales.


Nuance no solo existe en el texto. También es parte de las imágenes. Cada día, tres mil millones de fotos son compartidas en las redes sociales. Hay más de 800 millones de horas de video en YouTube. Y los teléfonos inteligentes con cámara han eliminado la barrera de entrada en términos de comunicación a través de imágenes.

El análisis profundo del aprendizaje de las imágenes puede reconocer y clasificar logotipos, objetos, acciones, escenas y atributos faciales. Una empresa de productos para el consumidor puede usar el análisis de imágenes para no solo encontrar imágenes que muestren su producto, sino también elementos asociados con el producto, las ubicaciones donde se usa y las expresiones faciales de quienes lo usan.


Las imágenes también afectan cómo procesamos la información. En 2003, un estudiante de Harvard trabajó con un banco sudafricano, enviando 50,000 cartas con ofertas de préstamos a corto plazo. Las letras variaron la tasa de interés e incluyeron otras señales psicológicamente influyentes. ¡Resultó que agregar una foto de una mujer feliz a la carta tuvo tanto impacto positivo en la tasa de respuesta como bajando la tasa de interés en cuatro puntos porcentuales!


Lo mejor de ambos mundos.


A medida que avanza AI, es justo preguntar si eventualmente reemplazará a los analistas humanos. No pronto, porque los algoritmos siguen necesitando el "toque humano". Los algoritmos funcionan mejor en sistemas cerrados, como un tablero Go, por ejemplo. El algoritmo necesita un analista humano para describir el entorno en el que se ejecutará.


Y, la información del consumidor generada a través de herramientas habilitadas para la IA todavía será aplicada por los humanos. Estas herramientas se convertirán en asistentes inteligentes para los analistas a medida que evolucionen sus roles. La velocidad, la potencia y las capacidades de reconocimiento de patrones de la IA, junto con las personas que apuntan a las preguntas correctas, crearán lo mejor de ambos mundos.

0 vistas

Streamline