Diversos conceptos relacionados a la tecnología son escuchados diariamente, pero ¿cómo las empresas están siendo transformadas por su implementación? Uno de esos conceptos con el que solemos encontrarnos es el de “Aprendizaje Automático”, o mayormente conocido por su concepto del inglés como “Machine Learning” (ML). El ML es una rama de la inteligencia artificial que principalmente se compone de modelos matemáticos y estadísticos que ayudan a las máquinas a aprender en base a datos.

Estas técnicas implementadas por gran variedad de industrias, ayudan a las organizaciones a poder ser más eficientes en muchos aspectos; como conocer mejor a sus clientes, lograr una importante reducción de costos, optimización de procesos y a su vez una mejora en la toma de decisiones.

El ML actualmente está siendo el motor de desarrollo de muchas empresas. Por lo tanto, es ineludible que cada empresa conozca qué es y cuándo se debe usar. No siempre la mejor opción es utilizar estos modelos, por eso es necesario hacer un previo análisis de situación y determinar si será necesario o no para la organización, ya que su implementación puede incurrir en costos muy elevados.

Su aplicación puede ser en cualquier tipo y tamaño de empresa. Solo debe existir dominio del tema, un problema a resolver, una fuente de datos robusta y la infraestructura necesaria. Existen diferentes lenguajes y herramientas para el desarrollo de estos modelos. Entre los que se pueden mencionar, por un lado, están los lenguajes de programación Python y R, con sus respectivos paquetes (ejemplo: Tensor Flow y scikit-learn); y por el otro lado, herramientas como Azure Machine Learning Studio, AWS Machine Learning y Cloud Machine Learning Engine, etc.

Para crear un sistema de Machine Learning se debe contar con profesionales que tengan conocimientos sólidos en el área de Matemática y Estadística. Estos especialistas son requeridos porque para que un modelo funcione correctamente se debe comprender que está sucediendo internamente. De más está decir que para aplicar estos algoritmos se debe utilizar herramientas que faciliten los cálculos, como por ejemplo, algún lenguaje de programación o alguna de las herramientas que se mencionó con anterioridad.

En los negocios del futuro se hablará cada vez más del Machine Learning. Estos sistemas están constantemente innovando. Existen profesionales que se dedican a investigar métodos para mejorar algoritmos que ya existen y también crear nuevos. Esto sucede mucho con el Deep Learning (traducido al español como Redes Neuronales Profundas). Constantemente se presentan nuevas arquitecturas que son más potentes y permiten actualizar sistemas cada vez más eficientes. Es así como todo esto promete que en los próximos años exista una maduración en muchos aspectos en la industria global.

En Argentina el ML está creciendo a pasos agigantados, cada vez se crean más comunidades donde los expertos pueden tener discusiones sobre temas claves de esta disciplina.

Un reporte difundido por Everis y Endeavor en 2018 plantea que, con el avance de la Inteligencia Artificial, habrá aplicaciones más elaboradas, como por ejemplo reconocimiento de imagen, reconocimiento de formas, entendimiento de lenguaje natural -que estudia las interacciones entre las computadoras y el lenguaje humano- entre otras, sobre las cuales ya trabajan las empresas. Este mapeo realizado identificó a 240 compañías con muestra ya integrada por empresas de Perú, Argentina, Colombia, Chile, Brasil y México.

Es importante saber que muchas organizaciones ya están desarrollando estos modelos para poder mejorar sus procesos y lo logran satisfactoriamente. Desde la Consultoría en Ingeniería de Software y Sistemas, se está avanzando con la adopción e implementación de estas tecnologías aplicadas a la ingeniería de datos e Inteligencia Artificial, con el objetivo de facilitar el camino a la transformación digital que hoy transitan las organizaciones.

(*) Benjamín Bianchi: Analista de Datos Liveware