Junio 26, 2018

¿Cómo convertir datos en predicciones? Asombroso Machine Learning

Seann Gardiner, líder de empresa experta en aprendizaje automático, destaca que “se pueden construir modelos capaces de predecir el futuro”.

Tomar una decisión al interior de la empresa requiere de conocimiento y análisis de la situación. Y en pleno proceso de transformación digital, las organizaciones ya están interesadas en buscar nuevas técnicas que les permitan levantar datos de manera más ágil, con el fin de tener una ventaja competitiva en el mercado.

En ese sentido, el aprendizaje automático o Machine Learning está siendo uno de los protagonistas, ya que permite identificar patrones y convertir información en predicciones, ahorrando tiempo y costos monetarios. Una sorprendente alternativa para advertir posibles situaciones o resultados que ocurrirán en un futuro, tomando como referencia lo recolectado en el pasado y el presente.

Y como en Entel nos importa que nuestros colaboradores estén siempre a la vanguardia, invitamos a Seann Gardiner, Worldwide Business Development de Data Robot, líderes en Machine Learning, que ofrecen servicios de automatización a las empresas para que no tengan que buscar a un científico de datos. Así, las compañías interesadas pueden tener de manera mucho más fácil análisis predictivos, por ejemplo, cómo un cambio de producto afectará las ventas o qué pieza del equipo va a fallar.

Una vez que se comienza a adquirir data es imprescindible ser capaz de utilizar el Machine Learning para conocer lo que ocurrió en el pasado, y para construir modelos que sean capaces de predecir de una manera muy específica, que pasará en el futuro

Revisa a continuación la entrevista en exclusiva que realizamos a Seann Gardiner sobre las posibilidades del aprendizaje automático:

¿De qué forma el Machine Learning está transformando a las empresas para tener negocios competitivos?

Hoy en día, el aprendizaje automático es un imperativo en la sala de reuniones. Sin embargo, sólo un 25% de las compañías ha adoptado el Machine Learning, y esto debido a que existen muchas barreras para su integración. Una de ellas es la falta de científicos dedicados a Data, y otra es la falta de educación en el negocio, es decir, entender cómo encontrar oportunidades del aprendizaje automático al interior de una organización.

Ante esto, en Data Robot, ayudamos a automatizar el Machine Learning para así ser capaces de llegar a más usuarios y masificar su uso, es decir, que no sea sólo utilizable por data scientist. También nos dedicamos a educar el negocio para que el aprendizaje automático sea entendible para la gente y aplicado en todas las unidades de la empresa, haciéndolas altamente competitivas.

¿Qué profesionales y/o talentos requiere una empresa para realizar un correcto análisis predictivo? ¿Es necesario tener un gran equipo?

Nuestra tecnología está muy enfocada en poner la información en manos de los científicos de data, de los usuarios de negocios, desarrolladores de software, entre otros, los cuales probablemente no utilizaban el análisis predictivo tradicionalmente. Es entonces, que tratamos de democratizar el aprendizaje automático, con el fin de construir aplicaciones de inteligencia artificial para las compañías; además de tener un modelo que no sea opaco, que tenga visibilidad, que pueda explicar el cómo y el por qué. A raíz de lo anterior, es que tenemos que ser capaces entonces, de explicar en plenitud su funcionamiento, incluyendo el foco más importante: las líneas de negocio.

¿De qué forma una mediana empresa puede utilizar inteligencia artificial para ser más competitiva?

Mucho depende de la industria, pero creo que la primera y gran parte, es encontrar una organización que este enfocada en el Machine Learning. Existen muchas compañías que tienen el aprendizaje automático como parte de su plataforma, por ejemplo, HR o CRM, pero encontrar una compañía con la que te puedas asociar te puede hacer más competitivo.

¿Cuáles son las ventajas de Data Robot y por qué llega a democratizar la tecnología?

Automatizar el Machine Learning no significa sacar a los científicos del negocio, pero sí automatizar el conocimiento de éstos, produciendo una gran ventaja en el tiempo de producción. Por ejemplo, con los algoritmos que usamos en Data Robot, incluimos todos los idiomas, por lo que, no existen barreras en ese aspecto.

Otra de las grandes ventajas, es la precisión del modelo, ya que, al tener todos estos algoritmos y científicos de la data, se llega a un modelo muy preciso y transparente. Además, permite facilitar el lenguaje de la inteligencia artificial para hacerlo entendible para todos.

¿Hacia dónde deben apuntar las principales estrategias de uso eficiente de análisis predictivos en las empresas?

Una de las grandes estrategias se basa en la educación pragmática, nosotros lo llamamos la Universidad de Data Robot, que no es sólo aprender a utilizarlo, sino que es parte de un todo. Poseemos un curso llamado “Machine Learning en Inteligencia Artificial para ejecutivos”, el cual llevamos a empresas, y se dedica a enseñar el cómo identificar y enmarcar el aprendizaje automático, además de vislumbrar sus oportunidades y evidenciar los problemas.

Creo que es importante tener una cultura de Inteligencia artificial, ya que de esa manera es posible ahorrar en los costos de producción, al saber cuáles son los problemas de base.

En 10 años más, ¿tienes alguna predicción de los usos y avances que tendremos en torno al aprendizaje automático e inteligencia artificial en las empresas?

Creo que hay muchas predicciones alrededor de la inteligencia artificial y el Machine Learning, sin embargo, una de las cosas que veremos es el aumento de la automatización. Hemos visto que, según Gartner, el 40% de la ciencia de la data sería automatizada para el año 2020 y hoy por hoy estamos por delante de ese número en 5 años.

Es por esto, que creo que veremos un gran aumento en la automatización en las organizaciones y escuelas en un grado más amplio, empezando a ser parte de todo lo que hacemos.

Seann Gardiner asegura que el Machine Learning disminuye los tiempos de producción en las compañías. ¿En qué procesos de tu empresa te gustaría contar con análisis predictivos?