Parte 16 La Segunda Ola, el Internet de los Negocios


        Parte 16 La segunda ola, el internet de los negocios    

Tiempo de Lectura: 13 minutos.

La primera ola apalanca al hecho de que los usuarios están etiquetando los datos cuando ellos navegan. El Negocio de la inteligencia artificial empresarial toma ventaja del hecho de que las compañías tradicionales han etiquetado automáticamente gigantescas cantidades de datos por décadas. Por ejemplo las compañías de seguros han estado cubriendo accidentes y descubriendo fraudes, los bancos han emitido préstamos y documentan el pago de los mismos y los hospitales han mantenido registro de diagnósticos y tasas de supervivencia. Todas esas acciones generan puntos de datos etiquetados o sea un conjunto de características y un resultado significativo, pero hasta ahora la mayoría de los negocios tenían un camino difícil para explorar esos datos para obtener mejores resultados.     La inteligencia artificial de los negocios extrae esas bases de datos en busca de correlaciones ocultas que frecuentemente se escapan al ojo desnudo y al cerebro humano.

La inteligencia artificial diseña tomando todas las decisiones históricas y sus resultados en una misma organización y utiliza datos etiquetados para entrenar a un algoritmo que pueda superar al más experimentado practicante humano. Esto es porque los humanos normalmente hacen predicciones en base a características fuertes, un puñado de datos que están altamente correlacionados a un resultado específico y frecuentemente en una clara relación de causa y efecto. Por ejemplo eligiendo la probabilidad de que alguien adquiera diabetes, el peso de la persona y la masa corporal son características fuertes.     Los algoritmos de inteligencia artificial también consideran estos datos, pero también miran a miles de otras características débiles de puntos de datos periféricos, que pueden parecer sin relación a un resultado, pero contienen cierto poder predictivo cuando está combinado a través de miles de millones de ejemplos.

Esas útiles correlaciones son difíciles de explicar en términos de causa y efecto para cualquier humano, por ejemplo: porqué los solicitantes de préstamos que toman préstamos los miércoles pagan la deuda más rápido?    Algoritmos que pueden combinar miles de esos datos débiles y fuertes característicos frecuentemente utilizando relaciones matemáticas complejas indescifrables para el cerebro humano superará incluso a los humanos de primer nivel en muchas tareas comerciales analíticas.

Las optimizaciones cómo estas, trabajan bien en industrias con grandes cantidades de datos con significativos resultados empresariales. En este caso estructurados se refiere a datos que han sido etiquetados. Los ejemplos principales de juegos de datos bien estructurados incluyen los datos históricos del precio de las acciones corporativas, el uso de tarjetas de crédito y la falla en el pago de hipotecas.

        La inteligencia artificial de los negocios    

Tan temprano como el 2004 las compañías como Plantir y el Watson de IBM ofrecieron consultoría de datos empresariales y gubernamentales.

Pero el uso generalizado de deep learning en 2013 turbocargaron las posibilidades y permitieron el nacimiento de nuevos competidores como Element AI en Canadá y 4th Paradigm en China.

    Esas empresas startups venden sus servicios a compañías tradicionales o a organizaciones permitiendo que sus algoritmos liberen esas bases de datos en búsqueda de optimizaciónes.  Ellos le permiten a las compañías detectar fraudes, hacer comercializaciones inteligentes y descubrir ineficiencias en la cadena de suministro.

Las primeras instancias de la inteligencia artificial empresarial se han agrupado en una gran medida en el sector financiero porque naturalmente tiende al análisis de datos. La industria camina por una bien estructurada información y tiene métricas claras que busca optimizar.

Esto es también claro porque los Estados Unidos han construido un fuerte liderazgo en las aplicaciones tempranas de la inteligencia artificial empresarial. Las corporaciones americanas más grandes ya colectan gran cantidad de datos y los almacenan en formatos bien estructurados. Usualmente utilizan software para contabilidad, inventarios y para la administración de las relaciones con los clientes.     Una vez que los datos están en esos formatos es fácil para compañías como Plantir venir y generar resultados significativos aplicando la inteligencia artificial de los negocios para buscar ahorros en costos y en la maximización de los beneficios.

Esto no es así en China. Las compañías Chinas nunca han utilizado el software empresarial o el almacenaje estandarizado de datos. En vez de esto mantienen los libros contables en su sistema indistintamente. Esos sistemas usualmente no son escalables y son difíciles de integrar en el software existente haciendo la limpieza y la estructuración de datos un proceso mucho más exigente. Datos deficientes también hacen que los resultados de las optimizaciones de la inteligencia artificial sean mucho menos robustas. Como un asunto de cultura empresarial las compañías Chinas gastan mucho menos dinero en asesoría externa que sus pares Norteamericanos. Muchos negocios Chinos de la vieja escuela son manejados aún como feudos personales más que como organizaciones modernas y la experiencia externa no es considerada algo que merezca ser pagada.

        Despide a tu banquero    

Los datos corporativos de la cultura Chinos hacen que la utilización de la segunda ola empresarial sea todo un reto. Pero en las industrias en donde la inteligencia artificial empresarial como los servicios financieros se convierten en un trampolín para aplicaciones innovadoras de la inteligencia artificial. Uno de los más prometedores está en las microfinanzas potenciadas por la inteligencia artificial.

Por ejemplo cuando China se saltó el proceso de las tarjetas de crédito y se movió directamente hacia los pagos móviles olvidando una pieza del rompecabezas del cliente, el crédito mismo Wechat y Alipay le permite directamente retirar directamente de tu cuenta bancaria pero sus servicios no te permiten gastar un poco más mientras esperas el próximo cheque.

    Dentro de ese vacío entró Smart Finance una aplicación potenciada que depende únicamente de algoritmos para hacer millones de pequeños préstamos.  En vez de preguntarle al cliente cuánto gana mensualmente simplemente le pide permiso para accesar telefónicamente algunas de los datos de acreedores potenciales.

        Esos datos forman un tipo de huella digital con sorprendente habilidad para predecir como el prestatario pagará un préstamo de $300 dólares.    

El algoritmo de Smart Finance de deep learning no solo busca métricas obvias como cuenta cantidad hay en tu monedero electrónico Wechat. En del poder predictivo de puntos de datos que parecieran irrelevantes para un funcionario. Por ejemplo considera la velocidad en la cual ingresaste tu fecha de nacimiento, cuánta batería te sobraba en tu teléfono y miles de otros parámetros.

Qué tiene que ver lo que te sobra en la batería de solicitante del préstamo con tu credibilidad crediticia? Este es el tipo de preguntas que no puede ser contestada en términos de una simple causa y efecto. Pero no es un signo en las limitaciones de la inteligencia artificial, es una señal de nuestra limitación de nuestra mente, para reconocer los correcciones escondidas dentro de masivos grupos de datos.     Entrenando esos algoritmos con millones de préstamos, algunos que fueron pagados y otros que no Smart Finance hace descubrimientos de miles de puntos débiles que están correlacionados a la credibilidad financiera  aún si éstas correlaciones no puedan ser explicadas en una forma simple que puedan ser entendidos por los humanos.

Esas métricas excéntricas constituyen lo que el fundador de Smart Finance Ke Jiao le llama el nuevo estándar de belleza para los préstamos, uno que reemplaza a las métricas crudas del ingreso, el código postal y aún el score de crédito.

Creciendo montañas de datos y continuamente refinando estos     algoritmos le permite a la compañía crecer y expander el crédito a grupos rutinariamente excluidos como: los jóvenes y a los trabajadores imigrantes.  Para finales de 2017 la compañía estaba haciendo más de 2 millones de préstamos mensuales con recuperaciones superiores al 95% un récord que hace que los bancos tradicionales se sientan extremadamente celosos.

        El algoritmo te verá ahora.    

Pero la inteligencia artificial empresarial puede ser más que dólares y centavos.     Cuándo se aplica a otros bienes públicos guiados por la información que pueden significar democratizaciónes masivas para aquellos que precisamente no podían pagarla. Una de esas prometedoras aplicaciones es el diagnóstico médico.

Ahora mismo el conocimiento médico pareciera que el poder para entregar diagnósticos exactos está embotellada en un pequeño grupo de humanos talentosos, personas con memorias y perfectas y tiempo limitado para mantenerse actualizados con los avances en el campo. Seguro a una gran cantidad de riqueza de la información está dispersa través del Internet pero no en una forma en que es navegables para la mayoría de las personas. La diagnosis de mejor calidad todavía está muy escasa basada en la localizacion geografíca y también con la posiblidad de pagarla.

Esto es específicamente rígido en China en donde los mejor entrenados doctores se concentran en las ciudades más ricas. Viajando fuera de Beijing y Shangai verías una dramática caída en el conocimiento médico que pudieran tratar tu enfermedad. El resultado? Pacientes de todo el país aborrando los principales hospitales alineados por días y agotando sus recursos limitados hasta el límite.

La segunda ola de la inteligencia artificial promete cambiar todo esto. Abajo de los muchos elementos sociales para visitar un doctor lo escencial del diagnóstico involucra obtener datos como los síntomas, la historia médica y los datos medioambientales y predecir el fenómeno correlacionado con ellos: una enfermedad.     Este acto de usar varias correlaciones y hacer predicciones es exactamente en lo que deeplearning se destaca. Dándole suficientes datos de entrenamiento en este caso. Una herramienta impulsada por la inteligencia artificial puede convertir a cualquier profesional medico en un súper diagnosticador con experiencia de decenas de millones de casos.  Una habilidad asombrosa para detectar correlaciones encubiertas y una perfecta memoria para recuperar en cualquier momento.

        Esto es lo que RXT thinking está tratando de construir. Fundada por un investigador Chino con amplia experiencia en Silicon Valley y un súper diagnosticador.    

La start-up está entrenando algoritmos de inteligencia artificial para convertirse en una súper diagnosticador que puede enviarse a todos los rincones de China.     En vez de reemplazar doctores con algoritmos RTX la aplicación de inteligencia artificial los empodera. Actúa como una aplicación de navegación para el proceso de diagnóstico recolectando todo el proceso disponible pero todavía permitiendo a los doctores manejar el auto.

En la medida en que el algoritmo obtiene más información de cada caso específico, progresivamente reduce el alcance de las posibles enfermedades y pide información más clara adicional necesaria para completar el diagnóstico.     Una vez que se le ha dado al algoritmo la informacion con un alto nivel de certeza, este una predicción para la causa de la enfermedad.

    Una vez que se le ha alimentado al algoritmo con información con un alto nivel de certeza, hace una prediccion de la causa de los síntomas, así como otras posibles diagnósticos y el porcentaje de probabilidad de que ellos sean los verdaderos culpables.  La aplicación nunca anula a un doctor el cual se puede desviar de la recomendación de la aplicación, pero está se basa en más en 400 millones de reportes médicos existentes y continuamente revisan las últimas publicaciones para hacer recomendaciones.    asi la aplicacon disemina conocimiento médico de clase mundial en forma igualitaria  a través de una muy desigual sociedad y le permite a los doctores y a las enfermeras de toda China enfocarse a las tareas humanas que no puede dar una máquina: hacer sentir a los pacientes cuidados y consolados cuando el diagnóstico no es brillante.

        Juzgando a los jueces    

    Los mismos principios están aplicando al sistema legal Chino. Otra desmadejada burocracia con niveles altamente disparejos de experiencia a través de las regiones. IFlytek ha tomado el liderazgo en aplicar la inteligencia artificial a las Cortes . Construyendo herramientas, ejecutando un programa piloto establecido en Shanghai qué utiliza datos de casos pasados para asesorar a los jueces en el trato de una evidencia y las sentencias. Un sistema de referencia cruzada de evidencia que utiliza reconocimiento de discurso y proceso de lenguaje natural para comparar toda la evidencia presentada, los testimonios, documentos y materiales de respaldo y busca patrones contradictorios. Entonces alerta al juez de esas disputas permitiendo investigación adicional y clarificación para los funcionarios de la corte.

    Una vez que el veredicto se ha emitido el juez puede usar otra herramienta de inteligencia artificial para recomendar una sentencia.  El asistente de sentencias empieza con el patrón de hechos, los antecedentes penales del acusado, los daños que ocasionó y asuntos similares, entonces su algoritmo escanea millones de reportes de la corte para los casos similares. Utiliza entonces el cuerpo de conocimiento para hacer recomendaciones para tiempo de reclusión y multas que deben ser pagadas.

Los jueces también pueden observar casos similares como puntos de datos dispersos en una gráfica del tipo XY haciendo clic para los detalles en cada punto para obtener los detalles del patrón de hechos que llevaron a esa sentencia. Es un proceso que constituye consistencia en un sistema con cerca de 100,000 jueces en toda China y también puede controlar los valores atípicos y las sentencias los pusieron fuera de la corriente principal.     Una aplicación China es utilizar a la inteligencia artificial para calificar y hacer un ranking de todos los jueces en su rendimiento.  Algunas partes Americanas han implementado algoritmos similares para asesorar al juez en el nivel de riesgo de prisioneros para otorgar la libertad condicional, aunque el rol y falta de transparencia de estas herramientas de inteligencia artificial han sido ya vetados en los tribunales superiores.

Cómo con RTX thinking el sistema de navegación para doctores, todas las herramientas de Iflytec judiciales solo son eso, herramientas para ayudar a los humanos a tomar decisiones informadas empoderando a los jueces con recomendaciones de datos guiados.

Estudiosos del derecho Americanos han ilustrado bastas disparidades en las ciencias basadas en la raza de la víctima y el acusado y los riesgos pueden ser menos maliciosos que el racismo, un estudio de jueces israelitas encontraron que el castigo fue menos severo antes del almuerzo y más indulgentes en la concepción de libertad condicional después de una buena comida.

        Quién lidera?    

Así que, qué país tomara el liderazgo en la más amplia categoría de la inteligencia artificial empresarial?     Actualmente en 2021 Estados Unidos disfruta de un liderazgo de 90 a 10 ahora sobre China que creo cerrará esa brecha hacia el 70/30 mas adelante . Los Estados Unidos tienen la clara ventaja en las más inmediatas y educativas implementaciones de la tecnología. Optimizaciones dentro de la banca, los seguros y cualquier industria con montones de datos estructurados que pueden ser minados para mejorar la toma de decisiones. Sus compañías tienen la materia prima y el poder corporativo para explicar la inteligencia artificial empresarial para maximizar el resultado final. No hay duda que China se retrasará en el mundo corporativo pero podrá liderar en servicios públicos y en industrias en el potencial de saltar sistemas obsoletos. La inteligencia empresarial convertirá esas debilidades en fortalezas en la medida en que se imaginen estas industrias desde el principio.

Esas aplicaciones de la segunda ola en inteligencia artificial tendrán impacto inmediato en el mundo real pero los algoritmos por sí mismos todavía se están adaptando para la mente de la información digital mediada por humanos.

La tercera ola del inteligencia artificial cambiia todo eso dándole a la inteligencia artificial dos de los más valiosos mecanismos de recabar información: ojos y oídos.

        Comentarios

Los ejemplos de datos bien estructurados son aquellos como los precios de las acciones corporativas o del uso de tarjetas de crédito.

Desde 2004 Palantir y el Watson de IBM han ofrecido consultoría de datos empresariales y gubernamentales para encontrar correlaciones y optimizar los negocios utilizando el deep learning.

Esas empresas venden sus servicios a compañías tradicionales o a organizaciones permitiendo que los algoritmos liberan esas bases de datos en búsqueda de optimizaciónes. Una de las primeras aplicaciones se ha elaborado en el sector financiero porque tiende a el análisis de datos.Una vez que los datos están en formatos definidos es fácil para las compañías como IBM Watson o Palantir venir y generar resultad. Una de las más prometedoras áreas es el diagnóstico médico. Lo esencial en el diagnóstico involucra obtener datos como los síntomas, la historia médica y los datos medioambientales y correlacionarlos con una enfermedad. Ese acto de buscar varias correlaciones y hacer predicciones es exactamente en lo que el deep learning se destaca. Una herramienta impulsada por la inteligencia artificial puede convertir a cualquier profesional de medicina en un súper diagnosticador con experiencia de decenas de millones de casos. En vez de reemplazar doctores, utiliza algoritmos como RTX thinking y los empodera, este actúa como una aplicación de navegación para el proceso de diagnóstico. Y puede enviarse a todos los rincones de China.

Los mismos principios de la aplicación médica se están llevando a cabo aplicados en el sistema legal Chino, burocracia con niveles altamente disparejos de experiencia a través de las regiones. Iflytec a tomado el liderazgo en aplicar la inteligencia artificial a las Cortes Chinas. Utiliza el reconocimiento de discurso y el proceso de lenguaje natural para comparar toda la evidencia, los testimonios, documentos y materiales de respaldo y busca patrones contradictorios, permitiendo investigación y clarificación adicional para los funcionarios de la corte. Una vez que El veredicto se ha emitido el juez puede usar otra herramienta similar de inteligencia artificial para recomendar una sentencia. Cómo con RTX thinging el sistema de navegación para doctores las herramientas de Iflytek judiciales solo son herramientas para ayudar a un humano a tomar decisiones informadas, empoderando a los jueces con recomendaciones de datos guiados.


Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.