Skip to Content
Contáctenos

Machine learning

El machine learning y el mundo más grande de la inteligencia artificial (IA) ya no son cosa de ciencia ficción. Están aquí –y muchas empresas ya están sacando provecho–. Como nueva especie de software capaz de aprender sin estar explícitamente programada, el machine learning (y la capacitación profunda) puede acceder, analizar y encontrar patrones en Big Data de una manera que está más allá de las capacidades humanas. Las ventajas de negocio son enormes, y se espera que el mercado valga USD 47.000 millones para 2020.

Conozca nuestra tecnología de machine learning

Introducción al machine learning

La inteligencia artificial, el machine learning y la capacitación profunda suelen ser intercambiables, pero no son lo mismo. En pocas palabras, la IA es el concepto más amplio de que las máquinas que pueden actuar de manera inteligente. El machine learning y la capacitación profunda son subconjuntos de la IA basados en la idea de que si se les da acceso a grandes volúmenes de datos, las máquinas pueden aprender por sí mismas. Continúe leyendo para saber más sobre la capacitación profunda vs. el machine learning, y otros términos importantes.

¿Qué es machine learning?

¿La definición más simple de machine learning? La práctica de enseñarle a una computadora cómo detectar patrones y hacer conexiones mostrándole un volumen masivo de datos. Así, en lugar de programar software para que cumpla una tarea específica, la máquina usa Big Data y algoritmos sofisticados para saber cómo realizar la tarea por sí misma. El machine learning les permite a las aplicaciones “pensar” y hacer una determinación o proyección de manera independiente –yendo más allá de lo que pueden hacer las analíticas predictivas y las analíticas de Big Data, y en general más allá de lo que pueden hacer los humanos–. Un ejemplo popular de consumidor de machine learning es un motor de recomendaciones en un entorno de venta minorista on-line.

¿Qué es la capacitación profunda?

La capacitación profunda, en ocasiones conocida como computación cognitiva, es una forma avanzada de machine learning. Usa redes neurales de varios niveles (también conocidas como profundas) para simular procesos de pensamiento humano. Estas redes están hechas de pequeños nodos informáticos que imitan la sinapsis del cerebro humano. Usando conjuntos de datos y algoritmos sofisticados, las máquinas pueden ayudar a resolver problemas complejos y no lineales. La capacitación profunda es responsable de avances como el reconocimiento de voz de imagen además del procesamiento del lenguaje natural. Algunos ejemplos de capacitación profunda incluyen:
  • Software de reconocimiento facial
  • Autos que se conducen solos
  • Dispositivos inteligentes de automatización de casas

Capacitación supervisada frente a capacitación no supervisada

Hay tres formas principales en la que las máquinas “aprenden”:
  • Capacitación supervisada: en este enfoque, los humanos etiquetan las entradas y salidas y luego el modelo descifra las reglas para conectarlos.
  • Capacitación semisupervisada (o de refuerzo): la máquina es
    premiada o penalizada por las acciones que toma mediante prueba y error, y el algoritmo se ajusta conforme a ello.
  • Capacitación sin supervisión: se deja que los algoritmos descubran patrones en los datos (que a veces están en clusters) por sí mismos.
Sin importar el tipo de capacitación usada, la máquina puede aprender de los datos por sí misma, y absorber nuevos comportamientos y funciones con el tiempo. El resultado es un modelo que puede usarse para proyectar resultados basados en datos, y que es capacitado con regularidad para darle más precisión.

¿Por qué el machine learning avanza tan rápido?

El machine learning no es un concepto nuevo, pero en el último tiempo ha ganado impulso. ¿Por qué? La potencia de procesamiento y el almacenamiento ahora son más accesibles que nunca, y la explosión de Big Data proveniente de diferentes fuentes –como texto, imágenes y dispositivos de IoT– está haciendo que sea más fácil que las máquinas “entrenen” y aprendan.

IA y machine learning en acción

Beneficios del machine learning

Previous

Toma de decisiones más rápida

El machine learning puede automatizar y priorizar los procesos de toma de decisiones de rutina –de manera que usted pueda lograr mejores resultados más rápido–. Por ejemplo, unido a internet de las cosas, puede ayudarlo a decidir qué arreglar primero en su fábrica.

Adaptabilidad

Sus datos son constantemente actualizados, lo que significa que sus modelos de machine learning también lo serán –mucho más rápido de lo que los humanos pueden desarrollarlos actualmente–. Esto le permite descubrir y procesar rápidamente nueva información estratégica para adaptarse a los entornos de negocio rápidamente cambiantes.

Innovación y crecimiento

Un “negocio de algoritmos” usa algoritmos avanzados para impulsar la automatización de los procesos y una toma de decisiones mejorada. Hacer el cambio puede acelerar la cosecha de conocimiento y construir el camino para modelos de negocio, productos y servicios innovadores.
Next
Previous

Información estratégica única

Uno de los usos más emocionantes del machine learning es comprender los patrones de Big Data de una manera en la que los humanos actualmente no pueden –y luego disparar acciones concretas–. Por ejemplo, puede prever las oportunidades de ventas potenciales y luego recomendar acciones para cerrar tratos.

Aceleración del negocio

Con procesos de negocio asistidos por máquinas y flujos de trabajo generales más rápidos, puede optimizar las operaciones de negocio y sus ofertas de productos y servicios –de manera que pueda hacer y vender más al tiempo que reduce los costos de back-office y el TCO–.

Mejores resultados

La IA y el machine learning ayudan a eliminar el error humano, mejorar la calidad de los resultados y reforzar la ciberseguridad –imprescindible para las empresas de servicios financieros y de otro tipo que necesitan proteger información sensible y cumplir las regulaciones–.

Next

Casos de uso de machine learning

Los ejemplos más populares de machine learning en acción son las aplicaciones de consumo como los motores de recomendaciones y los dispositivos inteligentes. Pero la tecnología también tiene una gran promesa para los casos de uso business-to-business (B2B). Estas son dos áreas en las que creemos que la tecnología realmente brillará: 
Previous

Procesos de negocio inteligentes

El machine learning cambia los procesos tradicionales basados en reglas por procesos inteligentes que pueden descubrir nuevos patrones en grandes conjuntos de datos desestructurados –y hacer proyecciones estratégicas por sí mismos–. También puede hacer tareas altamente repetitivas tales como controlar la precisión de facturas y gastos de viaje.

Asistentes digitales y robots

Los avances en la tecnología de IA indican que los algoritmos de autocapacitación podrían llegar a sus propias conclusiones rápidamente dentro de ciertos parámetros y desarrollar comportamientos sensibles al contexto. Los dispositivos podrán programar reuniones, traducir documentos y hacerse cargo de otras tareas de negocio de rutina.
Next

Ícono de preguntas frecuentes de machine learning

¿Cómo asegura resultados precisos?

Los falsos positivos y las inclinaciones en el machine learning son cosas que hay que controlar, pero tienen soluciones relativamente directas. Para facilitar la precisión del machine learning:

  • Comience con conjuntos de datos limpios y asegúrese de que los datos ingresados se etiqueten y categoricen correctamente para minimizar los falsos positivos
  • Considere las potenciales inclinaciones inherentes a sus datos –si se ingresa basura, saldrá basura–. Haga preguntas y cree procesos para evaluar algoritmos y evitar esto.
  • Use el método de capacitación de algoritmos adecuado para su objetivo (por ejemplo, supervisado para prever el precio de venta de una casa sobre variables conocidas)
  • Complete un entrenamiento exhaustivo de machine learning para aumentar los resultados de capacitación

Para más información, lea los blogs "How AI Can End Bias" y "Unmasking Unconscious Bias in Algorithms".

Collapse
¿Puede confiar en las decisiones que toman las máquinas?

La idea de que las máquinas queden a cargo de nuestra vida y subsistencia ha servido para algunas grandes películas, pero la realidad es mucho menos dramática. Eso no es decir que deberíamos poner fe ciega en los resultados descubiertos a través del proceso de machine learning. Así es como puede mantener la IA sobre rieles para producir resultados confiables:  

  • Realice una prueba de concepto para sentirse seguro sobre las decisiones que se están tomando
  • Supervise los procesos y resultados y haga ajustes según sea necesario
  • Ajuste los niveles de confianza aplicando reglas de negocio en los algoritmos
  • Incluya mecanismos de feedback en su proceso de machine learning
Collapse
¿Cómo podemos preparar nuestros datos?

El acceso a grandes conjuntos de datos y el machine learning van de la mano, por lo que minimizar los silos de información es un primer paso clave:  

  • Integre los datos de su empresa –desde proveedores, socios, clientes y más– para darles a los algoritmos acceso abierto a todos los datos relevantes
  • Involucre a su director de Datos en el proceso de machine learning
  • Considere usar una plataforma en la nube que pueda procesar grandes volúmenes de datos integrados desde diferentes fuentes de datos
Collapse
¿Cómo se adaptará el machine learning al lugar de trabajo?
El machine learning ya está siendo bienvenido a las oficinas de todo el mundo. ¿Su papel? Asistir a los humanos con tareas de rutina. Los avances de la tecnología de machine learning están abriendo innumerables nuevos escenarios, oportunidades y modelos de negocio que:
 
  • Traen como resultado trabajos mejor pagos que hacen énfasis en la creatividad, la resolución de problemas y el trabajo de conocimiento
  • Automatizan tareas aburridas y repetitivas para hacer más interesantes (¡y divertidos!) los trabajos
  • Permiten siempre a los humanos conservar el control de las tareas y prioridades más estratégicas 
Collapse
¿Necesitaré habilidades especializadas para usar machine learning?

En el pasado, se necesitaba talento especial para poner en acción el machine learning: los “quants” que están preparados en lenguaje y métodos y los “traductores” que podrían unir las disciplinas de datos, el machine learning y la toma de decisiones para dar a los resultados complejos nueva forma de información estratégica ejecutable.

Ya no. Ahora las aplicaciones de negocio modernas toman el papel de científicos de datos. Muestran interfaces fáciles de usar y tecnología de IA integrada que les permite a los usuarios de negocio cosechar los beneficios del machine learning –sin capacitación extensa y generalmente tocando solo unos botones–.

Collapse
¿Y qué pasa con el ROI?
Si bien el machine learning en aplicaciones de B2B sigue en sus etapas iniciales, las empresas ya la están usando para automatizar las transacciones, detectar fraudes, hacer avances en investigación médica y ahorrar tiempo y dinero. Y cuando la IA está construida en plataformas y aplicaciones en la nube, no necesitará una construcción de clientes costosa para ponerse en funcionamiento.
Collapse

Descubra nuestra tecnología y apps de machine learning

Previous
SAP alcanza a más del 70 por ciento de las transacciones de negocios del mundo, y queremos infundirlas con más inteligencia aun. Nuestro objetivo es construir tecnología de machine learning en todo nuestro software, en todas las líneas de negocio e industrias a las que prestamos servicio. Y lo estamos haciendo con inteligencia de machine learning incorporada a nuestra plataforma y aplicaciones. El enfoque abrirá formas totalmente nuevas de aprovechar todos sus datos, simplificar los procesos cotidianos y potenciar a sus empleados para que se concentren en tareas con más valor.
 
Eche un vistazo al futuro con nuestra primera ola de aplicaciones, herramientas y servicios de machine learning, desarrollados en colaboración con clientes de coinnovación de diversas industrias.
La visión de SAP para el machine learning es concentrarse en resolver problemas de negocio reales que tengan un gran impacto. Juergen Mueller, Chief Innovation Officer
Next
Previous

Finanzas: automatizar los pagos

Hacer coincidir los pagos manualmente es un proceso de contabilidad que lleva mucho trabajo. SAP Cash Application usa machine learning para aumentar significativamente las tasas de coincidencia automática. 

Contratación: encontrar al candidato adecuado para el trabajo

Deje de filtrar miles de postulaciones para trabajos –usando SAP Résumé Matching para identificar automáticamente a los mejores candidatos para una descripción de trabajo dada–.

Marketing: reconocimiento de logo y marca

Evalúe mejor su ROI de marketing en sponsoreo de eventos corporativos –con una app de inteligencia de marca que puede reconocer logos en imágenes y videos–.

Next
Previous

Servicio al cliente: anticipar las necesidades

Reúna, analice y responda al feedback del cliente a máxima velocidad: etiquete de manera eficaz y agrupe las publicaciones de redes sociales, los e-mails y otros datos entrantes –y determine automáticamente clasificaciones, enrutamiento y respuestas–.

Ventas y marketing: fidelidad y retención 

Obtenga información estratégica instantánea sobre el comportamiento transaccional de los clientes usando machine learning avanzado para explotar, prever y capturar los principales indicadores de rotación, e incluso para actuar.

Next

Comenzar con el machine learning


Previous

Decida si es una buena opción

El machine learning es ideal para escenarios con reglas complejas y elementos desconocidos, para hacer proyecciones sobre datos nuevos en lugar de históricos, y para automatizar tareas altamente repetitivas. Pero si conoce las condiciones exactas en las que debería ejecutar todas las instrucciones su sistema, la programación basada en reglas es suficiente.

Tome un curso sobre fallas

¿Sigue dudando sobre cómo aplicar machine learning en un contexto empresarial? Nuestro curso gratuito de openSAP lo guiará hacia los siguientes pasos, desde identificar los problemas adecuados hasta preparar datos en entornos complejos. También lo llevará por casos de uso y prototipos, componentes para construir productos de IA y mucho más.

Aprenda de los expertos

Adopte la IA en tiempo récord. Combinando la consultoría de gestión con el know-how de TI, nuestro grupo de servicios de transformación de negocios puede ayudarlo a ponerse en funcionamiento más rápido. Alinee a su gente, procesos y tecnología y use metodologías y servicios comprobados para implementar rápidamente las últimas tecnologías digitales y de machine learning.  

Next
Back to top