Automatizando procesos de decisión

machine-learning

Las organizaciones líderes ya están utilizando herramientas basadas en inteligencia artificial para automatizar procesos de decisión. Esto es algo que está sucediendo, no algo que se viene. Incluso están experimentando usos más avanzados en el contexto de una tendencia más amplia que suele denominarse transformación digital.

Un artículo de la HBR estima que la inversión corporativa en inteligencia artificial se triplicará en 2017, convirtiéndose en un mercado de 100.000 millones de dólares para el año 2025. Y en una encuesta reciente, el 30% de los encuestados predijeron que la IA será el mayor disruptor de su industria en los próximos cinco años. Algo que sin duda tendrá efectos profundos en el mundo del trabajo.

Wellers, Elliott y Noga, autores del artículo, identifican algunos ejemplos concretos de cómo la IA y el aprendizaje automático están creando valor en las empresas:

Personalización del servicio al cliente: al combinar datos históricos de servicio al cliente, procesamiento del lenguaje natural y algoritmos que aprenden continuamente de las interacciones, los clientes pueden hacer preguntas y obtener respuestas de alta calidad. El potencial para mejorar el servicio al cliente mientras se reducen los costos, hace que ésta sea una de las áreas de oportunidad más emocionantes.

Mejorar la lealtad y la retención del cliente: Las compañías pueden analizar las acciones de los clientes, las transacciones y los datos de sentimiento social para identificar qué clientes están en alto riesgo de abandonar. Combinado con los datos de rentabilidad, esto permite a las organizaciones optimizar las estrategias de “mejor acción” y personalizar la experiencia del cliente de punta a punta.

Contratar a las personas adecuadas: Cualquier reclutador podría decirte que la selección de candidatos calificados es la parte más difícil de su trabajo. Hoy existen  soluciones de software que combaten el sesgo humano de este proceso, detectando candidatos altamente calificados que podrían haber sido pasados por alto porque no encajaban con las expectativas tradicionales.

Medición de la exposición de la marca: Existen aplicaciones automatizadas que pueden reconocer productos, personas, logos y más. Por ejemplo, el reconocimiento avanzado de imágenes puede usarse para rastrear la posición de los logotipos de las marcas que aparecen en las imágenes de video de un evento deportivo, algo que permite medir con mucha mayor precisión el retorno de la inversión.

Detección de fraude: Las organizaciones pierden, en promedio, el 5% de sus ingresos anuales por fraude. Mediante la construcción de modelos basados en transacciones históricas, información de redes sociales y otras fuentes externas de datos, los algoritmos de aprendizaje de máquinas pueden utilizar el reconocimiento de patrones para detectar anomalías, excepciones y valores atípicos. Esto ayuda a detectar y prevenir transacciones fraudulentas en tiempo real, incluso para tipos desconocidos de fraude.

Como dicen los autores, el potencial es enorme aunque hay algunas barreras a superar. La más importante tiene que ver con la disponibilidad de grandes cantidades de datos de alta calidad que se puedan utilizar para entrenar a los algoritmos.

El primer paso para preparar a tu empresa para el futuro, entonces, es evaluar los sistemas de información existentes y determinar si los flujos de datos están listos para alimentar iniciativas de automatización.