El aprendizaje automático o machine learning puede extraer información reveladora y resolver problemas complejos. También puede guiar al sector privado de la región al pleno aprovechamiento del poder de los datos.
¿Son acaso los datos el nuevo petróleo como proclaman algunos titulares? Ciertamente son activos valiosos y, en los últimos años, hemos sido testigos de un crecimiento exponencial en el volumen, la velocidad y la variedad de datos generados por la innovación tecnológica.
A diferencia del petróleo, el suministro y las aplicaciones de datos son infinitos. De acuerdo con la Encuesta Anual Global de Gerentes Generales 2018 realizada por PricewaterhouseCoopers (PwC), los gerentes generales tienen dificultades para traducir grandes cantidades de datos en una mejor toma de decisiones.
Aquí es donde entran en juego las herramientas de machine learning (aprendizaje automático en castellano). El machine learning puede ayudar a las empresas a organizar, interpretar y usar macrodatos (en inglés, big data) mediante la extracción de ideas significativas y la resolución rápida de problemas complejos.
El machine learning es una forma de inteligencia artificial (IA) mediante la cual una computadora aprende de experiencias pasadas y puede hacer predicciones. Por ejemplo, los humanos etiquetan datos, como imágenes de automóviles o gatos, para enseñarle a la máquina cómo distinguirlos y luego replicar el mismo proceso de clasificación con futuras entradas de datos (esto se conoce mejor como machine learning supervisado). Miles de personas, sea desde ciudades pequeñas en China hasta las más grandes ciudades de India, se ganan la vida enseñando a las computadoras a aprender de esta manera. Si bien este trabajo de etiquetado de datos puede no parecer un trabajo del futuro, es un componente esencial para el avance de los sistemas de IA.
Las máquinas también pueden aprender sin ninguna orientación externa o humana. Por ejemplo, si un gerente quiere segmentar la base de consumidores de su compañía de un gran grupo de individuos, la máquina por sí sola podría encontrar patrones en los datos que los humanos podrían no ser capaces de detectar (esto se conoce mejor como machine learning no supervisado).
¿Cómo están aplicando las empresas de la región el aprendizaje automático?
La mayoría de las industrias que trabajan con grandes cantidades de datos han reconocido el valor de la tecnología de machine learning. Al obtener información de estos datos, a menudo en tiempo real, las organizaciones pueden trabajar de manera más eficiente. En la región, hemos visto una gran concentración de machine learning, y particularmente de nuevas empresas de IA, principalmente en Argentina, Brasil y Chile.
Es posible que algunas de estas aplicaciones del machine learning sean más familiares que otras. Todos hemos visto notificaciones que aparecen cuando estamos comprando en línea sugiriendo “otras cosas que te gustaría comprar”. En Argentina, la plataforma de mercadeo en línea Jampp utiliza herramientas de machine learning para analizar de forma constante millones de ocurrencias en aplicaciones y señales de comportamiento para ayudar a las empresas a predecir las decisiones de los clientes.
Del mismo modo, los bancos están utilizando el machine learning para prevenir el fraude. Cuando uno recibe un mensaje de texto de su banco sobre una transacción sospechosa, este mensaje es el resultado de los algoritmos de machine learning que detectan cambios inesperados en su actividad financiera. Resulta curioso pero una encuesta reciente descubrió que el 83 por ciento de los consumidores de servicios financieros brasileños confiarían en el asesoramiento bancario generado en su totalidad por una computadora.
Es posible que otros usos del machine learning no sean tan conocidos, como la fabricación de alimentos “falsos”. La startup chilena, The Not Company (NotCo), produce alternativas alimentarias saludables y sostenibles utilizando algoritmos de machine learning que analizan las propiedades genéticas de los vegetales para crear nuevos productos que emulen a los producidos por los animales. Estos incluyen una nueva receta de mayonesa, llamada “No Mayo”, y alternativas a la leche y el helado.
El sector salud también cuenta con experiencia en aplicaciones de machine learning. En Brasil, LABDAPS, un laboratorio de la Universidad de Sao Paulo, está comenzando a realizar diagnósticos complejos y predicciones de mortalidad utilizando machine learning.
Finalmente, la startup de logística peruana Chazki está utilizando machine learning para solucionar un problema común en la región: la ausencia de direcciones postales claras. La compañía creó un robot que aprende las coordenadas de las direcciones de entrega y construye nuevos mapas postales, incluidos los destinos sin dirección formal. Ya se ha expandido a las calles de Buenos Aires.
Machine Learning en BID Invest
En BID Invest, también estamos experimentando con machine learning, en especial para ayudarnos a capturar y utilizar mejor el aprendizaje generado por nuestra cartera para diseñar mejores proyectos.
Por ejemplo, cada proyecto se evalúa al finalizar para determinar si logró el impacto de desarrollo esperado. Los resultados de la evaluación generalmente se clasifican manualmente en lecciones aprendidas por sector, país y otras categorías. Estamos utilizando machine learning para leer automáticamente los documentos de texto y automatizar este proceso de clasificación. También estamos trabajando en el uso de machine learning para facilitar que los equipos de diseño de proyectos encuentren información relevante sobre éxitos y fracasos pasados en nuestro sistema de análisis de datos a través de sugerencias de búsqueda automática.
La revolución de los datos llegó para quedarse. Para que la región compita dentro de ella se requieren esfuerzos en varios frentes, desde crear conciencia sobre las aplicaciones comerciales prácticas de machine learning hasta desarrollar habilidades tecnológicas en la fuerza laboral y establecer leyes y reglamentos para proteger la privacidad de los datos.
Así como las máquinas necesitan orientación humana para aprender, machine learning puede ayudar a guiar al sector privado de la región hacia el pleno aprovechamiento del poder que los datos tienen para ofrecer.
Sobre los autores:
Raúl Sánchez es consultor del Departamento de Estrategia y Desarrollo de BID Invest. Se encarga de desarrollar evaluaciones de impacto de proyectos innovadores para aportar evidencia a nuestros clientes. Raúl está especializado en proyectos de transporte, salud, educación y telecomunicaciones; tiene un doctorado en economía de la Universidad de Illinois y maestrías en economía de Washington University in St. Louis y de La Plata.
Patricia es economista del departamento de estrategia y desarrollo de BID Invest, donde coordina la agenda de evaluaciones de impacto de proyectos o iniciativas vinculadas a BID Invest con la finalidad de cuantificar su impacto en el desarrollo y generar aprendizajes para nuestros clientes y la institución. Antes de unirse a BID Invest, trabajó como economista en la Oficina de Planificación Estratégica y Desarrollo Efectivo del BID, fue profesora de economía en la Universidad Católica Bolivia e investigadora para la Unidad de Análisis de Políticas Sociales y Económicas del Ministerio de Planificación del Desarrollo en Bolivia. Tiene un doctorado en economía aplicada de la Universidad de Wisconsin-Madison, un maestría en economía aplicada de la Universidad Pompeu Fabra, y una maestría en políticas sociales y desarrollo de London School of Economics.
Artículo publicado originalmente por el BID.
Recomendadas para ti
Pingback: Obstáculos para los accionistas minoritarios que buscan salir de su inversión