oracle.
com
¿Qué es la inteligencia artificial (IA)?
21–26 minutes
Terminología de la inteligencia artificial
La inteligencia artificial (IA) se ha convertido en un término general
para referirse a aplicaciones que realizan tareas complejas para las
que antes eran necesaria la intervención humana, como la
comunicación en línea con los clientes o jugar al ajedrez. El
término a menudo se usa indistintamente junto con los nombres de
sus subcampos, el aprendizaje automático y el aprendizaje
profundo.
Sin embargo, hay ciertas diferencias. Por ejemplo, el machine
learning se centra en la creación de sistemas que aprenden o
mejoran su rendimiento en función de los datos que consumen. Es
importante tener en cuenta que, aunque todo machine learning es
IA, no toda la IA es machine learning.
Para obtener el valor completo de la IA, muchas empresas están
haciendo inversiones significativas en equipos de ciencia de datos.
La ciencia de datos combina estadísticas, informática y
conocimiento empresarial para extraer valor de distintos orígenes
de datos.
IA y desarrolladores
Los desarrolladores emplean inteligencia artificial para realizar
tareas de una forma más eficiente que, de otro modo, se
realizarían manualmente: comunicaciones con clientes,
identificación de patrones y resolución de problemas. Para
comenzar con la inteligencia artificial, los desarrolladores deben
contar con una formación en matemática y sentirse a gusto
trabajando con algoritmos.
Al comenzar a utilizar inteligencia artificial para desarrollar
aplicaciones, lo mejor es comenzar de a poco. Al diseñar un
proyecto relativamente simple, como un juego “Tres en línea”,
aprenderá los conceptos básicos de la inteligencia artificial.
Aprender con la práctica es una excelente forma de aumentar
cualquier habilidad, y la inteligencia artificial no es distinta en este
aspecto. Luego de completar uno o más proyectos pequeños, no
hay límites para la inteligencia artificial.
Cómo la tecnología de IA puede ayudar a las
organizaciones
El principio fundamental de la IA es replicar, y luego superar, la
forma en que los humanos perciben y reaccionan ante el mundo.
Se está convirtiendo rápidamente en la piedra angular de la
innovación. La IA, impulsada por varias formas de machine
learning que reconocen patrones en los datos para permitir
predicciones, puede agregar valor a su negocio al
Proporcionar una comprensión más completa de la abundancia de
datos disponibles
Confiar en las predicciones para automatizar tareas excesivamente
complejas o mundanas
IA en la empresa
Actualmente, la tecnología de IA mejora el rendimiento y la
productividad de la empresa mediante la automatización de
procesos o tareas que antes requerían esfuerzo humano. La IA
también puede dar sentido a los datos a una escala que ningún
humano jamás podría. Esta capacidad puede generar importantes
ventajas empresariales. Por ejemplo, Netflix utiliza aprendizaje
automático para proporcionar un nivel de personalización que
ayudó a la empresa a aumentar su base de clientes en más del
25%.
La mayoría de las empresas ha hecho de la ciencia de datos una
prioridad y está realizando grandes inversiones en ella. Una
encuesta McKinsey de 2021 sobre inteligencia artificial (IA) reveló
que la proporción de empresas que señalaban haber adoptado la
IA en al menos una función había aumentado hasta el 56 %, frente
al 50 % el año anterior. Asimismo, el 27 % de los encuestados
indicó que al menos el 5 % de sus ingresos era atribuible a la IA,
frente al 22 % un año antes.
La IA posee valor para casi todas las funciones, negocios e
industrias. Incluye aplicaciones generales y específicas de la
industria, tales como
Uso de datos transaccionales y demográficos para predecir cuánto
gastarán ciertos clientes en el curso de su relación con una
empresa (o el valor de la vida útil del cliente)
Optimización de precios basada en el comportamiento y
preferencias del cliente
Uso del reconocimiento de imágenes para analizar imágenes de
rayos X en busca de síntomas de cáncer
Cómo las empresas usan la IA
De acuerdo con la Harvard Business Review, las empresas
utilizan la IA principalmente para
Detectar y disuadir intrusiones de seguridad (44%)
Resolver problemas tecnológicos de los usuarios (41%)
Reducir el trabajo de la gestión de producción (34%)
Medir el cumplimiento interno en el uso de proveedores aprobados
(34%)
¿Qué es lo que está impulsando la adopción de la
IA?
Tres factores que están impulsando el desarrollo de la IA en todas
las industrias.
La capacidad de cómputo asequible y de alto rendimiento ya
se encuentra disponible. La abundancia del poder de la
computación de productos básicos en la nube permite un fácil
acceso a un poder de computación asequible y de alto rendimiento.
Antes de este desarrollo, los únicos entornos informáticos
disponibles para la IA no estaban basados en la nube y tenían un
costo prohibitivo.
Se encuentran disponibles grandes volúmenes de datos para
la formación. La IA debe formarse en muchos datos para hacer
las predicciones correctas. La facilidad de etiquetado de los datos y
la asequibilidad del almacenamiento y el procesamiento de datos
estructurados y no estructurados permiten crear y entrenar más
algoritmos.
La IA aplicada proporciona una ventaja competitiva. Cada vez
más, las empresas reconocen la ventaja competitiva de aplicar los
conocimientos de IA a los objetivos empresariales y lo convierten
en una prioridad para toda la empresa. Por ejemplo, las
recomendaciones específicas proporcionadas por la IA pueden
ayudar a las empresas a tomar mejores decisiones más rápido.
Muchas de las características y capacidades de la IA pueden
reducir los costos y los riesgos, acelerar el tiempo de
comercialización y mucho más.
Entrenamiento y desarrollo de modelos de IA
El desarrollo y despliegue de los modelos de aprendizaje
automático se realiza en múltiples etapas, entre las cuales se
encuentran el entrenamiento y la inferencia. El entrenamiento y la
inferencia de IA se refieren al proceso de experimentar con
modelos de aprendizaje automático para resolver un problema.
Por ejemplo, un ingeniero de aprendizaje automático puede
experimentar con diferentes modelos candidatos para una
aplicación de visión artificial, como la detección de fracturas óseas
en imágenes de rayos X.
Para mejorar la precisión de estos modelos, el ingeniero debe
proporcionar datos a los modelos y ajustar los parámetros hasta
que alcancen un umbral predefinido. Estas necesidades de
entrenamiento, proporcionales a la complejidad de los modelos,
crecen exponencialmente cada año.
Las tecnologías de infraestructura claves para el entrenamiento de
IA a escala incluyen redes de clústeres, como RDMA e InfiniBand,
recursos informáticos de GPU de hardware dedicado y
almacenamiento de alto rendimiento.
Los beneficios y desafíos de poner en práctica la IA
Existen numerosas historias de éxito que demuestran el valor de la
IA. Las organizaciones que incorporan el machine learning y las
interacciones cognitivas a las aplicaciones y a los procesos
empresariales tradicionales mejoran en mayor medida la
experiencia y la productividad del usuario.
Sin embargo, la base no está lo suficientemente afianzada. Pocas
compañías han implementado la IA de manera equilibrada por
varias razones. Por ejemplo, si no usan informática en la nube, los
proyectos de aprendizaje automático a menudo son costosos a
nivel informático. También son complejos de diseñar y requieren
una experiencia que es muy demandada pero cuya oferta es
escasa. Saber cuándo y dónde incorporar estos proyectos, así
como cuándo recurrir a terceros, ayudará a minimizar estas
dificultades.
Historias de éxito de la IA
La IA es el factor determinante de algunas historias de éxito
significativas.
De acuerdo con el Harvard Business Review, Associated Press
produjo 12 veces más historias al capacitar al software de IA para
que escribiera automáticamente historias sobre noticias de pocas
ganancias. Este esfuerzo liberó a sus periodistas para que
pudieran escribir relatos más detallados.
Deep Patient, una herramienta impulsada por la IA diseñada por la
Escuela de Medicina Icahn en Mount Sinai, permite a los médicos
identificar pacientes de alto riesgo incluso antes de que se
diagnostiquen enfermedades. La herramienta analiza el historial
médico de un paciente para predecir casi 80 enfermedades hasta
un año antes del inicio, según insideBIGDATA.
La IA lista para usar hace que su puesta en
funcionamiento sea más sencilla
La aparición de soluciones y herramientas impulsadas por la IA
significa que más empresas pueden aprovechar la IA a un menor
costo y en menos tiempo. La IA lista para usar hace referencia a
las soluciones, herramientas y software que tienen capacidades de
IA integradas o que automatizan el proceso de toma de decisiones
algorítmicas.
La IA lista para usar incluye bases de datos autónomas
autorreparables y modelos predefinidos para el reconocimiento de
imágenes y el análisis de texto en varios conjuntos de datos.
Cómo dar el primero paso con la IA
Comunicación con los clientes a través de chatbots. Los
chatbots utilizan el procesamiento del lenguaje natural para
comprender a los clientes y permitirles hacer preguntas y obtener
información. Estos chatbots aprenden con el paso del tiempo para
que puedan agregar mayor valor a las interacciones con los
clientes.
Supervisa tu centro de datos. Las operaciones de TI pueden
optimizar el control, con una plataforma en la nube que integra
todos los datos y realiza un seguimiento automático de los
umbrales y las anomalías.
Ejecute análisis empresariales sin necesidad de contar con un
experto. Las herramientas analíticas con una interfaz de usuario
visual permiten a las personas sin conocimientos técnicos
consultar fácilmente un sistema y obtener una respuesta
comprensible.
Creación de la cultura correcta
Aprovechar al máximo la IA (y evitar los problemas que frenan las
implementaciones exitosas) implica implementar una cultura de
equipo que respalde completamente el ecosistema de la IA. En
este tipo de entorno
Los analistas empresariales trabajan con los científicos de datos
para definir los problemas y objetivos
Los ingenieros de datos administran los datos y la plataforma de
datos subyacente para que sean completamente operativos para el
análisis
Los científicos de datos preparan, exploran, visualizan y modelan
datos en una plataforma de ciencia de datos
Los arquitectos de TI administran la infraestructura subyacente
necesaria para respaldar la ciencia de datos de forma equilibrada,
ya sea on-premise o en la nube
Los desarrolladores de aplicaciones implementan modelos en
aplicaciones para diseñar productos basados en datos
De la inteligencia artificial a la inteligencia
adaptativa
A medida que las capacidades de la inteligencia artificial se han
abierto camino en las operaciones empresariales generales,
evoluciona un nuevo término: inteligencia adaptativa. Las
aplicaciones de inteligencia adaptativa ayudan a las empresas a
tomar mejores decisiones empresariales al combinar el poder de
los datos internos y externos en tiempo real con la ciencia de la
decisión y la infraestructura informática altamente escalable.
Estas aplicaciones, esencialmente, hacen que su negocio sea más
inteligente. Esto le permite ofrecer a sus clientes mejores
productos, recomendaciones y servicios, lo que genera mejores
resultados empresariales.
La IA como ventaja imperativa y competitiva
La IA es un imperativo estratégico para cualquier empresa que
quiera obtener una mayor eficiencia, nuevas oportunidades de
ingresos y aumentar la lealtad de los clientes. Se está convirtiendo
rápidamente en una ventaja competitiva para muchas
organizaciones. Con la IA, las empresas pueden cumplir más
objetivos en menos tiempo, crear experiencias personalizadas y
atractivas para los clientes y predecir los resultados comerciales
para impulsar una mayor rentabilidad.
Sin embargo, la IA aún sigue siendo una tecnología nueva y
compleja. Para aprovecharla máximo, necesita experiencia en el
diseño y la administración de sus soluciones de IA de forma
equilibrada. Un proyecto de IA exitoso requiere más que
simplemente contratar a un científico de datos. Las empresas
deben implementar las herramientas, los procesos y las estrategias
de gestión correctas para garantizar el éxito de la IA.
Mejores prácticas para obtener el máximo provecho
de la IA
El Harvard Business Review recomienda lo siguiente para
comenzar con la IA:
Aplicar las capacidades de la IA a las actividades que tengan el
mayor y más inmediato impacto en los ingresos y en los costos.
Usar la IA para aumentar la productividad con la misma cantidad
de personas, en lugar de eliminar o agregar personal.
Comenzar su implementación de IA en la administración interna,
no en la directiva (la TI y la contabilidad serán los aspectos más
beneficiados).
Asistencia en su experiencia con la IA
No se puede renunciar a la transformación de la IA. Para seguir
siendo competitivo, al final, cada empresa debe adoptar la IA y
construir un ecosistema de IA. Las empresas que no logren
adoptar la IA en cierta capacidad durante los próximos 10 años se
quedarán atrás.
Aunque tu empresa podría ser la excepción, la mayoría de las
empresas no cuentan con el talento y la experiencia internos para
desarrollar el tipo de ecosistema y soluciones que pueden
maximizar las capacidades de IA.
Para lograr un proceso de transformación de IA exitoso que incluya
el desarrollo de estrategias y el acceso a herramientas, busca un
socio con experiencia en este ámbito y una cartera completa de IA.
Biblioteca de aprendizaje sobre inteligencia artificial
¿Qué es data science?
Las empresas combinan activamente las estadísticas con
conceptos de ciencia informática como el machine learning y la
inteligencia artificial para extraer información de big data e impulsar
la innovación y transformar la toma de decisiones.
¿Qué es el aprendizaje automático?
El machine learning, un subconjunto de la inteligencia artificial (IA),
se centra en diseñar sistemas que aprenden a través de datos con
el objetivo de automatizar y acelerar el tiempo de decisión y el
tiempo de rentabilidad.
Historias de éxito de la IA
La IA es el factor determinante de algunas historias de éxito
significativas.
De acuerdo con el Harvard Business Review, Associated Press
produjo 12 veces más historias al capacitar al software de IA para
que escribiera automáticamente historias sobre noticias de pocas
ganancias. Este esfuerzo liberó a sus periodistas para que
pudieran escribir relatos más detallados.
Deep Patient, una herramienta impulsada por la IA diseñada por la
Escuela de Medicina Icahn en Mount Sinai, permite a los médicos
identificar pacientes de alto riesgo incluso antes de que se
diagnostiquen enfermedades. La herramienta analiza el historial
médico de un paciente para predecir casi 80 enfermedades hasta
un año antes del inicio, según insideBIGDATA.
La IA lista para usar hace que su puesta en
funcionamiento sea más sencilla
La aparición de soluciones y herramientas impulsadas por la IA
significa que más empresas pueden aprovechar la IA a un menor
costo y en menos tiempo. La IA lista para usar hace referencia a
las soluciones, herramientas y software que tienen capacidades de
IA integradas o que automatizan el proceso de toma de decisiones
algorítmicas.
La IA lista para usar puede ser desde bases de datos autónomas
que se curan a sí mismas al utilizar el machine learning, hasta
modelos prediseñados que se pueden aplicar a una variedad de
conjuntos de datos para resolver desafíos como el reconocimiento
de imágenes y el análisis de textos. Puede ayudar a las empresas
a lograr un tiempo de rentabilidad más rápido, aumentar la
productividad, reducir costos y mejorar las relaciones con los
clientes.
Cómo dar el primero paso con la IA
Comunicación con los clientes a través de chatbots. Los
chatbots utilizan el procesamiento del lenguaje natural para
comprender a los clientes y permitirles hacer preguntas y obtener
información. Estos chatbots aprenden con el paso del tiempo para
que puedan agregar mayor valor a las interacciones con los
clientes.
Supervisa tu centro de datos. Los equipos de operaciones de TI
pueden ahorrar enormes cantidades de tiempo y energía en la
supervisión de sistemas al colocar toda la web, las aplicaciones, el
rendimiento de la base de datos, la experiencia del usuario y los
datos de registro en una plataforma de datos basada en la nube
que controla automáticamente los umbrales y detecta anomalías.
Ejecute análisis empresariales sin necesidad de contar con un
experto. Las herramientas analíticas con una interfaz de usuario
visual permiten a las personas sin conocimientos técnicos
consultar fácilmente un sistema y obtener una respuesta
comprensible.
Obstáculos que dificultan desarrollar el máximo
potencial de la IA
A pesar de lo prometedor que suena la IA, muchas empresas no se
percatan del máximo potencial del machine learning y de otras
funciones de la IA. ¿Por qué? Irónicamente, resulta que el
problema es, en gran parte... las personas. Los flujos de trabajo
ineficientes pueden impedir que las empresas obtengan el valor
total de sus implementaciones de IA.
Por ejemplo, los científicos de datos pueden enfrentarse a desafíos
para obtener los recursos y datos necesarios para diseñar modelos
de machine learning. Pueden tener problemas para colaborar con
sus compañeros de equipo. Además, cuentan con muchas
herramientas de código abierto diferentes para administrar,
mientras que los desarrolladores de aplicaciones a veces necesitan
recodificar por completo los modelos que los científicos de datos
desarrollan antes de que puedan integrarlos a sus aplicaciones.
Con una lista cada vez mayor de herramientas de IA de código
abierto, la TI termina dedicando más tiempo a ayudar a los equipos
de ciencia de datos a actualizar continuamente sus entornos de
trabajo. Este problema se ve agravado por una estandarización
limitada en la forma en que los equipos de ciencia de datos desean
trabajar.
Por último, los ejecutivos sénior podrían no ser capaces de
visualizar el potencial completo de las inversiones en IA de sus
empresas. Por ende, no prestan suficiente patrocinio ni recursos
para crear el ecosistema colaborativo e integrado necesario para
que la IA tenga éxito.
Creación de la cultura correcta
Aprovechar al máximo la IA (y evitar los problemas que frenan las
implementaciones exitosas) implica implementar una cultura de
equipo que respalde completamente el ecosistema de la IA. En
este tipo de entorno
Los analistas empresariales trabajan con los científicos de datos
para definir los problemas y objetivos
Los ingenieros de datos administran los datos y la plataforma de
datos subyacente para que sean completamente operativos para el
análisis
Los científicos de datos preparan, exploran, visualizan y modelan
datos en una plataforma de ciencia de datos
Los arquitectos de TI administran la infraestructura subyacente
necesaria para respaldar la ciencia de datos de forma equilibrada,
ya sea on-premise o en la nube
Los desarrolladores de aplicaciones implementan modelos en
aplicaciones para diseñar productos basados en datos
De la inteligencia artificial a la inteligencia
adaptativa
A medida que las capacidades de la inteligencia artificial se han
abierto camino en las operaciones empresariales generales,
evoluciona un nuevo término: inteligencia adaptativa. Las
aplicaciones de inteligencia adaptativa ayudan a las empresas a
tomar mejores decisiones empresariales al combinar el poder de
los datos internos y externos en tiempo real con la ciencia de la
decisión y la infraestructura informática altamente escalable.
Estas aplicaciones, esencialmente, hacen que su negocio sea más
inteligente. Esto le permite ofrecer a sus clientes mejores
productos, recomendaciones y servicios, lo que genera mejores
resultados empresariales.
La IA como ventaja imperativa y competitiva
La IA es un imperativo estratégico para cualquier empresa que
quiera obtener una mayor eficiencia, nuevas oportunidades de
ingresos y aumentar la lealtad de los clientes. Se está convirtiendo
rápidamente en una ventaja competitiva para muchas
organizaciones. Con la IA, las empresas pueden cumplir más
objetivos en menos tiempo, crear experiencias personalizadas y
atractivas para los clientes y predecir los resultados comerciales
para impulsar una mayor rentabilidad.
Sin embargo, la IA aún sigue siendo una tecnología nueva y
compleja. Para aprovecharla máximo, necesita experiencia en el
diseño y la administración de sus soluciones de IA de forma
equilibrada. Un proyecto de IA exitoso requiere más que
simplemente contratar a un científico de datos. Las empresas
deben implementar las herramientas, los procesos y las estrategias
de gestión correctas para garantizar el éxito de la IA.
Mejores prácticas para obtener el máximo provecho
de la IA
El Harvard Business Review recomienda lo siguiente para
comenzar con la IA:
Aplicar las capacidades de la IA a las actividades que tengan el
mayor y más inmediato impacto en los ingresos y en los costos.
Usar la IA para aumentar la productividad con la misma cantidad
de personas, en lugar de eliminar o agregar personal.
Comenzar su implementación de IA en la administración interna,
no en la directiva (la TI y la contabilidad serán los aspectos más
beneficiados).
Asistencia en su experiencia con la IA
No se puede renunciar a la transformación de la IA. Para seguir
siendo competitivo, al final, cada empresa debe adoptar la IA y
construir un ecosistema de IA. Las empresas que no logren
adoptar la IA en cierta capacidad durante los próximos 10 años se
quedarán atrás.
Aunque tu empresa podría ser la excepción, la mayoría de las
empresas no cuentan con el talento y la experiencia internos para
desarrollar el tipo de ecosistema y soluciones que pueden
maximizar las capacidades de IA.
Si necesita ayuda para desarrollar la estrategia correcta y acceder
a las herramientas adecuadas para tener éxito en su experiencia
de transformación con IA, debe buscar un socio innovador con
amplia experiencia en la industria y una cartera completa de IA.
Crea, prueba y despliega aplicaciones en Oracle Cloud de forma
gratuita.
Biblioteca de aprendizaje sobre inteligencia artificial
¿Qué es data science?
Las empresas combinan activamente las estadísticas con
conceptos de ciencia informática como el machine learning y la
inteligencia artificial para extraer información de big data e impulsar
la innovación y transformar la toma de decisiones.
¿Qué es el aprendizaje automático?
El machine learning, un subconjunto de la inteligencia artificial (IA),
se centra en diseñar sistemas que aprenden a través de datos con
el objetivo de automatizar y acelerar el tiempo de decisión y el
tiempo de rentabilidad.
Opiniones y noticias de inteligencia artificial
La inteligencia artificial, el aprendizaje automático y la ciencia de
datos están modificando la manera en la que las empresas
abordan problemas complejos y modifican la trayectoria de sus
respectivos sectores. Lea los últimos artículos para comprender
cómo la industria y sus compañeros abordan estas tecnologías.
