Inteligencia Artificial para líderes y emprendedores

Inteligencia Artificial para líderes y emprendedores sin conocimientos técnicos

Christian Guijosa   November 22, 2018

Se habla mucho del impacto de la Inteligencia Artificial (IA) en los trabajos del futuro. Escuchamos hasta el cansancio que el Machine Learning transformará innumerables industrias. La realidad es que aún son pocos los que entienden el potencial y alcance de estas tecnologías.

Con el fin de responder a la pregunta: ¿qué puede o no hacer la IA?, Andrew Ng, confundador de Coursera, cofundador de Google Brain, científico jefe en Baidu, entre otros títulos, anunció el lanzamiento de “AI for Everyone”, un curso diseñado para líderes empresariales que no poseen conocimientos técnicos y que están interesados en explorar soluciones de IA.

El objetivo de “AI for Everyone” es explicar las características y potencial del Machine Learning y el Deep Learning como soluciones empresariales; ayudarles a los líderes de compañías y emprendedores a generar estrategias de Inteligencia Artificial; y a entender y saber comunicar conceptos básicos de estas tecnologías con ingenieros o especialistas en el ramo.

“El futuro impulsado por la IA debe ser construido por ingenieros y expertos. (…) También necesitaremos millones de CEOs, gerentes de productos, comercializadores, vendedores, diseñadores y financieros que entiendan cómo aplicar las tecnologías de inteligencia artificial en sus organizaciones y comunidades.”

— Andrew Ng.

Según el comunicado de Andrew Ng, la inteligencia artificial generará un crecimiento de 13 trillones de dólares en el PIB mundial para el año 2030, de ahí la necesidad de comenzar a capacitar a los actores de todas las industrias.

El curso estará disponible a inicios del 2019 en la plataforma de Coursera. Si deseas preinscribirte lo puedes hacer aquí: https://www.coursera.org/learn/ai-for-everyone.

El dilema de los algoritmos de recomendación: ¿Tus gustos personalizados o las opiniones de la mayoría?

Los algoritmos de recomendación son mecanismos clave en el engranaje del consumo digital. Si aciertan, logran que los usuarios pasen más y más tiempo en plataformas como YouTube, Amazon, Netflix, Spotify…, abriendo la puerta a más publicidad o más ventas directas. Pero, ¿cómo funcionan?

En teoría, gran parte del éxito de estos algoritmos depende de la personalización. Cada persona es un mundo, se dice, y por eso el algoritmo debe aprender de los gustos de cada uno de los usuarios para ofrecerle lo que realmente le interesa. Pero, por otro lado, el éxito mayoritario de una canción, película, vídeo… también es un indicio clave. ¿Hasta qué punto el peso de las mayorías debe anteponerse a la personalización de los algoritmos?

Pablo Castells y Rocío Cañamares son dos ingenieros informáticos que, desde la Universidad Autónoma de Madrid, han tratado de responder a esta pregunta con su estudio ‘¿Debería seguir a la masa? Un análisis probabilístico de la efectividad de la popularidad en sistemas de recomendación?’ (‘Should I follow the crowd? A probabilistic analysis of the effectiveness of popularity in recommender systems’). Su trabajo fue reconocido como el mejor ‘paper’ en SIGIR 2018, un congreso internacional y anual sobre tratamiento de la información que este julio se celebró en Michigan, Estados Unidos.

La personalización es, en principio, lo que más satisface al usuario, pero ¿hasta qué punto es imprescindible insistir en esa vía? “Si la mayoría funciona, ¿por qué suprimirla?”, se pregunta Castells, profesor asociado de la Escuela Politécnica Superior de la Autónoma. Evidentemente, la recomendación busca la novedad, descubrir al usuario algo que no conoce, y lo mayoritario es por definición muy poco novedoso. Por tanto, un algoritmo que recomendase escuchar a Madonna y visitar en París la Torre Eiffel sería inútil.

Al mismo tiempo, “los investigadores nos hemos dado cuenta de que las recomendaciones que suelen hacer los algoritmos supuestamente personalizados tienden a ser de gustos mayoritarios”, explica Castells.

“Hay un sesgo hacia lo popular en los algoritmos personalizados que aparentemente mejor funcionan”, dice el profesor, y su reconocida investigación concluye que la mayoría ‘recomienda’ con acierto cuando el algoritmo también tiene en cuenta el gusto previo del usuario.

Además, el algoritmo da en el clavo cuando ese ‘voto de la masa’ es el único factor que entra en la fórmula. Los fallos, las distorsiones, aparecen cuando el algoritmo también juega con terceros factores, como por ejemplo, una acción publicitaria, además de con la mayoría y el gusto previo del usuario.

No hay por lo tanto una conclusión categórica, pero charlando con Castells y Cañamares en un tranquilo despacho de la Universidad Autónoma (Madrid) sí queda claro que probablemente los gustos personales son menos decisivos de lo que a los usuarios les gusta creer. “No soy antropólogo”, explica Castells, “pero no hay que olvidar que las mayorías se forman por imitación, y la imitación es un mecanismo vital para la especie humana. En los primeros años de tu vida te dedicas a imitar lo que estás viendo, y gracias a eso absorbes milenios de civilización, aprendes un idioma y, en definitiva, sobrevives”.

El gran poder, y la gran responsabilidad, del algoritmo

La difusión de ‘fake news’ en las elecciones presidenciales estadounidenses de 2016, que ha puesto en el punto de mira a Facebook y su algoritmo, ha calentado el debate sobre el poder de los algoritmos. Sus ‘artesanos’ –ingenieros y científicos– crean unas fórmulas que buscan un objetivo empresarial: más clics, más usuarios, más tiempo en las plataformas.

El problema es que estas premisas pueden tener consecuencias peligrosas. Si el algoritmo de Facebook detecta clics en una ‘noticia’, por muy disparatada que sea, (como el Pizzagate, la falsa red de pederastia relacionada con Hillary Clinton con centro en una pizzería de Washington DC), ofrece más contenidos de este tipo, creando una burbuja de ‘fake news’. De la misma manera, YouTube tiende a ofrecer más y más contenidos extremos y radicales a los usuarios que ven vídeos violentos.

¿Es el algoritmo perverso? Al revés, afirma Cañamares: “Es muy inocente: ve que te gusta una cosa y te ofrece más y más de lo mismo, sin darle más vueltas. Ahí es donde debería entrar el ingeniero, para matizar”.

“La métrica que más interesa a la gente de empresa es el dólar, las ventas”, amplía Castells, “pero cada vez hay más consciencia de la necesidad de incluir el criterio de ‘fairness’”, que se puede traducir por justicia o ecuanimidad. Es decir, eliminar sesgos raciales, radicales o sexistas en las recomendaciones de algoritmos, o tratar de fomentar la diversidad de opiniones en temas polémicos.

De hecho, existen ya trabajos pioneros en el mundo financiero, donde el concepto de ‘fairness’ está explícitamente codificado en la inteligencia artificial diseñada; y por lo tanto es medible y auditable. Un ejemplo de ello es el trabajo ‘Reinforcement Learning for Fair Dynamic Pricing‘, llevado a cabo por BBVA Data & Analytics. En este artículo, los científicos de datos de BBVA detallan cómo se realiza un proceso de asignación de precio dinámico (conocido como ‘dynamic pricing’) a través de un modelo de IA que incluye “principios de justicia basados en la equidad” para evitar la discriminación. En el trabajo, los científicos proponen una métrica destinada a analizar “cómo de justas” son las políticas de precio aplicadas en tiempo real e integrar estas medidas en el proceso de optimización. Por lo tanto, gracias al trabajo es posible controlar y auditar la justicia del algoritmo en cada instante.

Por tanto, los algoritmos son como una pócima con muchos ingredientes: el gusto de la mayoría, un puñado de personalización y nuevas consideraciones, como el criterio de ‘fairness’, para evitar distorsiones.

Castells compara el trabajo de desarrollar un algoritmo de recomendación con el de fabricar un prototipo de un coche con miles de tuercas que se van ajustando poco a poco, incluso en condiciones reales. “La empresa tecnológica que se llevará el gato al agua será la que tenga los ingenieros más brillantes detrás de sus algoritmos y al mismo tiempo se pueda permitir más trabajo de supervisión, de ajuste, de corrección”, pronostica.

BBVA Data & Analytics también realizó recientemente una pieza de divulgación centrada en explicar cómo funcionan los distintos sistemas de recomendación en las conocidas plataformas digitales y cuál podrá ser su posible extensión a otros sectores de actividad. El resultado fue ‘RecSys, una recomendación en la era del machine learning’, un trabajo en forma de ‘fábula moderna’ que explora la posibilidad de que los algoritmos encuentren entre los datos “conexiones inesperadas” para ofrecer a los usuarios recomendaciones basadas en “relaciones no lineales” que puedan recoger de forma más precisa la forma en la que las personas relacionan conceptos.

El 'e-commerce' triplica sus ventas en América Latina

Manuel Rado - 12-03-2018

El comercio electrónico (‘e-commerce’) ha multiplicado por tres las ventas registradas durante los últimos seis años en América Latina. Además, las estimaciones apuntan que el comercio electrónico crecerá un 24,5% en la región durante 2018.

La International Data Corporation (IDC), principal proveedor mundial de inteligencia de mercado, servicios de asesoramiento y eventos sobre tecnología de la información, ha presentado un informe sobre el impacto del comercio electrónico y su evolución en América Latina. Según los datos presentados, el ‘e-commerce’ ha triplicado sus ventas en la región durante los últimos seis años, pasando a ingresar 40.000 millones de dólares.

Según los pronósticos de la IDC, el comercio electrónico, compuesto por la distribución, venta, compra, marketing y suministro de información de productos o servicios a través de Internet, crecerá un 25,4% en 2018.

En cuanto a la situación del sector en América Latina, el informe destaca que actualmente nuevos competidores digitales están irrumpiendo en el mercado, como los grandes proveedores de servicios digitales, las operadoras de telefonía o los fabricantes de dispositivos. Además, las ‘startups’, que apuestan por modelos de negocio flexibles, están centradas en desarrollar, optimizar y expandir segmentos específicos de la cadena de valor de los pagos, lo que ayuda a flexibilizar este sector y hacer que se expanda con mayor rapidez.

En un desglose segmentado por países, México fue el que más creció (un 27,3%), mientras que se espera que en 2018 el crecimiento sea de casi un punto más. Países como Perú, Colombia o Chile también crecieron en torno a un 27%, aunque solo en el caso de Perú el crecimiento estimado aumenta en 2018 (30,2%). Mientras, Argentina, con un 20,4%, y Brasil, con un 22,8%, completan la lista de los países que más han progresado en materia de ‘e-commerce’.

Las tarjetas de crédito y débito, alternativas al efectivo

En relación a este informe, la consultora tecnológica Indra destaca la evolución que ha sufrido el pago electrónico en el mercado de América Latina y, concretamente, en el comercio electrónico. En países como México, el pago con tarjetas de crédito ya supera al uso del dinero en efectivo. En el resto de países (Colombia, Perú o Chile), el uso de efectivo se encuentra bastante equiparado ya al pago con tarjetas de débito o crédito.

En cuanto al volumen de operaciones, dentro del sector del ‘e-commerce’, el 77,6% de las operaciones se realizaron con tarjetas, mientras que las transferencias electrónicas suponen ya el 18,1%. A estos medios de pago le siguen, en menor medida, el pago con cheques (3,7%) o los débitos directos interbancarios (0,6%).

Dec/19/2017

Durante los últimos 6 años, el mercado de e-commerce se ha triplicado: IDC

Durante los últimos 6 años, el mercado de e-commerce se ha triplicado: IDC

·         Se espera que el mercado de e-commerce cierre 2017 con un crecimiento del 24.3% en LA.

·         Durante 2016, México registró $15,412 MDD de ventas en e-commerce, esperando que para 2017 llegue a $19,619 MDD, con una tasa de crecimiento del 27.3%

Latinoamérica, 19 de diciembre de 2017 - Se espera que, para el cierre de este año, el mercado de e-commerce tenga un crecimiento del 24.3% en Latinoamérica, el cual continuará hacia 2018, donde se pronostica un crecimiento de 24.5%, llegando a $106,000 MDD, informó IDC, la principal firma de inteligencia de mercado, servicios de consultoría y conferencias para el sector de Tecnologías de la Información y Telecomunicaciones, en los resultados de su análisis más reciente sobre e-commerce en América Latina.

Algunos de los países que vieron el boom del e-commerce más temprano están presentando menores crecimientos; sin embargo, no es una tendencia generalizada, ya que nuevos servicios están impulsando el consumo a través de comercio electrónico:

Colombia tendrá una de las tasas de crecimiento de mercado más alta para 2017, comparada con otros países. Por otra parte, Perú crece aceleradamente, pero aún hay trabajo que realizar, ya que se encuentra todavía en un proceso paulatino de transformación de la infraestructura tecnología y bancarización.

Por su lado, México es uno de los mercados con una adopción importante de este tipo de comercio:

País	Crecimiento 2016vs2017	Crecimiento 2017vs2018
Argentina	20.4%	17.8%
Brasil	22.8%	23.7%
Chile	27.3%	25.8%
Colombia	27.1%	24.5%
Perú	27.1%	30.2%
México	27.3%	28.4%

 

Con base en una lógica natural, los países con un mayor Producto Interno Bruto e Ingreso Per Cápita deberían tener un mayor uso del comercio electrónico, no obstante, esto no está sucediendo: Chile, por ejemplo, posee el mayor ingreso Per Cápita; sin embargo, está en 3er lugar en el uso de comercio electrónico, por debajo de Brasil, situación relacionada con los precios más que con el consumo.

Durante los últimos 6 años, el mercado de e-commerce se ha triplicado en la región, pasando de $30,000 en 2011 a $106,000 MDD en 2017. El sector ABC -niveles medios y altos- es quien consume a través de la Web, teniendo distintos hábitos de compra, según la generación a la que pertenecen. De acuerdo con el orden de los artículos que compran, tenemos que:

·         La generación Z: ropa, dispositivos electrónicos (tablets, PC´s, werables) y viajes.

·         Los Millennials: ropa, dispositivos electrónicos y artículos para el hogar.

·         La generación X: ropa, artículos para el hogar y viajes.

·         Los Baby Boomers: viajes, artículos para el hogar y tecnología.