Oracle: Dónde acaba la Analítica y empieza el Machine Learning y la Inteligencia Artificial

• En 2018, la Inteligencia Artificial será responsable de 200.000 millones de dólares en ingresos para las empresas (Gartner).
• En 2020, el mercado de aplicaciones de Machine Learning alcanzará los 40.000 millones de dólares (IDC).
• El mercado de Big Data y analítica de negocio crecerá un 10,4% en Europa (Gartner).

Inteligencia Artificial, Machine Learning, Analítica, Big Data… ¿cuántas veces habremos oído ya estos términos en el sector IT? Como los expertos dicen que «hay que subirse al carro para ser competitivos«, parece que el hecho de incorporar algunas de estas tecnologías al negocio es coser y cantar. Pero, ¿realmente se distingue cuándo empieza una y acaba otra?

Por otra parte, es obvio que todas ellas comparten puntos en común, como podría ser el tema de los datos, pero exactamente en qué se diferencian, ¿todo el mundo puede desarrollarlas?, ¿cómo de caras les va a salir a las empresas?, ¿cuál es su papel en la archi repetida Transformación Digital? Estas y otras preguntas se las hemos planteado a dos expertos en el tema: José Luis Roncero, director de Business Analytics & Big Data de Oracle Ibérica, y Jordi Simón, responsable de ventas de Analytics y Big Data de Oracle Ibérica.

Roncero es ingeniero de Telecomunicaciones y dirige la actividad comercial de Oracle en las áreas antes mencionadas, mientras que Simón posee, entre otras, un máster en Ingeniería de Telecomunicaciones por la Universidad de Lancaster y la Politécnica de Cataluña.

Big Data

Tengo un amigo que me dice que no entiende exactamente lo que significa Big Data, y la respuesta que le doy yo es muy sencilla: antes, los profesionales que hacían temas de analítica utilizaba un pequeño porcentaje de información, que era suficiente para analizar un área concreta de la compañía y tomar decisiones. (José Luis Roncero)

Se trata de un puzzle. La explosión de datos que existe hoy en día y que procede de redes sociales, sensores, IoT, etc.. provoca que aparezca el concepto de Big Data: hay tanta información que te preguntas qué hacer con ella. Pues el Big Data es coger esos datos y almacenarlos. (Jordi Simón)

Analítica

Cuando la información que da lugar al Big Data se multiplica, adquiere diferentes formas y se mezclan datos de diferentes fuentes es cuando se aplica la Analítica para extraer más valor. No es lo mismo tener cinco datos para, por ejemplo, desarrollar productos financieros, que tener millones de datos e intentar deducir algo de ahí. (Roncero)

La analítica puede ser simple, de manera que directamente el ojo humano la pueda hacer, y puede ser avanzada y aquí entran en juego las máquinas y su capacidad de interpretar lo que la persona no puede biológicamente: correlaciones, cosas ocultas, etc. aplicando algoritmos y cálculos matemáticos para ser capaz de sacar a relucir información que, de otra manera, sería imposible. (Simón)

Machine Learning (ML)

El ML es un paso previo a la Inteligencia Artificial (IA) para que esta se desarrolle en su totalidad. Concretamente, es un aprendizaje de máquinas que utilizan muchos datos con el objetivo de ser cada vez más inteligentes a la hora de hacer cosas. El ML se alimenta de algoritmo e información, es algo así como llevar la inteligencia al dato. (Roncero)

El ML está muy unido a la analítica porque esta es la que le dice a la máquina que cierto comportamiento es adecuado o no. Por ejemplo, en una tienda quieren saber si una prenda es interesante para el consumidor o no, a base de que le llegue muchísimas veces la información de que ‘no interesa´, la máquina va aprendiendo que esa prenda no gusta porque nadie la está comprando. (Simón)

Inteligencia Artificial (IA)

Cuando el puzzle del Machine Learning se va completando y llevando a un extremo, se llega a un segundo nivel y se transforma en Inteligencia Artificial o lo que es lo mismo, dar autonomía al aprendizaje. Son conceptos muy ligados y es difícil saber cuándo acaba uno y empieza otro. Muchas empresas ya se están preparando para dar el paso y tienen muchos analistas de datos, muy preparados, para hacerlo… tienen que hacer un esfuerzo importante. (Roncero)

Transformación Digital

Muchas empresas creen que la Transformación Digital se basa en meter más y más tecnología, que hace las cosas de manera diferente, pero no deja de ser solo tecnología al peso porque no cambia nada. Se podría decir que eso solo mejora lo que ya había.

Lo cierto es que la Transformación Digital empieza de verdad con todo el tema de Machine Learning, lo otro es solo digitalizar (que no es lo mismo), pero lo que realmente transforma de manera brutal a una compañía es cuando se hacen las cosas totalmente diferentes. Esto se logra aplicando el tipo de inteligencia del ML. (Roncero)

Seguridad y futuro

La oportunidad que supone incorporar estas tecnologías a las empresas es tan clara como turbio es el uso que podrían darle los cibercriminales. Evidentemente, estos están tan al día o más de cómo funcionan y de cómo de importante va a ser para las empresas. Así que, les preguntamos a José Luis y a Jordi si creían que estos criminales podrían usar Machine Learning e Inteligencia Artificial para burlar los sistemas de seguridad de las empresas.

«Sí, de hecho, lo hacen«, contestaron al unísono. «Los malos son mucho más rápidos que los buenos porque solo se dedican a hacer maldades, los buenos nos dedicamos a otras cosas«, indicó José Luis Roncero. La tecnología ha pasado de ser de una utilidad casi exclusiva a nivel empresarial a convertirse en una herramienta con la que hacer cosas útiles para la sociedad y de forma muy directa. Sin embargo, este desarrollo ha sido seguido muy de cerca por los criminales y van «muy por delante» en conocimientos, por lo que hay que tener muy en cuenta este aspecto, porque «en cualquier momento, la montan», indicaron.

Además de la seguridad, el impacto de estas tecnologías se dejará ver muy en el corto plazo en la empresa, no solo en el aspecto del personal, sino también en el económico, en el TCO y de cara al cliente. Según Jordi Simón, y como ya veníamos anunciando en otros artículos, se va a prescindir de puestos de trabajo de bajo nivel, porque eso lo harán las máquinas, pero a cambio, se van a crear otros de alto nivel. «La tecnología no va sola, para que aprenda hay que enseñarle, educarle y eso lo harán perfiles como los científicos de datos«.

Cierto es que esto no le va a salir gratis a las empresas, que necesitarán redistribuir sus presupuestos si quieren hacer las cosas bien y, sobre todo, pensando que toda esa inversión va a revertirse en su propio beneficio, ya que se rentabiliza muy rápido. No solo se trata de un cambio beneficioso para la sociedad (sectores como la salud y el comercio van a ser grandes favorecidos) sino que los negocios van a conseguir unas aplicaciones y unas experiencia de clientes y usuarios mucho más satisfactorias.

«Por ejemplo, comprar ahora un vuelo en internet es mucho más sencillo que antes, y no solo porque la tecnología sea más rápida (que también), sino porque hemos aprendido a cómo hacerlo de forma más fácil y natural… la propia aplicación ya incluso se anticipa a nuestros movimientos«, indicó Simón.

«Creo que los modelos de gestión y el comportamiento que ha tenido la empresa en el pasado no son tan aplicables hoy en día. Antes, había modelos muy teóricos que eran capaces de predecir cómo iban las empresas en función de cuatro datos, ahora esto es más variado«, concluye Roncero. El modelo actual exige negocios ágiles, flexibles, con capacidad de repicar algo que ha triunfado en tiempo récord, y teniendo muy clara una cosa: «tú nunca vas a poder ser el mejor, hay mucha gente pensando».