Los Sistemas Expertos en la empresa: presente y futuro

Abstract. Los Sistemas Expertos (SSEE) en la empresa abarcan distintos campos de

actuacin. Uno de estos campos, sin duda, es el de apoyo a la toma de decisiones, en el sentido de estrategia empresarial, el cul ha suscitado la aparicin de numerosos textos en la literatura. Sin embargo, la utilizacin de SSEE no slo abarca este campo, sino otros ms tcnicos como puede ser aquel que dictamina la avera-tipo ms probable en un vehculo para un taller, o un detector de averas en un circuito integrado, o un sistema que dictamine cul es la cantidad que una compaa aseguradora debe abonar a un asegurado por un determinado suceso ... . Como se puede deducir, un SSEE siempre es un sistema de apoyo a la toma de decisiones, por ello para diferenciar aquellos de apoyo a la direccin empresarial se les denomina estratgicos, como veremos. Otro tema de inters es el futuro, o incluso el presente de los SSEE en la empresa. En este sentido, los sistemas constituidos por mltiples partes colaboradoras e inteligentes parecen ser la solucin. Intentaremos abordar este tema desde una perspectiva terica acerca de la investigacin que se est llevando a cabo en este momento.
,QWURGXFFLyQ

Con las tcnicas de soporte a la toma de decisiones, se trata de apoyar al directivo a la hora de tomar decisiones estratgicas en cuanto a la marcha de una empresa o negocio. Obsrvese que este tipo de sistema, en principio, se corresponde muy bien con el de un Sistema Experto (SE), puesto que se tratar sin duda de representar conocimiento derivado de la experiencia, y del conocimiento de la propia empresa, en un mtodo dinmico y eficaz, que bien podra ser un SE. Las tcnicas de ayuda a la decisi n comienzan a desarrollarse a partir de la II Guerra Mundial hasta los aos 60-70 (Hayes-Roth y Waterman, 1983). Diversas tcnicas son desarrolladas en estos aos, las primeras son mtodos matemticos entre los que podemos incluir: Decisi n Estadstica. Teoras de Utilidad. Teora de Elecci n Colectiva. IO (Investigaci n Operativa). Programacin lineal.

Grafos. Algoritmos Gradiente.

de

De todos estos mtodos, cabe destacar, sin duda alguna, el ltimo, la Investigaci n Operativa, que todava se mantiene como un DSS (Decision Support System) clsico. A partir de los aos 70, comienzan a desarrollarse los autnticos DSS informticos, los SIAD (Sistema Informtico de Apoyo a la Decisi n) (Sprague y Carlson, 1982), que en un primer momento, se dividirn en dos importantes ramas: Utilizaci n de la estadstica y la IO o bien clculo numrico y Algoritmos de Optimizaci n. Exclusivamente de gestin de informaci n (Bases de Datos, flujos de informaci n).

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

(O 6LVWHPD ([SHUWR HQ OD HPSUHVD FRPR D\XGD D OD *HVWLyQ

Podemos identificar las siguientes tareas donde pueden enmarcase los SSEE como las siguientes: Interpretacin. Diagnosis. Predicci n (donde se enmarcan su vez los SIAD). Monitorizaci n. Veremos a continuaci n un resumen acerca de cada uno de ellos (Cuena y Lpez, 1986): Interpretacin Podemos encontrar en este apartado a SSEE a sistemas como Prospector (Duda, et al., 1976), encargado de detectar yacimientos a partir de fotos y scanners del terreno que toma como entrada.

Diagnstico y Reparacin Los SSEE englobados dentro de este cuadro tratan de avanzar un paso ms que los anteriores: realizan, tras obtener una conclusi n, un diagnstico que intentar resolver el problema diagnosticado. En este apartado, podemos incluir claramente a sistemas tan famosos como el Mycin, (Shortliffe y Buchannon, 1975), SE encargado de diagnosticar infecciones de la sangre, y de sugerir varios tratamientos para su curacin. Vemos en el diagrama, otro SE de este tipo, PUFF .
Monito r Cardac o Otros lectores Interpretac in Pu ff PUFF Diagnstico /Tratamient o

Sens ores

Sistema Siste Experto ma (Prospector) Expe rto

Lect ores

Interp retaci n

Se trata, bsicamente, de SSEE que son capaces, sobre la base de las entradas proporcionadas, y sobre la base del conocimiento heurstico que contienen (Harmon y King, 1988) son capaces de obtener conclusiones o conceptos ms avanzados, susceptibles de ser mejor utilizados que los datos de entrada en crudo. Dentro de este grupo, podemos incluir tambin el sistema HEARSAY, que recibe seales de habla fonticas e identifica las frases, a partir del flujo de seales en el tiempo.

PUFF es un SE preparado para trabajar con datos tomados directamente de ciertos aparatos conectados al enfermo en un hospital. Se trata de que los datos en crudo, suelen ser interpretados por un mdico, y a partir de esa interpretacin se toma una serie de medidas. Esto es el aspecto que automatiza PUFF, que se construy sobre el conocimiento extrado de varios expertos mdicos. Otros sistemas comunes son aquellos de diagnstico y reparacin de sistemas mecnicos, es decir, maquinaria, automviles (como el sistema Expert, de reparacin de automviles) ... etc. Prediccin En este apartado se encuentran los SSEE de apoyo a la decisi n. Y prcticamente, son los nicos pertenecientes a esta categora. En esta misma pgina puede verse un posible esquema de un SIAD.

Pgina 2

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________ Interpr etacin Predic cin

SIAD Situac in Actua

ciertamente amplio, si bien debe ser evaluado si el mbito del proyecto se adapta a las caracter sticas de este paradigma (Waterman, 1986; Cuena y Lpez, 1986). Cabe distinguir los siguientes rasgos: El procedimiento de resoluci n empleado sin el sistema, actualmente, debe tener una componente importante de razonamiento, siendo claramente menos relevantes los aspectos de clculo. Es decir, debe ser de naturaleza simb lica (Rich, 1995). El proceso de resoluci n utilizado por los expertos debe ser suficientemente conocido. Su nivel de complejidad debe ser tal que se resuelvan los problemas en plazos razonables; de esta forma, el tamao del dominio del discurso (nmero de conceptos y atributos), ser limitado y manejable. Es importante que el nmero de expertos dispuestos a colaborar sea suficiente. El proceso de resoluci n empleado, si se plantea algortmicamente, debe tener una complejidad combinatoria importante, de forma que pueda apreciarse el empleo de una base de conocimiento como reductor de la explosi n combinatoria. Por la naturaleza de reglas de los SSEE, el conocimiento debe poder introducirse de forma incremental en el

BD Experien cia Comport amiento

BD tcnicas de Investiga cin Operativa

Monitorizacin Son sistemas de Diagnstico, pero que tienen la limitaci n de la necesidad de operar en tiempo real, es decir, con una fuerte restricci n de tiempo. Leen como entrada una situacin, y deben producir tanto la interpretacin como el diagnstico en un intervalo de tiempo predefinido, como se comentaba. Como un tipo de sistema especial, encontramos aquellos que podramos llamar como de ayuda a la educaci n, es decir, que supervisan al alumno en la resoluci n de problemas. Tienen la dificultad adicional de aceptar el trabajo del alumno y saber corregirlo, no slo de solucionar los problemas propuestos. Criterios de Posibilidad y Viabilidad A la hora de la realizaci n de un Sistema Experto, como cualquier otro producto informtico, ciertos aspectos deben ser tenidos en cuenta, de forma que nos aseguren cierta probabilidad de xito. As, los SSEE basados en reglas tienen un mbito de aplicaci n

Pgina 3

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

sistema. La imposibilidad de cumplir esta regla incluso comprometera el futuro mantenimiento del sistema (Frost, 1989). Puede comentarse el hecho de que adems de todos estos criterios, es necesario tener en cuenta tambin el econmico. Debe existir posibilidad de recuperacin de la inversi n. Sin embargo, esto es difcil de determinar a priori en un SIAD, lo cul lo convierte en un sistema de riesgo.
&DUDFWHUtVWLFDV GHO SUREOHPD D UHVROYHU

Definici n de estrategias generales ptimas a escala anual o mensual. Toma de decisiones diarias de explotacin ante las diversas incidencias.

El problema del soporte a las decisiones puede dividirse en dos subproblemas relacionados: el primero es la etapa de evaluaci n, para lo que el usuario del SIAD (probablemente un directivo) maneja la informaci n de control de la organizaci n o empresa. La segunda etapa o sub-problema consiste en adoptar las mejores decisiones, basadas en la informaci n recogida en la primera etapa, que conducirn a la organizaci n a la consecuci n de los objetivos. Las aplicaciones a la toma de decisiones en gestin se plantean (Cuena y Lpez, 19861) entendiendo sta como el proceso de definici n de asignaciones de los recursos existentes a funciones en el tiempo para cumplir con los objetivos econmicos y sociales de la organizaci n que se gestiona. Para llevar a cabo el gobierno de una organizaci n, actualmente, se plantea la definici n de estrategias con dos niveles temporales:

El contenido de este captulo se ha tomado casi literalmente del punto 4 del captulo Consideraciones sobre aplicacin de los Sistemas Expertos, ya que su concisin y correccin no dejan lugar a mayor desarrollo.

Las acciones en el primer caso se adoptan, cuando esto es posible, como resultado de estudios tcnicos, en los que se formulan matemticamente tanto los objetivos como las restricciones y se obtienen como resultado las variables de decisi n. Tradicionalmente, las tcnicas de modelizaci n aplicadas son de dos tipos, ambas dentro de la investigacin operativa. Tcnicas de Optimizaci n directa, en las que el resultado del modelo es el conjunto de decisiones. Tcnicas de Optimizaci n por Simulaci n, en las que al ser poco representativa la modelizaci n para optimizaci n directa, se realiza una representacin ms certera del funcionamiento de la instalaci n mediante un modelo de simulaci n y se tantea con l una gama de alternativas posibles de decisiones de explotacin, que una vez evaluadas, permiten decidir la ms adecuada. En la primera lnea, el instrumental clsico es la programaci n matemtica para la que existen algoritmos de optimizaci n en un nmero restringido de casos, tanto de formulaci n de restricciones como de la funci n objetivo; para el caso general, los algoritmos aplicables son de enumeraci n implcita de soluciones factibles mediante bsqueda heurstica con restricciones. Es en este mbito, en

Pgina 4

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

donde existen lneas coincidentes entre tcnicas de investigaci n operativa e Inteligencia Artificial, con la diferencia de que para los objetivos de aqulla (bsqueda de algoritmos matemticos ptimos) la heurstica es un recurso, mientras que en la IA es prcticamente el mtodo, ya que el conjunto de heursticos es ya una base de conocimiento elemental. El mtodo basado en la programaci n matemtica adolece de cierta rigidez, al formularse como un nico objetivo a optimizar cuando en la gestin real se requiere muchas veces tener en cuenta varios de ellos; tambin se considera de inters de los modelos matemticos la inclusi n de las variables bivalentes, dadas las dificultades de introduccin de condiciones lgicas con la formulaci n clsica en variables reales. Esta progresiva evoluci n de los modelos clsicos de programaci n matemtica hacia formulaciones de tipo lgico y a la utilizaci n de tcnicas heursticas de resoluci n, ambos aspectos clsicos del enfoque de la IA, muestra el mayor realismo de esta ltima tcnica. El enfoque mediante modelos de simulaci n permite una representacin ms afinada del comportamiento del sistema a gobernar y con un adecuado mdulo de evaluaci n, permite tener en cuenta objetivos mltiples en la selecci n de alternativas, mediante las tcnicas multicriterio aplicadas a los resultados de la simulaci n. Por ello sta es la forma ms generalizada de apoyar la justificaci n de decisiones. El soporte de decisiones diarias no se realiza habitualmente mediante la utilizaci n de modelos, ya que, en el caso general, su planteamiento y operacin requiere un tiempo del que no dispone el responsable. Por ello, la forma habitual de actuacin es apoyarse en un sistema de informaci n que aporte un entorno suficientemente descriptivo

de la situaci n actual y su evoluci n reciente de manera que la persona experta responsable acte a su juicio una vez detectados los problemas. Esto cuando el sistema es complejo, puede dar lugar a una formaci n errnea de decisiones. Esta dificultad de incorporar tcnicas avanzadas en la gestin diaria ha limitado la penetracin de la informtica en los planes estratgicos de las organizaciones, ya que su utilizaci n para planificacin a corto y medio plazo es espordica, lo que hace poco rentables las inversiones en modelos complejos que son de coste importante. Ntese que esto ya se haba comentado en la secci n acerca de posibilidad y viabilidad en la construccin de SSEE. Si en los SSEE es un factor crtico, en un SIAD, que es un sistema de mucho mayor riesgo, es un aspecto de gran importancia. En (Waterman, 1986), se da, como una de las condiciones de viabilidad de la construccin del SE (ntese que no de un SIAD, sino de un SE cualquiera), es que sta no sea vista como finalizada a corto plazo, puesto que conducir probablemente a un fracaso. En el caso de la obtencin de estrategias mediante modelos de simulaci n, los SSEE pueden jugar dos papeles: Sistemas de interface que ayuda en a la formulaci n del problema para el modelo de simulaci n, cuando la complejidad de ste lo justifique. (Vase la figura 1 en el captulo El SIAD en la empresa, ms adelante). Sistemas asesores que incorporen la experiencia de los utilizadores del modelo y sinteticen una muestra de pasadas de ste, en donde aparecen explcitos datos y resultados de la simulaci n. La opcin de SSEE como asesores en el gobierno de

Pgina 5

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

organizaciones puede llegar a ser muy til a la utilizacin de los propios modelos de simulaci n en s, se procesan los archivos de resultados de cada campaa de simulaci n con el modelo y se obtienen nuevos elementos de la base de conocimiento representando estas pasadas. Este proceso repetido a lo largo del tiempo, incorporando adems los conceptos que los usuarios personales del modelo juzguen oportunos tanto para corregir las propuestas del sistema como para complementarlas, puede llegar a producir un sistema del que se obtengan directamente conclusiones suficientes para la planificaci n y gobierno de la organizaci n o empresa. En particular, la utilizaci n de estos SSEE, resumen del conocimiento ms detallado existente en los modelos, resultara muy til para la toma de decisiones de a diario, ya que en muchos casos los responsables no tienen tiempo de plantear, procesar y sintetizar una campaa de simulaci n con el modelo, sobre todo si ste es complejo; sin embargo, s es factible integrando el SE con el Sistema de Informaci n de la instalacin, obtener por proceso del mismo, recomendaciones y diagnsticos de forma prcticamente inmediata. Estos sistemas, al ser utilizados a diario podran hacer rentable entonces la inversi n realizada en ellos.
(O 6,$' HQ OD HPSUHVD

Es claro que podemos englobar los Sistemas de apoyo a la Decisi n (Decision Support Systems) entre aquellos Sistemas Expertos orientados

hacia la predicci n. Adems podemos hacer la siguiente clasificaci n: Ayuda a la valoraci n de situaciones: se trata de un Sistema Experto de predicci n, que trata de obtener conclusiones acerca de la posible evoluci n del sistema (empresa, negocio...) sobre la base de los actuales parmetros introducidos como entrada. Ayuda a la toma de decisiones: Son los verdaderos DSS ( SIAD, Sistema Informtico de Apoyo a la Decisi n). En base a la poltica de la empresa, la situaci n actual, y cualquier otro posible factor que seguramente enriquecer la toma de la decisi n correcta, el SE aconseja el curso de accin a seguir. Ayuda a la Operacin Legal: Son sistemas de menor inters en el presente trabajo, pues tratan exclusivamente de la ayuda en lides burocrticas o legales. Podemos constatar, sin ningn gnero de dudas, que los sistemas expertos se engloban en los sistemas de informaci n de la empresa, constituyendo, simplemente, una herramienta informtica ms a ensear a los futuros usuarios, y a mantener; sin embargo, si se logra tener un DSS (SIAD), que realmente sea til, entonces ese Software, adems, estar englobado en los Sistemas de Informaci n Estratgicos de la empresa, lo cul constituye una sutil diferencia.

Pgina 6

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

SE -- SIAD

C Sistemas de

Sistemas Estratgicos de Informacin En la Empresa

C Informacin de

Es decir, constituyen una ventaja estratgica clara frente al resto de competidores. Facilidad de Uso Transparencia Capacidad para entrenar Encapsulaci n de los aspectos ms complejos Esta serie de ventajas nos indican que una aspecto importante de estos sistemas es que, de ser reales, incorporan un amplio conocimiento acerca de la empresa, por lo que pueden servir incluso como entrenadores de futuros directivos, por ejemplo. Sin embargo, los SIAD poseen una serie de desventajas, o ms propiamente, de dificultades No existen mtodos para la solucin de este tipo de problemtica clara: En un sistema primitivo, bastara la complejidad de una hoja de clculo capaz de representar datos de forma grfico. Sin embargo, se trata de crear un SE capaz de aconsejar al gestor. Es claro que no existe un algoritmo que en cada momento sea capaz de resolver adecuadamente la problemtica de una situacin dada en una empresa; si bien, es cierto existen tcnicas como la Investigaci n Operativa y la simulaci n que pueden ayudarnos. El SIAD informaci n debe incluir actualizada

continuamente. Tambin resulta obvio que una vez que el programa est acabado, debe ser suficientemente flexible como para aceptar nuevos datos y cambios. Una empresa o cualquier tipo de negocio es claro que se sita como de carcter dinmico. Esto conlleva el problema de que quizs en un momento dado, el Sistema no tenga la suficiente informaci n como para captar todas las necesidades posibles. Quiz, y esto es ms importante, el mtodo utilizado por el SIAD para resolver decisiones deba cambiarse cada cierto tiempo debido al carcter dinmico de la empresa que ya se ha comentado. El SIAD ser costoso de construir y mantener. Es obvio que, llegados a este punto, se plantee la dificultad de construir y mantener este tipo de sistemas. Sin duda, tal y como se ha planteado anteriormente, esta dificultad ser alta. Ya para finalizar, es de resear que la naturaleza de los SE est cambiando. En los aos 70, fecha del despegue de estos sistemas, se trataba de programas monolticos, mientras ahora se habla de relativamente pequeos programas capaces de interactuar entre s, de forma que produzcan un resultado vlido (Wobcke et al., 1998).

Pgina 7

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

de los SSEE, si bien s lo es la

Situac in actual x S.E. Interface con el resolutor Adaptaci n entradas x S.E. / Mdulo de Simulacin S.E. Interface con el usuario Salida del mdulo resultad os f(x) Salida hacia el usuario, en su propio lenguaje [f(x)]

BD de poltica de la empresa.

BD histrico de

Otras B.D.

Figura 1. Esquema multiagente de un SIAD.

En la figura 1, situada ms arriba, podemos ver un ejemplo que podra corresponderse con un SIAD basado en Agentes Inteligentes, en el que cada uno se encarga de una parte de la tare a resolver. Si bien no se ha obtenido de ningn sistema existente en la actualidad, podra observarse en algn caso este tipo de divisi n. Las contribuciones de los SSEE a los SIAD En (Benchimol y Levine, 1988), se ofrece una visi n generalizada de las aportaciones que ambos tipos de sistemas han ofrecido entre s. As, la Inteligencia Artificial ha tenido una pesada influencia en los SIAD, aportando en un primer momento las posibilidades del razonamiento probabilstico y / o incierto (Hayes-Roth y Waterman, 1983;Nilsson, 1998; Sprague y Carlson, 1982); si bien, no menos cierto es que ha influido mucho desde el punto de vista del interface de usuario: la construccin de mensajes y pantallas limpias y claras, en entornos de ventanas ... etc. no es una aportacin

caracterstica de dilogo tan fundamental en ellos. Es clara la contraposici n de los SSEE a lo que se denominan cajas negras, proporcionando una interacci n con el usuario transparente. Recordemos el tipo de preguntas que es capaz de responder un SSEE cada vez que ofrece una conclusi n: PORQUE (que regla ha motivado la conclusi n) y COMO (circuito inferencial que ha llevado a esa conclusi n), son las preguntas principales que permite responder un SE cualquiera, y que permite al usuario por s mismo comprobar las conclusiones que le ofrece. La experiencia indica que cualquier sistema de comportamiento oscuro termina por ser aparcado en favor de otros sistemas (incluso aunque sean en realidad peores) ms transparentes. Lo que es aceptado en trminos de clculo, no lo es en trminos de razonamiento. Finalmente, la heurstica ha sido la ltima de las grandes contribuciones de los SE a los SIAD. En los primero, las heursticas lo son prcticamente todo, mientras que en los ltimos la aplicacin de las mismas en ciertos

Pgina 8

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

escenarios ha conllevado grandes resultados (Sprague y Carlson, 1982). A la inversa, la mayor aportacin de los SIAD a los SE es la modularidad, y , a la vez, la integracin. La necesidad de complementar el uso de varias herramientas matemticas ha calado tambin entre los ingenieros del conocimiento, que han aplicado la idea de varias piezas o mdulos elementales interactuando entre s, en contraposici n al SE monoltico (Wooldridge y Jennings, 1994).

La naturaleza de los SIAD hace que el modo de trabajo, el ciclo de vida del sistema, no se corresponda con el resto de los sistemas tpico, en espiral, sino en una iterativo, en el que el prototipado juega un papel fundamental. As, si se trata de clasificar este tipo de aplicaciones en el Plan General de Calidad (MAP, 1991), se observar que dos criterios obtienen una bajsima puntuacin: por un lado, encontramos el grado de definici n de las especificaciones, y por otro, la estabilidad del proyecto. Estos dos atributos son los sntomas de los problemas que observamos anteriormente en este mismo trabajo, por ejemplo, relacionados con la recuperacin de la inversi n a corto plazo. Otro tipo de problemas son la disponibilidad de los directivos (i.e. los futuros usuarios) para la realizaci n de entrevistas. Nuestro Sistema se basar sin duda en la experiencia derivada de sus aos tomando decisiones para la conduccin de la empresa, lo cul a su vez inspira otros problemas, como: Falta de inters por los propios directivos que ven la herramienta como un sustituto de su toma de decisiones, y no como su colaboradora. Recelos variados relacionados con la naturaleza de estos sistemas, utilizando metodologas (modelos matemticos ... etc.) difciles de explicar y comprender a alguien desconocedor de la materia. Diferencias entre la realidad de la empresa y los diferentes modelos tericos a aplicar. Los datos a utilizar por la futura herramienta, no estn disponibles, son difciles de

Segn el trabajo de (Tuya y Daz, 1998), podemos considerar los DSS (Decision Support Systems, equivalente a SIAD) como una tercera generaci n de Sistemas de Informacin, cuyo objetivo es intentar descubrir qu pasara si se toman una serie de decisiones, o ir ms all proporcionando automticamente las decisiones o sugerencias que asistan al gestor: En cuanto a la arquitectura, se utiliza el trmino DDM (Data, Dialog, Model) para expresar las partes en las que se compone el sistema: Datos: Informaci n que sirve como punto de partida para la toma de decisiones. Dilogo: Presenta la informaci n al usuario en un formato adaptado a ste. Modelo: Permite generar la informaci n que ayudar al usuario en su toma de decisiones.

&DUDFWHUtVWLFDV GH ORV 6,$'

La estructura de un SIAD tpico puede verse en la siguiente figura, adaptado del trabajo de (Tuya y Daz, 1998):
Gestor de Datos Inter faces Dil ogo con el usua rio Gestor de Modelos Base de Datos (Hechos+reglas) Base de Modelos

Pgina 9

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

elicitar (Waterman, 1986), o incluso, el directivo se resiste a expresarlos francamente debido a que constituyen realmente la poltica o forman parte de la informaci n valiosa de la empresa. Todos estos problemas explican que, hasta la fecha, no exista un excesivo nmero de herramientas de este tipo que hayan sido desarrolladas. A continuaci n, se exponen las caractersticas de los tres pilares fundamentales (Datos, Dilogo, Modelo) de los SIAD. Datos Los sistemas de informacin tradicionales se basan en un esquema de datos totalmente normalizado (hasta tercera forma normal ,cuando menos), lo cual entra en contraposici n con los esquemas de datos multidimensionales que utilizan los SIAD. Bsicamente, se trata de mltiples tablas semejantes a las relacionales, organizadas en jerarquas. Esto es debido a que las operaciones ms frecuentes incluyen el contrastado de los datos, determinando la influencia de unas variables sobre otras. En estos esquemas de almacenamiento de datos, no slo se trata de mantener la informaci n y su estructura, sino de considerar tambin las agregaciones (es decir, existe un carcter dinmico en estos esquemas). As, la representacin en forma de hipercubo (3 o ms dimensiones) es la que se corresponde con este esquema, mientras que a nivel de implementacin, sta puede realizarse mediante tablas relacionales con una estructura esencialmente diferente a las relacionales, o con un gestor exclusivamente multidimensional. Las ventajas de este esquema de representacin radica en su facilidad

para describir las jerarquas, pudiendo moverse con facilidad hacia un nivel mayor o menor de detalle Tmese como ejemplo la organizaci n de la informaci n en cada dimensi n en un nivel de detalle temporal progresivamente superior (das, meses, aos ... ). Podemos enumerar finalmente ciertas diferencias entre la organizaci n de la organizacin relacional y la multidimensional: La informaci n se organiza atendiendo a los usuarios de la misma, no en funci n de su misma estructura. Es esencial el estado temporal de la informaci n, y su evoluci n. Ms que su estado en un momento dado. La informaci n no est normalizada, puesto que contiene informaci n agregada y redundante. Dilogo o interface con el usuario Ya se han comentado ciertos aspectos del interface de usuario en el presente trabajo, si bien, a modo de conclusi n, podemos citar unas caractersticas decididamente deseables a la hora de disear una interface para estos sistemas: Es necesario establecer un vocabulario estndar para facilitar la consulta y eliminar los equvocos en el mayor grado posible. Uso intuitivo, son opciones de navegaci n adaptadas a los usuarios finales de la misma, no familiarizados con el uso de estas herramientas. Tiempos de respuesta cortos. Flexibilidad, puesto que la herramienta es susceptible de cambiar en el tiempo, y la interface debe ser capaz de cambiar con ella.
Pgina 10

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

El Modelo Se trata del modelo de razonamiento en el sistema, lo que se correspondera en un SE clsico con el motor de inferencias, si bien en este tipo de sistemas es probable que haya incluso ms de una herramienta colaborando en la obtenci n del resultado final. El siguiente esquema, tomado de (Tuya y Daz, 1998), muestra una posible clasificaci n atendiendo a diversos tipos de datos, estrategias... etc.:
Segn objetivos Segn horizonte Segn Tipo de Datos

conocido el caso de los stocks, que si bien el departamento de financiero desea reducir para no incrementar gastos, el de ventas desea maximizar para atender al cliente con una determinada calidad de servicio. En cuanto a su naturaleza, se trabaja hoy en da en las tcnicas de decisi n multicriterio, ya que se corresponden de una manera ms fiel con las situaciones reales a resolver. Ya no es posible encontrar una nica solucin, si bien se presenta un abanico de posibles soluciones de las que el gestor puede escoger la que crea ms ptima.

Optimi zacin Descrip tivos

Decisio nes estratg icas Decisio nes tcticas

Determi nsticos

&RQFOXVLRQHV
En el presente artculo, se ha tratado de recoger de la manera ms amplia posible, la problemtica en el momento presente del desarrollo de SIADs. En la primera seccin, despus de una introduccin histrica, se ha tratado el tema de los diferentes tipos de SSEE, y su posible aplicacin, en el mundo empresarial. Una segunda secci n trata de describir de la manera ms detallada posible el tipo de problema que se intenta resolver con estas herramientas, mientras que las dos ltimas secciones se centran en las caractersticas de los SIADS y su utilizacin en la empresa. La conclusi n que se puede extraer ms claramente es que los SIADs tratan de cubrir una problemtica quizs demasiado amplia, en la que un entorno excesivamente cambiante, no determinista, se presenta como la situaci n a resolver. Ello explica, como se ha indicado en el texto, que no exista una cantidad notable de herramientas de este tipo desarrolladas, al margen de ciertas herramientas tpicas de presentacin de datos que no entran en la definici n de los SIADs que se han descrito en este trabajo. Otro aspecto importante es que

No Determi nsticos

La primera clasificaci n se corresponde claramente con una orientacin de Investigaci n Operativa, o de simulaci n, la segunda clasificaci n obedece claramente a estrategias de la empresa, mientras que la tercera clasificaci n se basa en la naturaleza del problema que suele ser en el caso real de las empresas, no determinista; sin embargo, es posible simplificar el problema eliminando las componentes aleatorias que contenga, y volvindolo determinstico. La mayor dificultad en cuanto al desarrollo del modelo consiste en sus definiciones iniciales, es decir, definir exactamente el problema. As, el aspecto cambiante en el tiempo de la problemtica real en la empresa suele ser el mayor impedimento a la hora de especificar claramente el problema. Otros problemas en la empresa residen en el conflicto de intereses. Por ejemplo, es

Pgina 11

Los Sistemas Expertos en la Empresa: presente y futuro. _____________________________________________________________________________________

una vez realizadas, estas herramientas son contenedoras de la poltica y de informaci n vital de la organizaci n, que evidentemente, no se desear divulgar. Finalmente, parece claro que tanto la utilizaci n exclusiva de los sistemas basados en reglas como la utilizaci n de un s lo sistema es inviable, mientras que la soluci n de mltiples herramientas cooperantes, algunas inteligentes, otras puramente matemticas, prevalece. Se trata, como ya se ha indicado, de los agentes inteligentes, que parecen constituir el futuro, el siguiente paso, de los SSEE en la empresa. La investigaci n y la bibliografa actual apuntan hacia estos sistemas multiagente inteligente.

%LEOLRJUDItD
Benchimol, G.; Levine; Pomerol (1988) Los Sistemas Expertos en la Empresa. Ra-Ma. Cuena, Jos; Lpez, Verdejo (1986). Inteligencia Artificial: Sistemas Expertos. Alianza Informtica. Duda, Richard O.; Hart, Peter E.; Nilsson, Nils J. (1976). Subjective Bayesian Methods for Rule-Based inference systems. National Computer Conference, pp 1075 1082. Harmon, Paul; King. (1988). Sistemas Expertos. Aplicaciones de la Inteligencia Artificial. Daz de Santos, S.A. Hayes-Roth, Frederick; Waterman, Donald A. (1983). Building Expert Systems. Addison Wesley Publishing Co., pp 444. MAP, Ministerio para las Administraciones Pblicas de Espaa (1991). Plan General de Calidad Aplicable al Desarrollo de Equipos Lgicos. Nilsson, N. J. (1998). Artificial Intelligence: A new Synthesis. McGraw-Hill, pp 513 Frost, R. (1989). Bases de Datos y Sistemas Expertos. Ingeniera

del Conocimiento. McGraw-Hill, pp 769. Rich, Elaine (1995). Inteligencia Artificial. McGraw-Hill, pp 446. Shortliffe, E. H.; Buchannon, B. G. (1975). A model of inexact reasoning in medicine. Mathematical Biosciencies, n 23, pp 351-379. Sprague, R. H.; Carlson E. D. (1982). Building Effective Decission Support Systems. Prentice-Hall Inc. Tuya, Javier; Daz, Adenso (1998). Los sistemas de Ayuda a la Decisi n (Decision Support Systems): arquitectura y aplicaciones empresariales. Novtica, may./jun., n 133, pp 53-64 Waterman, D.A. (1986). A guide to expert systems. AddisonWesley Publishing Co., pp 416. Wooldridge M.; Jennings N. R. (1994). Agent Theories, Architectures and Languages: A Survey, Intelligent Agents: ECAI-94 Workshop Proceedings on Agent Theories, Architectures and Languages, Amsterdam, Aug, 1994, pp 1-22 Wobcke, Wayne. Pagnucco, Maurice. Zhang, Chenqi.(Ed.) (1998). Lecture notes in Artificial Intelligence: Agents and Multi-Agent Systems. Springer-Verlag, pp 240.

Pgina 12