1.

DEFINICIÓN DE INTELIGENCIA ARTIFICIAL

La Inteligencia artificial es el campo científico de la informática que se centra en la creación de

programas y mecanismos que pueden mostrar comportamientos considerados inteligentes. En
otras palabras, la IA es el concepto según el cual “las máquinas piensan como seres humanos”.
Normalmente, un sistema de IA es capaz de analizar datos en grandes cantidades (big data),
identificar patrones y tendencias y, por lo tanto, formular predicciones de forma automática, con
rapidez y precisión. Para nosotros, lo importante es que la IA permite que nuestras experiencias
cotidianas sean más inteligentes. ¿Cómo? Al integrar análisis predictivos (hablaremos sobre esto
más adelante) y otras técnicas de IA en aplicaciones que utilizamos diariamente.
 Siri funciona como un asistente personal, ya que utiliza procesamiento de lenguaje natural
 Facebook y Google Fotos sugieren el etiquetado y agrupamiento de fotos con base en el
reconocimiento de imagen
 Amazon ofrece recomendaciones de productos basadas en modelos de canasta de
compra
 Waze brinda información optimizada de tráfico y navegación en tiempo real
2. Breve historia de la Inteligencia artificial
La mayoría de nosotros tenemos un concepto de la Inteligencia artificial alimentado por las
películas de Hollywood. Exterminadores, robots con crisis existenciales y píldoras rojas y azules.
De hecho, la IA ha estado en nuestra imaginación y en nuestros laboratorios desde 1956, cuando
un grupo de científicos inició el proyecto de investigación “Inteligencia artificial” en Dartmouth
College en los Estados Unidos. El término se acuñó primero ahí y, desde entonces, hemos
presenciado una montaña rusa de avances (“¡Vaya! ¿Cómo sabe Amazon que quiero este libro?”),
así como frustraciones (“esta traducción es completamente errónea”).
Al inicio del proyecto, el objetivo era que la inteligencia humana pudiera ser descrita de forma tan
precisa que una máquina fuera capaz de simularla. Este concepto también fue conocido como “IA
genérica” y fue esta la idea que alimentó la (asombrosa) ficción que nos daría entretenimiento
ilimitado.
Sin embargo, la IA derivó en campos específicos. Con el paso del tiempo, la ciencia evolucionó
hacia áreas de conocimiento específicas, y fue entonces que la IA comenzó a generar resultados
significativos en nuestras vidas. Fue una combinación entre el reconocimiento de imagen, el
procesamiento de lenguaje, las redes neuronales y la mecánica automotriz lo que hizo posible un
vehículo autónomo. En ocasiones, el mercado se refiere a este tipo de avances como “IA débil”.
La siguiente tabla muestra algunos acontecimientos importantes en la historia de la Inteligencia
Artificial.
Año Acontecimiento
1842 Lovelace: máquina analítica programable
1950 Turing: la prueba de Turing
1956 McCarthy, Minsky, Rochester y Shannon celebran la primer conferencia sobre IA
1965 Weizenbaum: "ELIZA", el primer sistema especialista
1993 Horswill: "Polly" (robótica basada en el comportamiento)
2005 TiVo: tecnología de recomendaciones
2011 Apple, Google y Microsoft: aplicaciones móviles de recomendaciones
2013 Varios: avances tecnológicos en aprendizaje automático y profundo
2016 Google DeepMind: AlphaGo supera a Lee Sedol en el juego “Go”
3. Técnicas principales de la Inteligencia artificial
Ahora que ya conoce la definición de la IA y más de su historia, la mejor forma de profundizar en
el tema es conocer las principales técnicas de la IA, específicamente, los casos en los que la
Inteligencia artificial se utiliza para los negocios.
Aprendizaje automático

1
Generalmente, el concepto de Aprendizaje automático se confunde con el de “IA débil”. Es en este
campo en donde los avances más importantes de la IA se están llevando a cabo. En términos
prácticos, “el Aprendizaje automático es la ciencia que se encarga de hacer que las computadoras
realicen acciones sin necesidad de programación explícita”. La idea principal aquí es que se les
puede proporcionar datos a los algoritmos de Aprendizaje automático y luego usarlos para saber
cómo hacer predicciones o guiar decisiones.
Algunos ejemplos de algoritmos de Aprendizaje automático incluyen los siguientes: diagramas de
decisiones, algoritmos de agrupamiento, algoritmos genéticos, redes Bayesianas y Aprendizaje
profundo.
Aprendizaje profundo
¿Recuerda cuando Google anunció un algoritmo que encontraba videos de gatos en Youtube? (Si
desea refrescar su memoria haga clic aquí). Pues bien, esto es Aprendizaje profundo, una técnica
de Aprendizaje automático que utiliza redes neuronales (el concepto de que las neuronas se
pueden simular mediante unidades computacionales) para realizar tareas de clasificación (piense
en clasificar una imagen de un gato, de un perro o personas, por ejemplo).
Algunos ejemplos de aplicaciones prácticas del Aprendizaje profundo son las siguientes:
identificación de vehículos, peatones y placas de matrícula de vehículos autónomos,
reconocimiento de imagen, traducción y procesamiento de lenguaje natural.
Descubrimiento de datos inteligentes
Es el próximo paso en soluciones de IE (Inteligencia empresarial). La idea consiste en permitir la
automatización total del ciclo de la IE: la incorporación y preparación de datos, el análisis predictivo
y los patrones y la identificación de hipótesis. Este es un ejemplo interesante de la recuperación
de datos inteligentes en acción. La información que ninguna herramienta de IE había descubierto.
Análisis predictivo
Piense en ese momento en el que está contratando un seguro para auto y el agente le hace una
serie de preguntas Estas preguntas están relacionadas a las variables que influyen en su riesgo.
Detrás de estas preguntas se encuentra un modelo predictivo que informa sobre la probabilidad
de que ocurra un accidente con base en su edad, código postal, género, marca de auto, etc. Es el
mismo principio que se emplea en los modelos predictivos de crédito para identificar a los buenos
y malos pagadores. Por lo tanto, el concepto principal de análisis predictivo (o modelado) significa
que se puede utilizar un número de variables (ingresos, código postal, edad, etc.) combinadas con
resultados (por ejemplo, buen o mal pagador) para generar un modelo que proporcione una
puntuación (un número entre 0 y 1) que representa la probabilidad de un evento (por ejemplo,
pago, migración de clientes, accidente, etc.).
Los casos de uso en los negocios son amplios: modelos de crédito, modelos de segmentación de
clientes (agrupamiento), modelos de probabilidad de compra y modelos de migración de clientes,
entre otros.
4. Ejemplos del uso de la Inteligencia artificial en los negocios
“Parece interesante... Pero, ¿qué nos ofrece la IA que no tengamos ya?”
Existe una gran cantidad de aplicaciones para IA en los negocios. En esta publicación nos vamos
a centrar en un aspecto fundamental: el cliente. La IA está transformando las expectativas de los
clientes. Por ejemplo, el cliente que organiza su vida desde aplicaciones como Uber, Google y
Amazon. Estos clientes saben que las empresas disponen de información sobre ellos y, lo que es
más importante, saben lo que las empresas podrían hacer con esta información para proporcionar
una experiencia de atención al cliente excepcional. Por ejemplo, los millenials están obsesionados
con la experiencia de atención al cliente (es decir, todo debe ser sencillo, rápido e inteligente).

2
Esta es una lista de algunos ejemplos prácticos de cómo la IA está transformando los procesos
empresariales.
Inteligencia artificial para ventas
La IA ofrece una mayor productividad para los equipos de ventas, ya que permite centrarse en las
oportunidades que pueden llevar al éxito, así como ahorrar tiempo al personal de ventas durante
el registro de información. Veamos algunos ejemplos a continuación:

 Captura automáticamente las actividades de ventas, lo que significa que el personal de

ventas no tiene que dedicar tiempo al llenado de la base de datos del CRM;
 Registra automáticamente los datos del cliente, por ejemplo, registros de navegación del
sitio web y conexiones al sitio web, entre otros;
 Sugiere la mejor acción de seguimiento y recomienda respuestas de correo electrónico al
conectar la información del CRM a la bandeja de entrada;
 Valoración predictiva de prospectos: mediante el análisis predictivo, el sistema podrá
indicar la probabilidad de que un prospecto se convierta en una venta. Más interesante
aún, el sistema le indicará por qué se llegó a esta puntuación (p. ej., canal de acceso del
prospecto, sector, etc.). Por ejemplo, Salesforce Einstein, tendrá la funcionalidad de
puntuación predictiva de prospectos.

Inteligencia artificial para Atención al cliente

 Clasificación automática de los casos de atención al cliente, lo que evita depender del
agente de atención al cliente a la hora de tener que tomar una decisión y, por lo tanto,
ahorra tiempo al agente.
 Enrutamiento automático de casos una vez que la llamada se ha clasificado
automáticamente, el sistema ya puede reenviar la llamada al agente mejor calificado para
determinar el tipo de problema.
 Recomendación de soluciones y bases de conocimiento. Esto aumenta la productividad y
la calidad de un servicio, al sugerir la solución con mayores probabilidades de resolver el
problema del cliente.
 Comunicaciones de autoservicio. Research muestra que la generación actual de clientes
prefiere el autoservicio (por ejemplo, portal o aplicación del cliente) en lugar de llamar por
teléfono a un centro de atención. Gracias a la IA, las comunidades de servicios serán más
inteligentes, por ejemplo, al personalizar el entorno que depende del cliente y sugerir
soluciones de forma automática, ej. utilizar el reconocimiento de imagen para identificar el
producto que está en una foto tomada por el cliente.
 Por ejemplo, los bots conversacionales le permiten al cliente enviar mensajes de texto
para establecer comunicación.

3
 SISTEMAS EXPERTOS

¿Qué es un sistema experto?

Los Sistemas Expertos, rama de la Inteligencia Artificial, son sistemas informáticos que simulan el
proceso de aprendizaje, de memorización, de razonamiento, de comunicación y de acción en
consecuencia de un experto humano en cualquier rama de la ciencia.

Estas características le permiten almacenar datos y conocimiento, sacar conclusiones lógicas,

tomar decisiones, aprender de la experiencia y los datos existentes, comunicarse con expertos
humanos, explicar el porqué de las decisiones tomadas y realizar acciones como consecuencia de
todo lo anterior.

Técnicamente un sistema experto, contiene una base de conocimientos que incluye la experiencia
acumulada de expertos humanos y un conjunto de reglas para aplicar ésta base de conocimientos
en una situación particular que se le indica al programa. Cada vez el sistema se mejora con
adiciones a la base de conocimientos o al conjunto de reglas.
¿Por qué utilizar un Sistema Experto?

1. Con la ayuda de un Sistema Experto, personas con poca experiencia pueden resolver
problemas que requieren un "conocimiento formal especializado".
2. Los Sistemas Expertos pueden obtener conclusiones y resolver problemas de forma más
rápida que los expertos humanos.
3. Los Sistemas Expertos razonan pero en base a un conocimiento adquirido y no tienen sitio
para la subjetividad.
4. Se ha comprobado que los Sistemas Expertos tienen al menos, la misma competencia
que un especialista humano.
5. El uso de Sistemas Expertos es especialmente recomendado en las siguientes
situaciones:
o Cuando los expertos humanos en una determinada materia son escasos.
o En situaciones complejas, donde la subjetividad humana puede llevar a
conclusiones erróneas.
o Cuando es muy elevado el volumen de datos que ha de considerarse para obtener
una conclusión.
Aplicaciones
Medicina, Economía, Psicología, Finanzas, Derecho y prácticamente todas las ramas del
conocimiento.

Los sistemas expertos utilizados en inteligencia artificial son software que emula el
comportamiento de un experto humano en la solución de un problema. Los sistemas expertos
funcionan de manera que almacenan conocimientos concretos para un campo determinado y
solucionan los problemas, utilizando esos conocimientos, mediante deducción lógica de
conclusiones. Con ellos se busca una mejora en calidad y rapidez de respuestas dando así lugar
a una mejora de la productividad del experto.
Los sistemas expertos pueden estar basados en reglas, es decir, disponen de unos
conocimientos predefinidos que se utilizan para tomar todas las decisiones (aplicando heurística),
o basados en casos (CBR, Case Based Reasoning), aplicando el razonamiento basado en casos,
donde la solución a un problema similar planteado con anterioridad se adapta a un nuevo
problema.

4
 SISTEMA INTELIGENTE

La inteligencia se puede ver como una “medida” que indica cuan fácil logra un sistema sus
objetivos, Un sistema es: Una parte (fragmento) del universo (todo lo que existe, todo lo que hay),
con extensión limitada en espacio y tiempo.

Los sistemas inteligentes son capaces de interactuar con los seres humanos, por ejemplo,
mediante la observación del comportamiento, la comunicación, la comprensión de situaciones
observadas, anticipando lo que puede necesitar un usuario; y son valiosos en una gran variedad
de situaciones.
Estos sistemas pueden ayudar a personas que tienen problemas de algún tipo, ya sean visuales,
auditivos, físicos, cognitivos, etc.; a personas de edad avanzada afectadas por alguna enfermedad;
cirujanos cuyos ojos, manos o cerebro están constantemente ocupados cuando realizan
operaciones; o ejecutivos de negocios que puede tener numerosas tareas a realizar, entre otros.
Para lograr todos estos objetivos, los asistentes inteligentes integran una variedad de capacidades
proporcionadas por los diferentes componentes de software que requieren el conocimiento de
numerosos lenguajes de programación y métodos basados en inteligencia artificial.
En Apple detectaron la necesidad de desarrollar la técnica de un método y la aparatología
necesaria para la construcción de un asistente inteligente automatizado.
La invención llevada a cabo se basa en el concepto de "ontología de activos" para generar y
ejecutar aplicaciones y usarlas en los asistentes automatizados inteligentes.

SISTEMAS AUTÓNOMOS.
Un sistema autónomo es un grupo de redes y pasarelas de las que es responsable una autoridad
administrativa.
Las pasarelas son vecinos interiores si residen en el mismo sistema autónomo y vecinos
exteriores si residen en sistema autónomos diferentes. Las pasarelas que intercambian
información de direccionamiento utilizando EGP se conocen como iguales o vecinos EGP. Las
pasarelas de sistemas autónomos utilizan EGP para proporcionar información de acceso a los
vecinos EGP.
EGP permite a una pasarela exterior solicitar a otra pasarela exterior que acceda a intercambiar
información de acceso, comprueba continuamente que los vecinos EGP respondan y ayuda a los
vecinos EGP a intercambiar información de acceso pasando mensajes de actualización de
direccionamiento.
EGP restringe las pasarelas exteriores permitiéndoles anunciar sólo las redes de destino
totalmente alcanzables dentro del sistema autónomo de esa pasarela. De este modo, una pasarela
exterior que utiliza EGP pasa información a los vecinos EGP pero no anuncia información de
acceso acerca de los vecinos EGP fuera del sistema autónomo.
EGP no interpreta ninguna de la métrica de distancia que aparecen en los mensajes de
actualización de direccionamiento de otros protocolos. EGP utiliza el campo de distancia para
especificar si existe una vía de acceso (un valor de 255 significa que no se puede alcanzar la red).
El valor no se puede utilizar para calcular la ruta más corta entre dos, a menos que ambas rutas
estén contenidas en un solo sistema autónomo. Por consiguiente, EGP no se puede utilizar como
algoritmo de direccionamiento. Como resultado, sólo habrá una vía de acceso de la pasarela
exterior a cualquier red.