Aplicaciones de la inteligencia artificial

Muchos de los profesionales de la década del 2020 trabajarán directa e indirectamente en inteligencia artificial. Ya no se trata de una disciplina académica sino de una realidad en la economía y en la sociedad, hasta el punto que algunos países están desarrollando estrategias de AI para introducir esta oportunidad como motor de crecimiento y bienestar, educando y reclutando una nueva generación.

Desde un punto de vista económico, AI genera resultados explícitamente, en tanto que es capaz de predecir de forma que otras tecnologías no pueden; así es posible predecir riesgos, diagnósticos médicos, culpabilidad/inocencia, etc…. Reduce incertidumbres y mejora la toma de decisiones, y consigue en definitiva que se hagan mejores inversiones y se planifiquen mejores estrategias.

Según OECD y Crunchbase la inversión en startups de AI se estima en los 50.000 millones de USD anuales. Este número es realista, basado en que en Crunchbase hay 2500 empresas en el apartado tecnológico de artificial intelligence, y otras 700 con AI en sus actividades. Notar que esta estimación también incluye los términos machine learning y machine intelligence., neural networks y deep learning. Del private equity en startups, AI podría llegar a suponer cerca del 12%, sobre todo en USA y China.

Casi todos los sectores están afectados o lo empiezan a estar, uno de los que más el sector transporte, a través del diseño y la aparición de los vehículos autónomos con sistemas de conducción virtuales. Importante, porque este sector explica el 5.6% de la economía de la OECD.

Desde un punto de vista social, esta disciplina tiene un impacto fuerte en el empleo. Igual que la implantación de ordenadores significa que hay menos personas en tareas aritméticas, AI significa que menos personas trabajarán en tareas de predicción. Y que al predecir mejor habrá menos necesidad de horas de mano de obra en las empresas.

En términos de empleo, qué hacer con esos millones de conductores ahora existentes? 

Waymo, por ejemplo, es un proyecto de Google para desarrollar AVs. Morgan Stanley ha estimado su valor en 175 billion USD. Otro ejemplo, Zoox es un startup enfocado en sistemas de conducción en zonas densas de tráfico, su valor es USD 3.2 billion antes de haber producido ningún ingreso de mercado.

El diseño y desarrollo de los AVs necesitan bastante volumen de datos para entrenar y ajustar los sistemas. Fridman estima que Tesla tiene datos sobre 2.4 billones de kilómetros conducidos con su Autopilot. En términos de seguridad y privacidad, estos datos deben conservarse en protocolos criptográficos.

En este sector también vemos otras tendencias complementarias: primero la utilización de esta tecnología para optimización de rutas de transporte; segundo, los servicios compartidos de transporte y, tercero, el movimiento hacia los motores eléctricos.

Otro de los sectores influenciados por esta tendencia es la agricultura. Tradicionalmente, los agricultores identificaban las cosechas mejores cada año según la experiencia de otros agricultores con mayor práctica. Hoy, cámaras y sensores, con ayuda de imágenes de satélite, pueden no solo tomar esta decisión con mayor precisión y en tiempo real, sino que además es posible monitorizar el estado de la tierra y de las cosechas constantemente. Ejemplos son las empresas PEAT, Resson y SkySquirrel Technologies. Para monitorizar y predecir el impacto de los factores medioambientales en los resultados de la cosecha se utiliza analítica predictiva con modelos de machine learning. Ejemplos son las empresas aWhere y FramShots.

Por último, al final del proceso, hay robots que son capaces de cosechar con eficiencias mayores que las humanas, como los comercializados por las empresas Abundant Robotics (desarrollan un robot con visión computerizada para recoger manzanas), Blue River Technology (su Robot See and Spray aplica herbicidas en cosechas de lechuga y algodón, evitando la resistencia a los herbicidas y disminuyendo el volumen de químicos usados en un 80%) o Harveset CROO Robotics (desarrollan un robot para la recogida de la fresa).

El mayor reto en este sector es la escasez de infrastructuras en las zonas rurales, sobre todo conectividad y bases de datos. Además, es muy caro recopilar los datos necesarios para entrenar a los sistemas. También, es una mentalidad diferente que lleva a adopciones muy lentas y con bajo nivel de aceptación de riesgo.

Interesante es el ejemplo de Connectra, un disposibito de movimiento que se coloca en el cuello de una vaca y monitoriza su salud, basado en Google TensorFlow.

En el sector financiero, tanto las empresas grandes (JPMorgan, Citibank y otros) como startups (Zest, Insurify, WeCash, CreditVidya, Aire y otras) están adoptando esta tecnología rápidamente. Hoy es posible detectar fraude, evaluar riesgo de crédito, reducir los costes de servicio al cliente, automatizar trading. La capacidad de predicción de la AI ayuda mucho en la detección de fraude. Por ejemplo, es posible monitorizar en tiempo real la actividad en las cuentas bancarias, identificando patrones de comportamiento y detectando anomalías inmediatamente.

Las redes neuronales mejoran mucho la gestión del riesgo frente a la estadística tradicional. La predicción de riesgo de impago se hacía mediante la segmentación del cliente basada en variables estadísticas. Hoy hay compañías Fintech, como AliPay, que incluyen una cantidad mucho mayor de variables, incluyendo teléfono, actividad de seguros, actividades en redes sociales, información sobre compra online de Amazon y otros, correos, buscando patrones … No solamente ofrecen una segmentación más fiable sino que son capaces de dar acceso a crédito a clientes que en otro caso no lo hubieran tenido. También ha disminuido mucho la cantidad mínima. Hoy mediante estas técnicas es posible evaluar crédito de tan solo unos cientos de Yuan, menos de 50 euros, en unos minutos. Esta actividad de microcréditos tiene una tasa de impago de menos del 1% frente al 4% habitual en bancos, según cifras del BancoMundial.

En el lado del cliente, el procesado de lenguaje natural ofrece oportunidades de conversar con el cliente de forma efectiva y reduciendo los costes. Los “robot advisors” son capaces de ofrecer nuevas oportunidades de inversión.

Otro desarrollo interesante es el “sentiment analysis” en redes sociales financieras. Hay plataformas en el mercado de valores que permiten al cliente conversar con los expertos; los datos generados en estas plataformas pueden ser usados para toma de decisiones.

Los procesos de conformidad legal y jurídica son cada vez más complejos y demandantes de tiempo en este sector la lectura automática de documentos y reconocimiento de textos y patrones ayuda mucho en este sentido. Palantir Tecnologies es un startup tecnológico procedente de Paypal, que en colaboración con el banco Credit Suisse Group AG, es capaz de detectar comportamiento no ético incluso antes de que se produzca.

Todas las actividades de publicidad y marketing están cambiando al implantar inteligencia artificial, en todos los sectores. AI hace minería inteligente de datos sobre comportamiento de cliente. Así, es capaz de personalizar la experiencia online, ofreciendo contenido diferente a cada visitante de una página web, por ejemplo. Aplicaciones como la realidad aumentada ayuda al cliente a hacerse una idea de cómo el producto se vería una vez producido y colocado en su contexto físico. Por un lado el cliente disminuye el coste de investigación antes de la compra, y por otro la empresa mide sus campañas con precisión y obtiene retornos mayores. La mayor innovación que vamos a ver es el precio personalizado, puesto que es posible predecir el mayor precio que un cliente pagaría por un producto o servicio.

En el sector salud, la predicción ayuda a detectar enfermedades antes de que den síntomas, así sirviendo preventivamente con nuevos tratamientos y medicamentos. A nivel nacional, podemos ahora tomar mejores decisiones sobre políticas y eficiencia del sistema de salud general, es posible identificar intervenciones ineficaces y encontrar eficiencias indirectas analizando los ciclos completos.

La tendencia es la recopilación masiva de datos, muchos de ellos clínicos, genéticos, de comportamiento, y de un buen número de dispositivos biomédicos, IoT, que monitorizan la salud del paciente.

Algunos sectores económicos se ven más afectados que otros. 
Los sectores industriales están extrayendo ventaja competitiva del InternetofThings, de los sensores, de Big Data.
El sector Retail está viendo innovación en el campo de la Gestión Inteligente del Cliente. 

En justicia criminal, AI se usa para policía predictiva y evaluación de riesgos de repetición.

En aplicaciones de seguridad digitales se usa para automatizar la detección y respuesta a ataques.

Parecido ocurre en otros sectores como turismo, oil and gas, construcción, … sobre todo los sectores servicios, aquellos que generan beneficios de doble dígito, son más dinámicos y requieren menores niveles de endeudamiento por capital.

Inteligencia Artificial pervasiva

No es que la Inteligencia Artificial sea una disciplina nueva, de hecho tiene ya unas cuantas décadas. Sin embargo, la creciente disponibilidad del dato y la complejidad del planeta hacen ahora un fértil caldo de cultivo para la implantación masiva de la disciplina.

Inteligencia Artificial se refiere a la integración de una serie de tendencias e innovaciones en el mundo de los negocios que incluye Internet of Things, Big Data, Blockchain, Bitcoin, desintermediación, transformación digital, globalización y otras.

Vemos tres tendencias tecnológicas:

-        -  Integración del mundo real y del mundo virtual. Tecnologías del tipo de Digital Twins, IoT, Cloud, 5G están generando una capacidad de simulación, es decir, réplica del mundo real en información. Esto permite probar, aprender y tomar decisiones sin impactos reales y de forma reversible;

-        -  Digitalización y electrificación. Los vehículos híbridos, Smart factories y la conducción autónoma son ejemplos de esta tendencia, que consiste en añadir el dato y la toma de decisiones a las máquinas previamente existentes;

-        -  Inteligencia pervasiva. Consiste en añadir inteligencia al comportamiento de las máquinas. IA, Machine Learning, Analitica de negocio y los contenidos digitales están aplicando estas tecnologías y consiguiendo que los seres humanos percibamos una interrelación hombre máquina basada en la 

confianza y en el igual igual.

Empresas como Google, Facebook, Siemens, Samsung, Tesla, Netflix, Alibaba, Tableau, Nvidia … están obteniendo beneficio de estos cambios sociales, económicos y medioambientales que están ocurriendo.

La inteligencia artificial está ya teniendo repercusión activa en nuestras vidas. Por ejemplo, Connie es el primer robot conserje virtual para hoteles desarrollada por IBM Watson. Viajar es frecuentemente estresante y requiere múltiples decisiones unas sencillas y otras complejas. El viajero necesita una guía para tomar estas muchas decisiones. La industria del turismo está desarrollando aplicaciones para responder a estas necesidades.

Desde un punto de vista subjetivo y desde el cliente, estos robots funcionan. Los que lo han experimentado están sorprendidos de compartir ascensor con un robot que amablemente te guía a través de todo el aprendizaje asociado con los servicios de un hotel, recomendando y ofreciendo. Genera confianza.

Por qué podemos decir que Connie es inteligente y nos fiamos de esa inteligencia para hacer preguntas y entender las respuestas? Se habla de Inteligencia Artificial cuando los seres humanos percibimos inteligencia, cuando la máquina percibe su entorno y toma decisiones y acciones que maximizan la probabilidad de éxito en la resolución de un problema.

John Searle en 1980 realizó un experimento sobre la inteligencia o no inteligencia asociada a una máquina. Searle se imagina en una habitación con un libro que le permite responder a mensajes en caracteres chinos entrantes por una ventanilla. Aunque no sabe nada del idioma chino, a partir de un libro obtiene las instrucciones para manipular los símbolos y números para producir un mensaje con una serie de caracteres chinos, que salen por otra ventanilla, hasta el punto de hacer creer fuera de la habitación que en ella hay una persona con conocimiento del idioma chino.

La pregunta que se hace es si la habitación habla chino? Sin duda, es un ser inanimado y no es posible dotar de capacidades humanas a un ser inanimado. Además no hay nadie dentro que sepa hablar chino. Pero tampoco hay duda de que el comportameinto de la habitación es el esperado y la habitación en su conjunto puede caracterizarse de chinoparlante. Aunque no hay comprensión profunda de chino, el comportamiento percibido por la persona externa es el mismo.

El test de Turing definía inteligencia como aquel sistema con el que un ser humano pudiese chatear y pasase por humano al otro lado de la conversación virtual. Searle resuelve que no es lo mismo manipular símbolos que entender el mundo de los significados semánticamente. Es decir, que los ordenadores no funcionan como la mente humana.

Años más tarde, Searle dice que la diferencia tiene que ver con la conciencia y con la intencionalidad. Así sin más, la sintáctica no produce semántica, y los poderes específicos de la biología cerebral no se puede esperar que generen procesos cognitivos.

Esto tiene implicaciones en términos regulatorios y legales. Mientras asumamos que no hay inteligencia si no tenemos comprensión profunda (que solo es posible entendiendo los procesos biológicos), no permitiremos la legalidad dela toma de decisiones tomada por máquinas. Solamente si asumimos el comportamiento inteligente en tanto que percibido por el ser humano, podremos llegar a legalizar la conducción de vehículos autónomos o la toma de decisiones médicas asistida por ordenador.

Sobre el impacto en la sociedad, la economía y el medio ambiente se ha escrito mucho, y está muy bien expresado en el cine. Películas como Ex Machina, Trascendence, Blade Runner, Yo Robot, The Matrix, I am Mother, Terminator, entre otras, muestran escenarios futuros. Algunos son optimistas y muestran una realidad salvada por la inteligencia artificial, los utópicos, mientras que otros muestran una realidad muy pesimista, los distópicos, donde el ser humano se vuelve siervo de las máquinas.

Entre la utopía y la distopía está el concepto de singularidad. Es el momento en el tiempo en que los avances de la inteligencia artificial pueden llevar al diseño de algún tipo de forma de vida tecnológica más inteligente que los seres humanos. Los miedos asociados al momento de la singularidad tienen que ver con el ser humano como siervo de las máquinas. Y su irreversibilidad.

Es posible que un día la máquina creada sea más inteligente que su creador, pero hay muchos teóricos de la inteligencia artificial que ven solamente una visión reduccionista del significado más amplio de mente humana. Hay capacidades que difícilmente pueden emularse, como la curiosidad, la imaginación, la intuición, las emociones, la pasión, los deseos, el placer, la estética, la alegría, el propósito, los objetivos, las metas, el telos, los valores, la moralidad, la experiencia, la sabiduría, el juicio e incluso el buen humor.

En esta visión escéptica de la singularidad, la dificultad de producir un poco de inteligencia hoy es enorme, el concepto de superinteligencia capaz de autoaprendizaje recursivo se ve realmente lejos.

Asimismo, Grady Booch, https://www.youtube.com/watch?v=z0HsPBKfhoI, nos pide no tener miedo a la superinteligencia. La inteligencia artificial está aquí para mejorar la vida humana, no para destruirla. El HAL del Dr. Chandra es una máquina sensible, y es posible construirla. Además, será buena, cuando se nos pase el miedo a lo nuevo, como cuando apareció el coche a motor y teníamos miedo a la desaparición de la familia. HAL controlaba el Discovery, como SkyNet controlaba cada aspecto de Terminator, pero no tenía intención propia. Los seres humanos programamos nuestras máquinas para preservar nuestros valores y de ahí no hay puerta de salida. Estamos en un punto de coevolución con las máquinas y esto es una tremenda aventura.

Cuál es el estado del arte en 2020? Hoy tenemos computadores cognitivos que únicamente funcionan con algoritmos. Solo pueden saber lo que se les enseña. Solo pueden controlar aquello que les damos control. Estos algoritmos solo pueden hacer trabajo procedimental y aburrido, aunque son más consistentes y más rápidos que los seres humanos.

Pero también tenemos computadores que exhiben inteligencia. Estos son desarrollados mediante un proceso muy diferente, mediante la transferencia de conceptos y relaciones humanos.

Este proceso es altamente sensible a la disponibilidad de expertos en cada materia: abogados, ingenieros, biólogos, … Habitualmente estos expertos tienen poca experiencia sobre machine learning, lo que genera grandes problemas de comunicación y de metodología. Los expertos llevan a un proceso de anotación de conocimiento que consiste no solo en recoger información sino en encontrar las causas, los efectos, los funcionamientos internos,.

Este conocimiento anotado da vida a las taxonomías y las ontologías, que es una parte de cómo los seres humanos aprenden pero solamente una parte. Una ontología es una representación visual en un campo de conocimientos de sus conceptos y las relaciones entre ellos.

Es una enorme cantidad de trabajo, y además tiene tanto valor como los datos y el tiempo invertidos. Tiene un sesgo que viene de lo que se le enseña al sistema. Crear inteligencia artificial requiere algoritmos, documentos, anotación, iteración y repetición, generalmente asistido por herramientos como IBM Watson Knowledge Studio.

La exactitud de la inteligencia artificial es mucho menor que la de un algoritmo, y esto es importante en unos sectores más que en otros. En ecommerce o en seguros es menos importante que en conducción autónoma de automóviles o en medicina.

Al final el objetivo es el éxito y la reducción de recursos. Machine learning crea especialistas altamente formados, pero no crea conocimiento genérico.

En resumen, Inteligencia Artificial puede ser definida como inteligencia percibida en una máquina. Una máquina inteligente es un agente racional flexible que percibe su entorno que arranca acciones que maximizan el éxito en un reto dado de antemano. Se habla de inteligencia artificial cuando una máquina imita las funciones cognitivas que los humanos asociamos con otra mente humana, como el aprendizaje o la resolución de problemas. Algunas capacidades habitualmente asociadas son el procesado de lenguaje natural, jugar al ajedrez o la conducción autónoma de un vehículo.

El concepto de singularidad puede definirse como el escenario en el que suficiente software inteligente pueda ser capaz de reprogramarse y mejorar él mismo, llegando a un nivel de auto-mejora recursiva. Esta nueva inteligencia podría así crecer exponencialmente y superar a la humana. No somos capaces de imaginar las capacidades de esta inteligencia. Los autores sitúan este momento entre 2030 y 2045.

El concepto de machine learning puede definirse como la capacidad de aplicar un mismo conocimiento a distintos grupos de datos. Esto ofrece la habilidad de descubrir información nueva. Va mucho más lejos que un algoritmo, que es solo un proceso o conjunto de reglas seguido secuencialmente por un ordenador como operaciones y cálculos.

La lupa de Sherlock

Ya no veo el móvil. Para leerlo necesito la luz de la mañana o la lupa de Sherlock. Podría poner los caracteres de tamaño más grande pero eso me obligaría a hacer scroll constante y perderme en el movimiento horizontal. La lupa de Sherlock me da otra vez acceso a mi whatsapp y a mi sistema de mensajería intertextual que me conecta con el mundo, el presente, el pasado y el futuro.

Además mi lupa portátil resuena a filmes y fotografías de los antiguos taxis tirados por caballos -como los que Holmes toma cuando debe salir corriendo de su domicilio en el 221B de Baker Street- o vistas del Támesis envuelto en la neblina provocada por la contaminación industrial.

A través de este vidrio de lectura, los objetos de mi alrededor se convierten en tamaño descomunal. Tal visión pantagruélica me parece voraz, glotona, casi excéntrica, como los ogros bonachones Gargantúa y Pantagruel. Y es que François Rabelais, su autor, era médico y sacerdote, y comenzó a escribir libros con la sana intención de divertir y entretener a sus pacientes. Su éxito vino con polémica por su lenguaje y sus expresiones vulgares. Rabelais es conocido como ateo y hereje por no respetar los buenos modales. Así me parece el mundo con mi lupa, que rebosa por los lados.

El negocio de Bitcoin

Bitcoin es un tipo de criptomoneda, quizás el más conocido seguido de Ethereum, Ripple, Litecoin o Monero. Es un activo digital que ha sido diseñado como medio de intercambio, y que lleva embebido un alto nivel de seguridad. Usa criptografía para garantizar transacciones seguras y para controlar la creación de nuevos activos. Hoy tenemos 21 millones de bitcoins y cada uno tiene un valor de cambio de nos 7800€.

Su estructura tecnológica es Blockchain, es descentralizada, y de ahí que se entienda como moneda virtual frente a la moneda tradicional y que su mayor atractivo sea la falta de intermediarios y su naturaleza escasa ya que su producción está muy controlada. Es global frente a la tradicional que es nacional, no está sujeta a la soberanía de los países.

El gran beneficio es que es inteligente, es decir, es programable, puede incluir código y toma de decisiones, en forma de contratos inteligentes. La criptomoneda es un activo con sus propias reglas de comportamiento, transacción y depósito.

Pero también conlleva algunos riesgos. El primero es la existencia de hackers intentando la ruptura de su seguridad, que aunque no se prevé, es posible que ocurra en un futuro. Por otro lado, las instituciones que “guardan” los bitcoin pueden en algunos momentos no ofrecer el mismo grado de confianza y atención al cliente que los bancos físicos tradicionales. Por último, la naturaleza anónima de la criptomoneda la hace menos transparente y predecible. Alguien con un pseudónimo de Satoshi Nakamoto la lanzó en 2009.

Aunque Bitcoin es seguro y legal, no está reconocido por ninguno de los países, es decir, que solo es posible utilizarlo como medio de pago si ambas partes se ponen de acuerdo con antelación. Amazon, por ejemplo, se mantiene silencioso frente al uso de Bitcoin, aunque muchos de sus productos ya pueden comprarse directamente con la moneda virtual. Bitcoin es más utilizado como forma de inversión, muchas veces incluso para planes de pensiones. Para su conversión a dinero nacional, hay servicios como Coinbase o Kraken que permiten transferirlo a un banco o incluso su retirada en un cajero automático.

Para comprar, transferir o vender criptomoneda, es necesario abrir una cartera digital, el equivalente a una cuenta de banco. Cada criptomoneda tiene sus carteras digitales oficiales.

¿Cómo funciona la tecnología? Las transacciones y la creación de criptomoneda es realizada por los mineros. Cualquier persona con un ordenador y conexión a Internet puede ser minero. Cada transacción se saca a una especie de concurso y gana el minero que puede resolver más rápido un complejo reto matemático, el llamado “proof of work”. El juego tiene por objetivo calcular un “nonce” menor que un determinado valor, y el ganador tiene un premio en Bitcoins.

La minería de bitcoins es uno de los nuevos modelos de negocio del siglo XXI. Sin embargo, cada vez es un poco menos rentable. Primero porque la competencia es mayor y cada día es más necesaria mayor capacidad de computación para resolver el PoW, y por tanto, mayor cantidad de energía que aumenta los costes. Segundo porque por diseño, cada vez que se minan 210000 bitcoins, la recompensa se divide por dos. Esto garantiza que, aunque hoy el 85% de los bitcoins han sido minados, no se llegará al límite en muchas décadas.

Al principio, cualquier CPU era suficiente. Más tarde, los mineros descubrieron que las tarjetas gráficas tipo Nvidia eran más potentes y más eficientes. Hoy existen tarjetas hardware dedicadas, las llamadas ASIC (Application Specific Integrated Circuit). El negocio seguirá siendo rentable mientras el premio en bitcoins siga siendo superior al coste de computación.

Plan logístico y CRM en Fripozo

Empresas con un componente fuerte de logística como Fripozo no pueden funcionar sin un CRM o Gestor de las Relaciones con el Cliente. Les permite manejar de forma ordenada las interacciones con sus clientes o prospectos. Pueden llevar a cabo un proceso de ventas más enfocado, acertado y efectivo. El CRM ayuda a controlar la base de datos de prospectos.

La logística llega hasta la satisfacción de cada cliente final, y para ello es importante no olvidar cómo llegó cada cliente, si provienen de una fuente directa, orgánica, referencia de otras páginas, redes sociales… y así crear un proceso mejor estructurado de ventas.  

El Omotenashi es quizá una de las palabras japonesas más hermosas por el significado que representa: la combinación entre hospitalidad, armonía y servicio. En Japón es normal que te den la bienvenida cuando entras a una tienda, o que recibas la ayuda de un extraño en la calle, o que el conductor del bus te agradezca por usar sus servicios, o que un empleado te haga una venia para despedirse y se mantenga inclinado aun cuando ya te has ido. Todo esto es omotenashi.  Es una acción desinteresada cuyo único objetivo es ofrecer una experiencia única y satisfactoria, anticipándose a las necesidades del otro.

Una mujer por ejemplo, fue sorprendida por la lluvia cuando se dirigía a una cita médica. Al llegar al consultorio, completamente empapada, la recepcionista se disculpó por el mal tiempo, le secó con una toalla y le llevó a una habitación para que usara una bata mientras metía su ropa en la secadora. Antes de salir, agradeció su asistencia y le entregó sus zapatos en los que había introducido papel para secarlos por dentro. Esto es omotenashi.

Para los japoneses, cuando alguien hace algo bueno por ti, debes hacer algo bueno por alguien más. Esto se traduce en una  serie de actos bondadosos que se repiten infinitamente como una expansión del bien. ¡Es una cadena de amor! Ojalá en vez de transmitir indiferencia y malos actos todos nos convirtiéramos en multiplicadores de omotenashi, para así hacer de este planeta, un lugar mejor.

El manejo de la logística y la cadena de suministro es un tema importante en el sector. La idea consiste en aplicar un enfoque de sistemas total para manejar todo el flujo de información, materiales y servicios de los proveedores de materia prima a través de fábricas al usuario final.

Una de las decisiones más importantes que empresas como Fripozo deben tomar es si incorporar la logística a sus operaciones o subcontratar los servicios.  Dónde está el término medio? En un difícil equilibrio, ni muchos ni pocos proveedores. A menudo, la prioridad es que el proveedor se convierta en parte del conglomerado de la empresa, incluso se proporciona apoyo financiero a proveedores, creando relaciones a largo plazo. Un proveedor de este tipo proporciona experiencia técnica y entregas estables.

El mejor de los equilibrios se produce en las llamadas redes de Keiretsu, que provienen de Japón, y pueden a veces incluir bancos además de socios de cadena de suministro más tradicionales. Además de la propiedad cruzada y los préstamos entre los miembros, en muchos casos, los funcionarios de algunas compañías forman parte de la junta directiva de otras firmas dentro de la red.

Integración de la familia y el trabajo

Hace 10 años que decidí trabajar de forma flexible y dejar un trabajo de 9 a 6pm con salario fijo a fin de mes. En esa decisión sabía que mis hijos, mis padres y mi pareja necesitaban más de mi tiempo. No quería perderme llevar a mis hijos al colegio por la mañana ni quería perderme las enfermedades de mi madre y de mi padre, y no me importaba perder las oportunidades de mi carrera profesional ni la capacidad de invertir en una vivienda y coche mejores.

En salidas a cenar fuera a veces llenas de tensión, mi mujer me hacía preguntas raras que simbolizaban su sensación de no conocerme, de una distancia progresivamente creada en la que las personas no convergían cada día un poquito más, sino lo contrario.

Después de una jornada estresante de 10 horas no era fácil llegar a casa y entender y resolver los problemas con la mente abierta y llena de paciencia. Por el contrario, muchas veces había explosiones de violencia y verbalizaciones no siempre oportunas y alguno difíciles de olvidar.

Injustamente algunas iban a los niños, quienes en el fondo pedían atención pero en la superficie se comportaban de forma molesta y desagradable. En lugar de sentarme en el suelo con ellos y escuchar sus caóticos sentimientos todavía en formación, a veces intentaba exponer lo que yo creía que debía de ser en forma de monólogo unidireccional.

La última década me ha permitido poner mi atención a todo esto y compatibilizarlo en el tiempo con mis labores profesionales. Cuando ha habido que salir a cenar y llegar tarde, yo he ido más tarde a trabajar. Cuando ha habido que acompasarse a las vacaciones escolares, yo he movido las fechas para que se alineasen.

Había relámpagos maravillosos de unión cuando bajábamos a la vez cuestas en monopatín, cuando paseábamos en bicicleta, cuando parábamos la bicicleta a ver pasar el tren y tomar un bocadillo, y cuando esperábamos en un aeropuerto antes de hacer un desconocido viaje.

No siempre se trata de cantidad de tiempo sino de la calidad del tiempo. Tiempo de calidad tiene que ver con pasar tiempo que haga sentir estar juntos, unidos en el sentido y en el destino. Es aquél que ayuda a aumentar la confianza, la complicidad y las ganas de seguir estando juntos. Trae riqueza al contacto aunque se trate de un pequeño instante.

Se trata de conexión y de encuentro. Mi obsesión era generar encuentro cada día y sentir que se creaba un mundo nuevo en ese encuentro. Era bonito cuando aparecía una nueva existencia y de ésta salía ganas de adaptarse y cambiar. Quizás era la transformación lo que de verdad merecía la pena, y no solo el estrechamiento de lazos infinitos y eternos.

Cuando leíamos un cuento por la noche con Mateo y Manuel, yo sabía que ellos no lo recordarían conscientemente en el futuro, pero habría en algún rincón de su alma el recuerdo difuso de un instante de calidad con su padre. Vivíamos una situación de peligro del protagonista, o una emoción suya con el mundo, o una sensación de tener una mascota a través de la literatura. A menudo me preguntaba si en sus mentes había de verdad una diferencia entre el mundo de la literatura y el de fuera.

Los americanos dicen “happy wife, happy life”. Carl G. Jung escribía que el encuentro entre dos personas es como el contacto de dos sustancias químicas: si hay alguna reacción, ambas se transforman. La pareja es el nexo de unión con todos los demás, todos los encuentros pasan por y para ella. De todos los encuentros es el esencial. Es el encuentro más intenso, la pareja siempre colabora con una palabra, una frase un gesto o un silencio. Con la pareja, yo me encuentro porque necesito encontrarme, necesito los dones de cada interacción.

Esa persona que es la pareja, tenga la clasificación que tenga, es quien sin duda va a estar ahí en los buenos y en los malos momentos, en la salud y en la enfermedad y hasta el final de los días. Los amigos vienen y se van, incluso los hijos deben en algún momento echar a volar, los padres desgraciadamente se hacen mayores, pero la pareja permanece todo lo que es posible permanecer en la vida temporal.

Además, no tiene mucho sentido salir a caza un jabalí y llegar a casa a comérselo uno solo; tiene sentido llegar a casa y compartir la caza con la familia y los seres queridos. Dar a los demás hace fuerte, mientras que recibir hace siervo y débil.

Yo a este necesario compartir quiero agregarle siempre una sonrisa, reírse mucho, hacer bromas sobre lo cotidiano y mucho sentido del humor.

The Beer Game

Uno de los elementos de mayor sensibilidad en Industria 4.0 es la gestión de la cadena de suministro en las empresas. Afortunadamente, tenemos los sistemas inteligentes de SCM o Supply Chain Management que utilizan técnicas de programación lineal incluso inteligencia artificial para asistir en la toma de decisiones.

Una de las maneras de experimentar esto es mediante simulaciones. El juego de la cerveza es un juego de simulación sobre el comportamiento de una cadena de suministro. Muestra cómo algunas decisiones que tomamos aparentemente lógicas y coherentes pueden conducir a resultados inesperados incluso no deseados.

Dadas unas reglas y un contexto, el objetivo del juego es satisfacer la demanda de todos los agentes involucrados en la cadena a través de las órdenes de pedido que se realicen. Juegan cuatro jugadores en los roles de fabricante, distribuidor, mayorista y minorista. Una jugada supone que los cuatro toman una decisión simultanea sin consultar con los demás y deciden consumir/producir entre 0 y 100 unidades.

La regla es que los cuatro juegan a la vez sin comunicación y las decisiones de cada actor afectan simultáneamente a todos los involucrados de la cadena. Cada uno de los jugadores debe tratar de servir lo máximo posible con el mínimo coste y el mínimo inventario. Está disponible online en beergameapp.com

Al final se produce el efecto látigo o “bullwhip”, que dice que se provoca una distorsión creciente de la demanda hacia la producción, lo que genera unos costes altos de inventario. La experiencia es muy divertida porque al final todos los jugadores culpan a los demás de su exceso de inventario, siendo la conclusión la dimisión del director de marketing.

Desde un punto de vista de teoría de juegos, nadie tiene la culpa. Cada uno ha intentado lo mejor que ha podido cubrir sus objetivos pero el conjunto no necesariamente es exitoso. Esto es especialmente patente en sectores perecederos como el del marisco o el de la fruta, pero también en sectores con obsolescencias grandes como el de la tecnología, microprocesadores, ….

Los sistemas SCM inteligentes son capaces de predecir la demanda, eliminar el efecto Bullwhip y descubrir políticas óptimas. Lo hacen entendiendo equilibrios Nash y otras técnicas matemáticas y de dinámica de sistemas. Hoy es difícil competir en el mercado sin estos sistemas de ayuda a la toma de decisiones.

Bases de datos

La cantidad de datos disponible aumenta cada día. Estos datos se gestionan a través de la tecnología de bases de datos. Puede ser en sistemas de bases de datos o en otras alternativas como hojas de cálculo, pero son las bases de datos relacionales con sus componentes y su estructura básica. Estas permiten el uso de las foreign keys.

Un ejemplo es Facebook. Todos los usuarios guardamos fotos, videos y textos en esta red social. Entre grupos, eventos y comunidades hay 100 millones de objetos a almacenar. Posts, fotos, videos… más de 30 mil millones. Eso supone una base de datos gigante para gestionar toda esa información. 

Es necesaria una infrastructura muy compleja, que en el caso de Facebook incluye Apache Cassandra para gestionar los miles de servidores, Apache Hive para buscar entre los datos, Scribe para gestionar los mensajes, etc…

Pregunta: Qué elementos de información son parte de un perfil de Facebook? Qué información usa Facebook para proponer una nueva conexión en Facebook?

Cada uno de los ERPs y sistemas de información que hay en las empresas tiene debajo una base de datos, la mayoría de las veces de tipo relacional. Hay varios gestores de bases de datos pequeñas como Microsoft Access o Openoffice Base, y otros preparados para cantidades y complejidades mayores como Oracle, MySQL, Microsoft SQLserver o IBM DB/2.

A menudo se utilizan hojas de cálculo para almacenar información, aunque éstas tienen fuertes limitaciones como datos duplicados, inconsistencia de los datos y la baja capacidad de crear relaciones entre datos.

Cada registro necesita tener un identificador distinto. Por ejemplo, si tenemos una base de datos de profesores, éste podría ser el nombre. Pero varios profesores pueden tener el mismo nombre, así que se utiliza un número de registro diferente, al que se llama la clave primaria.   

También es posible tener distintos registros en los que uno hace referencia a la clave primaria de otro registro. A éste se le llama clave “foreign key”. Así es la estructura de una base de datos relacional y se representa visualmente como diagramas de entidad relación, por ejemplo en Microsoft Visio.

Tendencias en Sistemas de información

Si la información y las personas son los recursos críticos en una transformación digital, merece la pena dedicar un apartado a los sistemas de información, que utilizando tecnologías permiten gestión eficiente de la información. Constan de una base de datos donde se almacena la información compartida y equipos con los que interactúan los usuarios. Una especie de lo que es Microsoft Word a nivel de aplicación personal pero con actividades propias de la empresa y en colaboración con otros empleados.

Estos son utilizados por un número alto de personas en la organización, y su eficacia depende del correcto diseño, desarrollo e implantación. Traen beneficios enormes a la organización, sobre todo la mejora de las eficiencias, son capaces de hacer más cosas y mejor en menos tiempo. Pero también tienen sus dificultades, son costosos, y su implantación lleva mucho tiempo y recursos, además de tener el riesgo de fallar.

Uno de los módulos es el de “Supply chain” o cadena de distribución. Por ejemplo, Wal-Mart o LIDL son redes de supermercados que ofrece precios netamente más bajos que la competencia. ¿Cómo pueden ofrecer estos precios? A través de estrategias innovadoras de distribución y la gestión detallada de los canales. Entre ellas, centralizando el merchandizing o desintermediando en frutas y verduras a los proveedores habituales y accediendo a los productores directamente. Y gestionando los inventarios de forma muy precisa. Los pallets llevan etiquetas con transmisores de radiofrecuencia RFID.

El SCM ofrece algoritmos de proceso para gestionar las operaciones el día a día, así como herramientas para aproximaciones innovadoras. Es sólo un módulo del más amplio ERP, el cuál ayuda a gestionar las diversas áreas de las organizaciones.

Actividad: Preparar un informe con una sugerencia de ERP para una compañía de 50 personas y 5 millones de ingresos anuales. Revisar SAP, Oracle Peoplesoft, Microsoft Dynamics y otros sistemas abiertos.

¿Cuáles son las mejores aproximaciones para desarrollar un ERP corporativo? Desde un punto de vista “jerárquico”, el ERP es una especie de espejo de la organización y se desarrolla para cubrir las necesidades reales de los empleados a determinado nivel. Los niveles más altos necesitan tomar decisiones, los intermedios necesitan información operacional y los más bajos táctica. Este punto de vista tiene riesgos en términos de consistencia y redundancia de la información.

Desde un punto de vista “funcional”, los empleados tienen necesidades funcionales, como recursos humanos o finanzas. Este punto de vista tiene el problema de limitar la comunicación entre los departamentos, lo cuál se reduce mediante un punto de vista de “proceso”.

Una integración de datos apropiada resuelve ambos problemas de redundancia y de comunicación. Habitualmente se realiza mediante dos módulos, el CRM (gestión de la relación con el cliente) y KM (gestión del conocimiento). Ambos tienen el objetivo de facilitar los flujos de información.

Los ERP son modulares, y es posible instalar cada módulo separadamente bajo demanda. Algunos de los módulos son:

·         CRM. Conjunto de herramientas que facilitan la interacción múltiple con el cliente;

·         Business Intelligence. Facilita el tratamiento de la información encontrando patrones, tendencias y oportunidades;

·         Content Management System. Ayuda a capturar, organizar y dar acceso a documentos de uso compartido en las organizaciones;

·         UC – Unified communications.  Permite de forma integrada email, mensajes de texto, voz sobre IP…

·         Supply Chain. Ayuda en el movimiento de materiales o productos desde proveedores a consumidores.

La tendencia en ERPs es la migración de lo local a la nube. En este proceso se virtualiza la base de datos y parte del proceso de gestión, y el usuario deja de saber dónde está almacenada su información y dónde se ejecutan sus procesos.

El reto de gestionar la información en las organizaciones de hoy

Cuando hablamos de transformación digital y de sistemas de información, a menudo olvidamos que la palabra clave es información. Es el valor de la información lo que hace necesaria la transformación digital y útil el sistema de información.

Permitidme comenzar con una anécdota personal. Después de tomar el rol de consultor durante varios años, uno de mis clientes más recurrentes se encontraba en una situación interesante: querían digitalizar un departamento y necesitaban alguien con mi experiencia. Yo estaba en ese momento en el que sabía que necesitaba algo nuevo. El presidente me pidió mis expectativas económicas, yo le contesté según mis necesidades y él aceptó inmediatamente.

Yo supe en ese momento que había cometido un error. No había explorado el salario típico para ese puesto y había perdido más de un 20%, una diferencia muy grande. Es solo un ejemplo, pero ilustra cómo una situación deficiente de información puede traer serias repercusiones.

Pregunta: Cuáles son las consecuencias de no tener información actualizada sobre salarios medios?

Pregunta: Si hubiera tenido información errónea, cuáles habrían sido las consecuencias de tener información errónea o de baja calidad?

La cantidad de información entre la que vivimos crece cada minuto.

https://www.youtube.com/watch?v=W8lBMFw2xFA&t=248s

Pregunta: Cómo nos afecta el crecimiento de la información?

Pregunta: En qué afecta esto a nuestra carrera profesional y un cambio de posición?

Actividad: Estar medio día sin uso de tecnología. Sin tarjetas de crédito, sin mensajes de texto, sin Facebook, sin email, sin surfear la web, sin apps… y describir la experiencia. Si ocurre una emergencia, esta actividad tiene un particular valor, pero sin embargo, dejar la actividad y centrarse en la emergencia. Es importante avisar a familia, amigos… de que se va a realizar la actividad.

Datos, información y conocimiento no es lo mismo. El número 6 es bueno o es malo? Es difícil de responder esa pregunta porque es un simple dato aislado. Sin embargo, si añadimos que es una nota académica, ya es posible entender, ese dato ha pasado a ser información. Y si le añadimos una recomendación o una decisión, estamos ante una pieza de conocimiento.

Esta categorización es relevante para entender la evolución de la tecnología. Al principio el enfoque era la tecnología de la información, es decir, el proceso de datos para tareas simples. Más tarde el enfoque cambió a los sistemas de información, es decir, a conectar usuarios y procesar información para la toma de decisiones.

Hoy el enfoque es la gestión del conocimiento, es decir, combinar información y extraer conclusiones que sean accesible a aquellos usuarios que las necesiten: connectedness y usefulness. Es posible combinar datos y obtener significados y contexto. Si lo aplicamos a situaciones concretas, entonces el conocimiento se vuelve útil.

Entonces, una de las habilidades más críticas de supervivencia en el siglo XXI es la gestión de la información, es decir, la habilidad de determinar eficientemente la información que es necesaria en cada momento y después, tener acceso, evaluar y usarla de forma ética. Ahora tenemos acceso a muchísima más información que antes, y el precio de eso es tener que aprender a manejar esos volúmenes enormes. Es como tener recursos financieros y tener que aprender a gestionar las inversiones. Algo parecido ocurre cuando nos vamos a comprar un coche o decidimos salir a un restaurante por la noche.

En toda organización, la información es necesaria para tres propósitos: comunicación, apoyo a los procesos y toma de decisiones. La comunicación puede ser para transmitir ideas, coordinar tareas o enviar información a los mercados. Un proceso es un conjunto de actividades coordinadas con un objetivo. Por ejemplo, en el proceso de compra de un cliente, hay información relativa al cliente, al producto, la transacción… Para la toma de decisiones es importante entender las alternativas, y los beneficios y problemas de cada una, todo ello información.

Actividad: identificar tres procesos en una organización y tres tomas de decisiones. Describir las piezas de información asociadas.

La tabla 1 lista las oportunidades profesionales en el sector de la gestión de la información, siendo la de mayor salario medio la de gestor de sistemas de información, y las dos de mayor crecimiento esperado los próximos años analista de seguridad y desarrollador de software.

La tabla 2 muestra las nuevas carreras profesionales de mayor desarrollo que involucran como capacidad fundamental la gestión y análisis de la información.

Bureau of Labor Statistics, U.S. Department of Labor, Occupational Outlook Handbook, Information Security Analysts,
on the Internet at https://www.bls.gov/ooh/computer-and-information-technology/information-security-analysts.htm (visited September 15, 2019).

Qué es un sistema de información?

Hace unos años, matricularse en la universidad suponía comprar un sobre con formularios, entender cada uno de los cursos y tratar de hacer el puzzle de clases, horarios y profesores lo mejor posible. Muchas veces llevaba a tomar opciones que no eran óptimas pero que eran posibles. Hoy se hace via web, con información en tiempo real sobre clases disponibles y software que ayuda a componer un horario semanal óptimo.

Actividad: citar 3 razones por las que esto es mejor que antes para los alumnos y para los centros.

Un sistema de información es una combinación de tecnología, datos, personas y procesos que tiene por objeto la adquisición, el proceso, la organización y la comunicación de la información.

Actividad: Entender una consola de videojuegos como un sistema de información y entender sus componentes.

Una forma de entender un sistema de información es como conjunto de procesos de transformación. Como si fuera un sistema de manufactura, un sistema de información toma elementos como materias primas, los procesa y los devuelve como productos elaborados.

Los sistemas de información impactan cada movimiento que hacemos en el día a día. Cómo sería nuestra vida personal y profesional sin ellos? Sin embargo algunos de sus componentes fallan. Qué implicaciones tienen estos errores? Cuál es el riesgo?

Analítica de negocio

La analítica de negocio es el proceso de obtener datos y tratarlos con herramientas de Big Data para su posterior utilización en toma de decisiones. Podría definirse como la exploración metódica de los datos de una organización con el fin de decidir informadamente, como fuente de ventaja competitiva. 

Con tres métodos:

-        Analítica descriptiva: Parte de unos indicadores KPIs previamente diseñados para conocer el estado actual del negocio;

-        Analítica predictiva: Busca tendencias en los datos para evaluar la probabilidad de ciertas ocurrencias en el negocio del futuro;

-        Analítica prescriptiva: No solo busca tendencias sino que da recomendaciones de acciones a tomar en el futuro, es decir, decisiones no diseñadas por las personas sino encontradas por la máquina.

El datawarehouse o data mart es el repositorio central donde se concentran los datos y se analizan, es decir, donde se realiza la minería de datos. Muchas veces la labor más compleja es la de limpiar los datos garantizando su fiabilidad y organizarlos estructuradamente con semánticas correctas y alineadas con el objetivo final.

Dos herramientas populares son Tableau y Qlik, muy prácticas porque integran bases de datos, herramientas de visualización sencillas de usar y cuadros de mando ejecutivos. Integran las dos grandes funcionalidades de todo sistema de analítica de negocio:

-        Analítica operacional. Son las operaciones asociadas a encontrar los datos en la organización, e incluye tareas, tiempos y personas, y las fuentes (call center, website, email, bases de datos de terceros…);

-        Analítica de minería. Incluye perfilados, segmentaciones, crossventa, “churn rate” y otras investigaciones estáticas mediante minería, OLAP u otros motores.

En resumen, hay un centro que es el data warehouse, que viene por un lado alimentado por canales de datos y un proceso de minería por el otro. El data warehouse es el dato agrupado y organizado en una forma consistente y útil. Es la memoria de la organización, lo que pasa. Es la descripción de lo que pasa en su momento temporal. Proporciona un acceso amigable a la información. El dato se recoge, se limpia, se mezcla y se resume.

La minería de datos es la inteligencia, frente a la memoria del data warehouse. Combina, extrae patrones, encuentra reglas, crea ideas, hace preguntas, predice el futuro y separa la señal del ruido. Por ejemplo, detecta productos o servicios necesitados por el cliente, o permite diseñar un script inteligente de telemarketing.

Las técnicas descriptivas y predictivas más habituales son:

-        Clasificación. Un ejemplo es la clasificación de aplicaciones de crédito en riesgo alto, bajo o medio. O selección de contenido a ser visualizado en una página web. O la detección de fraude en un accidente con seguro. Suelen usarse árboles de decisión o redes neuronales;

-        Estimación. Es como una clasificación continua, no discreta. Por ejemplo, estimar el número de miembros de una familia o el lifetime value de un cliente. Se utilizan modelos de regresión o redes neuronales.

-        Grupos de afinidad: Se utiliza por ejemplo en el análisis de la cesta de la compra. Los supermercados visualizan el producto de forma que lo que habitualmente se compra junto pueda comprarse de una sola vez. Permite diseño de productos integrados innovadores y la detección de oportunidades de venta cruzada. Se utiliza el método estadístico de reglas de asociación.

-        Clustering: Segmenta una población hetereogénea en subgrupos de más homogéneos. La diferencia entre una clase y un cluster es que el cluster no tiene clasificación predefinida. La agrupación es por autosimilaridad. En sanidad, una agrupación de síntomas puede asociarse a una enfermedad.

-        Perfilado: Permite describir y explicar. Permite personalizar y ofrecer servicios acordes a las preferencias y comportamientos de cada cliente. Son reglas que describen el comportamiento de los clientes. Las herramientas más populares son árboles de decisión, clusters y reglas de asociación.

-        Análisis de series de datos

-        Bayes

El valor estratégico de Big Data

Hablamos de Big Data cuando tenemos una cantidad de datos superior a la que podemos procesar con herramientas habituales. Si la cantidad es grande, se mueve demasiado rápido o no está estructurada, y se quiere sacar partido de ella, es necesario desarrollar herramientas alternativas de proceso. Las más conocidas son Hadoop, Spark, Mapreduce, Storm o Hive.

Estamos hablando de la aparición de “data sets” de tamaño y complejidad enormes. Podemos resumirlo en estas variables:

• Volumen. Se refiere a la cantidad de datos en terabytes incluso petabytes;
• Velocidad. Los datos son muchas veces dependientes del tiempo, y sus análisis necesarios para decisiones en tiempo real;
• Variedad: Los datos vienen en formatos y estructuras diferentes, no fáciles de integrar;
• Veracidad: Se refiere a la calidad y fiabilidad de los datos disponibles;
• Accesibilidad: Muchas veces las fuentes posibles de datos no están claramente identificadas. Llamamos DDSs a fuentes de datos (“streams”) que tienen potencial de ofrecer conocimiento.

Eso requiere un control de los flujos de información internos y externos para convertirlos en recurso estratégico que ayude a definir estrategias, productos y servicios alineados con las necesidades reales de los clientes, cada vez más informados y demandantes.

Schumpeter en 1934 ya describía la destrucción creativa de las organizaciones, cómo los sectores evolucionan creando nuevas empresas con nuevas formas de hacer las cosas y empujando las antiguas que no son capaces de adaptarse al mercado. Por eso las empresas buscan las flexibilidades operacionales que les permiten adaptarse, y ésta es la razón de existir de Big Data. Hablaremos de los posibilitadores como el Internet of Things, la capacidad incremental de computación y los sistemas de datos en la nube: estos son características del entorno que ofrecen la posibilidad. Pero Big Data existe porque es fuente de ventaja competitiva para las organizaciones.

En gran parte por esta razón, es esta era de disrupción, los grandes titanes como Kodak, Blockbuster, Nokia y otros han sido sustituidos por Instagram, Netflix, Apple, Spotify,… Es el caso, por ejemplo, de Kodak y Pinterest. Mientras Kodak desarrollaba productos a espaldas de su cliente, Pinterest hace uso activo de técnicas de Big Data con ese objetivo. Así, Pinterest colecciona intereses, no imágenes, mediante un sistema de descubrimiento personalizado que extrae el contexto y la intención de cada pin. Todo eso genera petabytes de información que no pueden procesarse con herramientas tradicionales. Pinterest utiliza Hadoop.

Esto también ha ocurrido con los clasificados en papel y webs tipo eBay. eBay también utiliza Hadoop por ser una plataforma abierta y altamente escalable. Permite analizar en tiempo real la enorme cantidad de datos de “streaming” que entran constantemente. Busca metadato, es decir, tags de información asociados al dato y que convierten el dato en información útil para la comunidad de usuarios en general, con el nivel de seguridad y permisos adecuado. eBay consigue un nivel alto de personalización, “merchandizing” y “A/B testing” para probar nuevos elementos y mejorar la experiencia de usuario. El “merchandizing” se consigue mediante un motor de recomendaciones basado en búsqueda de patrones entre dato estructurado.  eBay también usa Big Data para detección de fraude, predicción de riesgo del comprador y del vendedor y “account take over”, cambios no claros de usuario en la misma cuenta.

eBay también utiliza Big Data para analizar y diseñar los procesos. Analizar a posteriori los datos es siempre más complejo y menos fiable que diseñar por adelantado de forma exacta los procesos, las tareas, los tiempos y las responsabilidades.

En el mundo del vinilo y Spotify ha ocurrido una disrupción similar. Spotify nació en 2008 y hoy tiene decenas de millones de usuarios activos, más de 6 millones pagando. Pone a disposición más de 20 millones de canciones y cada día agrega más de 20 mil. Genera más de 500 millones de dólares en derechos de autor. Una de las claves de este éxito es el perfilado, el desarrollo de playlists acorde al perfil y el motor de recomendaciones que genera adicción a seguir escuchando, cada canción más interesante que la anterior.

Netflix es un caso muy completo de estudio en el sector media, que necesita un apartado en sí mismo. “House of Cards” ha cambiado la historia de la producción de contenidos.

En el sector Industria 4.0, Big Data viene en una combinación con Internet of Things, sensores, plataformas estándares, robótica, redes que están juntas abriendo modelos de negocio antes desconocidos.

En algunos sectores como media, tecnología y telecomunicaciones, esta disrupción ha ocurrido ya. En otros sectores está ocurriendo, como logística, manufactura, banca retail, retail, viajes, automoción y seguros. En el resto de los sectores económicos irá ocurriendo progresivamente, como educación, medicina, farmacia, utilities o construcción.

En 1995 las empresas más valoradas del mundo eran Nipon, GE, Exxon, Coca Cola, Toyota y Phillip Morris. En 2019 esa lista no incluye a Toyota ni a Roche ni a Phillip Morris, sino que incluye Apple, Google, Microsoft, Amazon y Facebook.

Conversación con el cliente con AVI (agentes virtuales)

En el siglo XXI la comunicación con el cliente ya no es unidireccional como lo era con la televisión y con la radio, ahora la comunicación es una conversación bidireccional interactiva. Este fenómeno ha tenido efectos radicales en sectores como el retail y el entertainment, y ahora toca esta revolución a sectores como el Fintech.

Pero el nuevo entorno digital lleva este fenómeno a su siguiente nivel, el de conversar con un ente artificial y no solo con otra persona. Lo que al principio eran simples ‘chatbots’ ahora son soluciones más sofisticadas basadas en inteligencia artificial, lenguaje natural y auto-aprendizaje, capaces de proporcionar a las personas al otro lado, sean clientes o empleados, experiencias más realistas y satisfactorias. Estos agentes virtuales alcanzan un grado de empatía y sensación de ‘humanidad’ hasta ahora desconocido.

Uno de los AVI más conseguidos es Amelia, de la empresa IPsoft. Es un agente con el que el interlocutor tiene la sensación de que comprende sus emociones. Tiene capacidad para cambiar de contexto en la conversación y con memoria de todas las interacciones previas.

Por ejemplo, 1Bank, aplicación para Fintech basada en Amelia, es capaz de ofrecer asesoramiento sobre facturas impagadas, informar de manera proactiva a los clientes de una factura entrante y comunicarles cualquier insuficiencia de fondos, realizar transferencias de dinero, etc.

Entre las funciones más innovadoras, este AVI podría recomendar al cliente cuándo sería conveniente establecer pagos recurrentes, y ayudar a detectar cargos potencialmente fraudulentos en tarjetas de crédito, para luego disputarlos.

Management Information Systems - Sistemas de información de gestión en la cuarta revolución industrial

En este capítulo vamos a ver el potencial que tienen las tecnologías de la información en las organizaciones actuales, ya sean startups o grandes multinacionales. Algunos objetivos:

·        Comprender el valor estratégico de los sistemas de información en las organizaciones y las herramientas de planificación de sistemas;

·        Entender de forma crítica la relación entre los procesos, las operaciones y la tecnología;

·        Describir las tareas que suponen la gestión de proyectos de desarrollo e implementación;

·        Entender el proceso de innovación en sistemas de información como un fenómeno sociotécnico que incluye tanto a la tecnología como a las personas y la organización;

·        Sondear las opciones de adquisición de tecnología en la empresa;

·        Experimentar el proceso de desarrollo e implantación de los sistemas;

·        Identificar las tendencias principales en el contexto socio económico de las organizaciones y sus sistemas de información;

·        Analizar la situación de los mercados de tecnología, su historia y las tendencias futuras; y

·        Revisar los modelos de negocio en empresas de tecnología.

Las personas en las empresas necesitan tecnología como ayuda para realizar sus trabajos. Hay diferentes hardware y software en los distintos niveles de las organizaciones. Los sistemas de información hacen competitivas a las firmas y posibilitan nuevos modelos de negocio, por ejemplo

¿Cómo usan las empresas Blockchain? II

Según Star Xu en “Blockchain”, otra de las aplicaciones muy representativas de Blockchain son las acreditaciones de educación. Resuelve el problema de autenticidad de los títulos expedidos por Universidades y otras instituciones, y el de la facilidad de acceso por parte de los que contratan. A los empleadores les evita mucho tiempo y complejidad. Fue pionera Holberton School con sus certificados en Ingeniería de Software.

El sector energía también está viendo una revolución en contratos inteligentes. Desde la producción, cada kilowatio producido queda registrado con su fuente, es decir, energía nuclear, hidroeléctrica, sostenible… Así es posible detectar pérdidas y fraudes. Esto también tiene una implicación en regulaciones y normativas, y la posibilidad de controlar sus impactos. Además, es posible vender la energía sobrante al vecino, en una especie de modelo de “crowdenergy”.  

Con alto potencial, Blockchain está introduciéndose en el sector gobierno. Por ejemplo, puede cambiar radicalmente el concepto de evasión de impuestos y garantizar que casi cualquier transacción económica viene grabada por las normativas fiscales correspondientes. También los certificados de matrimonio, contratos o cualquier otro papel de los ciudadanos pueden asegurarse como únicos y válidos.

En el sector agricultura, blockchain está ayudando en la comercialización. Los productores registran sus productos y así certifican el uso de pesticidas o el grado de eco/bioagricultura. Un caso de agricultura inteligente son los seguros automatizados en contratos Smart, reduciendo por un lado el fraude en los seguros y por otro facilitando las operaciones a la hora de compensación al agricultor. Por ejemplo, un sistema de blockchain podría desencadenar un pago automático una vez detectado un desastre medioambiental.

Se habla de granjas inteligentes cuando unimos estas aplicaciones de forma integrada y holística. Los objetos físicos en la granja quedan conectados y las redes de dispositivos se convierten en grandes redes y aplicaciones automáticas. Todo esto puede mejorar el medioambiente, integrar la tecnología con los controles de ciclo biológico y crear viabilidades económicas en las operaciones de la granja. Se posibilita la agricultura biológica y ecológica al garantizar la calidad del dato, es decir, que al revelar el origen del producto, puede minimizarse el precio injusto y promocionarse la economía local frente a la influencia multinacional.

El sector terciario, el de las ONGs, también viene con revolución. Genera un mayor nivel de transacción a la hora de realizar donaciones, por tres razones. Primero porque elimina al intermediario y por tanto reduce el coste de transacción. Segundo porque mejora la transparencia, cada donación se registra en una base de datos y el donante puede hacer un seguimiento de dónde y cómo se utiliza. Tercero porque aumenta la confianza, la cual no va hacia un banco o una institución sino hacia el beneficiario final.

Y otras muchas aplicaciones, como la Lotería, sistemas de elecciones con votantes, registros clínicos en el sector salud, copyrights, patentes, compra de billetes de tren, avión, cine o conciertos…

Por añadidura, el gran impacto de blockchain está en la integración con otros nuevos modelos de negocio, entre otros, las redes sociales. Por ejemplo http://steemit.com/ utiliza blockchain para asegurar contenido de alta calidad, incluso compensando económicamente en moneda cripto la producción de contenido y el curado (“curator”), es decir, la función de comentar y valorar. 

También vamos a ver integración con juegos, como el juego de geocaching Takara, donde es posible obtener premios en forma de moneda cripto o utilizar información GPS validada por blockchain.  

Blockchain puede resucitar el email dotándole de comunicación segura, puesto que la información puede ser verificada, codificada e incluso almacenada en una estructura transparente. Cada día vemos una nueva aplicación de blockchain como creador de modelos de negocio, el techo es solo la imaginación del ser humano.

Para todas estas aplicaciones es necesario disponer de forma fiel de una plataforma Blockchain-as-a-Service (BaaS) que permite a expertos en los distintos sectores desarrollar aplicaciones conociendo la problemática del sector pero no ser expertos en la tecnología ni en sus operaciones.

Una de las plataformas más populares es Microsoft Azure Blockchain, que cuenta con la colaboración de Bitpay para los pagos y ofrece una variedad de herramientas para diseñar e implementar aplicación de Blockchain por no expertos. Amazon AWS Blockchain funciona en la nube y sobre Ethereum. Hewlett Packard tiene su aplicación HPE Mission Critical Blockchain y la de Oracle Oracle Blockchain Cloud Service.

Blockchain es el socio perfecto para IoT. Permite conectar dispositivos con seguridad, privacidad y simplicidad. Utilizando la tecnología de contratos inteligentes, cada dispositivo puede convertirse en un nodo de red automantenido y autoregulado; todos los nodos pueden intercambiar información, verificar identidades y generar transacciones con extraños sobre una base predefinida. Por ejemplo, nos podemos imaginar una red de cables, y un nodo detectando un rayo u otra eventualidad, y reportando un informe de mantenimiento necesario.

Entre los protocolos de comunicación más habituales en redes de IoT está BitTorrent (file sharing), Ethereum (smart contracts), y TeleHash (peer-to-peer messaging). Un ejemplo es IBM-Samsung ADEPT, una plataforma de IoT basada en Blockchain y estos tres protocolos. Esta u otras plataformas similares serán capaces de posibilitar aplicaciones más complejas con menor conocimiento tecnológico necesario.