Agile Just-in-time Supply Chain en empresas “born global”

La logística y la cadena de suministro han evolucionado fuertemente las dos últimas décadas, sobre todo debido a la globalización, que no solo ha traído una revolución en el transporte aéreo y marítimo, sino que diseñar los procesos de una organización global es muy diferente que diseñarlos  en una organización local. Algunos de los cambios más significativos son:

• ·        El comercio internacional añade una componente fuerte de riesgo en los diversos mercados;
• ·        Diseño de redes de producción y distribución globales es diferente;
• ·        Predicción de la demanda es clave;
• ·        Gestión de recursos se hace más compleja;
• ·        Las decisiones “buy make” son más habituales;
• ·        Se desarrollan esquemas de regulación como INCOTERMS y RAFTD;
• ·        Pagos internacionales son necesarios;
• ·        Hay distintas modalidades de protección legal de los bienes; 
• ·        Hay que diseñar transporte internacional y sus contratos; y
• ·       Hay que orquestar nuevos modelos de organización de “supply chain” global.

Un ejemplo de cadena de suministro descentralizada son los centros logísticos para crisis humanitarias. La multitud de centros y almacenes está diseñada para una respuesta cada vez más rápida a desastres. El reto es diseñar una cadena de suministro efectiva en costes y flexible, a través de la combinación de proveedores con tiempos “short-leads” más caros y otros menos caros con tiempos “long-lead”. El reto es hacerlo de forma flexible que reduzca los excesos de inventario en el contexto de demanda con incertidumbre. Esto depende de los métodos de planificación de la producción y de las capacidades del proveedor. Es importante aprender cómo evaluar los costes y beneficios de ajustar la producción cuando hay patrones de cambio en la demanda.  La herramienta fundamental es la predicción de la demanda.

La salud mundial también es altamente dependiente del diseño de la producción, proveedores y distribución.

Uniqlo es el líder en “fast fashion” en Japón.  Desde 1998, la compañía ha crecido a doble dígito  gracias a una política de precios muy agresiva con altos niveles de calidad. Comparte el concepto de “agile supply chain” de Inditex y H&M. Uniqlo demanda precios competitivos a sus proveedores pero les ofrece ayuda técnica constante para sus técnicas de manufactura y les asegura niveles altos de flujo de pedidos. Toray es uno de los proveedores más importantes, producen unos tejidos sintéticos con propiedades que superan a los naturales. Con Toray

implementan conceptos “just in time” populares en otras industrias de Japón. Además, es posible reducir costes llevando la manufactura a China o Bangladesh. Las empresas "born-global" entienden la cadena de suministro como su elemento de éxito y subordinan a ella otras funciones. Este modelo es un éxito en Asia, sería posible reproducirlo en Europa o America?

En el sector media y telecomunicaciones, tenemos el caso Apple con una de las mejores cadenas de suministro globales. Según Gartner, por delante de Walmart, Amazon e Inditex. Para Apple la clave es decidir correctamente las inversiones en infraestructuras de cadena de suministro.

En el sector aeroespacial en India podemos entender la problemática desde la óptica del proveedor. Dynamic Technologies (DT) es un proveedor de Tier 1. Provee operaciones de ensamblaje muy intensivas en mano de obra. La pregunta es si algunas operaciones críticas pueden realizarse en India o por el contrario es necesaria la coordinación con Europa.

En el sector textil, Laborvoices fue fundada por el emprendedor social Kohl Gill con el objetivo de usar telefonía móvil para incrementar la transparencia en la cadena de suministro.

En este contexto, es más necesario que nunca desarrollar la sostenibilidad. La Oficina del

Global Compact de Naciones Unidas ha desarrollado unos principios de sostenibilidad para las empresas en todos los países del mundo. Por ejemplo, Trip Trap es una empresa danesa que tiene un proveedor de producción en Tailandia. La empresa se toma en serio su agenda de Responsabilidad Corporativa y decide seguir los principios del Global Compact. Ha desarrollado un estándar para empresas de producción que es auditado por una Organización no Gubernamental, con un enfoque especial en la madera como materia prima. La pregunta es si las empresas medias o pequeñas en esa parte del mundo tienen los recursos financieros y organizacionales para moverse hacia comportamientos sostenibles. No será demasiado costoso y difícil auditar empresas productoras en Tailandia?

Nuevos modelos de negocio

Podemos definir el concepto de modelo de negocio como una descripción de cómo una empresa crea valor y lo captura de sus clientes. En su esencia, es un diseño de propuesta de valor al cliente y un modelo de precios en el mercado.

Un ejemplo de nuevo modelo de negocio es Airbnb. Opera en 192 países y explica una de cada veinte habitaciones en alquiler a corto plazo del mundo. En lugar de poseer activosinmobiliarios, crea valor mediante un mercado de propietarios y visitantes. Hoy estamos viendo emerger innumerables modelos de negocio innovadores mientras que enormes industrias del pasado colapsan.

El concepto de modelo de negocio viene habitualmente asociado a visionarios, a personas que quieren cambiar el mundo y sus reglas establecidas, aquellos que quieren diseñar la empresa y el mundo del mañana. Ellos son los emprendedores en espíritu, que podemos describir según los siguientes cinco roles:

1. 1.      Emprendedor. Entiende una nueva necesidad de un grupo de clientes y desarrolla una solución para ellos;
2. 2.      Intra-emprendedor. Lidera un modelo de negocio nuevo dentro de una empresa media/grande tradicional;
3. 3.      Inversor. Invierte en empresas con modelos de negocio innovadores, no solo desde una óptica financiera, sino entendiendo el negocio y manejando el riesgo con inteligencia;
4. 4.      Diseñador. Lanza productos innovadores, es capaz de entender la esencia de las ideas y comunicarla. Es capaz de encontrar el modelo de negocio adecuado que asegura el servicio al cliente;
5. 5.      Emprendedor de impacto sostenible. Busca modelos de negocio para el cambio social-económico-medioambiental de la comunidad.

Para desarrollar un modelo de negocio, es importante disponer de un consenso sobre los elementos constitutivos del modelo. Según “Business Model Generation” de Alexander Osterwalder & Yves Pigneur, estos podrían ser:

-        

1.       Sector: Descripción y tendencias del sector económico en el que se realiza el proyecto;
2.          Problema: Es la necesidad real que existe y que genera motivación por el proyecto. Puede provenir de una demanda del mercado, de un avance tecnológico, de un requisito legal, de una reglamentación gubernamental, de consideraciones medioambientales o cualquier otro hecho;
3. -        Solución: Esa necesidad, mediante qué tecnología, mejores prácticas y operaciones se resuelve? Puede conllevar un estudio de viabilidad;
   
4. -        Propuesta de valor: Objetivo del proyecto, qué se ofrece a sus clientes. En terminología PMBOK es llamado Enunciado del Trabajo del Proyecto (SOW – Statement of Work), y es una descripción narrativa de los productos, servicios o resultados que debe entregar el proyecto;
5. -        Clientes: Los beneficiarios del proyecto;
6. -        Presupuesto: Caso de negocio con costes e ingresos, rentabilidad económico-financiera.

La propuesta de valor debe ser confirmada por expertos en el mercado. Esta experiencia puede ser proporcionada por cualquier grupo o individuo con conocimientos o formación especializados, y se encuentra disponible a través de diferentes fuentes, entre las que se incluyen:

• -        Clientes potenciales,
• -        Personas de la organización,
• -        Consultores,
• -        Interesados, incluidos patrocinadores, o
• -        Asociaciones profesionales y técnicas.

La metodología de recopilación de esta información puede ser entrevistas, encuestas o focus groups.

Aunque cada empresa e incluso cada proyecto tiene su modelo de negocio, es posible hablar de personalidades, de arquetipos comunes, de tipos de modelos de negocio. Hay empresas distintas que sin embargo muestran comportamientos parecidos.

Según “Unbundling the Corporation.”, Harvard Business Review. Hagel, John, Singer, Marc. March–April 1999, hay tres personalidades, cada una con diferencias económicas, competitivas y culturales:

• 1-     El negocio de relación con el cliente: Enfoque en la intimidad con el cliente. Este negocio pone énfasis en la adquisición y retención de las relaciones, y por ello encontramos normalmente pocas y grandes empresas en esta personalidad;
• 2-     El negocio de innovación de producto: Enfoque en el liderazgo de producto, desarrollando de forma rápida y dinámica nuevos y atractivos productos y servicios. La velocidad permite precios altos y alta penetración en los mercados. Su ventaja competitiva es el talento; dado que la barrera de entrada es baja, hay normalmente muchas empresas de tamaño pequeño; y
• 3-     El negocio de infraestructura: Enfoque en la eficiencia operativa, es decir, en el desarrollo y gestión de plataformas para tareas repetitivas y alto volumen. Las claves son el coste, la estandarización y la eficiencia. Dado que la ventaja competitiva es la economía de escala, esta personalidad se ve en pocas y grandes empresas.

En general, no es buena idea que una empresa incluya los tres, pues obliga a unos compromisos muy restrictivos.

Por ejemplo, una personalidad de infraestructura desarrolla las ventas a través de un equipo de ventas y una filosofía de gestión de cuentas (“key account management”) o una plataforma de transacción, mientras que una personalidad de relación con el cliente lo hace a través de redes personales, relaciones duraderas y productos y consultoría muy personalizados.

A nivel financiero, invertir en relaciones con cliente a largo plazo y obtener beneficios trimestrales son objetivos diferentes. El caso de IBM es éste; es una empresa tradicionalmente enfocada en “hacer clientes”, en retener su base de clientes a largo plazo. En la década de los 90, sin embargo, empezó a ser gestionada con enfoque a bolsa y a resultados inmediatos cada trimestre, lo cuál se demostraba incompatible con su cultura anterior. Este cambio interno coincidió en el tiempo con el error estratégico de centrarse en la implantación de sistemas intermedios y no ver el desarrollo de los ordenadores personales en la empresa. Esa incompatibilidad llevó a una enorme falta de competitividad en el mercado y a la perdida de gran parte de la penetración en el mercado.

Otro ejemplo es el sector de las telecomunicaciones, que está viendo esta década un fenómeno de independización y desagregación de las tres personalidades. Actualmente, France Telecom, KPN, Vodafone… están haciendo “outsourcing” de sus personalidades de infraestructura a Nokia, Siemens, Alcatel y Ericsson, que son empresas que manejan la economía de escala y los costes bajos. Además, ahora que su  propuesta de valor, tal como la ve el cliente, es la oferta de voz, datos y contenidos, éste mercado ha pasado a firmas pequeñas y creativas, especializadas en el diseño y la producción de juegos, video o música, tipo Mediaset. Con estos cambios, las empresas del sector pueden, por un lado, alejarse del mercado de los bajos márgenes, y por otro lado independizarse de la guerra por el talento creativo, así poniendo foco en adquirir y retener a sus clientes. 

Según Chris Anderson, 2006, en “The Long Tail: Why the Future of Business Is Selling Less of More.”, hay una personalidad que se caracteriza por vender poco pero muchos productos nicho. Está muy alineada con proveedores como Netflix, Ebay o Youtube, en los que hay un número pequeño de bestsellers que se lleva la mayoría de las ventas. Este modelo funciona debido a tres cambios en esta década:

• 1.      La democratización tecnológica. Permite a millones de amateurs con pasión por la producción desarrollar música, cortos y software;
• 2.      La democratización de la distribución. Internet permite bajos costes de transacción,                  bajo inventario y la apertura de mercados para productos nicho;
• 3.      Conexión oferta y demanda. El reto de vender productos nicho es encontrar al cliente adecuado. Hay motores de búsqueda y recomendación que facilitan mucho este objetivo.

Airbnb es también una personalidad. Las plataformas mercado (“Multisided platforms”) comunican clientes distintos, dos o más, y son solo de valor para cada grupo de clientes si los demás están presentes. El valor que genera la plataforma viene de la facilitación de la transacción. Este valor crece siempre y cuando sea capaz de atraer a usuarios, lo que se conoce como el network effect; una plataforma de juegos atrae clientes cuando incluye suficientes juegos atractivos, lo cual ocurre cuando hay suficiente número de personas jugando. Visa o Google son también ejemplos de este tipo de modelo de negocio. Todas ellas se enfrentan a la dificultad de diseñar el modelo de pricing, ofreciendo servicios free para atraer clientes y, en paralelo, modelando el pricing para otros tipos de clientes, de forma que la plataforma se haga sostenible.

Google tiene como propuesta de valor fundamental compartir información entre unos grupos de usuarios y otros, pero también ofrece marketing contextualizado (“Adwords”) y contenido afiliado. Este servicio de marketing propone valor a un grupo de usuarios directores de marketing de empresas, que  pueden personalizar sus campañas. Para que estas campañas sean eficaces, la masa de usuarios que reciben los anuncios debe ser muy alta.

Desde el otro lado, el servicio “Adsense” permite a los usuarios compartir los ingresos de Google si permiten incluir anuncios en su contenido de alta demanda.  En resumen, Google ofrece servicios free como Google search, Gmail o Maps, mientras que Adsense y Adwords explican la parte económica. Dicho de otra forma, el tráfico da valor a los servicios de Adsense y Adwords.

Free es en sí un tipo de modelo de negocio, como lo demuestran Open Source, Skype o Android. En estos modelos hay por lo menos un tipo de cliente que se beneficia de una oferta sin coste. Estos servicios son financiados por otro grupo de clientes o por otra parte del modelo de negocio.

Según Chris Andersen, el fenómeno free viene asociado a la economía diferente de los productos digitales. Desarrollar software tiene un coste, pero una vez desarrollado replicar una nueva copia tiene un coste marginal muy bajo. Distribuir en Internet tiene también un coste marginal prácticamente cero. En el sector arte ocurre un fenómeno parecido, un artista puede distribuir su música gratis en tanto que obtenga otras fuentes financieras para producirla, como conciertos o “merchandising”.

Aquí hay tres perspectivas para entender la capitalización:

1. 1.      Servicios free en plataforma basada en publicidad y marketing, siendo ésta la fuente de ingresos;
2. 2.      Servicios fremium: Según Jarid Lukin, se trata de ofrecer servicios Premium opcionales. Open source o software abierto es un buen ejemplo en el que la base no tiene coste pero sí el mantenimiento y la personalización en cliente; y
3. 3.      Bait and hook: Se trata de ofrecer el producto o servicio inicialmente gratis, pero generando clientes cautivos del producto o servicio a medio/largo plazo. Este modelo fue popularizado por las cuchillas de afeitar Gillet.

Rega en el sector seguros es un ejemplo de servicio Fremium. Es una ONG que despliega helicópteros y otra infraestructura para salvamento en montaña. Aunque ofrece servicios sin coste, tiene ingresos de patronos por un lado y de compañías aseguradoras por otro lado.

Por último hay una personalidad de negocio abierto (“Open business models”) que consiste en colaborar sistemáticamente con una red de socios. Puede ser tanto utilizando ideas externas en la propia firma como generando ideas o poniendo activos no utilizados a disponibilidad de terceros (en forma de licencias, joint ventures o spin-offs). En ambos casos, según Henry Chesbrough, tiene que ver con la apertura del proceso de investigación y desarrollo a agentes externos.

Preguntas:

¿Qué nuevas oportunidades de modelos de negocio nos presenta el post-coronavirus?

¿Por qué entró en crisis el modelo de negocio IBM en los años 90 con Lou Gerstner?

¿Qué proceso de desagregación e independización está viviendo el sector telecomunicaciones en España?

¿Qué ejemplos de empresas siguen el modelo de negocio The long tail?

¿Qué motores de búsqueda y recomendación existen que apoyan el long tail?

¿Qué diferencia hay entre Google Adsense y Adwords?

¿Cómo puede ser free un modelo de negocio rentable a corto y a largo plazo?

¿En el caso Rega, cómo se genera la base de clientes sostenible?

¿Cómo utiliza Siemens su modelo de innovación abierta?

¿Cómo funciona la cadena de suministro descentralizada en los centros logísticos para crisis humanitarias?

Relación con el cliente 4.0

La tecnología que permite a la empresa conectar con su cliente está cambiando a pasos agigantados. Hay 3000 millones de smartphones que tienen una capacidad de proceso mayor que la de supercomputadoras de hace una década. Los sistemas se comunican entre ellos mediante InternetofThings. Los relojes inteligentes aportan exactitudes dignas de los equipos más sofisticados de la medicina. La inteligencia artificial es capaz de ofrecer recomendación de uso y de compra más rápidamente que el ser humano. Lo fascinante no es la tecnología, sino su rol de apoyo, cómo es capaz de modificar los modelos de negocio de las empresas.

Amazon ha redefinido la forma de interacción entre los proveedores y los clientes. Antes los clientes hacían listas de la compra e iban físicamente a las tiendas. Ahora el cliente pide a Alexa comprar comida, ropa… y los productos llegan a casa en pocos días. Amazon ha desarrollado el Dash Button, un dispositivo wifi que se puede adaptar a la nevera, a la lavadora y a otros electrodomésticos para asegurar constantemente detergente, leche o papel higiénico. 

Los libros de texto son otro ejemplo. Antes se alquilaban o compraban, y el estudiante los leía, hacía los problemas e iba al examen. Ahora la tecnología analiza sus lecturas, recomienda contenidos cuando el estudiante tiene dudas, y al final la experiencia de aprendizaje es customizada.

Antes los clientes de Nike compraban una vez al año zapatos. Ahora los sensores envían datos que se analizan. Nike ya no es su proveedor, sino su coach hacia sus objetivos deportivos y saludables. Es una relación constante con el cliente, que no ocurre naturalmente sino de forma diseñada.

Primero, es necesario romper el equilibrio binario entre satisfacción y eficiencia de cliente, no son contrarios sino complementarios. Segundo, hay que diseñar la interacción frecuente, de baja fricción y customizada. Tercero, hay que diseñar el delivery, la entrega.

El caso de Amazon es “respond-to-desire”. Cuando un cliente expresa una necesidad, Amazon actúa rápidamente. El caso de los libros de texto es “curated offering”. Es la interacción la que alerta de las necesidades del estudiante. El caso de Nike es “coach behavior”. Nike trata de crear comportamientos sanos. No obliga a salir a correr, pero motiva a la consecución de objetivos. El caso de los relojes inteligentes es “automatic execution”. Si el sensor de ritmo cardiaco detecta una arritmia, se produce una consulta al médico cardiólogo.

Este valor añadido es a veces ofrecido no por la empresa, sino por una plataforma externa. Por ejemplo, Uber no conduce coches, conecta a los conductores con los pasajeros. Apple store no vende software, conecta desarrolladores y clientes. Airbnb no es propietaria, conecta apartamentos y viajeros. Estas plataformas definen dos tipos de clientes, El que tiene un producto u ofrece un servicio. Y el que consume ese producto y servicio.  Ambos son clientes. El éxito viene de la plataforma y su funcionalidad para el pago, creación de confianza y resolución de disputas. Provee liquidez al mercado asegurando que hay suficientes clientes para que se den transacciones. El modelo de ingresos más habituales comisión por cada transacción.

Agricultura 4.0

La visión es un mundo de alimentación nutritiva y accesible para todos, a la vez que los recursos naturales se manejan de forma respetuosa con las necesidades humanas de las próximas generaciones.

Esto requiere un sistema de políticas e incentivos por parte de los países. Los tres KPIs fundamentales son el resultado de las cosechas, los costes asociados y el consumo de agua.

Este sector tiene hoy algunos retos importantes, especialmente pensando en la necesidad de alimentar a 10.000 millones de personas en 2050. El primero es el uso indiscriminado de GMO y de antibióticos. El segundo es el uso de maquinaria pesada para muchas de las tareas. El tercero son las pérdidas, en 2016, el 13.9% de la alimentación producida se perdió en la producción y distribución. 

Además, está en saturación, el 11% de la tierra del planeta se usa para agricultura. Algunas de las respuestas son:

1.       La agricultura vertical, que produce alimentos locales, sin pesticidas y sin generar emisiones;

2.       Las semillas resistentes a condiciones extremas;

3.       Inteligencia Artificial que dicta por qué y qué hacer sin la intervención humana.

A través de sensores como temperatura, humedad, rayos UVA o grado de maduración, y análisis de los datos, se han desarrollado algunos nuevos métodos patentados de agricultura:

1.       Aeroponics – Poca tierra y poco agua

2.       Aquaponics – Ecosistema de plantas y peces

3.       AeroFarms – Sin tierra ni sol

4.       Hydroponics – Sin tierra

5.       VertiCrop – Sostenible en zonas urbanas

Una de las tendencias es el desarrollo de conservantes derivados de plantas naturales:

- Australian Kakadu plum: Kakadu plums se usa para mantener la gamba;

- Rosemary plants: antioxidante natural

- Moringa oleifera: nutricional y organoléptica

- Parabenos naturales: antibacterianos y antioxidantes

- Verdad F32: preserva comida fresta, especialmente ensaladas.

En los próximos 10 años emerge el concepto de nutrición personalizada a través de test genéticos individualizados. Se llaman servicios nutrigenéticos y ofrecen una dieta basada en frutas, vegetales y granos específicos para cubrir los gaps de la persona, según Dr Jeffrey Blumberg

Bibliografía

https://rsmus.com/what-we-do/industries/consumer-products/food-and-beverage/top-trends-for-foodand-beverage-industry-businesses.html ◼ file:///C:/Users/lgiraldo/Downloads/cushman-wakefield-food-beverage-%20spain-report%202018_eng .pdf ◼ https://www.foodswinesfromspain.com/spanishfoodwine/global/food/features/feature-detail/trends-s panish-food-wine-2019.html ◼ https://www.prescouter.com/2018/04/natural-alternatives-chemical-food-preservatives/ ◼ https://sustainabilitycommunity.nature.com/users/194670-alejandro-parodi/posts/41383-the-potenti al-of-future-foods-for-sustainable-and-healthy-diets ◼ https://www.sciencefocus.com/future-technology/the-future-of-food-what-well-eat-in-2028/

Industria textil 4.0 – Kinnect y realidad aumentada

La cadena de suministro del sector ropa está evidenciando una transformación en su estructura. Esta industria es económicamente fuerte, explica el 4.5% de la renta GDP del planeta.

Hoy esta industria está caracterizada por la implantación de ecommerce, creciendo el porcentaje de compras que se realizan hasta el final en una plataforma Internet. Cada vez también la ropa viene con mayor grado de customización, en parte debido al uso de las impresiones digitales y de la decoración laser. Cada usuario se convierte en un pequeño artista, diseñando su propia ropa. Por añadidura, el control de inventario digital permite tiempos de ciclo más cortos y deshechos menores. 

La clave de la competitividad es la mejora de la experiencia de cliente a través de innovación sostenible. Los valores fundamentales son tecnología, innovación, sostenibilidad, simplicidad, funcionalidad y satisfacción.

Esto supone la adopción de técnicas como realidad aumentada, drone, blockchain, big data e IoT.

Los espejos inteligentes utilizan realidad aumentada para gestionar información en forma de texto, gráficos, audio y otros interfaces virtuales como Kinnect de Microsoft, integrada con objetos del mundo real. Se están convirtiendo en una alternativa a los probadores físicos. Generan una experiencia de usuario a la vez que reducen tiempos, mermas y deterioro en la ropa y personal de servicio.

Los nuevos materiales, la miniaturización de los sensores y la inteligencia artificial están trayendo modas customizadas donde las botas de cierran solas, o la longitud de las mangas se ajusta automáticamente, como preveía la película “Back to the future”. Hoy ya utilizado en prendas deportivas, los materiales inteligentes permitirán variar las tallas o adaptar sus formas a las del cliente.

El uso de Blockchain está alineado con la creciente conciencia del consumidor sobre la huella ecológica. Ayuda a mejorar los problemas de confianza, ya que permite de forma transparente conocer la procedencia de los productos a lo largo de la cadena de suministro, desde las materias primas, el proveedor, el fabricante, el distribuidor y el retailer.

El rol de Big Data incluye predicción de tendencias emergentes, encontrar al cliente ideal en el momento ideal, y lo más importante, la optimización del precio, es decir, encontrar el valor máximo que una nueva tendencia puede generar y saber cuándo y cuánto disminuir los precios fuera de tendencia.

El rol de Internet of Things es cuádruple:

1.       Pago automatizado y personalizado, muy eficiente en momentos de alta ocupación de clientes;

2.       Gestión inteligente del inventario, basado en analítica de datos, encontrando el punto óptimo en el que re-ordenar un producto;

3.       Mejor experiencia de usuario, una vez analizados los datos de cámaras de seguridad, redes sociales y teléfonos inteligentes, y predecido el comportamiento y deseos de los consumidores; y

4.       Los vehículos autoconducidos aéreos, drones, pueden ayudar en la entrega del producto final, una vez incluidos los sensores y etiquetas RFID necesarias. Es posible incluir métodos de pago en la entrega drone también.

Como conclusión, están a disposición toda una serie de tecnologías que pueden mejorar mucho la experiencia final del cliente en este sector, convirtiéndose en ventaja competitiva de los más importantes players.

Pero hay un movimiento fuerte hacia la innovación tecnológica y la sostenibilidad. Es una de las industrias que más polucionan, sobre todo teniendo en cuenta que más del 60% de la ropa está producida con fibras sintéticas. Cada vez la moda cambia más rápido y dinámico, “fast-fashion” significa que hoy consumimos per capita 4 veces más piezas de ropa que en el año 2000.

Desde hace tiempo se considera un rincón negro de la economía global, alimentado por el uso de esclavos, niños, mujeres… en condiciones a veces inhumanas. La mayoría de la ropa que se desprecia no es biodegradable y se mantiene más de 200 años en la misma textura. Según Oxfam y Statista, por ejemplo, una camiseta y unos pantalones de algodón necesitan 20.000 litros de agua.

Bibliografía:

El-Seoud, M. Samir Abou, Taj-Eddin, Islam A.T.F. ; An Android Augmented Reality Application for Retail Fashion Shopping in
International Journal of Interactive Mobile Technologies. 2019

https://www.gartner.com/en/information-technology/glossary/augmented-reality-ar

https://www.mckinsey.com/industries/retail/our-insights/ten-trends-for-the-fashion-industry-to-watch-in-2019

https://www.ibm.com/downloads/cas/Z3B8JLVA

https://www.edudrone-project.eu/wp-content/uploads/2019/02/IO2_Guidelines-on-Industry-4.0-and-Drone-Entrepreneurship-for-VET-students_EN.pdf

https://www.itransition.com/blog/iot-in-retail-use-cases

https://www.talend.com/resources/big-data-retail/

Industria 4.0 e Internet of Things

De la Industria de los años 70 en Alemania a la Industria 4.0 de 2020 hay algunas diferencias significativas. La cuarta revolución industrial viene después de las tres primeras, mecanización, electricidad y tecnologías de la información, y viene de la mano de Internet of Things y de Internet de los Servicios integrados en la fábrica y en la cadena de suministro.

La visión alemana de Industria 4.0 es un sector industrial implementado por redes globales de máquinas, fábricas y almacenes físicos, en forma de sistema cibérfísico que se autocontrola, y lo hace compartiendo información, tomando decisiones y lanzando procesos automáticamente. Esta inteligencia está no solo en las máquinas inteligentes o en los inventarios de almacenamiento inteligentes, se trata de un supply chain inteligente y de productos finales inteligentes. Por ejemplo, mediante etiquetas RFID en miniatura, los productos saben lo que son, cuándo fueros producidos y en qué paso están en su camino.

Otro elemento crítico es la integración  de los procesos de manufactura verticales en la cadena de valor, es decir las ventas, la logística y las finanzas, entre otros. Esto significa incluir al cliente en el proceso y manejar la cadena de valor, los servicios y la gestión del ciclo de vida  ahora.

Por qué ahora? Las tres primeras revoluciones habían permitido al entorno industrial integrarse con los robots. Ahora tenemos grandes volúmenes de datos, almacenamiento en la nube, alta capacidad de procesamiento y conectividad fácil. Además podemos analizar y entender los datos. También hemos revolucionado la interacción hombre máquina con sistemas de realidad aumentada, interfaces táctiles y sistemas operativos sin manos.

Los tres principios básicos son interoperabilidad, virtualización y tiempo real. La interoperabilidad asegura que personas, fábricas inteligentes y el resto de las tecnologías hablan un idioma común y se conectan, comunican y operan entre sí a través de Internet of Things. La virtualización asegura que los procesos pueden simularse y virtualizarse. Así es posible hacer cambios, probar y mejorar sin influir en los entornos físicos. Las capacidades de tiempo real permiten que los datos sean recogidos y procesados, y que la monitorización y la decisión se tome en tiempo real.  

 En términos prácticos, Industrial Internet of Things (IIoT) integra sensores en las máquinas, middleware, software y sistemas de almacenamiento y computación en la nube. Si esta integración consigue un 1% de eficiencias, éste es un número masivo en la industria que consigue retornos de inversión duplicados. Por ejemplo, un 1% de ahorro en queroseno de avión puede ahorrar 30.000 millones de euros anualmente.

En el sector petróleo y gas, IIoT es un gran cambio. Este sector es muy sensible a la búsqueda y encuentro de nuevas reservas. Sensores, datos y analítica predictiva son capaces de investigar espacios y posibilidades sin intervenir físicamente en el entorno más de lo mínimo.

El sector logística también está incorporando IIoT. Por ejemplo, la tecnología de códigos de barras se usa para el empaquetado, los pallets y los contenedores para monitorizar la entrega inbound y las salidas de almacenamiento. Las etiquetas RFID almacenan información electrónica en la etiqueta e incluyen capacidad de comunicación sin cables via campos electromagnéticos. Permiten disminuir más la mano de obra y aumentar el grado de fiabilidad. El lector RFID lee la identificación de la orden, el producto, la cantidad etc…, incluso temperatura y humedad, y lo manda directamente al sistema ERP. Esto permite una gestión de inventario de gran precisión. De igual forma estas etiquetas ayudan monitorizar máquinas, camiones y otros vehículos.

Asimismo, se usan sensores telemétricos para el mantenimiento preventivo de las máquinas. Y personas, porque estos sensores telemétricos pueden usarse como predictores de fatiga para evitar accidentes provocados por las largas horas que deben trabajar los operadores. Algunos como el popular que usa Caterpillar incluye un sensor infrarrojo y cámaras para monitorizar los ojos del conductor, calcular el ratio de parpadeo y el tamaño de las pupilas. Cuando se producen síntomas de soñolencia, se activan vibraciones en el asiento.

En el sector retail también se está implantando. La web permite la comunicación con el cliente final de promociones, videos y realidad aumentada. Aparece una experiencia de usuario muy avanzada. IKEA por ejemplo ha desarrollado una app móvil para simular un determinado ítem de mobiliario en su entorno real, una vez definidas dimensiones, esquemas de color y otras opciones.

Uno de los factores que permite estos usos es la miniaturización de los sensores. Ahora los sensores son más pequeños que un grano de arroz y pueden colocarse fácilmente. Además estos sensores pueden incluir capacidad de proceso y comunicaciones. El desarrollo de plataformas como Raspberry Pi y Arduino permiten dispositivos multisensor  que pueden percibir e influenciar su entorno analógico. Así el proceso de diseño se hace mucho más flexible y eficaz, ya que estos dispositivos permiten la producción de modelos prueba (PoC proof of concept).

Otro factor es la comunicación inalámbrica. Wifi hoy en su versión 802.In permite mover 90 Mbps (bits por segundo) con protocolos de seguridad como WPA2. Pronto veremos wifi 802.Iad con ratios de 6Gbps. Además, empieza a usarse Bluetooth y otras tecnologías como Thread, Digimesh, WirelessHart, LowPower, LoHoWAN, HaLow, ZigBeeIP NAN, DASH7 y otras.

NFC (Near Field Communication) es una evolución de RFID muy usada en pagos sin contacto físico. Un chip embebido en una tarjeta de crédito se activa ante la presencia de otro chip NFC. Como resultado, se traspasan pequeñas cantidades de datos entre ambos chips. No es necesario el más complejo empareamiento y su rango es de unos pocos centímetros. La tendencia es convertir el Smartphone con NFC en un medio de pago.

La interconexión de redes y protocolos se realiza a nivel transporte OSI. El más común es Ethernet (LAN). Esta complejidad de protocolos, redes e interconexiones viene en la práctica solucionada por una capa de Middleware, normalmente adquirible en el mercado y que permite al usuario conectar cualquier dispositivo con cualquier ERP y sistema de control de forma transparente. 

Una vez los dispositivos instalados y conectados a través de un middleware, la fontanería está lista. La innovación de verdad viene con Internet de los Servicios (IoS), es decir, diseñar un modelo de negocio que convierta al producto en un servicio con una línea de ingresos sostenible.

Por ejemplo, Tesla produce coches con sensores instalados. A través de distintas piezas de software instables por Internet, el usuario paga por los servicios que necesita. Otis comercializa ascensores con sensores. Los datos suben a la nube y Otis cobra por un sistema de análisis de esos datos para un mantenimiento preventivo de las instalaciones.

Machine Learning

En este apartado vamos a ver cuáles son los problemas tipo que machine learning como técnica es capaz de resolver. Por ejemplo, regresión y clasificación son dos modelos lineales que resuelven muchos problemas, utilizando herramientas como Spark MLLi. También es posible reconstruir textos, construir arboles de decisión y montar sistemas de recomendación.

En esencia, machine learning es una técnica que permite analizar una data que puede estar disponible a priori y ganar conocimiento de ella. La primera pregunta es cómo obtener esa data. Los bancos registran la interacción con el cliente, los dispositivos biométricos envían datos continuamente, los operadores de telecomunicaciones graban las llamadas… Qué conocimiento puede obtenerse de la data? Segmentación de riesgo crediticio y probabilidad de impago, predicción de la demanda de un servicio, predicción de churn rate, recomendación de contenido, productos o servicios, reconocimeinto de edad y cara, vehículos autoconducidos, robots….

Machine learning es la habilidad de aprender que tiene un ordenador sin haber sido programado para ello.

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.