Stephen Hawking ha dicho:, “Cada aspecto de nuestras vidas será transformado [por AI]”, y podría ser “el evento más grande en la historia de nuestra civilización”. Todavía no hemos llegado (decía) pero es sólo cuestión de tiempo.

Hoy China está superando a los EE. UU. No solo en el gran volumen de documentos de investigación sobre IA presentados y publicados, sino también en la producción de documentos de alto impacto, medidos por el 50%, el 10% y el 1% más citados. “Al proyectar las tendencias actuales, vemos que es probable que China tenga más documentos del 10% superior para 2020 y más documentos del 1% superior para 2025” (Instituto Allen de Inteligencia Artificial).

Se pronostica que el gasto mundial en sistemas de inteligencia artificial (IA) alcanzará los $ 35.8 mil millones en 2019, un aumento del 44% con respecto a 2018, y más del doble a $ 79.2 mil millones en 2022 (IDC).

¿Revisemos como sucedió esto en tan corto tiempo?
Durante el año 2015, la inteligencia artificial explotó con $ 5 mil millones en inversiones de riesgo, algunas grandes adquisiciones y cientos de miles depersonas que leen nuestra investigación anterior.

Al igual que con Internet en la década de 1990, los ejecutivos se están dando cuenta de que esta nueva tecnología podría cambiarlo todo, pero nadie sabe exactamente cómo ni cuándo expresa la gente de Harvard Buseiness School Publishing

Luego el panorama fue evolucionando y entre 2016 y 2017 aparecieron las primeras aplicaciones en el escenario tecnológico. Este era el escenario de machine lerning para ese momento. Y este el de Machine Intelligence.

Desde 2018, la IA está aquí y casi todas las industrias ya están siendo afectadas, desde la agricultura hasta el transporte. Cada empleado puede usar la inteligencia artificial para ser más productivo con las herramientas que existen hoy en día. Las empresas tienena su disposición, por primera vez, el conjunto completo de bloques de construcción para comenzar a incrustar la máquina inteligencia en sus negocios. Y a diferencia de lo que fue con Internet, donde los recién llegados a menudo superaban a los primeros en comercializar, las empresas que nacen en la era de la inteligencia artificial están demostrando ser sustentables.

“AI” es el nuevo “Big Data” y la nueva “Nueva Economía”. Las burbujas tecnológicas se definen por términos mal definidos y la proliferación de pronósticos de miles de millones y billones de dólares que conducen a la exuberancia irracional de los inversores.

Entonces, ¿qué deberían hacer las compañías para comenzar?

1 – Hacer el talento más productivo

Una forma de comenzar a obtener de inmediato el valor de la inteligencia artificial es apoyar su talento con las herramientas de productividad fácilmente disponibles.

Algunas de las primeras victorias han sido herramientas de productividad ajustadas a áreas específicas de trabajo de conocimiento: lo que llamamos “Funciones Enterprise”. Con estas herramientas, cada empleado puede obtener algunos de los potestades anteriormente disponibles solo para CEOs.

Las funciones de una empresa comercial típica se pueden clasificar en términos generales en las siguientes categorías:

1. Función de marketing, 2. Función financiera, 3. Función de producción, 4. Función de gestión de recursos humanos, 5. Función de información.

Estas herramientas pueden ayudar con el monitoreo y la predicción (por ejemplo, compañías como Clari pronóstican ventas y priorizan acuerdos) y con entrenamiento y capacitación (Textio – Ver Video – realiza edición de textos predictivos para ayudar a los empleados a escribir documentos más efectivos)

2 – Encontrar fuentes de datos completamente nuevas

El siguiente paso es utilizar la inteligencia artificial para obtener valor de las nuevas fuentes de datos.

Estas nuevas fuentes son ahora accesibles porque el software de IM puede revisar rápidamente enormes cantidades de datos en una manera que hubiera sido demasiado difícil y costosa para la gente.

Imagínese si pudiera permitirse que alguien escuchara cada grabación de audio de sus vendedores y predecir su rendimiento, o haga que un equipo mire cada imagen satelital tomada desde el espacio y determinar qué Los indicadores macroeconómicos podrían deducirse de ellos. Estas fuentes de datos pueden ya sea propiedad de su empresa (por ej., transcripciones de conversaciones de servicio al cliente o datos de sensores prediciendo interrupciones y mantenimiento requerido ), o podrían estar disponibles recientemente en el mundo exterior (datos en la web abierta que proporcionan información competitiva).

Descubrámoslas en el siguiente Informe:

State of AI Report 2019 from State of AI Report

3 – Repensar cómo reconstruir el software que utilizan a diario

Digamos que ha probado algunas nuevas herramientas de productividad y ha comenzado a extraer nuevas fuentes de datos para visión. La próxima frontera para capturar el valor de la inteligencia artificial es construir una competencia duradera, ventaja basada en este nuevo tipo de aplicaciones.

Pero la inteligencia artificial no se trata solo de un mejor software; requiere procesos completamente nuevos y una mentalidad diferente por parte de los que la adoptan.

La inteligencia artificial es una nueva disciplina para que aprendan los gerentes, una que exige un Nueva clase de talento y una nueva estructura organizativa.

La mayoría de los grupos de TI piensan en términos de aplicaciones y datos. Los nuevos grupos de TI pensarán sobre aplicaciones, datos y modelos.

Veamos algunas estadísticas sobre el tema:
El 73% de los altos ejecutivos ven la inteligencia artificial / aprendizaje automático y la automatización como áreas en las que desean mantener o aumentar la inversión, pero solo el 33% declaran que planean invertir más para obtener una mejor visibilidad de sus procesos, sin tener en cuenta que comprenden sus procesos actuales primero podría ayudarlos a determinar qué tecnologías serían más beneficiosas para su negocio (Celonis).

El 71% de las empresas de EE. UU. Planean aprovechar más herramientas de IA / ML para la seguridad este año, pero solo el 49% de los profesionales de TI se sienten extremadamente cómodos usando estas herramientas, al 76% no les importa si sus empresas las aprovechan y el 56% aún no lo son seguro de lo que realmente significan AI y ML (Webroot).

El 82% de los tomadores de decisiones empresariales y de TI están de acuerdo en que las estrategias de toda la compañía para invertir en tecnologías impulsadas por IA ofrecerían ventajas competitivas significativas, solo el 29% dijo que sus compañías tienen esas estrategias en su lugar (DXC).

El 66% de los expertos en seguridad dijeron que confiarían en la IA, en comparación con el 74% que dijeron que lo harían en 2018. Cisco atribuye la disminución a su mayor confianza en que “migrar a la nube mejorará los esfuerzos de protección, mientras que aparentemente disminuye la dependencia de menos tecnologías como la inteligencia artificial “(Cisco).

El 83% de los profesionales de TI confía en que su organización tiene todo lo que necesita para defenderse contra los ciberataques avanzados basados ​​en IA y ML, pero el 36% informó que su organización ha sufrido un ciberataque perjudicial en los últimos 12 meses a pesar de usar herramientas de seguridad de AI / ML (Webroot )

Casi el 90% de los líderes de TI ven que su uso de AI / ML aumenta en el futuro y el 41% busca tecnología que funcione con IA, un factor importante en sus decisiones de compra. Sus principales preocupaciones: la seguridad de los datos (47%), la implementación de AI / ML (40%), impulsar la innovación e implementar nuevas tecnologías (40%) (Adobe).

El 37% de los líderes de servicio están probando o utilizando bots de inteligencia artificial (IA) y asistentes virtuales de clientes (VCA), y el 67% de esos líderes creen que son herramientas de alto valor en el centro de contacto; El 68% de los líderes de servicio cree que los bots de IA y los VCA serán de gran importancia para ellos y sus organizaciones en los próximos dos años (Gartner2).

4 – Incorpore en su Big Picture la combinación de códigos, datos y un modelos.

“Modelo” aquí significa reglas comerciales, como reglas para aprobar préstamos o ajustar el poder consumido en centros de datos.

En el software tradicional, los programadores crearon estas reglas a mano. Hoy en día, la inteligencia artificial puede usar datos y nuevos algoritmos para generar un modelo demasiado complejo para cualquier programador humano para escribir. Con el software tradicional, el modelo cambia solo cuando los programadores lo reescriben explícitamente. Con inteligencia artificial, las empresas pueden crear modelos que evolucionan mucho más regularmente, lo que le permite construya una ventaja duradera que se fortalezca con el tiempo a medida que el modelo “aprende”.

A menos que usted desarrolle en primera línea piense en estos modelos como empleados con un enfoque limitado, con excelentes recuerdos y no tan buenas relaciones sociales.

Ellos pueden predecir la mejor manera de hacer crecer el negocio, hacer que los clientes sean más felices o reducir costos. Pero a menudo fallarán miserablemente si intenta aplicarlos a algo nuevo o, lo que es peor, puede degradarse de manera invisible a medida que cambian su negocio y sus datos. Todo esto significa que la disciplina de crear aplicaciones de inteligencia artificial difiere de la tradicional software, y las empresas necesitan personal con modelos abiertois a la hora de observar y concebir las situaciones.

Afortunadamente, aunque encontrar el talento adecuado puede ser difícil, las herramientas que los desarrolladores necesitan para construir este software están fácilmente disponibles.

Por primera vez, hay una “pila” de bloques de construcción que las empresas están madurando. Puede usar para practicar la nueva disciplina de la inteligencia artificial. Muchas de estas herramientas están disponibles como bibliotecas gratuitas de código abierto de empresas tecnológicas como Google (TensorFlow), Microsoft (CNTK) o Amazon (DSSTNE).

Otros facilitan la colaboración de los científicos de datos y gestionar modelos de inteligencia artificial. Si su CEO tiene dificultades para responder la pregunta de cómo la inteligencia artificial cambiará su industria, eche un vistazo a la gama de mercados en nuestro panorama.

Las primeras aplicaciones útiles de la inteligencia artificial en una industria tienden a utilizar datos que anteriormente habían permanecido inactivos. La atención médica es un excelente ejemplo: estamos ver modelos predictivos que se ejecutan en los datos del paciente y la visión por computadora que diagnostica la enfermedad desde las imágenes médicas y los datos de salvamento de los datos genómicos.

El siguiente será finanzas,transporte y agricultura debido al volumen de datos disponibles y su pura economía valor.Su empresa aún tendrá que decidir cuánto confiar en estos modelos y cuánta potencia Concédelos en la toma de decisiones comerciales. En algunos casos, el riesgo de un error será demasiado grande para justificarlo.La velocidad y las nuevas capacidades.

Su empresa también tendrá que decidir con qué frecuencia y con cuánta supervisión para revisar sus modelos. Pero las empresas que deciden invertir en los modelos correctos e integrar con éxito la inteligencia artificial en su organización mejorará de forma predeterminada a medida que sus modelos aprender de la experiencia.

Los economistas se han preguntado durante mucho tiempo por qué la llamada revolución informática no ha logrado ganancias de productividad.

La inteligencia artificial finalmente se dará cuenta de la promesa de la informática. Los líderes y las salas de directorio que reconozcan ese hecho primero, y transformen sus formas de trabajar en consecuencia, sacarán ventajas y serán más sustentables que sus competidores.
.

Aplicación a la Agricultura

La agricultura de estilo corporativo ya emplea una serie de herramientas de tecnología de punta, entre ellas el modelado climático sofisticado, los sensores de terreno, el cultivo genético de semillas y los drones. No obstante, no es la única que alimenta al mundo: hay unas 500 millones de granjas pequeñas —de dos hectáreas o menos— que producen la mayoría de la comida de los países en vías de desarrollo.

En Kenia, agricultores de la yuca utilizan una aplicación móvil para identificar posibles pestes en los cultivos. CreditAnn Njeru/Self Help Africa

PlantVillage, un proyecto de investigación y desarrollo con sede en la Universidad Estatal de Pensilvania, está comenzando a llevar la inteligencia artificial a esas granjas pequeñas. Los científicos de PlantVillage, en colaboración con organizaciones internacionales, con programas de extensión para granjas locales y con ingenieros de Google, están trabajando para diseñar tecnología de IA que puedan usar los agricultores en Tanzania gracias a teléfonos inteligentes de bajo precio. El objetivo inicial es la yuca, un cultivo abundante que puede sobrevivir en sequías y terrenos áridos, pero cuyas cosechas se ven afectadas por las enfermedades de las plantas y las pestes; el rendimiento llega a reducirse en un 40 por ciento o más.

PlantVillage y el Centro Internacional de Agricultura Tropical han desarrollado un asistente sencillo de inteligencia artificial llamado Nuru (luz, traducido del suajili). Si se ondea el teléfono sobre la hoja de una planta, el software diagnostica la enfermedad o la plaga y sugiere tratamientos que no requieren una tecnología sofisticada. Una vez que se descarga, la aplicación no necesita de conexión inalámbrica a datos celulares o potencia de procesamiento remota; es decir, funciona en poblados rurales.

Hay programas en Kenia e India que ya están en marcha. Mientras que en las naciones desarrolladas, mucha gente teme que la inteligencia artificial elimine empleos, “en los países de ingresos bajos que no cuentan con el capital humano en campos, como las ciencias agrícolas, hay una oportunidad de usar la inteligencia artificial para romper el ciclo de pobreza”, señaló David Hughes, entomólogo de la Universidad Estatal de Pensilvania y director de PlantVillage.

Apuntes del Dr Fabián Sorrentino sobre la próxima era analítica de la era de la inteligencia artificial editada por Harvard Business Review + Big Data y Analitic Hub de IBM + NY Times, Inteligencia Artificial en las Industrias.