phonlamaiphoto - stock.adobe.com
IA, ML y RPA, soluciones empresariales que cada día ganan mayores espacios
En la medida en que estas tecnologías maduran, también traen consigo desafíos que no existían hace algún tiempo, como el bajo número de personas especializadas para su implementación.
Dentro del mar de tecnologías que vienen tomándose las distintas industrias y sectores de la economía global, la inteligencia artificial (IA), el aprendizaje automático (machine learning) y la automatización de procesos robóticos (RPA) se presentan como innovadoras soluciones para que las empresas logren automatizar y racionalizar sus procesos hacia la transformación digital.
Con respecto a los casos de uso más comunes y recomendados para estas tecnologías, Gineth Contreras, líder de Channel Sales Alliances & Enablement LATAM en Vertiv, señala que las aplicaciones son tan extensas como variadas, y que hoy en día cuentan con funciones de inteligencia artificial en el sector financiero, deportes y mercadeo, entre muchas más.
No obstante, agrega que uno de los sectores con más impacto y que está siendo beneficiado es el de la salud y biología, donde han evidenciado un incremento en el uso de tecnologías de aprendizaje automático con los cuales, por ejemplo, se ha reducido falsos positivos y falsos negativos con una mamografía de detección basada en IA.
Otro ejemplo, relacionado con lo que se ha vivido en el último año, es la aplicación Covid Symptom Study, la cual analizó datos de más de cuatro millones de contribuyentes y determinó el síntoma más predictivo (pérdida del olfato), y otra aplicación con IA asegura que puede reconocer el covid-19 por el sonido de una tos.
«También hemos visto algunos sectores explotando el crecimiento en la predicción de movimientos (automóviles autónomos) o identificación de imágenes, ya sea para saber el logo corporativo, las expresiones faciales, etcétera. En definitiva, estamos frente a una tecnología potencial», enfatiza Contreras.
Por su parte, fuentes de la compañía ManageEngine aseguran que, desde hace bastante tiempo, la IA ha sido parte de la tecnología moderna y que es cada vez más común en el lugar de trabajo.
Según su reciente «Encuesta de preparación digital 2021», más del 86 % de las organizaciones de todo el mundo han informado de un aumento en el uso de la IA, incluso desde hace dos años. Sin embargo, aclaran que, a pesar de este aumento en la adopción por parte de las organizaciones a nivel global, solo el 35 % dijo que su confianza en la tecnología había aumentado significativamente.
«En Colombia, el gobierno regula la IA a través de la aprobación de la política nacional para la transformación digital e inteligencia artificial; esto se ha reforzado con diversas iniciativas coordinadas que le han permitido al país ser líder regional en este campo. Según el Índice Global de Inteligencia Artificial de Tortoise, la estrategia de Colombia en IA ocupa el puesto 23 a nivel mundial, superando a países como Nueva Zelanda o Japón, y siendo el primer país en desarrollo en esta lista. Así mismo, es considerada como una ‹estrella emergente en IA› por el Índice de preparación gubernamental para la IA desarrollado por Oxford Insights y el Centro Internacional de Investigaciones para el Desarrollo (IDRC)», precisan los voceros.
En cuanto a los usos y beneficios del software RPA, desde Red Hat sostienen que es posible que las palabras «automatización robótica de procesos» lleven a las personas a pensar en los robots físicos que se utilizan en las fábricas, cuando en realidad se trata de bots de software. La RPA los utiliza para automatizar las tareas de software repetitivas de las que solían encargarse las personas, ya sean trabajos simples (como completar formularios y preparar facturas) o complejos (atender a los clientes y resolver problemas).
Así, explican que un caso práctico típico es la automatización de las interacciones que mueven los datos entre las aplicaciones que, de no ser por la RPA, estarían aisladas. Un bot –dicen– puede trabajar dentro de la misma interfaz de usuario que una persona, imitando las acciones como copiar, pegar y hacer clic.
«Una de las principales ventajas de la RPA es la simplicidad. Por lo general, un usuario final puede entrenar e implementar un bot de RPA, sin tener habilidades de desarrollo, para que este comience a realizar tareas útiles de inmediato, las 24 horas del día, a un costo muy bajo. Estas soluciones implican un nivel de riesgo bajo y un posible retorno sobre la inversión elevado», indican los portavoces de Red Hat.
Retos y recomendaciones
Para Contreras, de Vertiv, a medida que estas tecnologías han ido madurando, han traído consigo desafíos que no existían hace algún tiempo. Por un lado, y sobre todo en esta región, todavía existe un bajo número de personas especializadas en su implementación.
Así mismo, añade que en las tendencias se están viendo algunas aplicaciones cuyo uso puede ser tergiversado, por ejemplo en los ‹deepfakes›, que son imágenes y videos hiperrealistas generados por inteligencia artificial.
«Los ‹deepfakes› se están volviendo cada vez más populares, pero implican que sea más complejo identificar los medios reales de los falsos. De igual manera, se ha visto que los modelos de IA pueden tener un sesgo inherente y los piratas informáticos están explotando el sesgo del modelo para engañarlo. Adicionalmente, las diferentes herramientas que han democratizado la inteligencia artificial también están fácilmente disponibles para su uso en aplicaciones maliciosas, como creación de malware; y como resultado de muchas de estas aplicaciones todavía se debe desarrollar mucho más la adopción de nuevos códigos de ética dentro del mundo IA”, manifiesta la ejecutiva.
Por su parte, las fuentes de Red Hat afirman que, si bien la adopción de la inteligencia artificial y el aprendizaje automático ofrece muchos beneficios, también puede traer aparejados algunos desafíos importantes.
En ese sentido, indican que para crear un entorno ágil de IA y ML no solo se debe invertir en sistemas de hardware, sino que también hay que considerar ciertos aspectos relacionados con la arquitectura, la cultura y los procesos. Las soluciones propietarias son complejas y carecen de flexibilidad, así que cada vez es más difícil integrar y ejecutar las cargas de trabajo de IA y ML, según sea necesario.
Por eso, advierten que las prácticas de DevOps de Kubernetes y los contenedores de fuente abierta son indispensables para acelerar los ciclos de vida de la inteligencia artificial y el aprendizaje automático, y la distribución de las aplicaciones inteligentes. Estas tecnologías permiten que los analistas de datos obtengan la agilidad, la flexibilidad, la portabilidad y la capacidad de ajuste que tanto necesitan para entrenar, probar e implementar modelos en la producción.
Para la implementación de esta clase de soluciones, Contreras considera que confluyen muchos actores del mercado: «Si queremos incrementar estas soluciones en nuestra región debemos tener profesionales preparados para esto, por lo cual en el sector educativo es primordial el fomento de carreras de industria 4.0. Así mismo, debe asegurarse que quien accede a las mismas sea un público diverso».
Al mismo tiempo, cree que la mentalidad en líderes y empresarios debe ser la correcta si lo que se quiere es que exista inversión en esta clase de proyectos y una consolidación de estas tecnologías, donde los gobiernos juegan papeles claves en su fomento.
Para ella, si ya se está pensando en implementar estas tecnologías lo primero que se debe tener claro es un marco o estructura de trabajo que permita definir lo que se desea lograr y darle continuidad; por esto, se hace clave determinar qué problema o necesidad se quiere resolver y si realmente la IA es la solución para eso.
«Yo recomiendo estudiar los diferentes whitepapers y tendencias que permiten entender mucho más y cuándo realmente estas soluciones aplican. Una vez que se tiene establecido el problema, es necesario definir qué recursos necesitamos para cubrirlo tanto en tiempo, en presupuesto, en personas, etcétera. Y definir nuestra fuente de datos de forma clara, transparente y legal, ya que de aquí van a partir muchos de los procesos de aprendizaje y metodología de nuestra solución. De aquí en adelante, la solución debe elaborarse, probarse y medir los resultados; este punto es clave y debe hacerse continuamente hasta que se logre optimizar la solución, para luego sí pensar en escalar», puntualiza Contreras.
De forma complementaria, para los portavoces de MagineEngine es probable que el uso de la IA siga aumentando a medida que las organizaciones de Colombia y del mundo siguen transformándose digitalmente. Por lo tanto, cada vez está más claro que los desarrollos de IA tendrán que ser aún más fiables de lo que son actualmente, para reducir el potencial de sesgos involuntarios y aumentar la confianza que los usuarios tienen en la tecnología.
