Conocer los principales componentes de la inteligencia artificial

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

• Identificar tecnologías que engloban soluciones de inteligencia artificial
• Describir la función del flujo de trabajo y las reglas en el uso de predicciones de IA

Probablemente oyó platicar mucho sobre inteligencia artificial recientemente: todas las semanas hay una nueva historia de cómo la IA nos ayuda a hacer algo nuevo o sorprendente. Las personas como usted, de todos los tipos de negocios, sienten una gran curiosidad por esta tecnología transformadora. Es algo lógico. Le entusiasma la idea de empezar a usar la IA, pero tal vez tenga muchas preguntas acerca de para qué sirve y para qué no. Además, encontrar respuestas a esos interrogantes es cada vez más difícil, debido a que la tecnología de la IA cambia a una velocidad asombrosa.

Para encontrar un sentido a lo que tiene que ofrecer la inteligencia artificial, es importante entender los componentes fundamentales de su tecnología. En este módulo, explicaremos dichos componentes, qué necesita para iniciar su primer proyecto de IA y cómo se usa la IA para ayudar a las compañías a obtener los mejores puntuajes, previsiones de ventas, marketing, servicios, etc.

Los principales ingredientes

La inteligencia artificial puede parecer algo misteriosa, quizá incluso mágica, cuando le cuentan por primera vez de lo que esta es capaz. En resumidas cuentas, la inteligencia artificial consta de pequeños componentes que, combinados de maneras innovadoras, ofrecen un valor real a las compañías. Por ejemplo, puede imaginarse la inteligencia artificial como un conjunto de ingredientes que le permiten crear la receta perfecta para su negocio. Si combina los ingredientes de un modo concreto, preparará un plato. Si combina los ingredientes de otra manera, preparará un plato diferente. Estos simples ingredientes pueden dar lugar a una impresionante variedad de soluciones para su negocio.

Echemos un vistazo a los ingredientes principales que conforman cualquier plataforma de IA: predicciones positivas o negativas, predicciones numéricas, clasificaciones, recomendaciones y resúmenes. 

Predicciones positivas o negativas y respuestas

El primer ingrediente son las predicciones positivas o negativas. Las predicciones positivas o negativas le permiten responder a preguntas como: "¿Es este prospecto bueno para mi negocio?" o "¿Abrirá este prospecto mi email?". La IA ayuda a responder a estas preguntas analizando datos históricos almacenados en su sistema. 

Las predicciones positivas o negativas suelen mostrarse como probabilidades (p. ej., "María Pérez tiene un 67% de probabilidades de abrir este tipo de email"). En ocasiones, las probabilidades se convierten en puntuajes. Los puntuajes son una representación diferente de la probabilidad de un resultado positivo. Se pueden representar como números o en una escala numérica (por ejemplo, de 0 a 100). Incluso pueden aparecer como un número de estrellas en una encuesta de valoración con cinco estrellas. Tenga en cuenta que estos puntuajes solo son diferentes formas de mostrar la misma probabilidad. Además, la IA generativa permite hacer más que una simple pregunta positiva o negativa; puede pedir “escribe un email de bienvenida para un cliente potencial” o “ayúdame a crear un resumen para mi publicación de blog”. La IA generativa ofrece una respuesta orientada a su solicitud. La IA generativa no solo responde su pregunta, sino que continúa mejorando la respuesta que proporciona a partir de sus comentarios. Cuanto más detallada y específica sea su solicitud, más útil será la respuesta. 

Predicciones numéricas

A continuación, se explican las predicciones numéricas. Las predicciones numéricas suelen permitir una solución de pronóstico predictivo (por ejemplo: ¿qué ingresos me aportará este cliente?), pero también se usan en otros contextos, como el de atención al cliente (por ejemplo: ¿cuántos días tardaremos en resolver el problema de este cliente?). Las predicciones numéricas también usan sus datos históricos para obtener estos números.

Clasificaciones

A continuación, están las clasificaciones. Las clasificaciones suelen usar funciones de aprendizaje profundo para operar en datos no estructurados, como texto libre o imágenes. La idea de la clasificación es extraer información práctica de datos no estructurados y responder a preguntas como "¿Cuántas latas de refresco hay en esta imagen?". Puede ser incluso una afirmación como "Me gustaría comprar otro par de los mismos zapatos que compré la última vez", y usarla para iniciar un flujo de trabajo que busque el último pedido de zapatos y repita el pedido en su carrito de la compra.

La clasificación con aprendizaje profundo es muy sólida, incluso aunque los datos estructurados se obtengan en distintos formatos. Usemos de nuevo el ejemplo anterior con los zapatos. Podría decir: "Quiero otro par de esos zapatos" o "Deme otro par de esos". Sin importar cómo se formule la petición, el motor de inteligencia profunda integrado en una plataforma de IA puede entenderlas todas, de manera muy similar a como lo haría su cerebro.

Otro tipo de clasificación (que puede usar aprendizaje profundo o no) es la agrupación. Este tipo de ingrediente de la IA recopila información estratégica de sus datos que, de lo contrario, pasaría desapercibida. Por ejemplo, si usted es un vendedor de ropa, la IA puede aprender que tanto los hombres mayores de zonas rurales como los veinteañeros de ciudad comparten el gusto por determinados tipos de jersey. Al igual que su intuición puede decirle que se trata de dos grupos totalmente diferentes, los datos muestran que se comportan de modo similar con respecto a los productos que compran. Por eso tal vez quiera tratar a ambos grupos de manera similar.

Recomendaciones

A continuación, están las recomendaciones. Las recomendaciones son clave cuando hay un elevado número de elementos que quiere recomendar a los usuarios. Muchos sitios web de comercio electrónico aplican estrategias de recomendación a los productos; pueden detectar que las personas que compran un par de zapatos concreto también prefieren un determinado par de calcetines. Cuando un usuario agrega esos zapatos a su carrito, la IA le recomienda automáticamente los mismos calcetines.

Las recomendaciones no se limitan a productos. Los especialistas de marketing usan la misma técnica para recomendar contenido como documentos técnicos a los usuarios de negocio. Los empleadores pueden aplicar las recomendaciones para que el sistema de contratación de su departamento de RR. HH. recomiende puestos de trabajo a los prospectos. Como usuario, puede recibir recomendaciones si alguna vez se bloquea redactando un email o respondiendo un caso de un cliente. La IA generativa puede crear y ofrecer respuestas o plantillas para ayudarlo a dar los primeros pasos. También puede pedirle asistencia a Einstein para que lo ayude a terminar un trabajo.

Flujos de trabajo y reglas

Técnicamente, los flujos de trabajo y las reglas no forman parte de la IA, pero son un componente esencial del modo en que se usa la inteligencia artificial.  Veamos el siguiente ejemplo. Digamos que la IA predice que un cliente tiene un 25% de probabilidades de no renovar su contrato. No basta con saberlo, hay que actuar. Aquí es donde entran en juego el flujo de trabajo y las reglas. En este ejemplo, su flujo de trabajo puede llevar aparejado el lanzamiento de una campaña de retención si la IA predice que es poco probable que un cliente renueve el contrato. 

Resumen

Por último, tenemos el resumen. El resumen cumple un papel clave en el funcionamiento de la IA generativa. Supongamos que tiene horas de grabaciones para escuchar o necesita leer un artículo de 10 páginas sobre los valores de Salesforce. La IA generativa lo ayuda a resumir bloques de información en notas rápidas y fáciles de procesar. En lugar de tardar horas revisando anotaciones o grabaciones, Einstein resumen la información más importante y conserva su valor para que usted pueda estar al día sin perder demasiado tiempo en un asunto. 

Con estos ingredientes fundamentales de la IA, puede crear aplicaciones de IA personalizadas que satisfagan diferentes necesidades de su negocio. En la siguiente unidad, aprenderá cómo empezar a usar sus propias soluciones de IA.