Skip to main content
La Trailblazer Community no estará disponible desde el 19/10/2024 7:00PM PDT hasta el 19/10/2024 10:00PM PDT. Planifique sus actividades teniendo esto en cuenta.

Aprender los ingredientes principales sobre la inteligencia artificial

Objetivos de aprendizaje

Después de completar esta unidad, podrá:

  • Identificar tecnologías que conforman soluciones de inteligencia artificial.
  • Describir la función del flujo de trabajo y las reglas en la utilización de predicciones de IA.

Probablemente haya escuchado hablar de la inteligencia artificial últimamente (todas las semanas hay una historia sobre cómo la IA nos ayuda a hacer algo nuevo e increíble). La gente como usted, de todos los tipos de negocios, sienten mucha curiosidad (lo cual es comprensible) por esta tecnología transformadora. Usted está deseando empezar a utilizar IA, pero es posible que tenga muchas preguntas sobre lo que puede y lo que no puede hacer. Conseguir una respuesta para esas preguntas supone un reto, ya que la tecnología detrás de la IA está cambiando a un ritmo increíble.

Para hacerse una idea de lo que la inteligencia artificial puede ofrecer, es importante comprender las partes integrantes básicas de la tecnología con IA. En este módulo, aprenderá sobre estas partes integrantes básicas y sobre lo necesario para comenzar con el primer proyecto de IA; además, verá la manera en la que se utiliza la IA para beneficiar a los negocios mediante la puntuación de candidatos, los pronósticos de ventas, el marketing, el servicio, etc.

Ingredientes principales

La inteligencia artificial puede parecer un poco misteriosa, incluso mágica, la primera vez que escucha hablar sobre lo que puede hacer. Lo cierto es que la IA que impulsa las aplicaciones comerciales se reduce en varias pequeñas partes que, cuando se combinan de una manera innovadora, proporcionan valor real para la empresa. Una manera de pensar en la inteligencia artificial es como si fueran ingredientes que se combinan para crear una receta perfecta para su empresa. Si combina los ingredientes de una manera, obtendrá un plato. Si combina los ingredientes de una manera diferente, obtendrá otro plato. Estos ingredientes sencillos pueden conducir a una impresionante variedad de soluciones para las necesidades de su empresa.

Veamos los ingredientes principales que forman parte de cualquier buena plataforma de IA: predicciones y respuestas de sí y no, predicciones numéricas, clasificaciones, recomendaciones y resúmenes. 

Predicciones y respuestas de sí y no

El primer ingrediente son las predicciones de sí y no. Estas predicciones le permiten responder preguntas como "¿Es este un buen candidato para mi empresa?" o "¿Abrirá este cliente potencial mi correo electrónico?" La IA le ayuda a responder estas preguntas explorando los datos históricos que ha almacenado en su sistema. 

Las predicciones de sí y no suelen darse en forma de probabilidad (por ejemplo, "Existe un 67 % de probabilidad de que Mary Smith abra este tipo de correo electrónico"). A veces, las probabilidades se convierten en puntuaciones. Las puntuaciones son una representación diferente de la probabilidad del "sí". Pueden representarse como números en una escala numérica (por ejemplo, de 0 a 100) o incluso como el número de estrellas en una encuesta de valoración de cinco estrellas. Tenga en cuenta que estas puntuaciones muestran la misma probabilidad de manera diferente. Además, con la ayuda de la IA generativa, puede hacer peticiones que van más allá de las simples preguntas de sí y no, por ejemplo, puede pedirle a la IA que le escriba un correo electrónico de bienvenida para un cliente potencial o que le ayude a elaborar un resumen para una publicación de blog. La IA generativa le proporciona una respuesta dirigida a su petición. La IA generativa, además de responder a su pregunta, continuará mejorando las respuestas basándose en sus comentarios. Cuanto más detallada y específica sea su solicitud, más útil resultará la respuesta. 

Predicciones numéricas

A continuación, hablaremos sobre las predicciones numéricas. Estas predicciones suelen impulsar soluciones de soluciones de predicción predictiva (por ejemplo, "¿Qué ingresos me proporcionará este nuevo cliente?"), pero también se utilizan en otros contextos, como el servicio de atención al cliente (por ejemplo, "¿Cuántos días tardaremos en resolver el problema de este cliente?"). Las predicciones numéricas también utilizan los datos históricos para llegar a esos números.

Clasificaciones

A continuación, hablaremos sobre las clasificaciones. Las clasificaciones suelen utilizar las funciones del "aprendizaje profundo" a fin de trabajar con datos no estructurados, como texto libre o imágenes. La idea es extraer información útil a partir de los datos no estructurados y responder preguntas como "¿Cuántas latas de refresco hay en esta imagen?" Se puede empezar incluso con una frase como "Me gustaría comprar otro par de zapatos como los que compré la última vez", y utilizarla para iniciar un flujo de trabajo que pueda mirar el último pedido de zapatos e incluir el mismo par de zapatos en el carrito de la compra.

La clasificación que utiliza aprendizaje profundo es bastante sólida, incluso cando los datos no estructurados llegan en diferentes formas. Volvamos al ejemplo anterior de los zapatos. Podría decir "Quiero otro par de esos zapatos" o "Dame otro de esos". No importa la manera en la que se exprese la solicitud, el motor de aprendizaje profundo subyacente integrado en una plataforma de IA puede comprenderlas todas de forma general, casi del mismo modo en el que lo hace su cerebro.

Otro tipo de clasificación (que puede utilizar aprendizaje profundo o no) es la agrupación. Este tipo de ingrediente de IA recopila información de los datos que, de otra manera, es posible que se pasen por alto. Por ejemplo, si usted es vendedor de ropa, es posible que la IA aprenda que tanto a los hombres mayores de una zona rural como a los jóvenes de veintitantos de ciudad les gusta un cierto tipo de jersey. Mientras que su intuición puede decirle que estos son dos grupos totalmente diferentes, los datos muestran que se comportan de manera similar en cuanto a los productos que compran, por lo que es posible que quiera vender de una manera parecida para esos dos grupos.

Recomendaciones

A continuación, hablaremos sobre las Recomendaciones. Las recomendaciones son clave cuando cuenta con un gran conjunto de elementos que le gustaría recomendar a los usuarios. Muchos sitios de comercio electrónico aplican estrategias de recomendación a sus productos; pueden detectar que las personas que compran un par de zapatos específico suelen comprar un par de calcetines en particular. Cuando un usuario agregar los zapatos al carrito, la IA automáticamente le recomienda los mismos calcetines.

Las recomendaciones no son solo para los productos. Los expertos en marketing utilizan la misma técnica para recomendar contenido, como documentos técnicos a los usuarios que son empresas. Es posible que las empresas utilicen las recomendaciones con su sistema de contratación de Recursos Humanos, a fin de recomendar puestos de trabajo a los candidatos. Como usuario, puede recibir recomendaciones si tiene problemas a la hora de redactar un correo electrónico o de responder al caso de un cliente. La IA generativa puede generar y proporcionarle respuestas o plantillas para ayudarle a empezar. O bien, puede pedirle a Einstein que le ayude con la redacción y puede ayudarle a hacer el trabajo.

Flujo de trabajo y reglas

El flujo de trabajo y las reglas no son técnicamente parte de la IA, pero son una parte fundamental de la manera en la que se utiliza la IA.  Veamos el siguiente ejemplo. Supongamos que la IA predice que un cliente determinad tiene un 25 % de probabilidades de no renovar su contrato. Saber esto no es suficiente, debe hacer algo al respecto. Aquí es donde entran en juego el flujo de trabajo y las reglas. En este ejemplo, el flujo de trabajo puede ser iniciar una campaña de retención mientras la IA predice que no hay probabilidad de que un cliente renueve. 

Sintetización

Por último, la sintetización. La sintetización juega un papel muy importante en la manera en la que funciona la IA generativa. Imagine que tiene que escuchar horas de grabaciones o tiene que leer un documento de 10 páginas sobre los valores de Salesforce. La IA generativa le ayuda a resumir fragmentos de información en notas que se puedan comprender de una manera más rápida y sencilla. En lugar de tener que pasarse horas revisando grabaciones o notas, Einstein resume la información más importante y retiene su valor, de manera que pueda estar al corriente sin pasar largas horas en un mismo tema. 

Con estos ingredientes fundamentales de IA, puede producir aplicaciones de IA personalizadas que cumplan una gran variedad de necesidades empresariales. En la siguiente unidad, aprenderá los primeros pasos con sus propias soluciones de IA.

Comparta sus comentarios sobre Trailhead en la Ayuda de Salesforce.

Nos encantaría conocer su experiencia con Trailhead. Ahora puede acceder al nuevo formulario de comentarios cuando quiera desde el sitio de la Ayuda de Salesforce.

Más información Continuar para compartir comentarios