La opinión de Solver IA

Unir Big Data e Inteligencia Artificial, la clave para una transformación digital de alto nivel

Inteligencia Artificial

Inteligencia Artificial / Gerd Altmann

Jon Ander Gómez

Jon Ander Gómez

Por qué confiar en El PeriódicoPor qué confiar en El Periódico Por qué confiar en El Periódico

Cuando hablamos de Big Data, podemos hacerlo desde distintas perspectivas, la que aquí nos interesa destacar es aquella que lo define como el compendio de grandes volúmenes de datos generados por cualquier actividad humana más los generados por dispositivos IoT instalados en entornos domésticos, industriales y Smart Cities. La capacidad de aprendizaje automático, conocida por su expresión anglosajona Machine Learning (ML), es un área de la Inteligencia Artificial (IA) cuyas técnicas aprenden a partir de datos. Big Data y ML se complementan mutuamente. Big Data proporciona grandes volúmenes de datos; las técnicas de ML, en concreto Deep Learning, son capaces de aprender a partir de los datos. 

Basándonos en las técnicas de ML podemos diseñar y entrenar modelos descriptivos, predictivos y prescriptivos. Los primeros nos permiten obtener una explicación a fenómenos observados y activar alarmas de manera temprana. Los segundos nos permiten anticipar situaciones predefinidas o predecir valores de ciertos. Por último, los modelos prescriptivos evalúan la relación riesgo-beneficio asociada a cada una de las posibles acciones a realizar.

Durante los últimos años, se observa una fuerte y acelerada convergencia entre Big Data e Inteligencia Artificial gracias a los avances de la tecnología. Avances que podemos resumir en mayores capacidades de cómputo, de almacenamiento y de transferencia de datos a menor coste. Esto está forzando, tanto a las compañías de base tecnológica como a cualquier empresa o institución que tome decisiones estratégicas basándose en el análisis inteligente de datos, a un proceso continuo de adaptación a las tecnologías digitales. Consciente de la necesidad que tiene el tejido productivo europeo de estar continuamente innovando, la Comisión Europea ha realizado una importante apuesta de futuro mediante el nuevo programa marco Horizon Europe, cuyo presupuesto inicial para proyectos de I+D+i está alrededor de los 100 mil millones de euros a ejecutar durante el periodo 2021-2027, y donde la inversión directa o indirecta en Inteligencia Artificial es prioritaria.

En este escenario trazado por la Comisión Europea tan orientado hacia el análisis inteligente de los datos, y con base en los rápidos avances y repentinos cambios en el ámbito de las tecnologías digitales que venimos observando desde principios de siglo, podemos afirmar que el proceso de transformación digital es un continuo. Además, el momento presente en el ámbito tecnológico se caracteriza porque la Inteligencia Artificial, y su aplicación en la toma de decisiones estratégicas, es la transformación digital de alto nivel que muchas empresas esperaban. Transformación que tiene realmente la capacidad de aportar valor añadido a toda la cadena de valor de cualquier empresa, y que se materializa rediseñando el ciclo de vida de los datos en todas sus etapas desde la perspectiva del aprendizaje automático.

Las empresas españolas ya no pueden permitirse el lujo de quedar por detrás, y retrasar la decisión si invierten, o no, en soluciones basadas en Inteligencia Artificial para tomar decisiones estratégicas que les permitan ser más competitivas al tiempo que ahorran costes. La cuestión que deben plantearse es cómo llevar a cabo dicha inversión. En el caso de las empresas no tecnológicas, además, deben elegir qué empresa especializada en Inteligencia Artificial las acompaña en el proceso de integración en su cadena de valor de soluciones basadas en IA.

Los expertos en Inteligencia Artificial sabemos de primera mano que el principal reto al que nos enfrentaremos en muchos proyectos es la falta de planificación en el diseño de la captura y el almacenamiento del dato. Esa falta de previsión se traduce, mayoritariamente, en tres importantes contratiempos: falta de datos porque no se recogen con regularidad; cambios de formato y de tipos de datos, porque a partir de cierto día alguien decidió que ahora los datos se recogen de otra manera distinta a la anterior; y falta de la variable de salida, es decir, que los valores de los indicadores a predecir no se han registrado. Por ejemplo, si se quiere detectar fallos en maquinaria, es importante registrar cuando se han producido fallos y cuál fue el motivo. Es curioso como estos tres problemas todavía persisten hoy en día en muchas empresas que todavía se cuestionan si deben invertir seriamente en transformación digital. Transformación que debe liderar el CEO de la compañía con apoyo del CDO (Chief Data Officer). 

Las técnicas de Machine Learning ya han alcanzado un nivel de madurez muy alto, son capaces de superar los mejores resultados obtenidos por sistemas expertos en prácticamente cualquier dominio de aplicación. Como hemos comentado anteriormente, el uso de modelos descriptivos, predictivos y prescriptivos basados en Machine Learning para resolver problemas en cualquier ámbito es indiscutible y de máxima prioridad para la Comisión Europea.

Es necesario que las empresas españolas de cualquier sector decidan hoy cómo invertir en transformación digital, incorporando dicha inversión en la estrategia de la empresa a largo plazo. Sumándonos como país  en un modelo de economía digital aprovechando la apuesta por la innovación de la Unión Europea.