Inteligencia Artificial en la mejora de los procesos de cualquier compañía

A continuación veremos algunas de las aplicaciones más importantes y ejemplos para ver de una manera más clara cómo puede la IA mejorar los procesos de una compañía.

Aplicaciones de la Inteligencia Artificial en las compañías

Probablemente una de las primeras aplicaciones que se nos venga a la mente al pensar en Eficiencia Operativa sea la automatización de procesos. Esta automatización de tareas manuales y repetitivas permite a los empleados centrarse en otras tareas de mayor valor. Sin embargo, hay muchos tipos de aplicaciones que toman como base la Inteligencia Artificial para mejorar los procesos de una empresa. Tanto aplicadas a gran escala como para obtener pequeñas mejoras en procesos clave, algunas aplicaciones son:

• A gran escala podemos hablar de los sistemas de recomendación. Amazon fue el pionero en aplicarlos al comercio electrónico, ofreciendo cada día a millones de personas productos similares o complementarios a los que están comprando. Con esto ha logrado incrementar sus ventas en alrededor de un 30%. Por su parte, Netflix también es un buen ejemplo en el uso de estos sistemas de recomendación basados en IA, invirtiendo cada año millones de dólares en mejorarlo. Con esto consiguen que sus clientes siempre encuentren algo interesante que ver, aumentando la retención (al lograr que el usuario no quiera irse a otra plataforma).
• Podríamos hablar también del sistema de navegación de UPS, desarrollado con Inteligencia Artificial. Este sistema permite determinar las mejores rutas de entrega en base a factores como el lado del edificio en el que se encuentra el muelle de descarga o el tráfico de la ciudad en tiempo real. Gracias a este sistema, sus repartidores son capaces de realizar entregas más rápidamente, ahorrando unos 300 millones de dólares cada año.
• A pequeña escala podríamos poner como ejemplo un sistema que analice el potencial de una startup y haga recomendaciones a un fondo de capital-riesgo sobre si debe o no invertir en ella.

Mejoras de la IA sobre diferentes tipos de procesos

Algunos procesos que suelen ser comunes a la mayoría de compañías y en los que puede intervenir la IA para mejorar la eficiencia son:

• Mejora de los procesos de producción. Por ejemplo, podríamos contar con una aplicación que aplique visión artificial a imágenes tomadas con cámaras de alta definición. Así podríamos identificar o prevenir errores en productos antes de llegar al consumidor, mejorando la seguridad, la calidad y, con ello, la imagen de la compañía y la satisfacción del cliente.
• Resolución de problemas de atención al cliente. Los chatbots cognitivos son el mejor ejemplo para este tipo de procesos. Un asistente virtual podría contestar a las preguntas más frecuentes de los consumidores, sugerirles fuentes de información o ayudarles a tomar una decisión de compra. Aunque no solucione todos los problemas, esta tecnología puede servir como soporte de nivel 1, funcionando en cualquier momento del día y permitiendo a los agentes humanos centrarse en los casos más complejos.
• Reducción de los costes operativos. De nuevo los asistentes virtuales pueden evitar que los empleados de una empresa tengan que agendar reuniones o buscar salas disponibles de manera manual, mejorando la gestión del tiempo.
• Mejora de la eficiencia en la gestión de los cobros. Por último, la IA puede evitar los procesos manuales al enviar facturas, gestionar proveedores o conseguir la autorización de los responsables. La automatización de estos procesos reducirá considerablemente los tiempos y los errores y proporcionará un acceso más rápido a datos financieros esenciales.

La eficiencia operativa, impulsada por la IA en distintos sectores

Algunos de los sectores en los que podríamos aplicar la Inteligencia Artificial son:

• Energía. En el negocio del petróleo y el gas, la IA está permitiendo a las compañías optimizar su producción y mejorar la gestión de sus activos de distintas maneras. Puede ser identificando oportunidades de perforación, utilizando robots autónomos para inspeccionar tuberías en busca de problemas o predecir el desgaste de los equipos.
• Salud. En el sector de la Salud, la IA está mejorando la eficiencia tanto a nivel de salud pública como a nivel individual. A nivel de salud pública, los modelos de pronóstico impulsados por IA ayudaron a predecir el impacto de COVID-19 en las instalaciones médicas y sus pacientes, permitiendo adaptar las respuestas logísticas a pesar de los desafíos con datos insuficientes y en constante cambio.

A nivel individual, la IA se está utilizando para equipar parches de monitorización de pacientes, aplicando algoritmos de diagnóstico asistidos por IA que permiten el análisis en tiempo real de los signos vitales de los pacientes y proporcionan acciones recomendadas.

• Retail. Ya hemos comentado cómo Amazon se ha centrado en automatizar las interacciones con los usuarios, pero hay muchas otras maneras de sacar partido de la Inteligencia Artificial. Por ejemplo, el retailer alemán Otto llevó a cabo un análisis predictivo capaz de reducir la tasa de devoluciones. Después de un primer análisis, se dieron cuenta de que si un paquete tardaba en llegar al cliente más de dos días, la probabilidad de devolución era mucho más alta. Para reducir este problema, implementaron un sistema que hace un seguimiento del comportamiento de compra del cliente y determina los pedidos que la empresa debería realizar para las ventas de los próximos 30 días, con una tasa de acierto del 90%. De esta manera, además de reducir el tiempo de entrega y, por tanto, las devoluciones, reducen sus propios tiempos de decisión sobre qué y cuánto comprar.

Complejidad en la aplicación de proyectos basados en Inteligencia Artificial

Aunque la IA puede aportar numerosos beneficios a las empresas, como hemos visto en los ejemplos anteriores, estos proyectos también conllevan una serie de complejidades que será necesario superar. Por un lado, es necesario realizar una gestión eficiente de los datos que permita explotarlos con menor esfuerzo (mejorando en digitalización, infraestructura, Gobierno del Dato, etc.).

Además, una de las principales barreras a la mejora de la Eficiencia Operativa será la falta de confianza en la IA. Sin embargo, cada vez más empresas van convirtiendo sus PoCs en MVPs, consiguiendo entender mejor la manera de sacar partido de la IA.

Por otro lado, hay que tener en cuenta que un modelo en producción no es inmutable. Las condiciones y el comportamiento de las personas cambian, por lo que hay que monitorizar y actualizar el modelo constantemente.

Por último, se plantean cada vez más dilemas éticos relacionados con los sesgos y los sistemas de caja negra. Por eso estamos trabajando cada vez más en mejorar ambos aspectos cuidando la calidad de los datos y la explicabilidad de los algoritmos.