Tener la mayor cantidad de datos posible sobre el accionar de los grupos corporativos y cada uno de los colaboradores, e incluso de las máquinas e instalaciones que conforman la estructura productiva de una empresa, y contar con un sistema que permita interpretar y gestionar esa información adecuada y eficientemente, representa un alto valor agregado para las organizaciones. En especial para aquellas empresas comprometidas con la aplicación de esos datos a proyectos de capacitación, que permitan reforzar conocimientos y desarrollar habilidades y competencias acordes a cada puesto de trabajo y proyecto, a partir de la detección de errores, bajos rendimientos o potencialidades no aprovechadas.
Big Data y Machine Learning son dos conceptos popularizados en los últimos tiempos, cuya gestión y aprovechamiento eficiente se ha convertido en un valor diferencial y competitivo para muchas compañías, en especial dentro del sector logístico, donde los procesos deben estar calibrados al máximo detalle y no presentar fisuras ni presencia de riesgos de seguridad. Detectar una falla a tiempo a partir de un análisis informático, y poder subsanarla en el momento oportuno en forma automatizada, es una necesidad imperiosa en un sector dinámico, globalizado y con una fuerte competencia.
Ahora bien, el machine learning puede analizarse desde diferentes enfoques, entre ellos:
– La capacidad que tienen los sistemas informáticos y eventualmente las máquinas, para aprender a resolver en forma autónoma una diversidad cada vez mayor de problemáticas, interpretando las necesidades y preferencias de las personas, o determinados procesos, como por ejemplo, las operaciones de una compañía ferroviaria en tiempo real.
– La potencialidad que presenta el machine learning para poder identificar preferencias de aprendizaje, a fin de mejorar los niveles de desempeño de los equipos de trabajo, y garantizar su empleabilidad.
Satisfacer necesidades, prevenir y resolver problemas
Trenitalia, el grupo ferroviario del estado italiano, opera una flota de unas 30.000 locomotoras, trenes eléctricos y ligeros, vagones de pasajeros y de carga, poniendo en circulación 8.000 trenes diarios. Con el objetivo de prevenir fallos, reducir el tiempo de inactividad por mantenimiento y optimizar los ciclos de vida, utiliza el análisis predictivo de la plataforma SAP HANA, procesando grandes cantidades de datos en tiempo real, procedentes de sensores y activos inteligentes. Así lo informó el portal MuyComputerPro.com en una reciente cobertura periodística.
Yendo al área de respuesta a necesidades de entretenimiento, uno de los casos más cercanos a la vida cotidiana de las personas en el uso del machine learning para poder interpretar el interés del consumidor y entregarle productos que seguramente serán de su agrado, puede observarse con Netflix, cuyos algoritmos permiten hacer sugerencias a los usuarios, basadas en películas que vieron dentro de esta plataforma de entretenimiento.
En el sector e-commerce, Amazon es una de las grandes empresas que tiene la capacidad de predecir las compras de sus clientes aplicando tecnología Machine Learning, que le permite diseñar sistemas automáticos que recomiendan productos a cada usuario, de acuerdo a sus preferencias. En particular, brinda el servicio Amazon Machine Learning, que facilita a desarrolladores de todos los niveles el uso de la tecnología de aprendizaje automático, sin la necesidad de tener que aprender algoritmos y tecnología específica.
Entre las aplicaciones móviles que implementan machine learning para fines de transporte, se encuentra Faster.city, un asistente de origen español que ayuda a moverse de forma inteligente por una ciudad, analizando los intereses y necesidades de sus usuarios.
En el ámbito turístico, los huéspedes de Carnival Cruises comenzarán a utilizar en breve un medallón (Ocean Medallion), que a partir del concepto ‘genoma de huésped’, aprenderá sobre las preferencias de un pasajero y le ofrecerá opciones en relación a actividades, eventos y excursiones, analizando en tiempo real cada una de las decisiones y opciones que la persona va tomando durante su travesía. El dispositivo también elimina la necesidad de contar con identificadores y tarjetas de crédito, en el barco. Así lo informó la compañía durante la celebración de CES 2017, en Las Vegas.
También en CES 2017 y ante las 3.000 personas que asistieron al discurso inaugural de Huawei Consumer Business Group, su CEO, Richard Yu expresó la visión de Huawei sobre la nueva era en telefonía móvil: el Teléfono Inteligente, un dispositivo potenciado por Inteligencia Artificial, que se enmarca en un nuevo periodo evolutivo, donde los dispositivos están constantemente detectando y recopilando datos sobre nuestro entorno. Según anunció, el teléfono Inteligente podrá anticipar nuestras necesidades con nuevas funciones que encajarán con la manera en que pensamos y sentimos, emulando la capacidad humana de interactuar y entender el mundo que lo rodea. Por ejemplo, estos dispositivos necesitarán de una visión informática avanzada para ver y entender lo que está a su alrededor, y de micrófonos desarrollados para oír e identificar diferentes sonidos. Además exigirán avances en potencia y batería para procesar una amplia cantidad de información. «Actualmente las personas se conectan con el mundo digital usando sus smartphones. En el futuro, el Teléfono Inteligente será una extensión de lo que somos, una parte indispensable de nuestras vidas usará la inteligencia artificial para adaptarse a nuestras necesidades, permitiéndonos interactuar de manera más inteligente con el mundo real y el digital», declaró Yu.
«En la última década, el machine learning nos ha proporcionado vehículos que funcionan sin conductor, reconocimiento práctico de voz, búsqueda efectiva en la web, y un conocimiento infinitamente mejorado del genoma humano», destacan los responsables del curso MOOC sobre ‘Machine Learning‘ impartido desde la plataforma coursera, ofreciendo algunos ejemplos.
Capacitación y gestión del talento
El equipo Sequel de Inria Chile, una fundación sin fines de lucro creada por la institución pública francesa Inria, trabaja con científicos de la Carnegie Mellon University (USA) en un equipo mixto llamado Eduband, que investiga cómo el machine learning puede generar y mejorar nuevas herramientas educacionales. En concreto, registra las reacciones de un usuario que está tomando, por ejemplo, un curso de capacitación, y desarrolla un algoritmo que analiza los datos y formula recomendaciones para facilitar el proceso de aprendizaje. La plataforma automáticamente sugiere ejercicios para enfocarse en temas que el estudiante todavía no entiende y trata con mayor rapidez los puntos que el alumno ya domina.
«La incorporación creciente del Machine Learning, podrá colaborar con las organizaciones en la identificación de necesidades de aprendizaje a partir de un análisis del desempeño y resultados de cada persona», sostiene Carlos Biscay, CEO de e-ABC Learning.
«En términos de aprendizaje, el machine learning nos permite determinar claramente cuáles son las necesidades educativas de cada persona, de acuerdo a su historial formativo, las responsabilidades de su puesto de trabajo, los nuevos desafíos que tiene por delante su empresa, y a su desempeño laboral, entre otros factores evaluados. Los sistemas de gestión del aprendizaje pueden interactuar autónomamente de una forma más intuitiva y focalizada con los estudiantes, entregando información de máxima relevancia a sus profesores/tutores, y en el ámbito corporativo, a sus superiores», explica Biscay.
Por su parte, Bruno Interlandi, Chief Marketing Officer de Wormhole considera que los beneficios que aporta el machine learning a los procesos de capacitación corporativa son principalmente los siguientes:
– Permite aprovechar al máximo las ventajas que provee Big Data. La colección continua de información, en la medida en que se hace suficientemente grande, ofrece la posibilidad de ‘predecir’ o ayudar a tomar decisiones inteligentes, cuando llega la hora de brindar la capacitación a cada colaborador de un equipo de trabajo, pudiendo determinar cuáles son las necesidades puntuales a cubrir, a partir del análisis de datos efectivos relacionados con su desempeño.
– Ayuda a crear un mejor camino de aprendizaje personalizado para cada colaborador, en el marco de un trayecto de capacitación adecuado a las necesidades de todo el grupo de trabajo al que pertenece.
«Las recomendaciones para aplicar en forma efectiva el machine learning residen en que los datos tienen que ser siempre tratados como datos, ya que hay factores en el comportamiento humano, que difícilmente van a poder ser medidos, pero que son igualmente importantes para poder diseñar un proceso de capacitación», destaca Interlandi.
Marcela Vincenti
