Falamos con Isidro Fernández de la Calle, director corporativo Empresas do Grupo Euskaltel, sobre o novo reto que supón para as empresas a Intelixencia Artificial e o Big Data. Un desafío que dende R aproveitamos para ofrecerche as mellores solucións de vangarda.

Que vantaxes me pode ofrecer o uso da IA e o Big Data?

A Intelixencia Artificial irrompeu con gran forza e estase a implantar cada vez en máis ámbitos e industrias diferentes, e dende hai tempo está presente no noso día a día, aínda que non sempre nos deamos conta. Esta implantación, que comezou a grande escala primeiro nas grandes tecnolóxicas (Facebook, Google, Amazon…) está hoxe desenvolvendo en todo tipo de empresas e industrias, tanto grandes como medianas, e mesmos en pequenas empresas por medio de ferramentas especializadas que inclúen opcións para aproveitar técnicas de IA.

Como exemplo do grande impacto que ten nas vidas dos cidadáns, algúns dos moitos usos nos que traballa a industria poderían ser os asistentes virtuais, a condución autónoma, e outros no ámbito sanitario. Con todo, hai un gran número de casos de uso cross que lles afectan a distintas industrias ao mesmo tempo e que non son específicos para un tipo de compañías. Algúns dos principais casos de uso que ten a IA hoxe en día nos que traballamos e que tiveron un grande impacto nas organizacións son a retención de clientes, a predición do risco de préstamos ou financiamentos (máis específico para a industria financeira), a atribución das distintas canles de márketing para a optimización do gasto publicitario, a estimación de xeración ou demanda eléctrica, a detección de fraudes e de ciberataques, a personalización de ofertas a clientes para aumentar a súa satisfacción e a relación comercial e a posibilidade de prognosticar o volume de vendas dunha compañía para facer máis eficaces os niveis de produción, stock e custos.

Como o aproveita R?

En R, dende BAI Analytics estamos tamén aproveitando as vantaxes de contar con modelos de  IA para o noso propio negocio. Mellorar a relación co cliente e a súa experiencia de uso cos nosos produtos é un dos nosos obxectivos de maior impacto. O obxectivo con este tipo de iniciativas é conseguir que os clientes estean máis satisfeitos coa marca e lograr a súa fidelización dos nosos clientes fronte á competencia. Pero conseguir isto abarca múltiples escenarios, desde a propia contratación e habilitación do produto no cliente, que debe realizarse canto antes polos técnicos, para evitar posibles problemas de conectividade durante os primeiros días, ata todo o que conleva que o usuario desfrute sen interrupción dos servizos contratados. Por tanto, o mantemento preditivo dos dispositivos de conexión, evitar erros tanto no servizo como na facturación e ser quen de ofrecer a oferta máis adaptada ás necesidades do cliente son cruciais para aumentar o seu grao de satisfacción.

Por suposto, o uso da IA non acaba aquí; outros usos a nivel de negocio teñen tamén un grande impacto, como pode ser a optimización do gasto en publicidade, co obxectivo de identificar as canles que teñen unha maior audiencia e unha mellor chegada aos teus potenciais clientes, ou ben identificar as mellores opcións de financiamento dos terminais máis relevantes que podemos ofrecer en cada caso.

Por último, e quizais xa máis específico do sector das telecomunicacións, máis aló do mantemento preditivo dos sistemas de comunicación, un aspecto importante é poder prever a demanda de cada tipo de servizo e en cada zona. Como provedor destes servizos é imprescindible garantir a demanda en cada momento coa capacidade suficiente.

Que clientes e departamentos se poden beneficiar do seu uso?

A IA aos poucos está a demostrar que é unha tecnoloxía que pode dar todo tipo de solucións e que de feito as está dando, independentemente da industria da compañía. Inicialmente, a IA tivo maior penetración na industria financeira e aseguradora, xa que, polo seu modelo de negocio, este tipo de compañías posúe volumes de datos moi elevados e varios casos de uso claramente identificados (exemplos como o prognóstico de falta de pagamentos de préstamos e o cálculo da probabilidade de sinistro). Estes dous compoñentes son relevantes e decisivos á hora de levar a cabo este tipo de iniciativas nestes dous sectores para a supervivencia das compañías, o que provocou que sexan dous dos sectores máis competitivos en IA.

A medida que a sociedade e a tecnoloxía foron evolucionando, a IA foi penetrando paseniño en novas industrias, demostrando que hai un gran número de problemas ou casos de uso que pode resolver. Isto provocou un incremento de compañías interesadas no uso desta tecnoloxía, pero o propio avance das tecnoloxías de IA permitiu que poida ser utilizada por máis áreas de negocio e perfís de usuarios, partindo dende o Data Scientist ata o perfil máis puro de negocio.

Un dos aspectos que identificamos levando proxectos de IA a cada vez máis sectores é a homoxeneidade dun certo número de casos de uso. Aínda que cada industria teña os seus casos de uso específicos, case sempre atoparemos a necesidade común de incrementar vendas, reducir a fuga de usuarios, identificar a oportunidade de captar grandes clientes, vender novos produtos ou mesmo a oportunidade de realizar ofertas máis personalizadas.

Democratizar o uso do Data Science a perfís de negocio é un dos grandes éxitos que está a buscar a maioría das compañías, xa que son conscientes de que este tipo de perfil non abunda, e a súa escaseza limita a capacidade de crecemento en termos competitivos.

Deste xeito, aínda que normalmente vexamos que as iniciativas de IA as xestionan os responsables de Data Science, Analytics ou Big Data, cada vez é máis común atopar que estes equipos están descentralizados e teñen presenza en áreas como Márketing, Business Intelligence ou Negocio. Por iso, aínda que seguen moi relacionados con equipos técnicos de científicos de datos, isto lles permite estar máis aliñados cos usuarios de negocio e a súa experiencia.

Que ferramentas se necesitan?

En R usamos unha variedade de plataformas distintas para realizar os modelos de IA, dende R Studio e Jupyter Notebook para os códigos e modelos de IA en R e Python escritos 'ad hoc' ata plataformas específicas de IA que xa usamos e cara ás que imos transicionando cada vez máis, como a nosa propia plataforma de IA chamada Mileva ou a plataforma de IA de DataRobot. Esta transición a plataformas máis modernas permitiu a BAI Analytics avanzar fundamentalmente en dous aspectos que son o tempo de desenvolvemento e posta en produción dos modelos, reducíndoa de varios meses a semanas, e por outra banda axudáronnos tamén na homoxeneización do mantemento dos modelos, ao seguir as mellores prácticas da industria para a vixilancia e gobernanza duns modelos de IA que teñen impacto nas decisións de negocio.

Estás interesado nas solucións de Intelixencia Artificial para a túa empresa? Se queres saber máis, subscríbete ao noso boletín. Tamén podes contactar co equipo da área comercial Empresas de R.