Hablamos con Isidro Fernández de la Calle, director corporativo Empresas del Grupo Euskaltel, sobre el nuevo reto que supone para las empresas la Inteligencia Artificial y el Big Data. Un desafío que desde R aprovechamos para ofrecerte las mejores soluciones de vanguardia.
¿Qué ventajas me puede ofrecer el uso de la IA y el Big Data?
LaInteligencia Artificialha irrumpido con gran fuerza y se está implantando cada vez en más ámbitos e industrias diferentes y desde hace tiempo está presente en nuestro día a día, aunque no siempre nos demos cuenta. Esta implantación, que comenzó a gran escala primero en las grandes tecnológicas (Facebook,Google, Amazon…) está hoy desarrollándose en todo tipo de empresas e industrias, tanto grandes como medianas, e incluso en pequeñas empresas por medio de herramientas especializadas que incluyen opciones para aprovechar técnicas de IA.
Como ejemplo del gran impacto que tiene en las vidas de los ciudadanos, algunos de los muchos usos en los que trabaja la industria podrían ser los asistentes virtuales, la conducción autónoma, u otros en el ámbito sanitario. No obstante, hay un gran número de casos de usocrossque afectan a distintas industrias al mismo tiempo y que no son específicos para un tipo de compañías. Algunos de los principales casos de uso que tiene la IA hoy en día en los que hemos trabajado y que han tenido un gran impacto en las organizaciones son laretención de clientes, la predicción del riesgo de préstamos o financiaciones (más específico para la industria financiera), la atribución de los distintoscanales de marketingpara la optimización del gasto publicitario, la estimación de generación o demanda eléctrica, la detección de fraudes y de ciberataques, la personalización de ofertas a clientes para aumentar su satisfacción y larelación comercialy la posibilidad de pronosticar el volumen de ventas de una compañía para hacer más eficaces los niveles de producción, stock y costes.
¿Cómo lo aprovecha R?
En R, desde BAI Analytics estamos también aprovechando las ventajas de contar con modelos de IA para nuestro propio negocio. Mejorar la relación con el cliente y su experiencia de uso con nuestros productos es uno de nuestros objetivos de mayor impacto. El objetivo con este tipo de iniciativas es conseguir que los clientes estén más satisfechos con la marca y lograr su fidelización de nuestros clientes frente a la competencia. Pero conseguir esto abarca múltiples escenarios, desde la propia contratación y habilitación del producto en el cliente, que debe realizarse lo antes posible por los técnicos, para evitar posibles problemas de conectividad durante los primeros días, hasta todo lo que conlleva que el usuario disfrute sin interrupción de los servicios contratados. Por tanto, el mantenimiento predictivo de los dispositivos de conexión, evitar errores tanto en el servicio como en la facturación y ser capaz de ofrecer la oferta más adaptada a las necesidades del cliente son cruciales para aumentar su grado de satisfacción.
Por supuesto, el uso de la IA no acaba aquí; otros usos a nivel de negocio tienen también un gran impacto, como puede ser la optimización del gasto en publicidad, con el objetivo de identificar los canales que tienen una mayor audiencia y una mejor llegada a tus potenciales clientes, o bien identificar las mejores opciones de financiación de los terminales más relevantes que podemos ofrecer en cada caso.
Por último, y quizás ya más específico del sector de las telecomunicaciones, más allá del mantenimiento predictivo de los sistemas de comunicación, un aspecto importante es poder prever la demanda de cada tipo de servicio y en cada zona. Como proveedor de estos servicios es imprescindible garantizar la demanda en cada momento con la capacidad suficiente.
¿Qué clientes y departamentos se pueden beneficiar de su uso?
La IA poco a poco está demostrando que es una tecnología que puede dar todo tipo de soluciones y que de hecho las está dando, independientemente de la industria de la compañía. Inicialmente, la IA ha tenido mayor penetración en la industria financiera y aseguradora, ya que, por su modelo de negocio, este tipo de compañías posee volúmenes de datos muy elevados y varios casos de uso claramente identificados (ejemplos como el pronóstico de impagos de préstamos y el cálculo de la probabilidad de siniestro). Estos dos componentes son relevantes y decisivos a la hora de llevar a cabo este tipo de iniciativas en estos dos sectores para la supervivencia de las compañías, lo que ha provocado que sean dos de los sectores más competitivos en IA.
A medida que la sociedad y la tecnología han ido evolucionando, la IA ha ido penetrando progresivamente en nuevas industrias, demostrando que hay un gran número de problemas o casos de uso que puede resolver. Esto ha provocado un incremento de compañías interesadas en el uso de dicha tecnología, pero el propio avance de las tecnologías de IA ha permitido que pueda ser utilizada por más áreas de negocio y perfiles de usuarios, partiendo desde el Data Scientist hasta el perfil más puro de negocio.
Uno de los aspectos que hemos identificado llevando proyectos de IA a cada vez más sectores es la homogeneidad de un cierto número de casos de uso. Aunque cada industria tenga sus casos de uso específicos, casi siempre encontraremos la necesidad común de incrementar ventas, reducir la fuga de usuarios, identificar la oportunidad de captar grandes clientes, vender nuevos productos o incluso la oportunidad de realizar ofertas más personalizadas.
Democratizar el uso del Data Science a perfiles de negocio es uno de los grandes éxitos que está buscando la mayoría de las compañías, ya que son conscientes de que este tipo de perfil no abunda, y su escasez limita la capacidad de crecimiento en términos competitivos.
De este modo, aunque normalmente veamos que las iniciativas de IA las gestionan los responsables de Data Science, Analytics o Big Data, cada vez es más común encontrar que dichos equipos están descentralizados y tienen presencia en áreas como Marketing, Business Intelligence o Negocio. Por ello, aunque siguen muy relacionados con equipos técnicos de científicos de datos, esto les permite estar más alineados con los usuarios de negocio y su experiencia.
¿Qué herramientas se necesitan?
En R usamos una variedad de plataformas distintas para realizar los modelos de IA, desde R Studio y Jupyter Notebook para los códigos y modelos de IA en R y Python escritos ad hoc hasta plataformas específicas de IA que ya usamos y hacia las que vamos transicionando cada vez más, como nuestra propia plataforma de IA llamada Mileva o la plataforma de IA de DataRobot. Esta transición a plataformas más modernas ha permitido a BAI Analytics avanzar fundamentalmente en dos aspectos que son el tiempo de desarrollo y puesta en producción de los modelos, reduciéndola de varios meses a semanas, y por otra parte nos han ayudado también en la homogeneización del mantenimiento de los modelos, al seguir las mejores prácticas de la industria para el monitoreo y gobernanza de unos modelos de IA que tienen impacto en las decisiones de negocio.
¿Estás interesado en las soluciones de Inteligencia Artificial para tu empresa? Si quieres saber más, suscríbete a nuestro boletín. También puedes contactar con el equipo del área comercial Empresas de R.