Tecnología Machine Learning para los no programadores

Para captar y fidelizar a los más de 100 millones de clientes que tiene en el mundo, un instrumento clave de Netflix ha sido el Machine Learning (aprendizaje automático). Este produce modelos de aprendizaje capaces de analizar gran volumen de datos y, por medio de algoritmos, dar solución automática a diferentes necesidades. Netflix, por ejemplo, lo utiliza para predecir las preferencias de los usuarios con los datos que de ellos recopila. Con esa información, aplica algoritmos de recomendación para armar su biblioteca.

Arturito, el chat bot del Banco de Crédito del Perú (BCP), aplica un modelo de aprendizaje automático que, gracias al input de abundante data, genera algoritmos que dan respuesta inmediata a diferentes consultas financieras por medio del Facebook Messenger. Similar funcionamiento tiene Amanda, el chat bot de Scharff orientado a atender consultas pero en el ámbito logístico. Uber en Estados Unidos usa su sistema de reconocimiento facial para temas de seguridad.

VALOR HUMANO: EL JUICIO
Hoy, las aplicaciones del Machine Learning se han extendido a muchos sectores y modelos de negocio. Hay muchos modelos de Machine Learning ya diseñados en donde la gran labor es pensar cómo aprovecharlo en un negocio; en otros casos, en cambio, se requiere crear un propio modelo.

En cualquier escenario, parte del éxito del Machine Learning depende de algo elemental: el suficiente criterio o juicio para recolectar los datos, comprender el modelo que se utiliza y saber usarlo en el objetivo de un negocio, algo que requiere también de una dosis de creatividad. Ahí está en gran parte el valor agregado del capital humano.

Para ello, en opinión de Carlo Rodriguez, CEO & Digital Strategist de Attachmedia, se requiere no solo habilidades de programación, sino combinarlas con las capacidades de uno o varios Data Scientist, cuyas habilidades deben ser las de estadística y programación; este explora y analiza datos de múltiples fuentes. Además, tiene una fuerte visión de negocio para extraer y transmitir recomendaciones a los responsables de su empresa.

“Gran parte del trabajo del Data Scientist es extraer la data estructurada y no estructurada del negocio para crear él o los modelos que respondan al objetivo planteado –de hecho la extracción y clasificación es normalmente la mitad del trabajo-; de ahí el programador trabaja en aplicarlo con otros sistemas y automatizarlo”, dice Rodríguez.

Similar opinión tiene Neil Osorio Alvarez, investigador en nuevas tendencias, quien indica que más que un programador, se necesita un analista en Business Intelligence para conocer qué es lo que tiene y necesita la empresa. Las personas que trabajan en estas áreas son las que ya vienen aplicando por años los temas de estadística, creación de modelos y extracción de datos para la generación de insights. Rodríguez indica que no existe mucho capital humano con esta experiencia, por lo que contar con este recurso requiere una inversión importante.

Además, “a su vez la rotación tiende a ser alta porque reciben mejores ofertas laborales de otras *empresas*”, dice. Frente a ello, asegura que las empresas deben pasar por una curva de aprendizaje de prueba y error, “lo ideal es pasar la curva lo más rápido posible, mientras más se demore en realizarse iniciativas de Machine Learning mayor tiempo requerirá ganar experiencia”, apunta.

PROYECTOS ÁGILES
En esta situación, otro consejo importante es empezar con proyectos pequeños que permitan ganar conocimiento antes de embarcarse en algo más complejo. Y pensar: ¿tengo algo que pueda ser automatizado? ¿Tengo los datos históricos para crear un modelo?, caso contrario: ¿qué capacidades con Machine Learning ya han sido construidas y cómo puedo aplicarlas?

Según el LinkedIn’s 2017 U.S. Emerging Jobs Report, “los trabajos con mayor potencial de crecimiento se centran en tecnología; los ingenieros machine learning, los data scientists y los ingenieros de Big Data se encuentran entre los mejores puestos de trabajo emergentes, con empresas en una amplia gama de industrias que buscan esas habilidades”.

Conscientes de su inminente impacto en los negocios, en el Perú existen centros de estudio que invierten en capacitación en Inteligencia Artificial y Machine Learning, como la Universidad UPC.

PANEL G: INTELIGENCIA ARTIFICIAL
En la última edición de Panel G: Inteligencia Artificial, los gerentes generales de los sectores de telecomunicaciones, tecnologías, banca, educación e hidrocarburos comentaron cómo está evolucionando la Inteligencia Artificial en el mercado peruano. Encuentra este suplemento gratis en tu Revista G.