Los datos siguen siendo trending topic en todos los sectores económicos y la extracción de valor de los mismos está siendo una prioridad cada vez mayor. Ésto ha conllevado una demanda exponencial de formación en soft y hard skills (conocimiento funcional y técnico) en relación a conceptos tales como Big Data, Plataformas Cloud, Arquitecturas en proyectos cloud, automatización de procesos, ciencia de datos o BI entre otros. Pero sobre todo desde hace años, se ha visto una creciente aplicación de técnicas de IA y ML en distintos sectores.

En este artículo, pretendemos repasar algunas de las aplicaciones más extendidas durante el 2021 relacionadas con proyectos con datos, así como los principales factores que intervienen a la hora de resolver los posibles problemas que se encontrarán las empresas inmersas en esta transformación digital.  

¿A causa de, o gracias a?

Durante los últimos años, multitud de empresas han visto necesaria la migración de sus servicios On-premises a cualquiera de las plataformas cloud públicas actuales. Ésto les ha permitido la aceleración del desarrollo de casos de uso basados en insights extraídos de sus datos utilizando las técnicas antes mencionadas.

Términos como forecast, mantenimiento predictivo, clustering o planificación son ahora el día a día de estas empresas. También hemos aprendido a usar las redes sociales para mejorar nuestros resultados con campañas dirigidas, obteniendo además ratios de conversión más altos.

El futuro es ahora

El proceso de digitalización de la industria es una realidad, y con la implantación de múltiples dispositivos IoT que generan cantidades ingentes de información, el verdadero desafío es transformarlo en acciones que ayuden a prevenir, alertar o aconsejar con un alto grado de éxito. Un ejemplo lo vemos en el diagnóstico temprano de enfermedades o en los prototipos de vehículos autopilotados. Y hablando de seguridad, no podemos pasar por alto la enorme inversión realizada en este sector para paliar la vulnerabilidad de los sistemas y dar confianza a la puesta en marcha de nuevos proyectos tecnológicos. 

Tendencias tecnológicas estratégicas durante el 2021

Durante este año hemos visto una aceleración en las empresas por la incorporación de estrategias de extracción de valor de los datos que ha repercutido en múltiples proyectos en diversas áreas tales como:

  • Business forecasting: permite predicción de desarrollo del negocio en condiciones cambiantes para la mejora en la toma de decisiones contemplando escenarios de pronósticos en tiempo real y teniendo gran impacto en casos tales como la gestión inteligente del riesgo
  • Automatización de ML: la madurez de las plataformas cloud está reduciendo los tiempos del time to market, permitiendo la automatización end-to-end y mitigando acciones manuales.
  • Marketing efectivo: la presencia en redes sociales, utilización de SEO, personalización de emails o análisis de sentimientos está permitiendo a muchas empresas la estimación del churn rate, recomendaciones personalizadas o segmentación de mercados.
  • Evolución del IoT: tendencia creciente en ciberataques puede afectar al prestigio de muchas empresas y provocar daño económico crítico. En este escenario, modelos de confianza cero, protección en trabajo remoto o prevención de fuga de información han sido los caballos de batalla.
  • Captación de datos de clientes: los datos más valiosos de una compañía son los de sus clientes. La protección de datos personales está siendo de atención prioritaria en los proyectos IA.

 

¿Y mañana?

Las plataformas cloud están cada vez más alineadas con estas necesidades de escalabilidad, seguridad, conectividad e integración de servicios. Uno de los ejemplos claros,  es la integración de servicios cognitivos, con otros tipos de servicios como la exploración analítica. 

Dichas plataformas se conectan de forma natural permitiendo resolver problemas complejos con arquitecturas modulares que se pueden aplicar tanto  en tiempo real como en tiempo diferido.

Así pues, la información estructurada o no estructura (voz, imagen o texto), puede ser tratada con alto grado de efectividad, por estos servicios cognitivos  al alcance de cualquiera.

La interacción hombre máquina siempre ha sido uno de los mayores desafíos en la IA, y uno de los casos de uso más populares siguen siendo los asistentes conversacionales. Hoy en día los vemos por todos lados. La evolución clara de estos asistentes es su colaboración, permitir que distintos bots expertos en ciertas áreas de conocimiento cooperen entre ellos y obtengan herramientas más versátiles.

La comunicación siempre va a ser un factor importante donde hoy en día existen algoritmos que realizan traducciones simultáneas de texto a múltiples idiomas o la obtención de subtítulos en tiempo real. Se vislumbra la producción masiva de dispositivos de traducción simultánea que nos permitan mantener conversaciones en las que los participantes pueden hablar en diferentes idiomas.

La democratización de la IA o ML sigue también con pasos firmes, y ésto puede verse en la disponibilidad de cada vez más herramientas que nos permiten crear arquitecturas y soluciones, sin necesidad de tener un gran conocimiento técnico. Así pues, muchos chatbots sencillos pueden ser construídos a partir de algunos drag and drops o bien otras herramientas para la exploración y manipulación de datos en ingestas masivas en data lakes también están empezando a ser utilizadas habitualmente siguiendo la misma filosofía.

Finalmente pero no menos importante es la investigación que se está realizando para hacer que los dispositivos IoT tengan cada vez más independencia y permitan una mayor personalización. Se buscan distintas alternativas para reducir modelos de ML que puedan ser ejecutados en dichos dispositivos y ver cómo este aprendizaje específico puede ser aprovechado por otros modelos centralizados con el objetivo de aprovechar estas sinergias y encontrar modelos más robustos que de nuevo puedan ser repercutidos sobre los dispositivos de referencia. 

Sin duda ésto es una perspectiva fascinante que tiene mucho camino por recorrer, y donde ya se han dado los primeros pasos.

Tecnologías que acelerarán el crecimiento en 2022

Lo que está por venir es aún más apasionante y suscita gran interés por la comunidad de IA y las empresas que necesitan productos cada vez más sofisticados. Como resultado, algunas de las áreas donde se vislumbra mayor impacto son:

  • IA determinará decisiones de infraestructura: proveedores Cloud son cada vez más  estratégicos proporcionando mayor integración en servicios cognitivos e procesos con capacidades de cómputo cada vez mayores.
  • Inteligencia aumentada: mayor interacción entre robots y humanos donde se acelerará procesamiento de datos no estructurados de forma efectiva.
  • Mayor concienciación de la ética en proyectos IA: proactividad en manejo de incertidumbre y explicabilidad en los modelos e impulso de métricas que aseguren fairness.
  • Comunicación en tiempo real: NLP está permitiendo evolución rápida en NLU y NLG lo que habilitará traducción simultánea conversacional. La generación automática de texto o imagen favorecerá mayor contenido personalizado.
  • No-coding Machine Learning: plataformas cloud trabajan para conexión natural entre herramientas de preprocesamiento, modeling, monitoring, tuning o deployment. Ésto permitirá un rápido desarrollo de soluciones complejas mediante drag and drop en la implementación de pipelines end-to-end.
  • TinyML permitirá más autonomía en los dispositivos IoT: la captura datos a gran escala junto al diseño de modelos adaptativos en tiempo real permitirán una personalización sin límite.

 

Imagen: Unsplash | @sortino

Author

  • Data Scientist in Keepler Data Tech: "Live full, die empty" defines my state. This becomes my lifestyle taking me out of my comfort zone and driving my voracious learning attitude about different aspects of Data Science. I love learning by teaching and am always open to new challenges that push me further my comprehension."