Cuatro aplicaciones empresariales de inteligencia artificial para 2021

Publicado el 21 julio, 2021

A menudo vemos la inteligencia artificial representada como una máquina omnipotente, pero también es una tecnología que aprende sobre la marcha. Una de las lecciones clave que debe aprender la IA es la inteligencia de ubicación: ¿dónde están los activos, los eventos y las personas en el espacio y el tiempo, y cómo se relacionan entre sí?

Solo piense en toda la tecnología de la era de la pandemia que prospera dependiendo de la ubicación: las aplicaciones de entrega, las pruebas de COVID-19 y los paneles de control de vacunas, los pedidos seguros para llevar de la tienda. La inteligencia de ubicación, el resultado de un sistema de información geográfica (GIS), ofrece un contexto crítico que forma la base de aquello en lo que se puede entrenar a las máquinas para que hagan.

Aquí hay cuatro formas de mejorar la inteligencia artificial con inteligencia de ubicación.

1. Haga predicciones precisas con sistemas de recomendación

Sin ya requerir grandes aportes de datos históricos antes de ponerse a trabajar, la IA ahora a menudo usa el aprendizaje por refuerzo cuando se desconoce una respuesta. Las máquinas están trabajando a través de escenarios de prueba y error, al igual que los humanos, para llegar a una solución cada vez más ideal.

La “automatización de la automatización”, por así decirlo, es como ha descrito el futuro no muy lejano Jensen Huang, director ejecutivo del fabricante de semiconductores NVIDIA. En una entrevista con la revista Time, Huang dijo que espera que la IA mejore operaciones complejas como la producción de alimentos, la logística y la atención médica. Habló de los sistemas de recomendación, los algoritmos que a menudo utilizan el aprendizaje por refuerzo para predecir las elecciones de una persona en función de los hábitos y preferencias, llamándolos los sistemas de inteligencia artificial más importantes de nuestro tiempo.

Si bien es posible que esta IA no necesite datos históricos para predecir mejores resultados, sí necesita un contexto valioso para cualquier misión que tenga entre manos. Diseñar las entradas, las acciones y las recompensas por adelantado que nutren el aprendizaje automático es clave, señala Harvard Business Review. La ambigüedad para comenzar no es buena para un sistema que está descubriendo algo en tiempo real. Ahí es donde entra en juego el GIS, agregando inteligencia de ubicación a un sistema de recomendación para que pueda predecir lo que podría suceder y dónde.

1. Encuentre tendencias cuando y donde están sucediendo

Una cosa es que la IA haga el trabajo pesado de procesar declaraciones de pérdidas y ganancias, y emitir un resultado. Sin embargo, es más útil proporcionar a la IA el contexto que da sentido a esos números. Con las entradas de datos correctas, es decir, la inteligencia de ubicación, la inteligencia artificial puede ser aprovechada para mejorar la toma de decisiones y ayudar a los líderes de la empresa a concentrarse en las tendencias.

Algunos bancos líderes están utilizando el aprendizaje automático infundido con inteligencia de ubicación para analizar los ingresos en las sucursales existentes, emparejarlos con datos demográficos valiosos de áreas de expansión potenciales y predecir las mejores ubicaciones para nuevas sucursales. Con más precisión, pueden decidir dónde expandirse para atraer nuevos clientes sin sacar a los clientes existentes de otras sucursales.

En un ejemplo similar, las empresas de paneles solares están emparejando datos meteorológicos con imágenes basadas en la ubicación impulsadas por IA para elegir los mejores candidatos del vecindario para la tecnología de captura de sol en la azotea.

La inteligencia artificial, impulsada por la inteligencia de ubicación, ayuda a sopesar la mejor ruta por delante y las aseguradoras lo han tomado literalmente. Al utilizar la inteligencia de ubicación junto con la inteligencia artificial para predecir carreteras propensas a accidentes y recomendar rutas más seguras, las empresas que se basan en fórmulas de riesgo esperan menos reclamaciones como resultado.

1. Escanee Big Data rápidamente para localizar mercados ocultos

Las empresas en crecimiento rara vez carecen de los tipos de datos que pueden ayudarlas a expandirse, pero una gran cantidad de información puede ser abrumadora.

El trabajo de predecir picos en la demanda, ver dónde pueden estar disponibles márgenes más altos y mejorar la eficiencia y la entrega de la cadena de suministro, todo viene con una gran cantidad de datos para analizar, más fácilmente realizado por inteligencia artificial. Eso incluye ingerir varios miles de puntos de datos demográficos para determinar quiénes, y lo que es más importante, dónde pueden estar los clientes potenciales.

Con la inteligencia de ubicación incorporada en el proceso, las empresas de redes inalámbricas ponen a la inteligencia artificial a trabajar en grandes cantidades de datos sobre llamadas interrumpidas para mapear posibles sitios de expansión de torres. Se acabaron las conjeturas. Al agregar capas de información sobre la demografía y el crecimiento previsto en un área, las empresas trazan los planes de crecimiento con mayor detalle.

Los minoristas que utilizan la tecnología de inteligencia artificial en conjunto con GIS pueden discernir qué ubicaciones físicas para las futuras tiendas pueden impulsar también las ventas por Internet, creando el complejo pero codiciado «efecto halo», en el que los propietarios de las tiendas están captando clientes en persona y en línea.

1. Planifique con anticipación mediante la ingesta de imágenes y datos de IoT

Hay casi demasiados datos disponibles ahora, transmitidos desde sensores de Internet de las Cosas (IoT), satélites y dispositivos móviles. Cuando esos datos se filtran a través de un programa de inteligencia artificial que tiene contexto de ubicación, los resultados son aún más claros.

Tome como ejemplo un robot escaneando los pasillos de un minorista de artículos deportivos que equipó sus productos con sensores RFID. Se trata de saber qué es lo que más quieren los clientes y hacer predicciones sobre dónde los empleados de la tienda deben centrar sus esfuerzos de reabastecimiento. Las tiendas que han cambiado a pedidos y recogidas en línea, y no ven señales de regresar después de la pandemia, están usando inteligencia de ubicación para capacitar a los sistemas sobre cuándo preparar la bebida de una persona o tener su pedido de comestibles listo en función de dónde se encuentra la persona con respecto a las proximidades de la tienda.

Vigilar las áreas de crecimiento futuro también puede ser tan sofisticado como la vigilancia de grado militar. Al escanear imágenes aéreas en busca de terrenos baldíos con grúas y excavadoras, la IA puede determinar dónde puede ser inminente la construcción de viviendas y centros comerciales. La IA infundida con inteligencia de ubicación incluso escanea imágenes aéreas de los estacionamientos de la competencia para saber qué modelos de autos están estacionados afuera (no simplemente cuántos), para agregar a los datos demográficos potenciales.

En la industria de la energía, la IA está observando imágenes satelitales para mostrar dónde un competidor podría estar construyendo pozos petroleros o usando drones equipados con LIDAR para medir su red de líneas eléctricas. Junto con GIS, la IA puede analizar 10 mil millones de puntos de datos, algo que a los analistas humanos les habría llevado más de cinco años peinar manualmente, para detectar obstáculos como la vegetación que debe podarse o eliminarse.

Vislumbrando el futuro de la IA

Con los comportamientos de los consumidores que cambian rápidamente, y los riesgos externos, como la pandemia de COVID-19, que alteran el status quo, el aprendizaje automático puede mejorar enormemente mediante la superposición de información geográfica. Esa inteligencia de ubicación se obtiene incorporando GIS en aplicaciones de inteligencia artificial.

La IA, incluido el aprendizaje por refuerzo, que se potencia con información de ubicación valiosa, ayuda a los responsables de la toma de decisiones a evaluar y avanzar con confianza y en mucho menos tiempo del que necesitarían las mentes humanas por sí solas para profundizar en los datos.

Helen Thompson – Esri Inc.

Forbes