Category: Big Data e Inteligencia Artificial

seamless-customer-experience

Antes del auge Big Data e Inteligencia Artificial (IA), las técnicas de marketing se sostenían en “casi conjeturas” gracias a las investigaciones de mercado offline pero que no siempre reflejaban lo que realmente querían los consumidores al 100%. De ahí que digamos “conjeturas”, como una aproximación o estimación probable. Sin embargo, actualmente, gracias a las nuevas tecnologías inteligentes y al mundo Social Media, las marcas pueden eliminar estas “conjeturas” e incorporar comentarios reales de los consumidores a sus estudios de mercado para obtener una ventaja competitiva.

Por otro lado, existe una nueva generación, los Millennials, que están acostumbrados a trabajar con bots desde realizar una queja a través de chatbots hasta tener “meets” con bots (ej. citar a un coche Uber). Por lo que no sorprende que esta generación quieran que estos bots los ayuden a elegir un atuendo, un coche o una escapada de fin de semana. Ya sean recomendaciones de Amazon impulsadas por la Inteligencia Artificial que revolucionan la cadena de productos o que toda la industria publicitaria se ajuste a los algoritmos de Google y Facebook, que la Inteligencia Artificial ha estado moldeando el espacio online más que cualquier otra tecnología.

Una nueva generación que requiere nuevas soluciones: IA & Seamless Consumer Experience

La solución es simple de explicar pero difícil de ejecutar: hacer que la experiencia de consumo online sea tan parecida como estar en una tienda física o frente una persona real. El ingrediente que falta aquí es una voz: una voz en sentido figurado, que los consumidores deben escuchar sus deseos y necesidades; una voz en sentido literal, que los consumidores deben poder usar el lenguaje para dirigir su experiencia de compra; y una voz en sentido práctico, que las marcas deben utilizar un tono claro.

Un ejemplo claro de todo esto es Starbucks. La app de la compañía -en EE.UU- permite a los clientes usar su propio “Natural Language” para hacer su pedido antes de llegar a la tienda. Como Starbucks sabe, la idoneidad es clave, y el Procesamiento del Lenguaje Natural permite que los pedidos sean personales y fácil de hacer.

A este tipo de soluciones se les llama Seamless Consumer Experience. Se trata de un concepto focalizado en el usuario y cuyo objetivo es hacer que éste obtenga su experiencia en el consumo de un producto o marca de forma sencilla, transparente y sin  interrupciones (ej. colas de espera).

La Inteligencia Artificial no va a reemplazar a las personas, pero debería ayudarnos a trabajar de manera más efectiva y eficiente. Por ejemplo, cuando el consumidor interactúa con un agente virtual, es fácil infundirle una tonelada de información personal sobre él, y puede actuar sobre esa información rápidamente. Si se le proporciona esta misma información a un agente call center, solo hay una cantidad de datos que pueden procesar sin dejar de responder al cliente.

Por tanto, estas tecnologías inteligentes puede ayudar a personalizar y abordar las preocupaciones individuales de manera mucho más rápida y eficiente que las personas, y los escenarios más complejos serán aquellos en los que comience a buscar la intervención humana en combinación con la Inteligencia Artificial. Todo el mundo quiere una interacción fácil, sin fricciones, similar a la de Amazon, Starbuck, … y eso se está convirtiendo rápidamente en una apuesta para las expectativas de los clientes. La IA puede ayudar a que las empresas lleguen allí donde el ser humano no puede.

Tanto la Inteligencia Artificial, Procesamiento del Lenguaje Natural, Machine Learning… son, probablemente, las tecnologías más predominantes en la actualidad ya que la mayoría de las marcas se centran en mejorar la experiencia del cliente (customer experience),  crear interacciones con el cliente más fluidas y sin problemas (seamless) y optimizar sus resultados.

  • Más de 200 propuestas innovadoras presentadas a los desafíos Sacyr i Challenges
  • Sólo 13 proyectos fueron pre-seleccionados para ser expuestas en las sesiones del Pitch Day
  • ITELLIGENT, uno de los agentes innovadores para el reto “Desarrollo de negocio inteligente”

Ayer, 15 de octubre de 2019, tuvo lugar el “Pitch Day” de  Sacyr i Challenges en sus oficinas de Madrid.  Tan solo 13 proyectos de las 200 ideas innovadoras presentadas a esta iniciativa han sido preseleccionadas para darse a conocer en el llamado “Pitch Day”. A lo largo de la mañana de ayer, los agentes innovadores han podido dar a conocer durante 5 minutos sus ideas y potenciales ventajas para cubrir cada uno de los desafíos propuestos por Sacyr.

IMG_1611

El pasado mes de junio, Sacyr lanzaba una nueva edición de Sacyr iChallenges 2019.  Se trata de un programa de innovación abierta y co-creación orientado a resolver, en colaboración con agentes del ecosistema innovador, cuatro retos de negocio planteados por la compañía:

  1. Reto 1: Desarrollo de negocio inteligente. Solución tecnológica, que aglutinando la información disponible en la red, permita la identificación temprana de nuevas oportunidades de negocio para la construcción llave en mano de plantas industriales.
  2. Reto 2: Digitalización de la seguridad laboral. Solución tecnológica que ayude a los empleados y supervisores de obra a prevenir en tiempo real los riesgos de seguridad laboral que puedan surgir durante la ejecución de la misma.
  3. Reto 3: Atención social y cuidado remoto.  Solución tecnológica, con enfoque social y que aporte un valor agregado, para monitorizar en remoto y en tiempo real las rutinas de las personas dependientes, con el fin de ofrecer bienestar a los usuarios y tranquilidad a sus familiares.
  4. Reto 4: Peajes inteligentes. Nuevos modos de detección y clasificación automática de tipologías de vehículos para el cobro de peajes que haga más eficiente el proceso actual y aporte valor a los usuarios, a las administraciones públicas y a Sacyr.

IMG_1610

Nuestro director Técnico, Jaime Martel, tuvo la ocasión de presentar ayer nuestra innovación tecnológica ante el resto de participantes y responsables de diferentes áreas de negocio de Sacyr. Desde ITELLIGENT, como agente innovador, presentamos una solución basada en una plataforma para descubrir oportunidades de negocio y capturar fuentes relevantes de forma automática focalizada en resolver el “Reto 1: desarrollo de negocio inteligente” con los siguientes objetivos:

  • Sistematizar y mejorar la detección de oportunidades comerciales a nivel global
  • Automatizar la extracción de oportunidades comerciales de las fuentes identificadas

Y con la posibilidad de:

  • Digitalizar de forma completa el proceso de gestión de las oportunidades comerciales
  • Generar nuevo conocimiento (ej. tendencias, países emergentes, …) a partir de los datos generados

Entre el resto de agentes innovadores, pudimos escuchar las ideas planteadas por compañías como Vodafone España, Kwido, Artobro Tech, Wattio, IECISA, Zereintia Tech, Detector, Isostopy, Be Prevent, Deoban, CAD.42 y Zerentia Tech.

¡Llega netContent!, una plataforma basada en Inteligencia Artificial (IA) que permite automatizar tareas relacionadas con gestión y clasificación de documentos y otros contenidos multimedia. Gracias a técnicas de IA y Procesamiento de Lenguaje Natural, la plataforma permite extraer e indexar datos además de descubrir conocimiento y detectar oportunidades.

netContent dispone de un acceso para que el cliente pueda realizar diversas gestiones tales como gestionar las reglas a aplicar, habilitar accesos, supervisar documentos y tener acceso a los dashboards con las métricas del sistema. Además, permite volcar el resultado de la gestión documental en los sistemas de gestión del cliente. En resumen, gracias a esta plataforma se puede hacer lo siguiente:

  • Clasificación automática de documentos
  • Indexación de audios  de vídeos y/o podcasts
  • Obtención de texto procedentes de documentos escaneados (OCR)
  • Obtención de tags de imágenes
  • Extracción de textos y metadatos de documentos en distintos formatos
  • Indexación avanzada de textos e imágenes
  • Descubridor de conocimiento
  • Detección de oportunidades

Además, netContent se adapta a las necesidades de cada cliente y posee otras funcionales tales como:

  • Early Warning System, para la detección temprana de oportunidades a partir de bots de búsqueda de oportunidades potenciales y su evaluación  utilizando técnicas de Inteligencia Artificial
  • La gestión documental de estas oportunidades detectadas y su vuelco en el sistema de gestión documental del cliente, si hubiere
  • Asimismo, esta gestión documental servirá para re-alimentar los modelos de Inteligencia Artificial del Early Warning System

¿Qué ventajas obtienes con netContent?

  • Ahorrar en el procesamiento de los documentos. El retorno de la inversión se obtiene por el ahorro de la mano de obra y la mejora en la calidad de los resultados. Por ejemplo, empresas del sector de la construcción u otros sectores que generan grandes volúmenes de documentos y requieren gestionarlos, como por ejemplo, clasificarlos, netContent lo gestiona de forma automática.
  • Permite generar nueva inteligencia. En este caso, el retorno de la inversión no está tanto en el ahorro -que también- si no en la puesta en valor de contenidos y documentos que debidamente tratados pueden generar nueva inteligencia que aporte valor a la propia actividad de la empresa. Por ejemplo, en un bufete de abogados que desea nuevos usos del conocimiento generado por la empresa y busca reducir el esfuerzo de compartir este conocimiento.
  • Analítica avanzada para rentabilizar el esfuerzo empresarial. Gracias a la analítica avanzada de netContent podrás optimizar y sacar partido a la gestión documental de tu empresa.
  • Desarrollo a medida y vuelco de datos en el sistema del cliente. netcontent es adaptable a las necesidades de cada cliente, desde ITELLIGENT desarollamos aquello que nuestros clientes necesite. La plataforma también permite el vuelco de los datos y/oportunidades destacadas en el sistema de gestión documental del cliente.
  • Os recomendamos un framework de Machine Learning de código abierto y multi-plataforma para C#
  • ML.NET ofrece la posibilidad de agregar el aprendizaje automático en aplicaciones de .NET, ya sea en escenarios on line o sin conexión

machine learning mlnet

¿Qué es ML.NET?

ML.NET ofrece la posibilidad de agregar el aprendizaje automático en aplicaciones de .NET, ya sea en escenarios on line o sin conexión. Con esta funcionalidad, es posible realizar predicciones automáticas usando los datos disponibles para la aplicación sin tener que estar conectado a una red.

Aprendizaje automático en ML.NET, ¿qué predicciones puede hacer?

Algunos ejemplos del tipo de predicciones que puede hacer con ML.NET son los siguientes: 

  1. Clasificación y categorización. Por ejemplo, clasificar automáticamente los comentarios de clientes en positivos y negativos
  2. Valores continuos de regresión y predicción. Por ejemplo, predecir el precio de la vivienda según el tamaño y la ubicación
  3. Detección de anomalías. Por ejemplo, detectar fraudes en transacciones bancarias
  4. Recomendaciones. Por ejemplo, realizar sugerencias de productos al consumidor on line en función de sus compras anteriores

ML.NET ofrece Model Builder (una herramienta de interfaz de usuario simple) y ML.NET CLI para que sea muy fácil crear modelos de aprendizaje automático personalizados. Estas herramientas utilizan Automated ML (AutoML), una tecnología de vanguardia que automatiza el proceso de creación de modelos con el mejor rendimiento para su escenario de Machine Learning. Lo único que se necesita es cargar tus dato y AutoML se encarga del resto del proceso de construcción del modelo.

¿En qué se caracteriza ML.NET?

  • Extendido con TensorFlow y otros..  ML.NET ha sido diseñado como una plataforma extensible para que se pueda consumir otros framework de aprendizaje automático populares tales como TensorFlow, ONNX, Infer.NET, entre otros; y tener acceso a más escenarios de machine learning, como clasificación de imágenes, detección de objetos, etc.
  • Alto rendimiento y precisión. Utilizando un conjunto de datos de revisión de Amazon de 9GB, ML.NET entrenó un modelo de análisis de sentimientos con un 95% de precisión. Otros framworks de aprendizaje automático populares no pueden procesar el conjunto de datos debido a errores de memoria. La capacitación en el 10% del conjunto de datos, para permitir que todos los framworks completen la capacitación, ML.NET ha supuesto la mayor velocidad y precisión.

¿Quieres saber más? Puedes consultar todos los tutoriales, ejemplos de código, referencia de API y otra documentación en la web de docs.microsoft.com