Los avances tanto en automatización como en inteligencia artificial han abierto el camino para soluciones de la vida real que pueden ayudar a las organizaciones a ahorrar dinero y recursos.
Según el reporte «Inteligencia artificial y crecimiento económico: oportunidades y desafíos para México».
Elaborado por el Centro de Implementación de Políticas Públicas para la Equidad y el Crecimiento (Cippec).
Si se acelera la adopción de tecnologías asociadas a la IA.
Se podría tener un crecimiento económico sostenido general del 1% del PIB durante la próxima década.
De otro lado, el «Estudio de Madurez de la inteligencia Artificial en México».
Elaborado por Metrics en colaboración con El Financiero, Coparmex, EGADE y el Aspen Institute.
La tecnología se puede utilizar para tareas necesarias pero tediosas, que consumen mucho tiempo y que serían más propensas a errores sin su ayuda.
Sin embargo, tanto la inteligencia artificial como la automatización inteligente a menudo se malinterpretan.
Y cuando se trata de IA, la exageración se está extendiendo más rápido que la ciencia real.
Los subconjuntos de inteligencia artificial, como el aprendizaje automático y el aprendizaje profundo, pueden ayudar a las organizaciones a examinar sus datos y abordar soluciones del mundo real.
Como el reconocimiento facial o el conteo de personas.
Por su parte, la automatización inteligente puede ayudar aún más a las organizaciones mediante el uso de datos existentes y la automatización del análisis basado en esos datos.
Lo que en última instancia ayuda a mejorar las operaciones y el flujo de trabajo, así como a reducir las respuestas redundantes.
Pero ninguna de las tecnologías es «inteligente» en el sentido de que no pueden pensar o actuar como humanos. Estamos a muchos años de eso.
Ambas tecnologías cuentan con soluciones realistas que se pueden implementar hoy y que ofrecen a las organizaciones beneficios reales.
Para comprender algunos de esos beneficios, primero debemos comprender qué son la IA y la AI.
Sus limitaciones y cómo se puede implementar efectivamente la automatización inteligente.
Alcances de la inteligencia artificial (IA) en la seguridad electrónica
A menudo se habla de inteligencia artificial y, sin embargo, muchas capacidades se malinterpretan, no se definen o se confunden.
La incomprensión de las capacidades de la IA puede conducir a expectativas poco realistas.
En ciencia de datos, la IA se refiere a un cerebro artificial completamente funcional que es consciente de sí mismo, inteligente y que puede aprender, razonar y comprender.
Si bien los avances en lo que se conoce como tecnologías de IA han recorrido un largo camino y continuarán haciéndolo.
La realidad de la IA, sin embargo, es muy diferente a la de una computadora inteligente que puede aprender y tomar decisiones como un ser humano.
En la práctica, y en lo que se refiere a la industria de la seguridad física en particular.
La IA es una tecnología que ejecuta una serie de algoritmos, busca en grandes bases de datos o realiza cálculos rápidamente para proporcionar información más profunda.
Los resultados pueden ayudar a los usuarios a tomar decisiones de manera más rápida y eficiente dependiendo de la aplicación.
Ejemplos generales de aplicaciones que se incluyen en «IA» serían el reconocimiento facial, la detección de objetos o el conteo de personas.
Debido a que es un término muy amplio, cuando se usa sin aclaración, la IA a menudo puede no cumplir con las expectativas de los usuarios.
En realidad, lo que es posible hoy en día, son subconjuntos de inteligencia artificial, como las técnicas de aprendizaje automático que incluyen redes neuronales y aprendizaje profundo.
Por ejemplo, el aprendizaje profundo utiliza algoritmos específicos de tareas para ayudar a entrenar a una computadora a clasificar adecuadamente las entradas.
Para hacer esto, los programadores «enseñan» a una computadora mediante el ingreso de una gran cantidad de datos con las etiquetas correspondientes.
Y mediante la mejora de la capacidad de la tecnología para reconocer nuevas entradas.
En un escenario de la vida real, el aprendizaje profundo se está utilizando, por ejemplo, en la solución de reconocimiento automático de matrículas (ALPR), Genetec™ AutoVu™.
Genetec entrena el sistema de ALPR utilizando conjuntos de datos de imágenes de LPR sin procesar, con un conjunto limitado de posibles clases o salidas.
El objetivo es que el sistema tome una imagen de la parte trasera de un vehículo que no ha visto antes y muestre los caracteres de la placa.
Junto con otros datos relacionados, como la ubicación de origen, el color y el tipo del vehículo.
El sistema completa estas tareas comparando la nueva imagen con imágenes etiquetadas en su base de datos.
Después calcula la probabilidad de que la imagen pertenezca a un conjunto específico de clasificaciones.
Por otro lado, en la parte del aprendizaje automático o machine learning (ML) podemos ver beneficios para el comercio minorista.
ML puede ayudar a las empresas a analizar procesos o identificar tendencias en los datos que ve.
Por ejemplo, esta tecnología puede ayudar a las tiendas a determinar las tasas de conversión o la cantidad de personas que visitan una ubicación en lugar de comprar.
Un algoritmo de AI, de aprendizaje profundo, de alta precisión, puede rastrear la cantidad de visitantes.
En combinación con los datos de ventas, los minoristas pueden encontrar información valiosa al aprovechar esos datos juntos.
Si bien es muy ventajosa para aplicaciones bien determinadas, la tecnología de IA actual tiene sus limitaciones.
Los casos de uso específicos y los algoritmos pueden ayudar a las organizaciones a encontrar una mayor eficiencia operativa.
Pero no puede enseñar tareas completamente nuevas o dar sentido automáticamente a los datos que no se les enseñaron primero.
De acuerdo con un estudio de la red de servicios profesionales y negocios de PricewaterhouseCoopers, el 69% de los empresarios mexicanos consideran que la IA tendrá un impacto más importante que el internet.
El 86% está de acuerdo en que esta tecnología cambiará la forma de hacer negocios en los próximos cinco años.
Pero sólo el 19% han introducido iniciativas de IA en sus negocios.
