Cómo la Inteligencia Artificial combina información global y local

Los operadores deciden sobre la próxima gran apuesta de mercado, ya sea una aplicación de navegación que mapee rápidamente un área menos explorada; marcas de la industria de la moda que eligen el color más cálido de la temporada o un aeropuerto que gestiona retrasos en los vuelos.

¿Qué tienen en común estos escenarios? En cada uno, la inteligencia de enjambre combina una visión global y local para mejorar la forma en que las empresas toman decisiones.

La inteligencia de enjambre es una forma de Inteligencia Artificial (IA), inspirada en el reino de los insectos. En la naturaleza, describe cómo migran las abejas melíferas, cómo las hormigas forman senderos perfectos y cómo las aves acuden. En el mundo de la IA, los sistemas de enjambre obtienen información de personas individuales o sensores de máquinas, y luego usan algoritmos para optimizar el rendimiento general del grupo o sistema en tiempo real.

Si consideramos Waze, la popular aplicación de navegación por carretera que utiliza inteligencia de enjambre para crear y modificar mapas. Comenzando con mapas digitales limitados, comenzó a hacer ajustes basados ​​en los datos de GPS de sus usuarios junto con modificaciones manuales de mapas por parte de los usuarios registrados. Ciudades enteras han sido mapeadas usando este método, como fue el caso en la capital de Costa Rica, San José. Y así como las hormigas señalan el peligro para sus contrapartes, los usuarios de Waze también contribuyen con información en vivo de lugares de accidentes y atascos.

La inteligencia de enjambre ahora se está utilizando para predecir todo, desde el resultado del Super Bowl hasta las tendencias de moda y los principales eventos políticos. Utilizando la inteligencia de enjambre, los inversores pueden predecir mejor los movimientos del mercado y los minoristas pueden pronosticar las ventas con mayor precisión.

Si bien el concepto de inteligencia de enjambre no es nuevo, el advenimiento de la informática de punta ha renovado su ímpetu. Esta tecnología permite un mayor procesamiento y almacenamiento de datos en dispositivos locales en lugar de grandes centros de datos o la nube. Los avances en las tecnologías de Internet de las Cosas (IoT), aprendizaje automático y 5G también hacen que los sistemas de enjambre sean más rápidos y más eficientes.

En un mundo de flujo, escala y complejidad crecientes, ayudará a las empresas de dos maneras principales: encontrar nuevas fuentes de crecimiento y anticipar y gestionar las interrupciones.

Siguiendo el camino de las hormigas hacia el crecimiento

Las hormigas tienen un enfoque muy particular para encontrar un camino a la comida: liberando feromonas constantemente, señalan su progreso al resto del colectivo. Cada hormiga aprende de todas las experiencias de las otras hormigas y, como resultado, cada una se acerca a una fuente de alimento. Finalmente, la colonia identifica el mejor rastro basado en la retroalimentación de hormigas individuales.

Este enfoque presenta una valiosa lección para las empresas que buscan identificar nuevas oportunidades de crecimiento. Las finanzas son una industria en la que es crucial detectar nuevas oportunidades de crecimiento por delante del resto del mercado. Si bien los algoritmos pueden pronosticar las tendencias del mercado, las decisiones de inversión se toman en las salas de juntas, donde las personalidades dominantes y las jerarquías corporativas pueden impedir que los inversores identifiquen o busquen las oportunidades adecuadas.

Para mitigar tales efectos, las grandes instituciones financieras, como los fondos de cobertura y los bancos de inversión, han empleado la plataforma Swarm de Unanimous AI para predecir las áreas potenciales de crecimiento del mercado. Así es como funciona: un equipo de expertos en finanzas utiliza la plataforma para responder una serie de preguntas sobre sus percepciones de las tendencias del mercado. La clave es observar cómo otros participantes, representados por puntos anónimos en la pantalla, responden las preguntas en tiempo real. En lugar de elegir la respuesta basada en un voto simple de la mayoría, los expertos convergen en la clase de activos o mercado que creen que probablemente tendrá el mejor rendimiento en el próximo año.

Louis Rosenberg, CEO de Unanimous AI, explicó: “Las personas les dicen a sus superiores lo que quieren escuchar. En un enjambre, donde todos son iguales y anónimos, se obtiene una combinación de ideas mucho más precisa “. El mismo enfoque se puede utilizar para pronosticar las ventas en el sector minorista. En lugar de una encuesta en la que los consumidores individuales califican los suéteres del 1 al 10, el sistema permite que un grupo focal actúe como un colectivo y acuerde el mejor suéter individual.

Del mismo modo que los inversores observan cómo sus colegas evalúan los diferentes activos, los consumidores pueden ver cuánto prefieren otros participantes un suéter en particular. Los pronósticos de ventas que utilizan esta tecnología están altamente correlacionados con las ventas unitarias reales, prediciendo con éxito el 34% de la variación en las ventas; en contraste, la encuesta de consumidores estándar predijo un mero 4%.

Manejando la interrupción desde cero

En el reino de los insectos, el comportamiento colectivo es la clave para responder a entornos inciertos. Para los mosquitos -por ejemplo- proporciona estabilidad y robustez frente a las perturbaciones medioambientales. De manera similar, la inteligencia de enjambre ayuda a las organizaciones a gestionar eventos disruptivos, a través del poder de los datos colectivos.

Gatwick, uno de los aeropuertos más activos del mundo, es un buen ejemplo. En un intento por mejorar la eficiencia en el contexto de la creciente demanda aeroportuaria y las limitaciones de capacidad, su administración buscó enjambre de inteligencia. Abhi Chacko, jefe de TI Comercial e Innovación en Gatwick, dijo: “Cualquier cosa que se pueda hacer para reducir la interrupción del vuelo hace una gran diferencia en el rendimiento general”.

Anteriormente, Gatwick se basaba en estimaciones de vuelo de regla general de los horarios de salida. Como era de esperar, los factores locales a menudo demostraron que estaban equivocados, debido a factores como variaciones en el clima de un lugar o, inclusive, la falta de personal..

Al trabajar con ConvergentAI, a Gatwick se le ocurrió un sistema basado en enjambre llamado FlightID, que recopila todos los datos en tierra sobre los factores que generalmente afectan los horarios de salida. Tom Brock, CEO de ConvergentAI, llama a este sistema análisis descentralizado de “datos pequeños”. En lugar de observar el retraso promedio del vuelo en el aeropuerto, los algoritmos de enjambre aprenden sobre el desempeño de cada vuelo individual, hasta los detalles arenosos de cómo una aerolínea específica tiende a desempeñarse en días lluviosos.

“Queríamos que el algoritmo tuviera en cuenta varios factores”, explicó Chacko de Gatwick. “El número de pasajeros, por ejemplo, los vuelos más ocupados en aviones más grandes tardan más en partir. Un vuelo de 6 a.m. difiere de un vuelo de 8 p.m. Los viajeros de negocios se comportan de manera diferente a las familias que van de vacaciones “.

Esta visión matizada, más holística, permitió a Gatwick anticiparse y responder mejor al impacto de las condiciones siempre cambiantes. Como resultado, su rendimiento mejoró, ayudando a que 1.5 millones de pasajeros adicionales salieran a tiempo en 2018.

Factores de éxito de una organización de enjambre

Al igual que sus contrapartes del mundo natural, los enjambres de IA necesitan ciertas condiciones para operar con éxito: objetivos específicos, los recursos adecuados y una infraestructura de apoyo, por nombrar algunos. Para un enjambre exitoso se requiere:

• Centrarse en un objetivo operativo clave. Un enjambre de hormigas puede ubicar alimentos en un área masiva porque están enfocados individualmente en un solo objetivo. Para una organización, es probable que el objetivo sea un área importante de desempeño empresarial. Guiado por un objetivo claro de mejorar el tiempo de respuesta del vuelo, Gatwick pudo optimizar su rendimiento dentro de una capacidad limitada.
• Implementar recursos flotantes en áreas de mayor necesidad. Las abejas obreras pueden asumir diferentes roles, dependiendo de las necesidades de la colmena: recolectar polen, alimentar larvas o fabricar cera. Del mismo modo, los sistemas de enjambre pueden ayudar a las organizaciones a responder con flexibilidad a los picos o caídas en la demanda. En el caso de una acumulación de pasajeros, un sistema de enjambre puede ayudar a los aeropuertos a identificar dónde y cuándo abrir nuevos canales de pasajeros o carriles de seguridad.
• Integrarse en el ecosistema más amplio. Las colmenas y las colonias de hormigas no existen en los silos. Comparten sus conocimientos con el resto del enjambre para que pueda adaptarse rápidamente y responder a escala. Del mismo modo, una organización que implementa soluciones de enjambre debe asegurarse de que se beneficie de las diferentes partes de la organización y su ecosistema. Por ejemplo, en un aeropuerto, las marcas minoristas, las aerolíneas y los funcionarios gubernamentales deben respaldar operativamente el sistema de enjambre.
• Facilidad. Si bien la tecnología de enjambre puede ser compleja, los agentes individuales actúan mejor con instrucciones simples. Un sistema de enjambre tiene que ser simple de entender y usar. Ya sea para elegir el mejor suéter o para predecir retrasos en los vuelos, cada miembro del enjambre necesita un plan simple y claro para actuar.
• Humanidad. La IA de enjambre debe verse como una ayuda para la productividad de los trabajadores. Como dijo Chacko: “Queremos que el sistema mejore el juicio humano, no lo reemplace”. Un algoritmo podría decirnos que los viernes por la noche, es probable que un aeropuerto esté lleno de juerguistas con más potencial de interrupción, pero son los humanos los que pueden encontrar soluciones creativas para manejar tales riesgos.

Adaptarse al cambio, manteniendo una escala global, es un problema relativamente nuevo para los negocios, pero que el reino animal ha estado dominando durante millones de años. ¿Qué puede aprender su organización de la inteligencia de enjambre?

Versión al español: Armando Cintra Benítez.

Síguenos en Google News