Tiempo de lectura estimado: 10 minutos
Actualmente, la inteligencia artificial (IA) es uno de los temas que más invita a la reflexión en el campo de la tecnología y los negocios. Este entusiasmo tiene un fundamento: vivimos en un mundo cada vez más conectado e inteligente. Hoy en día, se puede fabricar un coche, componer Jazz mediante un algoritmo o conectar tu CRM a tu bandeja de entrada para priorizar los correos más importantes. La tecnología detrás de todos estos avances está relacionada con la Inteligencia artificial (IA).
En esta oportunidad te contaremos sobre:
Específicamente, te mostraremos algunas aplicaciones prácticas en CRM, ventas, atención al cliente y marketing. Además, puedes consultar el libro electrónico Inteligencia artificial para CRM: una guía práctica de todo lo que necesitas saber.
La Inteligencia artificial es el campo científico de la informática que se centra en la creación de programas y mecanismos que pueden mostrar comportamientos considerados inteligentes. En otras palabras, la IA es el concepto según el cual “las máquinas piensan como seres humanos”.
Normalmente, un sistema de IA es capaz de analizar datos en grandes cantidades (big data), identificar patrones y tendencias y, por lo tanto, formular predicciones de forma automática, con rapidez y precisión. Para nosotros lo importante es que la IA permita que nuestras experiencias cotidianas sean más inteligentes. ¿Cómo? Al integrar análisis predictivos (hablaremos sobre esto más adelante) y otras técnicas de IA en aplicaciones que utilizamos diariamente.
La mayoría de nosotros tenemos un concepto de la Inteligencia artificial alimentado por las películas de Hollywood. Exterminadores, robots con crisis existenciales y píldoras rojas y azules. De hecho, la IA ha estado en nuestra imaginación y en nuestros laboratorios desde 1956, cuando un grupo de científicos inició el proyecto de investigación “Inteligencia artificial” en Dartmouth College en los Estados Unidos. El término se acuñó primero ahí y, desde entonces, hemos presenciado una montaña rusa de avances (“¡Vaya! ¿Cómo sabe Amazon que quiero este libro?”), así como frustraciones (“esta traducción es completamente errónea”).
Al inicio del proyecto, el objetivo era que la inteligencia humana pudiera ser descrita de forma tan precisa que una máquina fuera capaz de simularla. Este concepto también fue conocido como “IA genérica” y fue esta la idea que alimentó la (asombrosa) ficción que nos daría entretenimiento ilimitado.
Sin embargo, la IA derivó en campos específicos. Con el paso del tiempo, la ciencia evolucionó hacia áreas de conocimiento específicas, y fue entonces que la IA comenzó a generar resultados significativos en nuestras vidas. Fue una combinación entre el reconocimiento de imagen, el procesamiento de lenguaje, las redes neuronales y la mecánica automotriz lo que hizo posible un vehículo autónomo. En ocasiones, el mercado se refiere a este tipo de avances como “IA débil”.
La siguiente tabla muestra algunos acontecimientos importantes en la historia de la Inteligencia Artificial.
Año | Acontecimiento |
1842 |
Lovelace: máquina analítica programable |
1950 |
Turing: la prueba de Turing |
1956 |
McCarthy, Minsky, Rochester y Shannon celebran la primer conferencia sobre IA |
1965 |
Weizenbaum: "ELIZA", el primer sistema especialista |
1993 |
Horswill: "Polly" (robótica basada en el comportamiento) |
2005 |
TiVo: tecnología de recomendaciones |
2011 |
Apple, Google y Microsoft: aplicaciones móviles de recomendaciones |
2013 |
Varios: avances tecnológicos en aprendizaje automático y profundo |
2016 |
Google DeepMind: AlphaGo supera a Lee Sedol en el juego “Go” |
Ahora que ya conoces la definición de la IA y más de su historia, la mejor forma de profundizar en el tema es conocer las principales técnicas de la IA, específicamente, los casos en los que la Inteligencia artificial se utiliza para los negocios.
Generalmente, el concepto de Aprendizaje automático se confunde con el de “IA débil”. Es en este campo en donde los avances más importantes de la IA se están llevando a cabo. En términos prácticos, “el Aprendizaje automático es la ciencia que se encarga de hacer que las computadoras realicen acciones sin necesidad de programación explícita”. La idea principal aquí es que se les puede proporcionar datos a los algoritmos de Aprendizaje automático y luego usarlos para saber cómo hacer predicciones o guiar decisiones.
Algunos ejemplos de algoritmos de Aprendizaje automático incluyen los siguientes: diagramas de decisiones, algoritmos de agrupamiento, algoritmos genéticos, redes Bayesianas y Aprendizaje profundo.
¿Recuerdas cuando Google anunció un algoritmo que encontraba videos de gatos en Youtube? (Si quieres refrescar tu memoria haz clic aquí). Pues bien, esto es Aprendizaje profundo, una técnica de Aprendizaje automático que utiliza redes neuronales (el concepto de que las neuronas se pueden simular mediante unidades computacionales) para realizar tareas de clasificación (piensa en clasificar una imagen de un gato, de un perro o personas, por ejemplo).
Algunos ejemplos de aplicaciones prácticas del Aprendizaje profundo son las siguientes: identificación de vehículos, peatones y placas de matrícula de vehículos autónomos, reconocimiento de imagen, traducción y procesamiento de lenguaje natural.
Es el próximo paso en soluciones de IE (Inteligencia Empresarial). La idea consiste en permitir la automatización total del ciclo de la IE: la incorporación y preparación de datos, el análisis predictivo y los patrones y la identificación de hipótesis. Este es un ejemplo interesante de la recuperación de datos inteligentes en acción. La información que ninguna herramienta de IE había descubierto.
Piensa en el momento en que estás contratando un seguro para tu auto y el agente te hace una serie de preguntas. Estas preguntas están relacionadas a las variables que influyen en el riesgo. Detrás de estas preguntas se encuentra un modelo predictivo que informa sobre la probabilidad de que ocurra un accidente con base en tu edad, código postal, género, marca de auto, etc. Es el mismo principio que se emplea en los modelos predictivos de crédito para identificar a los buenos y malos pagadores. Por lo tanto, el concepto principal de análisis predictivo (o modelado) significa que se puede utilizar un número de variables (ingresos, código postal, edad, etc.) combinadas con resultados (por ejemplo, buen o mal pagador) para generar un modelo que proporcione una puntuación (un número entre 0 y 1) que representa la probabilidad de un evento (por ejemplo, pago, migración de clientes, accidente, etc.).
Los casos de uso en los negocios son amplios: modelos de crédito, modelos de segmentación de clientes (agrupamiento), modelos de probabilidad de compra y modelos de migración de clientes, entre otros.
“Parece interesante... Pero, ¿qué nos ofrece la IA que no tengamos ya?”
Existen muchas aplicaciones para IA en los negocios. En esta publicación nos vamos a centrar en un aspecto fundamental: el cliente. La IA está transformando las expectativas de los clientes. Por ejemplo, el cliente que organiza su vida desde aplicaciones como Uber, Google y Amazon. Estos clientes saben que las empresas disponen de información sobre ellos y, lo que es más importante, saben lo que las empresas podrían hacer con esta información para proporcionar una experiencia de atención al cliente excepcional. Por ejemplo, los millenials están obsesionados con la experiencia de atención al cliente (es decir, todo debe ser sencillo, rápido e inteligente).
Esta es una lista de algunos ejemplos prácticos de cómo la IA está transformando los procesos empresariales.
La IA ofrece una mayor productividad para los equipos de ventas, ya que permite centrarse en las oportunidades que pueden llevarse al éxito, así como ahorrar tiempo al personal de ventas durante el registro de información. Veamos algunos ejemplos a continuación:
Clasificación automática de los casos de atención al cliente, lo que evita depender del agente de atención al cliente a la hora de tener que tomar una decisión y, por lo tanto, ahorra tiempo al agente.
Enrutamiento automático de casos una vez que la llamada se ha clasificado automáticamente, el sistema ya puede reenviar la llamada al agente mejor calificado para determinar el tipo de problema.
Recomendación de soluciones y bases de conocimiento. Esto aumenta la productividad y la calidad de un servicio, al sugerir la solución con mayores probabilidades de resolver el problema del cliente.
Comunicaciones de autoservicio. Research muestra que la generación actual de clientes prefiere el autoservicio (por ejemplo, portal o aplicación del cliente) en lugar de llamar por teléfono a un centro de atención. Gracias a la IA, las comunidades de servicios serán más inteligentes, por ejemplo, al personalizar el entorno que depende del cliente y sugerir soluciones de forma automática, ej. utilizar el reconocimiento de imagen para identificar el producto que está en una foto tomada por el cliente.
Por ejemplo, los bots conversacionales le permiten al cliente enviar mensajes de texto para establecer comunicación.
El marketing es una disciplina que se ha vuelto cada vez más analítica y cuantitativa a lo largo de los años. Muchas de las técnicas de Análisis predictivo y de IA se aplican principalmente en el Marketing, por ejemplo, modelado predictivo para la migración de clientes, probabilidad de compras y modelos de agrupamiento para la segmentación de clientes.
Estos son algunos de los nuevos avances de la IA en el marketing, de forma específica, algunas funcionalidades de Marketing Cloud Einstein.
Puntuación predictiva por correo electrónico: le permite a los profesionales de marketing saber (antes de lanzar una campaña de email marketing) cuál es la probabilidad de que sus clientes respondan a la campaña; o bien, la abandonen. El objetivo aquí es anticipar la respuesta del cliente para ofrecer recorridos personalizados;
Audiencias predictivas: con base en la puntuación predictiva, será posible segmentar mejor tu base de clientes y prospectos en función de un comportamiento predictivo al agrupar a personas que tienen puntos en común. Cuanto mayor sea la segmentación, mejor será la conversión;
Optimización del tiempo de envío: ¿es mejor enviar una campaña a las 2 p. m. o a las 4 a. m.? Con la optimización del tiempo de envío, el algoritmo de IA te indicará la hora en que será más probable que cada contacto en tu base de clientes abra un correo electrónico y participe en tu campaña.
La Inteligencia artificial está transformando nuestras vidas y revolucionará rápidamente la manera en la que trabajamos.
¿Deseas conocer más? Consulta el libro electrónico Inteligencia artificial para CRM: una guía práctica de todo lo que necesitas saber.
Los derechos de ALBERT EINSTEIN se usan con la autorización de la Universidad Hebrea de Jerusalén. Representado exclusivamente por Greenlight.