Por Sindy Ramírez Mora y Marian Paola Valverde Porras – Estudiantes del Innovation Club de ULACIT
Antes de iniciar con la definición de Machine Learning, es de gran interés recalcar la importancia de los datos para una organización o empresa. Los datos son el motor para la mejora continua y, actualmente, las empresas tienen cantidades masivas de datos que manualmente son muy difíciles de procesar o estructurar. Ahora bien, Machine Learning o aprendizaje automático, por su traducción al español, se describe, según González (2020), como “una disciplina científica del ámbito de la Inteligencia Artificial que crea sistemas que aprenden automáticamente […] quiere decir identificar patrones complejos en millones de datos”. El análisis de estos patrones en los datos son los que proveen lo necesario al algoritmo para aprender y tomar decisiones en el futuro basándose en un patrón, todo esto sin intervención por parte del ser humano. Esto hace que nos surja la pregunta: ¿qué hace una computadora para pensar como humano y poder prevenir un evento?
Se puede decir que los datos son la base del Machine Learning, aquí entra lo que se conoce como Big Data. Según Red Hat (2020): el big data consta de datos que son tan grandes o complejos que no pueden manejarse con los métodos tradicionales de procesamiento. En general, también se conoce al big data por sus "tres V": volumen, variedad y velocidad. El volumen se refiere a su gran tamaño; la variedad, a la amplia cantidad de formatos no estándar, y la velocidad, a la necesidad de procesarlos con rapidez y eficiencia.
El Big Data es el encargado de extraer y procesar los datos, estos en grandes cantidades, estructurados o no estructurados, para ponerlos a disposición del Machine Learning. Estas tecnologías les muestran a las empresas problemas o mejoras que no sabían que existían. Ahí es cuando se vuelve una herramienta valiosa para toda organización.
Es importante mencionar algunos de los beneficios de implementar Machine Learning en empresa u organización. Primero, se habla de la disminución de errores, que hace referencia a que en algún punto no se volverán a cometer los mismos errores o malas decisiones que se tomaban antes de la implementación de Machine Learning dentro de una empresa. Esto va muy de la mano con la toma de acciones de forma preventiva, que es cuando el comportamiento de los datos indica posibles eventos. Por ejemplo, una empresa podría detectar en qué punto un cliente abandona el servicio basándose en el comportamiento de este según mensajes, correos o llamadas que responda o rechace. Esto serviría para actuar como empresa una vez que se detecte este comportamiento en un cliente.
Por último, se considera importante mencionar la automatización de procesos. Primeramente, optimiza el tiempo de investigación y acción dentro de las organizaciones. Además, en el área industrial, las máquinas con un algoritmo de Machine Learning podrían predecir con base en el autoaprendizaje, por ejemplo, una maquinaria con una cinta trasportadora podría mejorar la productividad calculando cuál sería la velocidad adecuada de la cinta trasportadora.
En conclusión, el Machine Learnig puede ser una herramienta muy valiosa que posibilita el desarrollo tecnológico en las empresas, ya que puede mejorar la calidad de un proceso debido a que evita el error humano prediciendo eventos futuros, automatizando procesos. Esta tecnología enfocada en el aprendizaje automático no se encuentra orientada a disminuir las áreas de empleabilidad, sino en su contraparte, a la búsqueda de ayuda fundamentada de las máquinas.
