En el siglo XX se vivieron unos cambios impresionantes a nivel social, partiendo prácticamente de un contexto de miseria global provocado por las guerras mundiales. A finales de siglo llegamos a una situación en la que disfrutamos en los países occidentales del denominado como Estado del bienestar. En los países en desarrollo se comenzaba a vislumbrar un escenario mucho más positivo, con descensos considerables de las situaciones de pobreza extrema y el aumento de la esperanza de vida. Dedicar un rato a navegar por los gráficos y estudios de la iniciativa Our World In Data nos hará ser más conscientes de esta situación y nos permitirá comprobar cómo desde que habitamos en el siglo XXI esa mejora se ha ido produciendo de manera más acentuada.

Pocos pueden tener dudas de que la tecnología digital ha sido una de las palancas más importantes para que hayamos llegado a este momento tan positivo para la humanidad, que nos lleva a pensar en que vivimos en el mejor momento de la historia, pero sin dejar de preocuparnos por las consecuencias que esto puede tener por las situaciones de desequilibrio que se producen de manera asociada con el propio crecimiento.

Al igual que el crecimiento a nivel fisiológico de un niño suele venir asociado con una serie de problemas a nivel emocional, la mejoras a nivel social que estamos viendo en las últimas décadas también implican una serie de problemáticas que tenemos que encontrar la forma de resolver.

Por ejemplo, siguiendo con el tema del Estado del bienestar, el problema que estamos viviendo es una pérdida de libertad de la persona que en la mayoría de las ocasiones se vive de manera inconsciente, pero que se manifiesta claramente a través de escenarios como el consumismo y una dependencia excesiva de las instituciones públicas. No cabe duda de que hemos llegado a esta situación de bienestar gracias al modelo económico propuesto por el capitalismo y al modelo político que propone la democracia. De forma que, para la mayoría de las personas, el capitalismo para gestionar la economía y la democracia para gestionar la política, son hasta ahora los modelos más adecuados por los resultados que nos han proporcionado.

Sin embargo, el capitalismo y la democracia son modelos que no están aprovechando todo el potencial de las innovaciones tecnológicas que se han producido desde la llegada de internet. Podríamos decir que son modelos que aún no se han transformado digitalmente. Entonces, ¿cómo podrían transformarse digitalmente el capitalismo y la democracia? Si ya sabemos que la transformación digital en las empresas pasa por poner a las personas en el centro de los modelos de negocio, comenzando por empatizar con el cliente para entender cuáles son sus necesidades reales y cómo desde la empresa podemos ayudar a resolverlas (human centered design y human centered innovation, por ponerle nombre), con el capitalismo y la democracia podríamos hacer lo mismo: rediseñar los sistemas económicos y sociales para que tengan realmente en cuenta las necesidades e intereses de la persona, no solo los de la sociedad, las empresas o los estados.

Resumiendo un poco todas estas ideas, ahora gracias a las tecnologías digitales tenemos la oportunidad de mejorar los sistemas económicos, sociales y políticos que nos han traído hasta este momento tan bueno de la humanidad, y podemos hacerlo mejorando aún más la vida de las personas gracias a la personalización. El famoso eslogan Don’t be Evil de Google podríamos usarlo de forma genérica para representar un nuevo modelo económico, social y político donde los valores de las personas cada vez tienen un mayor protagonismo.

¿Pero cómo podemos poner estas ideas en práctica? ¿Qué herramientas tenemos para personalizar aún más los sistemas que hacen que funcione nuestra sociedad? La economía conductual puede ser uno de ellos, aunque claramente si somos capaces de usarlo de manera responsable, como hemos sido capaces de hacer con otras innovaciones tecnológicas. Recurriendo al típico ejemplo de la tecnología que permitía controlar la radiactividad, podemos pensar en los cientos de miles de personas que murieron por culpa de las bombas nucleares frente a las millones de vidas que se han salvado gracias a su aplicación en el ámbito de la salud.

Sin duda podríamos haber evitado el sacrificio de todas esas personas y eso es a lo que debemos aspirar siempre que disponemos de una nueva tecnología. Por lo tanto con este tema de la economía del comportamiento podría ocurrir que se usase de manera inadecuada para controlar más a las personas y someterlas aún más bajo el yugo del consumismo, o podríamos utilizarla para mejorar la vida de muchas personas ofreciéndoles servicios y productos personalizados que mejoren significativamente su experiencia como clientes de las empresas.

Muy bien, ¿pero qué es eso de la economía conductual? Para descubrir este concepto hemos pedido a un experto en la materia que nos los explique con detalle, para que ver así cómo podemos aplicarlo en nuestro trabajo y en nuestras empresas.

Descubriendo la economía conductual

Colaboración para Futurizable de Alejandro González San Román, fundador de Coognity.

Desengañémonos, no somos tan racionales como pensamos, y menos cuando hablamos de dinero.

El ser humano es complejo por naturaleza, y nos encontramos repletos de sesgos e ideas preconcebidas que definen la manera en la que tomamos decisiones. Una suerte de arquitectura de decisión que determina cómo compramos en el supermercado o elegimos qué seguro contratar para las próximas vacaciones, y que como ya nos imaginamos, no responde únicamente a criterios racionales, sino a otras muchas variables psicológicas que las desvían de un comportamiento económico racional.

Tipos de personalidad, patrones de toma de decisión, estímulos clave para decidir por un producto u otro… En definitiva, una nueva generación de datos que podría dinamizar la economía digital como pocos imaginan, pero a la vez generar importantes implicaciones éticas y legales acerca del uso, la protección y la comercialización de este tipo de conocimiento como muchos recelan.

Y es que, lejos de teorías clásicas en donde solo se hablaba de agentes económicos racionales (capitanes Spock o Sheldon Coopers dependiendo de la generación a la que pertenezcas), hoy en día están tomando relevancia nuevas teorías vinculadas a la economía conductual o behavioral economics: una ciencia que estudia y aplica tendencias cognitivas, emocionales, humanas y sociales para una mejor comprensión de la toma de decisiones económicas de las personas.

¿Hasta qué punto nos influye ver el precio de un artículo antes de pensar si un producto sustitutivo es caro o barato? ¿Somos directos y arriesgados cuando decidimos, o nos domina la aversión a la pérdida en determinados contextos? La economía digital basada en datos ya es una realidad, y gracias a estudios como el de Richard Thaler —Premio Nobel de Economía galardonado por su contribución a la economía del comportamiento— , la psicología comienza a formar parte de las estrategia corporativas de las compañías. Adiós, Homo Economicus. Bienvenidos a la era del Homo Digitalis.

No obstante, aunque a estas alturas todos comprendemos lo vital que resulta para las empresas y sus marcas el conocer bien a sus clientes, hasta la fecha ese entendimiento se ha basado principalmente en información interna a sus propios sistemas, de puertas hacia dentro, sin contemplar otras fuentes de información externas alternativas o datos vinculados a la psicología del consumidor.

Afortunadamente hoy en día ya es posible comenzar a entender y modelizar esos rasgos de personalidad, con el objetivo de comprender la realidad de los consumidores y optimizar estrategias como las de marketing y ventas que permitan monetizar ese nuevo conocimiento. Ejemplos desde el cálculo de precios dinámicos dependiendo de los factores emocionales del cliente y su disposición a pagar, hasta la personalización de experiencias en el móvil que faciliten atajos y una toma de decisión rápida para una persona en concreto, comienzan a exponerse por los líderes como casos de éxito.

Pero lo que para algunos podría ser una gran oportunidad, para otros son claros riesgos en términos de privacidad y autonomía personal. Cuanto más se conozca sobre una persona, más fácil será controlarla. Y en esta línea, la economista Shoshana Zuboff recientemente ha publicado el libro The Age of Surveillance Capitalism, en el que expone la lógica económica del capitalismo de la vigilancia. Una interesante reflexión sobre el poder que supondría una generación de conocimiento basado en comportamientos, las peligrosas vertientes que podrían aflorar en términos de privacidad, y lo que ella denomina los «behavioral futures markets». Se trata de un inquietante lugar donde las predicciones sobre nuestra conducta se llegarían a comprar y vender a modo de mercado bursátil, y la producción de bienes y servicios se subordinaría a un medio emergente de modificación del comportamiento.

Sin duda, una nueva perspectiva de la economía digital en donde una de sus principales ventajas competitivas se fundamenta en los datos, analizados hasta la extenuación a través de tecnologías basadas en la inteligencia artificial y economía conductual. Sin duda, un nuevo capitalismo digital.

Cómo utiliza el banco BBVA la economía conductual

Recurrimos mucho a la empresa BBVA como ejemplo a la hora de hablar de determinados aspectos relacionados con la innovación, y es cierto que al menos en la parte teórica están siendo capaces de adentrarse en muchos campos de los que nos gusta hablar en Futurizable, como puede ser la criptoeconomía y las metodologías ágiles, entre otras cosas.

En el caso de la economía conductual, el banco también ha empezado hace tiempo a dar a conocer este tema a través de la labor de divulgación que realiza en su newsletter, blog y podcast. Y en lo que se refiere a cómo lo aplica en su actividad, parece muy acertada su estrategia de utilizarlo para ayudar a sus clientes a tomar mejores decisiones. Teniendo en cuenta que en lo que se refiere a gestionar el dinero, las personas tendemos a tomar malas decisiones, como endeudarnos en exceso hasta el punto de acabar siendo esclavos de nuestra hipoteca o ser incapaces de hacer una buena planificación financiera o de ahorro, que nos permita llegar a la jubilación con la tranquilidad de no tener apuros económicos cuando no podamos seguir trabajando.

De esta forma vale la pena fijarnos en cuál es el propósito de la empresa y cómo lo explica de cara a entender cómo se materializa en su estrategia:

«El propósito de BBVA es poner al alcance de todos las oportunidades de esta nueva era. Este propósito está centrado en las necesidades reales de los clientes: proporcionar las mejores soluciones y ayudarles a tomar las mejores decisiones financieras, a través de una experiencia fácil y conveniente. La entidad se asienta en unos sólidos valores: el cliente es lo primero, pensamos en grande y somos un solo equipo. Su modelo de banca responsable aspira a lograr una sociedad más inclusiva y sostenible.»

Como os podéis imaginar, si todo esto es cierto, nos encontramos ante un nuevo paradigma en cuanto al modelo económico y a la forma en la que se gobiernan las empresas del futuro. Vamos a pensar que esto es así y aunque en las empresas siga habiendo muchos intereses particulares, sin embargo cada vez hay más gente al frente de estas organizaciones que está convencida que aportar valor a las personas es la mejor forma de asegurar su futuro.

Veamos entonces cómo entiende BBVA que la economía conductual le puede ayudar a mejorar en su negocio y en el servicio que presta a sus clientes:

«El potencial de la economía conductual es enorme y es muy importante formar equipos que puedan analizar y estudiar las técnicas de ‘behavioral economics’ y que, basándose en la información disponible y en los datos, puedan orientar a los clientes a elegir la mejor solución a sus necesidades financieras. Lo más relevante es que estos nuevos conocimientos se integren en campos ya existentes en el banco y se apliquen en los equipos ágiles y los ‘scrums’, que es donde se desarrollan los productos, funcionalidades y servicios para los clientes. En la constante búsqueda de brindar una experiencia única a sus clientes, BBVA Continental está incluyendo en sus procesos de trabajo nuevas metodologías y disciplinas para entender y satisfacer cabalmente las expectativas de sus clientes.»

Startups que están usando la economía conductual para impulsar sus modelos de negocio

Lemonade es una de las startups más representativas a nivel mundial en el sector Insurtech que utiliza la economía del comportamiento a la hora de diseñar su modelo de negocio y los productos que ofrece a sus clientes en el ámbito de los seguros para el hogar. La empresa ha realizado rondas de inversión por valor de 480 millones de dólares y tiene como consejero a Dan Ariely que es uno de los mayores expertos en economía conductual a nivel mundial.

Welth es una startup mejoramos drásticamente los resultados de salud de pacientes con afecciones crónicas por medio del estudio de la motivación humana y la formación de hábitos. Tras haber recibido inversión por valor de 7,6 millones de dólares la empresa utiliza las tecnologías digitales y la Inteligencia Artificial sobre una base de principios de la economía conductual, adaptados a cada paciente.

OpSeeker es una startup española que se dedica a crear aplicaciones digitales basadas en la economía conductual, la gamificación y la Inteligencia Artificial con el objetivo de mejorar la salud financiera de sus clientes. Para ello ha creado una serie de herramientas online que se ofrecen a través de las instituciones financieras, como es el caso de un coach financiero basado en chatbot que ayuda a los jóvenes de ingresos bajos a desarrollar mejores prácticas de administración de su dinero.

Etiquetas: Big Data, economía, economía conductual

Shiru Cafe es una marca de cafeterías que se ha especializado en ofrecer café gratis a los estudiantes que les proporcionen datos que resulten de interés para las empresas patrocinadoras. Por lo tanto, lo que ha hecho esta empresa es trasladar a los negocios del mundo real el modelo de negocio más exitoso hasta la fecha en Internet: ofrecer un servicio de forma gratuita a los usuarios, al tiempo que éstos proporcionan a la empresa información que puede monetizar a través de publicidad que compran otras empresas.

La historia de Shiru y su café patrocinado bien podría servir como un punto de inflexión respecto a cómo se gestionan los negocios basados en los datos. Realmente resulta curioso que usemos como ejemplo una empresa offline para explicar la idea de que estamos llegando a un punto en el que la gente ya no quiera ceder sus datos a las empresas digitales que les ofrecen productos o servicios de forma gratuita.

«El mayor problema político, legal y filosófico de nuestra época es cómo regular la propiedad de los datos. En el pasado, delimitar la propiedad de la tierra fue fácil: se ponía una valla y se escribía en un papel el nombre del dueño. Cuando surgió la industria moderna, hubo que regular la propiedad de las máquinas. Y se consiguió. Pero, ¿los datos?. Están en todas partes y en ninguna. Puedo tener una copia de mi historial médico, pero eso no significa que yo sea el propietario de esos datos, porque puede haber millones de copias. Necesitamos un sistema diferente. ¿Cuál?. No lo sé. Otra pregunta clave es «cómo conseguir una mayor cooperación internacional». Yuval Noah Harari

El modelo de negocio de los datos en la actualidad

Las 5 empresas más valiosas del mundo tienen modelos de negocio digitales, no exclusivamente basados en los datos, pero sí que son todas empresas de software y hardware que desarrollan una gran actividad en la generación y procesamiento de información en forma de datos, especialmente Google y Facebook, aunque cada vez más también Microsoft con su apuesta por el Cloud y Amazon con su apuesta por los asistentes virtuales basados en Inteligencia Artificial.

Si pensamos en cómo rentabilizan su actividad las empresas denominadas GAFA (Google, Apple, Facebook y Amazon), entendemos por qué se dice que el nuevo oro son los datos y que los datos son el combustible que hace que se mueva la maquinaria de una nueva revolución industrial, la 4.0

Más allá de estas analogías lo que está claro es que en los últimos 20 años hemos visto surgir uno de los modelos de negocio más rentable de la historia: las plataformas digitales que rentabilizan sus audiencias a través de la publicidad.

Google con su publicidad contextual inventó un modelo de negocio basado en saber lo que hacemos cuando buscamos información en Internet, cuando navegamos, cuando nos comunicamos por correo electrónico, cuando trabajamos con herramientas de ofimática online, cuando viajamos ayudados por el GPS, … así hasta el punto de que una de las últimas grandes apuestas de la empresa en lo que a innovación se refiere pasa por entrar en el sector del transporte a través de la conducción autónoma, porque la empresa quiere acompañarnos allá donde queramos ir para estar de manera omnipresente con nosotros y poder mostrarnos en cualquier momento sus anuncios relacionados con el contexto.

Facebook con su publicidad segmentada que le ha ayudado a generar un enorme negocio mostrando anuncios basados en lo que dice la gente que le gusta, piensa, interesa, comenta, … en esta red social y sus app asociadas (Whatsapp e Instagram) que aglutinan a miles de millones de personas, que están constantemente compartiendo información desde sus smartphones. Una información que resulta ideal para cruzar con publicidad de todo tipo de empresas que están deseosas de ofrecer nuevos productos o servicios a los usuarios en estas redes sociales.

Nota sobre la imagen: cuando una startup decide desarrollar un nuevo modelo de negocio una de las primeras cosas que debería hacer es el Mapa de Empatía como una forma de ponerse en la piel del que será su cliente e intentar entender cuáles son sus necesidades reales para las cuales posteriormente se podrá construir una propuesta de valor en la que se basará el negocio de la compañía. En el caso de empresas como Google, Facebook y Amazon, lo que han sido capaces es de generar ecosistemas de los que se destila perfectamente lo que los usuarios necesitan; en el caso de Google, por su gran capacidad de saber lo que el usuario está haciendo; en el caso de Facebook, por lo que dicen y piensan las personas; y en el caso de Amazon, por la posibilidad de adelantarse a las necesidades de sus clientes en relación con las cosas que están interesados en comprar.

Si lo pensamos bien, lo que estas grandes empresas han logrado a través de la innovación en sus modelos de negocio es generar una economía basada en ofrecer a otras empresas nuevas formas de anunciarse e interactuar con sus clientes. Google, como gran catalizador de la web basada en contenido, donde las empresas puedan darse a conocer a través de la información que generan basada en el conocimiento del sector en el que trabajan. Facebook, por medio de las interacciones que los usuarios pueden realizar con las marcas, aquellas que admiran o las que necesitan en su día a día. Amazon, ofreciendo un marketplace en el que cualquier empresa tiene a su disposición a millones de clientes dispuestos a darle trabajo a su tarjeta de crédito.

Por lo tanto, en el lado positivo de la balanza, nos encontramos con la capacidad de estas tres empresas de crear nuevos mercados y potenciar la economía, como por ejemplo la de las pequeñas empresas que antes tenían muy limitadas las opciones para darse a conocer a nivel global, debido a los altos costes de la publicidad en otros medios como la televisión o la prensa y la baja capacidad de «convertir y medir» que ofrecían estos canales.

Pero en el lado negativo nos encontramos todo lo relacionado con los problemas de la privacidad y el control que ejercen estas empresas sobre lo que se sabe de nosotros, algo que en muchas ocasiones puede ser tan importante como aquello que somos. Sobradamente conocidos a este respecto son todos los problemas que pueden suponer para la gente las cosas que publican en las redes sociales, en lo que se refiere a su reputación personal, que tan valiosa resulta a la hora, por ejemplo, de conseguir un empleo, o en aspectos mucho más críticos como pueden ser los relacionados con la seguridad.

Lo que cada vez todos tenemos más claro es que usar los servicios gratuitos que encontramos en Internet tiene un coste que no se paga con dinero, sino con datos. Y, para usarlos, hace falta mucho más que saber manejar aplicaciones online, también hay que ser inteligentes a la hora de decidir qué publicamos en ellas y qué dejamos al resguardo de nuestra privacidad. A este respecto no vamos a profundizar mucho aquí, pero no por ello queremos restarle importancia, de forma que lo que sí que os recomendamos es leer el libro «Datanomics» escrito por Paloma Llaneza o escuchar este podcast que sirve como un buen resumen del libro, en lo que se refiere a la parte de peligros de hacer un mal uso de los datos.

A continuación puedes leer un pequeño extracto del libro que sirve como un buen reflejo de lo interesante que puede resultar su lectura para entender bien lo que implica todo este tema de los datos en el mundo digital.

«Los datos están en nosotros. Somos productores de datos. Una mezcla de percepción equivocada y conocimiento de nuestros sesgos y adicciones nos ha convertido en productores intensivos de datos, recursos necesarios para que siga funcionando una maquinaria de servicios por los que no queremos pagar con dinero. Los datos cuentan nuestro pasado con una precisión nunca vista hasta ahora, y son los posos sobre los que se lee nuestro futuro con los algoritmos que, en muchos casos, lo convierten en una profecía autocumplida. Frente a negocios extractivos de este nuevo petróleo, se alzan cuestiones sobre quién ha de recibir el dividendo de los beneficios que nuestros dobles, nuestros doppelgänger digitales, generan a las empresas que los usan. Y entre tanto ciberoptimismo, el control de los datos se usa como herramienta de control social en un mundo en el que todo lo que se almacena en un sistema informático es susceptible de ser robado. La cuestión, al final, es que ceder nuestros datos excede de la elección individual, cuestionable, como veremos, al afectar a la convivencia y a los fundamentos de las reglas sociales que nos hemos dado para convivir.» Paloma Llaneza

Los bloqueadores de publicidad como indicio de que algo puede estar cambiando

Si lees el libro «Datanomics» o permaneces atento a las noticias que se publican al respecto de los problemas de gestión de los datos personales de sus usuarios que ha tenido Facebook en los últimos años, tendrás claro que algo tiene que cambiar en el futuro si queremos seguir construyendo valor para las personas a través de la tecnología y los negocios digitales. Algo que ha sido así durante mucho tiempo por las grandes ventajas que nos ha aportado Internet y la movilidad, pero que parece estar llegando a un punto de agotamiento donde los inconvenientes empiezan a destacar sobre las ventajas que recibimos. Aunque, por otro lado, pueda resultar contradictorio que, ante esa gran crisis de la gestión de la privacidad que se ha producido en Facebook (que la ha llevado a recibir una multa de 5.000 millones de dólares por parte del Gobierno de los Estados Unidos) ésto no se haya visto reflejado en las cifras de actividad de sus usuarios, en el crecimiento del número de éstos y en el crecimiento de su negocio.

Frente a esta contradicción, tenemos que guiarnos por el sentido común y pensar como los expertos en materia de privacidad y las instituciones que se preocupan por ello, que consideran que ha llegado el momento de pasar a la acción en lo relativo a mejorar la forma en la que se gestiona la información de las personas en Internet. Personas que, de alguna manera, también empiezan a preocuparse por ello, como muestra el incremento en el uso de los bloqueadores de publicidad del que habla el artículo «Llega el fin de la publicidad en Internet. Los usuarios han ganado la batalla» escrito por Doc Searls, uno de los autores del conocido y recomendado Manifiesto Cluetrain.

«Yo creo que el principal motivo por el que la gente rechaza la publicidad se puede resumir en una palabra: rastreo. Durante la última década, ha crecido el uso de la tecnología que acechan bajo la superficie de los anuncios en línea por parte de las empresas para captar tantos datos sobre nosotros como sea posible. Los anunciantes no tienen que construir esta capacidad por sí mismos: pueden depender de redes de distribución de publicidad que aseguran mostrar anuncios relevantes a los usuarios sin importar qué página web visiten. Shoshana Zuboff, de la Escuela de Negocios de la Universidad de Harvard (EEUU), lo llama el capitalismo de la vigilancia.» Doc Searls

Otro indicio del cambio que se puede estar produciendo en todo lo relativo a cómo las grandes empresas tecnológicas gestionan nuestros datos, es que, cada vez más, la opinión pública reacciona con mayor rapidez y contundencia frente a los posibles abusos que realizan estas empresas; por ejemplo, en los últimos meses estamos viendo cómo las empresas se ven obligadas a modificar las estrategias de gestión de los datos que se generan en los dispositivos de moda, los altavoces inteligentes tipo Alexa.

Reacciones de la opinión pública que también están haciendo reaccionar a los políticos que ven cómo algunas empresas tienen demasiado poder y se exceden en la forma en la que lo utilizan. Una muestra de esta reacción pueden ser, por ejemplo, las palabras:

«Los datos son la materia prima de la economía del siglo XXI. Ponerle precio a los datos, sobre todo los de los consumidores, es desde mi punto de vista un asunto esencial para garantizar un mundo justo». Angela Merkel

La postura de Apple como ejemplo de que se pueden hacer las cosas de otra forma

Lo que podemos preguntarnos en este punto es si hay alternativa al modelo de negocio que se ha desarrollado en Internet en los últimos 20 años. Fijarnos en la postura de Apple al respecto puede ser una buena opción para continuar con esta reflexión:

«Hay una economía sumergida de datos personales, y está descontrolada. Es hora de defender el derecho a la privacidad. El tuyo, el mío y el de todos nosotros. Los consumidores no deberían tener que tolerar otro año de compañías que acopian de manera irresponsable amplísimos perfiles de usuario, de violaciones de datos que parecen estar fuera de control, y de pérdida de la capacidad de controlar nuestras propias vidas digitales. Este problema se puede solucionar. No es aún demasiado grande, ni demasiado desafiante y tampoco es demasiado tarde. La innovación, las grandes ideas y las excelentes capacidades técnicas pueden ir de la mano de la privacidad del usuario. Y deben hacerlo, porque desplegar el potencial de la tecnología depende de ello». Tim Cook

Unas palabras que deberían servir para concienciar a toda la industria tecnológica al respecto de la necesidad de afrontar cambios en la forma en la que se gestiona este tema de los datos.

Aunque en la propia empresa Apple también deben aplicar estas ideas con la máxima rigurosidad, sobre todo después de la noticia que expuso que la empresa contaba con una iniciativa en la que sus trabajadores revisaban las conversaciones que mantenían las personas con Siri para mejorar el servicio, lo cual puede ser una violación de su privacidad.

Esta situación refleja lo realmente complicado que es el tema, algo que a su vez debe hacernos pensar en que existe una gran oportunidad para aquellos que decidan solucionarlo.

«Los mayores problemas del mundo son también los mayores mercados del mundo». Peter Diamandis

Telefónica ha tenido una buena idea pero no parece que esté siendo capaz de materializarla

En 2017 Telefónica nos sorprendió con una noticia bastante llamativa por lo innovadora de la idea que quería transmitir. Hacía tiempo que desde la Telco española se hablaba de que, de toda la información que circulaba por las redes, el mayor beneficio se lo llevaban empresas como Google y Facebook, pero ellos que ponían la infraestructura debían jugar un papel más relevante.

La forma de materializar esta idea fue promover un modelo llamado Cuarta Plataforma en la que se defendía el siguiente argumento: «queremos ceder a lo clientes todo el control sobre los datos que generan utilizando los servicios de la compañía (su localización cada vez que se conecta o llama, las webs a las que entra con su servicio de datos online, qué series o películas ve y cuántas veces en Movistar Plus…). Para ello transformaremos la información en conocimiento, y lo compartiremos con los clientes para que lo utilicen para enriquecer su vida».

Una idea, la de la cuarta plataforma, que un año después evolucionó para integrarse con su estrategia de utilización de la Inteligencia Artificial y asistentes virtuales a la que han llamado Aura:

«Aura redefine la interacción entre Telefónica y sus clientes. Ofrecerá seguridad y simplicidad en las formas, transparencia y control sobre sus datos personales, facilitándoles además el descubrimiento de nuevos usos para ponerlos en valor y todo ello a través de múltiples canales y dispositivos. Todo esto es posible gracias al flujo de dichos datos que hasta ahora generaban de forma ininterrumpida, aunque fragmentada, las redes y otros activos físicos de la compañía (1ª plataforma y el activo fundamental sobre el que se apoyan el resto), sus sistemas unificados de IT (2ª plataforma), así como los productos y servicios que ofrece a sus clientes (3ª plataforma). Este nuevo modelo de compañía basado en plataformas inteligentes supondrá un gran salto cualitativo en el modelo de relación de los clientes con la compañía».

Como decimos la idea de dar el poder a los clientes sobre los datos que generan resulta muy interesante pero nos tememos que no va a ser sencillo encontrar una forma de convertirlo en una realidad, principalmente porque los usuarios cuando piensan en empresas como Google, Facebook o Amazon cuando interactúan con Internet, pero no en la empresa que les proporciona los cables o las ondas a través de las cuales utilizan esos servicios.

La extraña estrategia de Facebook que parece ir contra su propio modelo de negocio

¿Podría Facebook pasar de ser la empresa más odiada por los defensores de la privacidad, a convertirse en la promotora de un cambio radical en el modelo de negocio basado en la gestión de los datos digitales de las personas? Quizás algo parecido a lo ocurrido con Microsoft que ha pasado de ser el mayor enemigo del software libre para convertirse en su promotor con iniciativas como la compra de Github.

Parece bastante improbable, pero algunas noticias recientes nos hacen pensar en que puede haber una pequeña opción.

1. El lanzamiento de la aplicación Study from Facebook a través de la cual la empresa gestionará un sistema de incentivos económicos para aquellas personas que le ayuden a mejorar su servicio a través de proporcionarle información específica que la empresa necesita.
2. La publicación de la herramienta que permite a los usuarios conocer la información que los sitios web comparten con Facebook y borrar esta información si así lo considera el usuario.
3. Y la noticia más relevante de la empresa en los últimos años con el lanzamiento de su criptomoneda Libra, la cual ha llegado rodeada de polémica por vincularse con la falta de prejuicios de la empresa al respecto de cómo gestiona nuestros datos, pero que por otro lado podría pensarse en que puede ser un cambio de tendencia a través del cual se ha decidido tener una mayor consideración hacia los usuarios que formarían parte de un ecosistema en el que no se maneja únicamente información sino también una economía de la cual pueden salir beneficiados.

Destacar aquí en este tema de Libra, la gran acogida que ha logrado por parte de importantísimas empresas en el ámbito financiero y digital que se han convertido en socios del proyecto.

¿Podría la economía evolucionar de un modelo basado en el dinero a uno nuevo basado en los datos?

Cuando hace miles de años la humanidad evolucionó de una economía basada en el trueque a una basada en el dinero o monedas, el trueque no desapareció. De hecho, como la población y la actividad económica han crecido muchísimo, el trueque se usa actualmente en una cantidad mucho mayor de lo que se usaba en la prehistoria. Del mismo modo cuando se empezaron a usar los pagos electrónicos, no dejó de usarse el dinero en metálico, aunque ahora se mueva mucho más dinero de manera electrónica, tanto en lo que se refiere a negocios entre empresas como por parte de los particulares. De esta forma podría ocurrir que, en un futuro, el dinero, en su formato actual de monedas creadas por los países para representar el valor de su economía y poder realizar transacciones para pagar por aquellas cosas que tienen valor para nosotros, deje de tener la predominancia que ahora tiene para evolucionar a un nuevo modelo en el que los datos tomen el protagonismo de la economía.

En una economía basada en los datos no sería necesario convertir el valor que estos representan en dinero, sino que se podría realizar un intercambio comercial directo con los propios datos. Pensemos por ejemplo en la compra de Motorola por parte de Google en 2011 por un valor de 12.500 millones, con el objetivo de hacerse con las patentes del fabricante de móviles. Si consideramos una patente como un dato y pensamos también que una acción de Google es un dato, la transacción podría haberse realizado directamente como un intercambio de patentes por acciones, sin la necesidad de reflejar en ningún momento el valor a través del dinero. Seguro que los accionistas de Motorola habrían estado muy satisfechos con la operación, considerando que las acciones de Google han multiplicado por cuatro su valor desde 2011.

Una de las claves que pueden sostener el argumento de que la economía podría evolucionar a un modelo basado en los datos, en lugar del dinero, la encontramos al fijarnos en cómo funcionan las grandes empresas en cuanto a la forma de representar el beneficio que reciben sus accionistas a través de las acciones de la empresa. Pensemos, por ejemplo, en que las personas más ricas del mundo no lo son por tener mucho dinero acumulado en los bancos o en propiedades inmobiliarias, sino que las grandes fortunas se ven siempre representadas por la posesión de acciones de empresas, que además, curiosamente, en los últimos años, son de empresas que basan sus modelos de negocio en los datos: Google, Apple, Facebook y Amazon.

En todo caso, está claro que este escenario en el que la economía evolucionase a un nuevo modelo de negocio basado en los datos, es algo improbable en el corto plazo, entre otras cosas por las siguientes razones:

1. Las grandes empresas digitales como Google y Facebook viven muy bien con su modelo de negocio actual basado en la publicidad contextual y segmentada, por lo tanto, aunque reciban grandes multas por no gestionar adecuadamente los datos de sus usuarios, pueden seguir ganando muchísimo dinero con su modelo actual. Pensemos, además, en la inercia de negocio que han logrado estas empresas, lo cual les permite invertir cantidades ingentes de dinero en lo que pueden ser grandes negocios de futuro, como la Inteligencia Artificial en el caso de Google y la Realidad Virtual en el caso de Facebook. Esa capacidad de evolucionar y adaptarse, manteniendo un modelo de negocio basado en los datos hace que estas empresas puedan seguir muchos años siendo líderes de la economía sin cambiar sustancialmente su manera de funcionar.
2. El valor de los datos de una única persona al azar es pequeño, porque donde está el gran valor es en agregar los datos de mucha gente para poder obtener conclusiones de su análisis. Esto es así en este momento ya que las empresas que utilizan los datos para definir sus estrategias, por ejemplo, para diseñar nuevos productos o sus ofertas comerciales, lo hacen considerando tendencias en los hábitos de consumo y no circunstancias concretas de una persona a nivel particular.
3. En cuanto a las personas, al menos por lo que dicen muchos estudios, la generación llamada millenial no se preocupa mucho por su privacidad. Es más, le encanta la visibilidad que le proporcionan las redes sociales y le preocupa poco qué ocurrirá con sus datos. Por lo tanto, lo que vamos a tener que descubrir con el tiempo es qué resulta más valioso para las personas, la visibilidad que les aporta exponerse sin control en las redes sociales o cuidar su intimidad por las consecuencias que esto pueda tener para ellas en el futuro.

Y, por otro lado también podemos pensar en las razones que pueden ayudar a que prospere un nuevo sistema de gestión de los datos donde las personas que los generan tengan el control y obtengan el mayor beneficio:

1. Presión regulatoria de los gobiernos en materia de privacidad. Una tendencia imparable a la vista de nuevas leyes, como el famoso RGPD.
2. Penalizaciones a las empresas por problemas con la privacidad de los datos, porque no solo se trata de cumplir la ley, sino que además, en algunos casos, las multas pueden poner en peligro la viabilidad de las empresas.
3. Cambio en los hábitos e intereses de los usuarios al respecto de su privacidad. Un tema con muchas luces y sombras del que parece que solo conoceremos la solución con el paso del tiempo.
4. Aumento del uso de los bloqueadores de anuncios, lo cual ya hemos comentado en este artículo como un indicio del posible cambio de tendencia al respecto del interés de las personas por proteger su privacidad.

Ventajas de este nuevo modelo de negocio de los datos para las empresas:

1. Los datos están segmentados y contextualizados ya que han sido obtenidos de manera premeditada por la empresa a través de una campaña de captación de datos específica, por lo tanto se evita uno de los grandes problemas del Big Data que es disponer de datos de calidad debidamente estructurados.
2. Los datos son sólo de aquellas personas que realmente coinciden con los intereses de la empresas, de forma que se soluciona otro de los problemas del Big Data que es tener que manejar grandes volúmenes de información de la cual una parte muy importante realmente no tiene valor para la empresa.

Ventaja del nuevo modelo de negocio de los datos para las personas:

1. Beneficio económico al recibir una remuneración por parte de aquellas empresas que quieran acceder a sus datos y con las que se puede establecer una relación comercial basada en la confianza.
2. Recibir publicidad u ofertas sólo de las empresas en las que realmente se está interesado, considerando que este nuevo modelo de negocio no persigue acabar con la publicidad, sino mejorarla.

Startups con ganas de cambiar el status quo de los negocios digitales basados en los datos

“Nunca cambiarás las cosas luchando contra la realidad existente. Para cambiar algo, construye un nuevo modelo que haga que el modelo actual sea obsoleto.” Buckminster Fuller

Esta frase del famoso arquitecto Buckminster Fuller podría servir como una especie de premonición de lo que debería ocurrir ante esta posible revolución que supondría un cambio en el sistema económico en el que los datos cada vez tomen una mayor relevancia sobre el dinero.

Porque cuando se habla de construir nuevos modelos que dejen obsoletos a los anteriores, la historia nos muestra como esto no suele suceder por la acción de empresas ya existentes, a las que se suele denominar como incumbentes, sino que esa innovación suele llegar desde las startups. De esta forma, en el momento en el que empezamos a investigar sobre propuestas que buscan cambiar el modelo de negocio de los datos en Internet, lo que nos encontramos es la iniciativa de varias startups que quieren usar Blockchain para aportar soluciones a este problema.

En este contexto una de las aportaciones que puede realizar Blockchain para el futuro es el desarrollo de la Internet del Valor, donde aquellas cosas que tienen valor, como son los datos, la identidad, la reputación, … pueden llegar a ser gestionados de forma digital al igual que ahora gestionamos el dinero. Sobre este argumento están empezando a surgir algunas startups que buscan ayudarnos a los usuarios a tomar el control de nuestros datos y obtener un beneficio económico por ello.

Os presentamos a continuación algunas de las más interesantes que hemos encontrado:

Wibson es una startup con sede en San Francisco, que cuenta con el apoyo financiero de Telefónica, DGG Capital y Kenetic Capital, y se presenta con el siguiente argumento: tus datos personales son vendidos por sitios webs y apps que usas todos los días. Wibson te da el control para que tú mismo los vendas y elijas a quién vendérselos. Y además, te hace partícipe de las ganancias. Para ello están construyendo un  mercado de datos de consumo basado en Blockchain y se han asociado con Telefónica para probar una capacidad de verificación de datos que valida la autenticidad de los datos en su sistema, permitiendo a las personas vender de manera segura y anónima información privada de sus dispositivos a anunciantes y negocios en un entorno confiable.

GeoDB es una startup española que está creando un marketplace para democratizar la compraventa de datos, donde pagará a las personas por el uso que las empresas hagan de sus datos. Para ello están desarrollando un protocolo descentralizado que funcionará como un mercado de datos, donde estarán presentes tanto los usuarios que generan la información como las empresas que la necesitan. Para conseguirlo la empresa ha realizado una ronda de inversión de 1,2 millones de euros en la que han participado los fondos Next Chance Invest, Levo Capital y PadeInvest.

La posible aportación de la economía colaborativa a este cambio en el modelo de negocio digital

Supongamos que con el auge de la economía colaborativa o de la Gig Economy, potenciado por la crisis económica vivida durante varios años posteriores a 2008, vamos a dirigirnos a un nuevo modelo económico en el que la gente no tiene cosas en propiedad sino que simplemente paga por su uso cada vez que necesita algo ¿Se seguirán realizando estos pagos con dinero convencional o se desarrollará una economía más parecida al trueque que al sistema monetario? ¿Tendrán un papel relevante en este escenario las criptomonedas? Si estas plataformas de la Gig Economy trabajan con grandes volúmenes de datos proporcionados por sus usuarios, ¿serán capaces de generar alternativas de negocio basadas en el uso de esos datos?

Y ya que hemos empezado a hacernos preguntas, para terminar con este artículo, os dejamos una serie de ideas que se nos quedan en el tintero, a las que quizás podamos ir respondiendo aquí más adelante, apoyados por el debate que se genere gracias a vuestros comentarios:

1. ¿Qué podemos aprender de las economías virtuales que se desarrollan en los videojuegos y los mundos virtuales al respecto de una posible economía basada en los datos?
2. Los datos son el alimento necesario para que aprenda la Inteligencia Artificial, por lo tanto las empresas que se dedican a desarrollar esta tecnología cada vez van a necesitar más datos.
3. La llegada del 5G va a acelerar la forma en la que generamos y gestionamos los datos.
4. ¿Son los influencers los primeros que han comenzado a monetizar sus datos?
5. La proliferación de dispositivos como los wearables y el comienzo del uso de la biometría va a aumentar significativamente la cantidad y calidad de los datos que generamos en nuestro día a día.
6. Los datos son mucho más que lo que generamos cuando navegamos por Internet, hay datos enormemente más valiosos, como los que se encuentran en nuestro código genético y sobre esto también se puede generar una economía muy importante, en la que intervienen las empresas que trabajan en el ámbito de la medicina personalizada.
7. ¿Cómo puede cambiar todo este escenario con la llegada de las comunicaciones cuánticas?

Etiquetas: Big Data, datos, facebook, Google

Los mercados de valores andan muy revueltos. Podría ser porque están anticipando una nueva crisis económica o simplemente porque los que llevan mucho tiempo ganando dinero aprovechan el final de año para tomar beneficios. Pero probablemente sea una combinación de ambas cosas y otras muchas, sobre todo teniendo en cuenta que resulta casi imposible conocer en un momento determinado los intereses del conjunto de los inversores, además de que en los mercados hay grandes distorsiones ocasionadas por la especulación y la posibilidad de invertir tanto apostando porque un valor va a cotizar al alza como porque lo vaya a hacer a la baja.

Es por esto por lo que en los telediarios hay tanta diferencia entre los espacios de la información meteorológica y la de la información bursátil. En la primera nos cuentan el tiempo de hoy y la previsión de los próximos días debido a la situación de la atmósfera y en la segunda intentan explicarnos por qué la bolsa ha subido o bajado, pero nunca nadie se atrevería a decir qué va a ocurrir mañana. Es como si un periodista deportivo se atreviera a dar los resultados del partido del día siguiente y también la razón por la que tiene tanto éxito el tema de las apuestas deportivas.

Además, a la complejidad habitual que presentan los mercados financieros tenemos que añadir un fenómeno más reciente en el que encontramos cómo empieza a haber empresas e inversores que están intentando aplicar la Inteligencia Artificial a la toma de decisiones de inversión, lo cual nos lleva a un escenario mucho más complejo que nadie sabe qué consecuencias puede tener para los mercados de valores. En este punto tengo que decir que he conocido a gente muy inteligente intentando crear sistemas automatizados de inversión basados en Inteligencia Artificial y por ahora ninguna de esas personas ha desaparecido porque se haya comprado una isla en el Pacífico gracias al resultado de sus inversiones.

En todo caso, aquí tenemos que diferenciar dos formas de utilizar la Inteligencia Artificial en el mundo de la inversión o especulación. En primer lugar, la que probablemente tenga más sentido en el corto o medio plazo, que consiste en optimizar y maximizar la forma en la que aplicamos determinado método de inversión con el objetivo de automatizar determinadas acciones o incluso la toma de decisiones. La segunda forma sería esperar que una Inteligencia Artificial sea capaz de entender cómo funciona un determinado mercado de valores para ayudar al inversores a poder anticiparse a la hora de tomar la decisión de invertir o desinvertir en el momento que le pueda reportar un mayor beneficio.

Como os podéis imaginar la tarea no debe ser sencilla, porque de serlo ya lo habría conseguido alguien. Pero lo que sí que puede estar ocurriendo es que aquellos que están trabajando en su desarrollo están haciendo que la complejidad en los mercados sea mayor, quizás por su propia evolución o porque cada vez son más los activos que se suman a las posibilidades existentes en el momento de llevar a cabo inversiones o especular. Así, a los activos tradicionales como las acciones de empresas, las materias primas o las divisas, se ha sumado recientemente el de las criptomonedas, un mercado que hace 10 años no existía y que en su mejor momento a principios de este año llegó a tener una capitalización total de más de 800 billones de dólares.

Curiosamente por la coincidencia en el tiempo del auge de las criptomonedas con el de un nuevo desarrollo en la Inteligencia Artificial a través del Machine Learning, ha sido en este nuevo tipo de inversión donde ha habido más interés por aplicar los algoritmos a la hora de la toma de decisiones. Es el caso de la startup Cryptics, que busca ayudar proporcionando liquidez en los exchanges y un colchón de seguridad para los inversores minoristas mediante la creación de una plataforma que conecta a los actores del mercado y desarrolla algoritmos para predecir los cambios en el valor de las criptomonedas. Su tecnología, basada en modelos de puntaje altamente avanzados que involucran el aprendizaje automático y las redes neuronales, buscan superar a la intuición humana, considerando que la multitud de factores que intervienen en la predicción del aumento o disminución de cualquier criptomoneda se tienen en cuenta en los algoritmos que utiliza la empresa. Su diseño les permite abarcar un gran número de fuentes abiertas y recopilar información sobre los tipos de cambio desde las redes sociales y los exchanges, teniendo en cuenta las posibles tendencias a través del análisis del lenguaje natural. La aplicación de tecnologías NLP permite analizar masas de datos que los analistas humanos habrían tardado días en analizar.

«Los robots no duermen, no se cansan y apenas necesitan tiempo para realizar millones de cálculos, por lo que se agilizan muchísimo todos los procesos relativos a la realización de las inversiones»

Por otro lado, también empezamos a encontrarnos con una aplicación directa de la Inteligencia Artificial en los mercados de inversión que parece estar distorsionando la manera habitual de operar en estos mercados, al igual que lo hizo en su momento la opción de invertir en corto o posicionarse a la baja con determinados tipos de activos. Ahora los algoritmos y robots virtuales están permitiendo el desarrollo de un nuevo modelo de inversión denominado High Frequency Trading, que permite a los que la utilizan realizar millones de operaciones por segundo, aprovechando la demora de tiempo con la que la bolsa muestra la información de las cotizaciones de los activos. Como os podéis imaginar, este nuevo tipo de forma de inversión se basa en aprovechar una pequeña ineficiencia del sistema para obtener un pequeño beneficio, pero lo que ocurre es que cuando lo repercutimos en millones de operaciones, puede suponer un buen modelo de negocio para los que lo desarrollan.

Lo malo es que cuando este tipo de operaciones se masifican, como está ocurriendo en estos momentos, en relación con el número de operaciones que se produce en la bolsa, cualquier fallo que se produzca a nivel del sistema puede generar un caos en los mercados. Del mismo modo que este tipo de sistemas se basan en optimizar al máximo las operaciones, lo que está sucediendo es que las fluctuaciones se vuelven mucho mayores, algo que podría ser una explicación a lo sucedido el lunes 5 de febrero de 2018, cuando el Dow Jones llegó a caer en un momento determinado más de un 6%, la mayor caída en su historia. Un fenómeno que se ha denominado como Lunes Negro.

¿Cómo puede mejorar la Inteligencia Artificial los modelos de inversión en activos financieros?

Al igual que estamos viendo en multitud de sectores de la economía, como en el sector del transporte, donde la Inteligencia Artificial va ha producir cambios muy profundos en los próximos años a través de los denominados coches autónomos, esta tecnología también puede ofrecer una utilidad importante a la hora de mejorar la forma de invertir en los mercados financieros que hasta ahora ha venido definida por las características y limitaciones de personas u organizaciones concretas. Por ejemplo, introducir la automatización en el ámbito de la inversión puede eliminar restricciones como la relativa a los horarios en los que funcionan las distintas bolsas a nivel mundial, ya que los robots no duermen, no se cansan y apenas necesitan tiempo para realizar millones de cálculos, por lo que se agilizan muchísimo todos los procesos relativos a la realización de las inversiones.

A continuación vamos a conocer algunas de las posibles aplicaciones de la Inteligencia Artificial en la inversión en mercados financieros, ya sea porque están desarrolladas actualmente o porque podrían estarlo en el futuro.

1. Personalizando los modelos de inversión en base los perfiles de los inversores. De esta forma, las herramientas basadas en Inteligencia Artificial podrán conocer el perfil de riesgo del inversor y ofrecerle únicamente los instrumentos disponibles que mejoren el rendimiento y minimicen el riesgo de su cartera. Porque si en algo se ha estado trabajando en los últimos años en relación con la Inteligencia Artificial es en lo relativo a sistemas de recomendación, como el famoso algoritmo de recomendación de productos de Amazon, que en este caso se podría aplicar cuando el sistema vaya aprendiendo del tipo de productos y operaciones que el inversor suele realizar, para poder darle un asesoramiento personalizado al respecto.
2. Mejorando el acceso a la información del mercado. Ya que hasta ahora, para poder invertir, era necesario dedicar mucho tiempo a analizar los movimientos del mercado y ahora, gracias a la Inteligencia Artificial, los inversores tendrán la capacidad de analizar un gran número de noticias en relación con la evolución del negocio de determinada empresa o su percepción por parte del mercado, algo que sus acciones finalmente pueden acabar reflejando. En este caso el inversor contará con esa especie de información privilegiada en cuanto a que lo ha podido saber con anterioridad gracias a estos nuevos sistemas de información.
3. Optimizando los procesos de inversión y la toma de decisiones. Disponer de una herramienta de Inteligencia Artificial que pueda realizar de forma autónoma el análisis de un instrumento financiero y su impacto al incorporarlo en un portafolio de inversión permitirá al analista enfocarse en los aspectos más sofisticados del proceso. De este modo, si hasta ahora los inversores se veían limitados por el tiempo al realizar los procesos de análisis de las empresas, con este nuevo tipo de herramientas podrán ampliar significativamente su horizonte de oportunidades en las que participar y eso ayudará a que puedan mejorar también su modelo de inversión.
4. Inversión en base a los datos y al modelo de inversión, en lugar de la intuición. Ya que cumplir a rajatabla el modelo de inversión resulta fundamental para todo inversor, pero en muchas ocasiones es muy difícil evitar tomar decisiones basadas en la euforia o el miedo, algo que la máquina nunca va a hacer, ya que se limitará a cumplir las instrucciones con las que haya sido programada. Un ejemplo muy representativo de esto es lo que en el lenguaje bursátil se denomina como Stop Loss y que consiste en el porcentaje de pérdida que un inversor está dispuesto a admitir dentro de su sistema de inversión. Por debajo de un precio determinado el sistema obligaría al inversor a vender para minimizar las pérdidas, pero cuando llega el momento de la verdad las personas somos débiles y muchas veces no tomamos las decisiones desde la lógica sino desde la intuición, un error que una máquina no va a cometer.
5. Creación de nuevos tipos de activos financieros diseñados con Inteligencia Artificial. Por ejemplo, de cara a ofrecer la posibilidad de invertir en nuevos tipos de activos que hasta ahora no cotizaban en bolsa debido a determinada complejidad o por su pequeño tamaño. Este puede ser el caso de las pymes, que no cotizan en mercados por los altos costes de gestión de los mismos, pero donde la tecnología puede hacer una gran aportación a la hora de reducir costes y popularizar el acceso a la financiación e inversión. La Inteligencia Artificial nos puede llevar a un siguiente nivel dentro de este nuevo modelo de inversión que ha surgido hace muy pocos años llamado crowdfunding, que está teniendo un notable éxito, por ejemplo, en lo que se refiere a la financiación de startups o para facilitar el acceso a pequeños inversores a la inversión en activos inmobiliarios a través del crowdfunding inmobiliario.

Ejemplos de empresas que aplican la Inteligencia Artificial a la inversión en mercados financieros

Aunque en estos momentos nos encontramos en las primeras fases de aplicación de la Inteligencia Artificial en los mercados financieros, vamos a ver a continuación cómo ya están surgiendo algunas iniciativas por parte de las startups que buscan ayudar a los inversores a mejorar el resultado de sus inversiones gracias a la aplicación de esta tecnología. En todo caso tenemos que fijarnos en que dentro del ámbito Fintech esta parte de las inversiones está siendo una de las últimas en incorporarse, ya que en los últimos años hemos visto muchos avances en relación con los medios de pago, banca móvil y acceso a financiación, pero muy poco en relación a la parte de inversión en mercados financieros. Sí es cierto que ha habido algunas excepciones, como por ejemplo los nuevos brokers eToro y Robinhood, que buscan facilitar el acceso a la inversión, ya sea añadiendo el componente social o la facilidad de operar desde el móvil, pero aún así hay que saber que se trata de un tipo de actividad en la que aún participa poca gente por lo que es lógico que el interés de las startups haya sido menor.

A continuación vamos a conocer algunas startups que han decidido aplicar la Inteligencia Artificial para mejorar la inversión en mercados financieros, sobre todo cuando se trata de dar una recomendación de productos personalizados en función de las características de los inversores, con el objetivo de reducir los riesgos asociados con esta actividad.

ETFmatic, fundada por el emprendedor español Luis Rivera, quiere simplificar el proceso de inversión en los activos financieros denominados ETF, que son un tipo fondo de inversión cuya principal característica es que se negocia en mercados secundarios de valores. La empresa utiliza estrategias de inversión basadas en índices y fondos cotizados en bolsa para construir y administrar carteras de inversión únicas adaptadas a las preferencias y circunstancias personales de sus clientes. Su sistema de Inversiones Automatizadas permite crear fácilmente una cartera única de activos personalizada en función del cliente.

Danel Capital es una EAFI (Empresa de Asesoramiento Financiero) fundada por el emprendedor español Tomás Diago, especializada en asesoramiento de inversiones en renta variable, que establece sus estrategias de inversión utilizando Inteligencia Artificial, Machine Learning y Big Data. Se trata de la primera EAFI de España en utilizar tecnología avanzada para ayudar a su equipo experto en gestión financiera en la toma de decisiones, complementando y potenciando sus conocimientos. Cada día su software captura y genera una multitud de datos asociados a empresas que cotizan en Bolsa, y que alimentan un motor de inteligencia artificial en busca de patrones en miles de millones de datos que les permiten aumentar la probabilidad de éxito de sus inversiones.

Two Sigma se define como un gestor de inversiones con vocación científica, que lleva aplicando tecnología y ciencia de datos a los pronósticos financieros durante más de 17 años. Sus avances pioneros en Big Data, Inteligencia Artificial y Aprendizaje Automático han impulsado a la industria de la inversión. La empresa analiza los datos de las noticias para predecir los precios de las acciones, lo cual, bien aprovechado, podría ayudar a predecir los resultados financieros y generar un impacto económico significativo en todo el mundo.

Swanest propone que la industria financiera tradicional es defectuosa ya que los bancos impulsan sus propios productos pese a que no ofrezcan buenas rentabilidades, los asesores de inversión son caros o poco accesibles y los servicios de corretaje tradicionales siguen siendo complejos. Por ello piensan que ha llegado el momento de diseñar una solución de inversión que satisfaga las necesidades de las personas: simple de controlar, inteligente en su comportamiento y transparente. Su equipo reúne un amplio conjunto de conocimientos en los campos de ingeniería de software, gestión de inversiones y algoritmos, aplicando estas capacidades para desafiar el status quo.

Preseries es una plataforma automatizada para descubrir, evaluar y monitorizar inversiones en etapas iniciales, y especializada en startups, que basa su servicio en un modelado predictivo proporcionada por la empresa de Machine Learning BigML. Se trata de una tecnología pensada para ser utilizada por parte de empresas de Capital de Riesgo, M&A Corporativo, Private Equity, Desarrollo de Negocios, Estudios de Mercado y Consultoría de Gestión.

Los asistentes virtuales nos ayudarán a estar mejor informados a la hora de invertir

Un ejemplo muy concreto del uso de la Inteligencia Artificial en el ámbito de la inversión en mercados de valores es la iniciativa presentada recientemente por Banco Sabadell al ofrecer un skill de Amazon Echo que permite consultar, a través de la voz, la evolución de los valores bursátiles que cotizan en el mercado continuo español. De este modo, cualquier dispositivo que incorpore Amazon Alexa permitirá consultar información de la actualidad bursátil gracias al servicio digital creado por el banco. Una aplicación concreta del procesamiento del lenguaje natural que permite aportar a los usuarios servicios de valor añadido a través de los nuevos canales digitales de voz, en este caso para la evolución de las empresas que cotizan en el mercado continuo español.

Los Robo Advisors como ejemplo de aplicación de la Inteligencia Artificial en inversión en los mercados de valores

El concepto de Robo Advisors es bastante nuevo, pero en poco tiempo se ha convertido en uno de los protagonistas a nivel de iniciativas por parte de startups en el ámbito financiero y el Fintech. Su propuesta de valor consiste en ofrecer a sus clientes un servicio de gestión automatizado de inversiones, en forma de asesoramiento financiero y gestión online de carteras mediante algoritmos y con una mínima intervención humana. Estos servicios facilitan la creación de una cartera de inversiones personalizada y adaptan al contexto de cada persona mediante un sencillo test que se realiza cuando el usuario lo contrata. Posteriormente la elaboración y manejo de la cartera de inversión del cliente se hace de forma automatizada.

El asesoramiento digital que proporcionan los Robo Advisors está basado en algoritmos que se ejecutan mediante software de forma que prescinden de la gestión humana para operar, comprar y vender activos o trasladar los mismos a otros valore. Además, rebalancean los activos de la cartera de forma periódica para mantenerlos según sus proporciones definidas en un primer momento y así asegurar que los límites de riesgo previstos por el inversor no son alterados por las fluctuaciones del mercado.

Los primeros Robo Advisors que comenzaron a ofrecer servicios automatizados de inversión aparecieron por el año 2008 de la mano de las startups estadounidenses Betterment y Wealthfront. En España se empezaron a poner en marcha en el año 2014 con la aparición de Feelcapital y posteriormente otras startups como Indexa Capital, Inbestme, Finizens y Finanbest. A finales de 2017 los Robo Advisor españoles llegaron a gestionar más de 100 millones de euros​.

 

Como hemos podido comprobar a lo largo de este artículo, las aplicaciones de la Inteligencia Artificial en la actividad de inversión en mercados financieros puede tener un gran recorrido y ofrecer una gran utilidad, pero apenas nos encontramos en los albores de esta actividad. La complejidad que presentan estos mercados y el bajo interés del gran público por lo relativo a la inversión hacen que no estemos viendo un desarrollo tan importante como en otras actividades más cotidianas para la gente.

Si tenemos en cuenta que en el momento en el que nos encontramos la Inteligencia Artificial está siendo de gran utilidad para hacer mejor algo que las personas ya hacemos bien: por ejemplo, conducir un coche es algo complejo por la multitud de situaciones que se pueden producir, pero en la mayoría de los casos las personas hacemos bastante bien. Entonces es algo donde la Inteligencia Artificial tiene mucho que aportar con el fin de mejorar aún más el sistema, por ejemplo, a la hora de incrementar la seguridad o eliminar algunas de las problemáticas existentes como los atascos. Pero cuando nos llevamos esto al tema de las inversiones, nos damos cuenta de que invertir es algo que las personas no solemos hacer bien, tan solo algunos profesionales son capaces de obtener buenos rendimientos a su dinero, a no ser que veamos la inversión en el largo plazo donde sí que la mayoría de inversores ganan dinero. Por alguna razón, las personas pensamos en el beneficio rápido y ahí es donde se producen muchas pérdidas por parte de los inversores.

Así que, como conclusión, lo que seguramente acabemos viendo en el corto plazo es cómo se produce una combinación de la Inteligencia Artificial con los modelos de inversión en el largo plazo, donde la tecnología jugará un papel muy importante en el momento de optimizar procesos, reducir los costes asociados a la inversión y elegir los mejores activos en los que invertir.

Hagamos un símil, por ejemplo, con la inversión inmobiliaria: si el Big Data y la Inteligencia Artificial son utilizadas por startups como Geoblink para ayudar a las empresas a tomar mejores decisiones para saber dónde localizar sus negocios de venta al público, ¿por qué no hacer lo mismo cuando se trata de ayudar a los inversores a localizar zonas en las que vaya a haber una mejor evolución de los precios de las viviendas debido a movimientos de la población?

Etiquetas: Big Data, fintech, Robo Advisors

La noticia del comienzo de curso en Europa es la posible eliminación del cambio de hora que se lleva a cabo en otoño y primavera en muchos países del mundo, presumiblemente para ahorrar energía, aunque entre otras cosas, haya gente que pueda pensar que se trata de una especie de estrategia de los gobiernos para tenernos más controlados.

El caso es que se está dedicando mucho tiempo y recursos a tratar un tema que no parece tener una solución clara y donde existen muchas dudas con respecto a la necesidad o no de acometer estos cambios. Además de que realmente no sabemos las consecuencias que tendrá para la sociedad y la economía cuando se aplique el nuevo modelo.

Por este motivo es por el que podríamos plantearnos recurrir a la Inteligencia Artificial, en principio para que nos ayude en la toma de la decisión. Aquí probablemente ya lleguemos tarde, pero sobre todo nos puede servir para entender mejor las consecuencias del cambio y poder ir aprendiendo de la experiencia para futuras situaciones en las que haya que tomar decisiones de cierta complejidad.

Cuando te planteas utilizar la Inteligencia Artificial para tomar una decisión de este tipo lo primero que piensas es en los datos, si contamos con el histórico de datos necesario relativo a los diferentes factores que influyen en la decisión, como para poder alimentar a una Inteligencia Artificial que nos ayude a tomar una decisión. En este caso del cambio de hora será necesario considerar no solo el tema del consumo energético, sino también aspectos relacionados con el bienestar de las personas, tanto a nivel físico como psicológico, la relación con el funcionamiento de los negocios, la sincronización de los medios de transporte… y muchas otras cosas de las que se está hablando con respecto a la necesidad o no de realizar este cambio.

La idea es que en lugar de basar nuestra decisión en las opiniones o sensaciones de políticos, periodistas o incluso de expertos en la materia, podamos tener un dato que nos diga, considerando todos los aspectos que influyen en la decisión y habiendo realizado una baremación justa de todos estos aspectos, si al dejar de hacer el cambio de hora mejoraremos un porcentaje X respecto a la situación actual.

Entonces, cuando haya pasado un año del cambio y hayamos tenido a esa Inteligencia Artificial midiendo todos los parámetros que se tuvieron en cuenta para tomar la decisión, podamos decidir si la decisión fue acertada, porque de media hayan mejorado los factores sobre los que se tomaron las decisión o, por el contrario, hemos cometido un error y debemos rectificar (como ocurrió entre 2015 y 2016 en Chile) para quedarnos como estábamos, pero sabiendo que ahora contamos con una herramienta que en próximas ocasiones nos ayudará a tomar mejores decisiones.

Aquí lo más importante es tomar la decisión de empezar a utilizar el Big Data y la Inteligencia Artificial para esa toma de decisiones, que a nivel de gobiernos conlleva unas connotaciones importantes, de manera que la decisión final la acabará tomando un político, pero que sin embargo a nivel de gestión pública y empresarial, sí que podría llegar tener una gran utilidad si se deciden automatizar cierta toma de decisiones.

Por ejemplo, a nivel político se podrían utilizar herramientas de este tipo para entender mejor las consecuencias de la toma de decisiones, como si la decisión de aumentar o reducir los impuestos tiene un efecto positivo o negativo en la recaudación pública, considerando los efectos que tiene ese aumento o reducción de impuestos en la economía de las personas o las empresas y el consiguiente efecto sobre la recaudación. O también, por ejemplo, el efecto que tendría aumentar las penas a nivel legal cuando se producen determinados delitos, como provocar incendios, para saber si realmente se produce una mejoría en la situación o debemos dedicar los recursos a otros aspectos como la concienciación, la vigilancia o la intervención una vez que se ha producido el incendio.

Con el objetivo de tener una visión más amplia de este tema y comenzar a pensar en las posibles connotaciones que tendría el desarrollo de este tipo de herramientas, hemos lanzado una encuesta a los seguidores de Futurizable en Twitter que podéis ver aquí.

Además, hemos pedido a una serie de expertos en la materia que nos aporten su visión sobre este tema respondiendo a la siguiente pregunta:

¿Consideras que deberíamos desarrollar una Inteligencia Artificial que nos ayude a decidir si en Europa se debe dejar de realizar el cambio de hora en otoño y primavera?

Farid Fleifel, CEO de Sngular en España.

La inteligencia artificial nos es muy útil para obtener predicciones cuando los patrones son similares a otros que hemos visto con anterioridad. Si tengo datos de consumo eléctrico de miles de días en el pasado, etiquetados convenientemente, puedo saber con un bajísimo nivel de error cuál será el consumo del día 19 de septiembre, si conozco cuál fue el consumo del día 18 y anteriores y además sé que se espera una temperatura media de 22,3 grados, es día laborable, martes, y hay partido de Champions.

Pero aquí no hablamos exactamente de lo mismo. La decisión no depende únicamente de datos de los que dispongamos hoy y no es fácilmente medible a priori. ¿Ahorran realmente las empresas con el cambio de hora? ¿Compensa eso las molestias que supone el cambio a los ciudadanos? ¿Es lógico cambiar en España la hora a su huso horario natural? ¿No es parte de nuestra cultura el que anochezca más tarde? ¿Nos hará ese cambio más felices? ¿Más productivos? ¿Cuántas empresas cambiarán sus políticas si pasamos al huso horario de Greenwich? ¿Cuánta gente cambiará su costumbre de comer a las 14:30 h o más tarde?

Son preguntas que no creo que a día de hoy se puedan responder con IA de manera sencilla. Hay análisis estadísticos que se pueden hacer sobre los datos que tenemos (y no olvidemos que la IA al final es estadística con un nombre más sexy). Existen herramientas informáticas y matemáticas para tratamiento de grandes volúmenes de datos y disponemos de una base teórica bastante robusta alrededor de los Sistemas de Ayuda a la Decisión pero no disponemos de una Inteligencia Artificial General que nos pueda responder esta pregunta hoy.

Los datos nos pueden ayudar, pero no podemos esperar introducirlos en un sistema y obtener directamente la respuesta. Alguien tiene que crear un modelo y ese modelo tendrá sus sesgos y condicionantes. Podemos ejecutar simulaciones utilizando diferentes premisas, pero dependiendo de cómo diseñemos el modelo obtendremos una respuesta u otra. Lo que está claro es que, con un buen modelo, es mucho más probable que tomemos una buena decisión que si lo hacemos de cualquier otra forma.

---

 

¿Consideras que deberíamos desarrollar una Inteligencia Artificial que nos ayude a decidir si en Europa se debe dejar de realizar el cambio de hora en otoño y primavera?

José C. González, CEO de MeaningCloud.

Es muy fácil: la IA no va a ayudar en este tipo de decisiones más allá de la cosmética.

Hay dos vías de aplicación de la IA para toma de decisiones. Uno es el del razonamiento inductivo, que es el típico usado en escenarios de Aprendizaje Automático (Machine Learning, Minería de Datos…). Ello requiere de la existencia de (multitud de) casos de entrenamiento para una función de decisión relativamente sencilla y bien aislada. Los sistemas de IA, a partir de ejemplos, son capaces de sustituir a las personas en esas tareas.

La segunda vía es la del razonamiento deductivo. Consiste en desarrollar sistemas que puedan emular el razonamiento humano, enlazando hechos, hipótesis y relaciones de causalidad o de otros tipos, asimilables a los mecanismos del razonamiento lógico. Estos sistemas pueden tener una base de Inteligencia General, o pueden incorporar el conocimiento formalizado que manejan los expertos en el área del saber de que se trate. El objetivo es que los sistemas de IA construidos de esta manera puedan sustituir a las personas en tareas cognitivas similares.

Ninguna de las vías anteriores es de utilidad para un escenario de toma de decisiones como el que propones. Sin embargo, este asunto del cambio de hora resulta una cuestión bastante opinable. La IA permite, por ejemplo, recoger las opiniones espontáneas de los ciudadanos expresadas a través de redes sociales. Las tecnologías de procesamiento de lenguaje natural pueden automatizar el análisis de esas opiniones, incluyendo:

– Preferencias sobre la cuestión (discriminando opiniones favorables y contrarias), organizándolos por países e idiomas.
– Factores o argumentos a favor o en contra expuestos por los ciudadanos y su relevancia relativa.
– Identificación de los líderes de opinión sobre este tema en la red, cuya influencia resulta más relevante.
– Evaluación del impacto de las posiciones de los partidos políticos sobre la cuestión.

Estos análisis están siempre sujetos a sesgos derivados de la composición de población que se expresa en medios sociales sobre estos temas, igual que lo está cualquier tipo de encuesta.

Por supuesto, existen métodos y modelos analíticos y de simulación, fuera del ámbito de la IA, que deberían permitir estimar el impacto real del cambio de hora sobre el consumo de energía, lo mismo que el coste económico que representa para sectores como el transporte o la distribución.

---

 

¿Consideras que deberíamos desarrollar una Inteligencia Artificial que nos ayude a decidir si en Europa se debe dejar de realizar el cambio de hora en otoño y primavera?

Carmen Bartolomé, CEO de Wimba Robótica.

En el camino hacia el paradigma de una inteligencia artificial general que nos ayude a tomar decisiones en múltiples ámbitos, crear o entrenar un modelo tan específico puede no ser algo muy eficiente. Habría que decidir los factores que influyen y gestionar la adquisición de los datos necesarios y su tratamiento. Dado que algunos de esos factores influyen también en otros aspectos de decisión, pienso que sería más interesante crear un modelo más completo, que prediga los efectos de un determinado horario o agenda sobre grupos de individuos con características comunes, y que uno de los escenarios en los que hacer predicciones sea el del cambio de hora.

Este camino, en realidad, ya se ha iniciado en cierta manera. Por ejemplo, Orreco utiliza el machine learning, a partir de los datos de monitorización de salud y rutinas de vida de atletas para predecir posibles lesiones y para mejorar su rendimiento. Llegaron a un acuerdo en 2015 con IBM para integrar el ecosistema Watson en su app y también utilizan Deep Learning para identificar patrones y relaciones entre los datos que, a priori, no se intuían.

Apple y sus ResearchKit y CareKit permiten el desarrollo de apps que recogen los datos con un tratamiento automatizado que después permitirá utilizar sistemas de reconocimiento de imagen o modelos de machine learning (Core ML) para descubrir formas de mejorar la vida de las personas, dentro de contextos diferentes. De momento, se ha utilizado sobre todo para patologías concretas como el alzheimer, la diabetes o para mejorar el día a día de personas con asperger, pero la multitud de datos que captan nuestros dispositivos podrían aprovecharse para detectar hábitos que no son tan saludables como podíamos pensar o proponer estrategias que mejoren nuestra calidad de vida.

Algo como el cambio de hora, que afecta a millones de personas de forma sistemática, dos veces al año, puede tener un impacto que merezca la pena analizar. Pero, desde mi punto de vista, es mejor hacerlo dentro de un contexto que englobe todos los aspectos de la salud, y un conjunto mayor de factores, porque también puede ser relevante analizar los efectos del cambio de hora en relación con otros factores de la vida diaria.

---

 

¿Consideras que deberíamos desarrollar una Inteligencia Artificial que nos ayude a decidir si en Europa se debe dejar de realizar el cambio de hora en otoño y primavera?

José Luis Calvo, director de Inteligencia Artificial de Sngular

El reciente debate sobre la supresión del cambio de hora en la Unión Europea nos lleva a plantearnos si, en lugar de crear una comisión de expertos para estudiar la reforma, podría existir una inteligencia artificial que hiciera un informe de evaluación o incluso que tomara la decisión.

En los últimos tiempos es común el estudio del desarrollo de algoritmos como ayuda a la toma de decisión de médicos, tribunales, consejos de dirección de empresas o, incluso, gobiernos de países.

Hace 2 años, investigadores de la UCL, inspirados en un artículo de 1963, presentaban un estudio en el que un sistema de inteligencia artificial coincidía con el veredicto del tribunal europeo de derechos humanos con un 79% de precisión.

Hace unos meses, la Administración de Alimentos y Medicamentos (FDA) de los EEUU aprobaba la comercialización de un sistema de inteligencia artificial que diagnostica ciertos problemas oftalmológicos sin que el médico intervenga en la interpretación de las imágenes de la retina.

Una de las principales diferencias entre ambos casos es que el resultado de la diagnosis es correcto o erróneo de forma objetiva. Y además, cuando se refiere al resultado de una prueba concreta, como una imagen, está acotada. En cambio, el veredicto de un tribunal, la estrategia de una compañía o la política económica de un país se ven afectadas por una cantidad de información mucho mayor, y difícilmente predeterminada.

Cuando una persona toma decisiones complejas, más allá del análisis técnico de la cuestión, se verá afectada por unos condicionantes que pueden ser ideológicos, culturales o de otra naturaleza. Esto no es necesariamente ni bueno ni malo, pero plantea una complicación añadida a la hora de delegar la decisión a una inteligencia artificial: ¿cuáles son los sesgos con los que debe ser creada esa IA?, ¿y qué hay de los sesgos implícitos, los que se crean sin pretenderlo?

Hoy en día estamos lejos de tener sistemas que tomen por sí mismos estas decisiones complejas que consideramos tan humanas. Sin embargo, sí estamos ya en el camino de crear sistemas que valoren situaciones objetivas como la diagnosis. Estos sistemas nos tienen que servir de apoyo para tomar esas decisiones en las que no hay una verdad absoluta.

---

 

Sin duda, cuatro visiones muy interesantes sobre la utilidad concreta que puede llegar a ofrecernos la Inteligencia Artificial en la toma de decisiones complejas. Ahora, tras tratar este tema tan concreto del cambio de hora y entender la importancia de que empecemos a contar con buenas fuentes de datos, que resultarán fundamentales cuando queramos recurrir a la Inteligencia Artificial para la toma de decisiones, vamos a pasar a pensar en temas más importantes, en relación a lo que hace referencia el título del artículo: los grandes problemas de la humanidad.

La Inteligencia Artificial ante el problema de las Fake News

Un problema global de la humanidad que resulta bastante nuevo, o al menos del que ahora somos mucho más conscientes debido al auge de las redes sociales, es la manipulación que realizan determinadas personas y organizaciones de la opinión pública a través de los medios de comunicación online. Esto seguramente también era así antes con los medios de comunicación tradicionales, pero el alcance que se podía lograr era menor y, sobre todo, podía ser más controlable, al estar limitado a aquellos que tenían la capacidad para crear su propio medio de comunicación. Pero ahora cualquiera de nosotros podemos ser un medio de comunicación, incluso lograr un impacto mucho más masivo de lo que tenía antes una televisión, una radio o un periódico. Por lo tanto, aumenta mucho la complejidad en lo que se refiere a la manipulación mediática y cómo nos afecta esto a las personas.

Cada vez está siendo más frecuente que conozcamos noticias al respecto de cómo las Fake News están provocando problemas en determinados países, lo cual afecta a nivel político, también con consecuencias a nivel de violencia, y en lo económico. Ante esta situación son muchos los expertos en Inteligencia Artificial que ya trabajan en buscar soluciones, como es el caso del laboratorio de I+D de la empresa Expert System, que participa en el proyecto Co-Inform, promovido por la Comisión Europea, con la vocación de apoyar a los ciudadanos, periodistas o políticos en la cocreación de soluciones encaminadas a combatir la información falsa o errónea y promover una formación de opinión y toma de decisiones mejor informada a distintos niveles de la sociedad. La empresa colabora con este proyecto aportando su experiencia y tecnología de Inteligencia Artificial, en el ámbito del análisis semántico de grandes volúmenes de texto en entornos multilingües. También investiga métodos y herramientas para el análisis de distintos fragmentos de información, cuyos resultados pueden llevar a identificar publicaciones falsas en redes sociales, haciendo aflorar relaciones hasta entonces tácitas entre dichos fragmentos.

También en este mismo ámbito nos encontramos con la iniciativa Fake News Challenge donde en la mayoría de propuestas el enfoque que se busca es utilizar el Aprendizaje Automático sobre corpus de contenido, utilizando muchos indicadores para sospechar de una Fake News, como pueden ser: indicadores internos del contenido (representatividad del título, grado de matching título-artículo), grado de click bait del título; análisis de fuentes (citas/referencias de personas/organizaciones, estudios; análisis del tono emocional; stance detection ─noticia polarizada─); validación por fact checkers; existencia de falacias lógicas; inferencias exageradas; e indicadores externos como puede ser la originalidad del tema; representatividad de las fuentes (las fuentes tratan de verdad sobre el texto); la reputación de las fuentes (más o menos confiables); el número de anuncios contenidos y el número de llamadas a compartición social. Sobre estos aspectos también trabaja la empresa española MeaningCloud, que ha construido una API con la que dado un texto en español o inglés puede reportar un indicador de porcentaje de confianza de las noticias.

Utilizando la Inteligencia Artificial en la lucha contra el terrorismo

Desde hace años, empresas tecnológicas como Palantir trabajan afanosamente para ayudar a la sociedad a librarse de la lacra que supone el terrorismo. Para ello se dedican a escudriñar las redes sociales, y todos los medios online a los que son capaces de acceder, en busca de actividades sospechosas que puedan servir para la investigación de las fuerzas de seguridad. Es por esto que la empresa cuenta entre sus clientes con organizaciones como la CIA, la NSA y el FBI, a las que ofrece su software de inteligencia y servicios de Big Data, que han ayudado a la empresa convertirse en la  referencia a nivel mundial en este ámbito y la ha llevado a una valoración de más de 20.000 millones de dólares, por el gran interés que tiene el capital riesgo por estos temas.

Un ejemplo del trabajo que realiza Palantir es el software de minería de datos que permite establecer vínculos entre números de teléfono, movimientos de tarjetas de crédito, direcciones postales, listas de amigos en Facebook, fotos subidas a Instagram y hashtags de Twitter, entre otros aspectos. Lo cual resulta de utilidad en la búsqueda de sospechosos, aunque luego claro está que es necesario realizar todo tipo de verificaciones, ya que por el momento la tasa de error en los resultados puede ser muy elevada y esto puede generar muchos problemas a nivel legal.

Otro ejemplo de startup que se dedica el desarrollo de Inteligencia Artificial en la lucha contra el terrorismo es Faception, un proyecto israelí que cuenta con un contrato de 750.000 dólares con una agencia de seguridad nacional estadounidense para detectar a los terroristas por su rostro, gracias a un algoritmo que funciona en tiempo real, analizando imágenes subidas a las redes sociales y vídeos en streaming.

Qué puede hacer la Inteligencia Artificial en la lucha contra el cambio climático

Siguiendo con ejemplos sobre cómo la Inteligencia Artificial puede resultar de utilidad, cuando se trata de trabajar para solucionar los problemas que afectan a las personas, en este caso se trata de uno de esos grandes conflictos que casi nadie tiene claro cómo resolver. En lo que se refiere al cambio climático o calentamiento global tenemos claro que no es nada positivo para nosotros y para el resto de especies del planeta, por las consecuencias que tiene a nivel de salud el aumento de la temperatura, que incluso puede hacer desaparecer a muchas especies que no sean capaces de adaptarse a este cambio. Lo que no tenemos del todo claro es la razón exacta que lo ha ocasionado. Porque sin ir más lejos, esta misma semana se ha conocido un estudio en el que unos científicos, que precisamente han utilizado la Inteligencia Artificial en su trabajo por medio de complejos modelos climáticos, proponen como posible causa del cambio climático el comienzo de la agricultura intensiva que se comenzó a desarrollar a nivel mundial hace varios miles de años.

Además donde seguro que ya hay más dudas que certezas es en la estrategia a seguir para revertir esta problemática. Porque en lo que se refiere en la lucha del cambio climático está claro que reducir la emisión de CO2 a la atmósfera es la prioridad, además de reducir la emisión de otras sustancias contaminantes que resultan perjudiciales para nuestra salud, pero lo que ya no parece tan sencillo es tomar una decisión con respecto a los métodos a utilizar para eliminar el C02 en exceso que tenemos actualmente, ya que se han propuesto muchas ideas para ello, pero es difícil conocer todas las consecuencias negativas que estas acciones proactivas podrían tener.

Y aquí es donde entra en juego la Geoingeniería que es un tema del cual aún no hemos hablado en Futurizable y al que dedicaremos atención más adelante, ya que cada vez surgen más iniciativas científicas en este ámbito. Iniciativas para las que será fundamental recurrir a la Inteligencia Artificial y que esta nos ayude a realizar las simulaciones que muestren las posibles consecuencias de que se realicen intervenciones concretas para modificar el clima en busca de revertir los efectos del cambio climático. Resultarán de gran utilidad los 50 millones de dólares que la empresa Microsoft quiere invertir durante los próximos 5 años con el objetivo de aplicar la Inteligencia Artificial en el marco del programa AI for Earth.

Un ejemplo más de que la tecnología, cuyo uso sin una adecuada medición de las consecuencias que tiene para nuestro futuro, nos ha llevado a situaciones difíciles de resolver, puede ser parte de la solución a los problemas actuales a los que se enfrenta la humanidad. Pero parece claro que la tecnología, en este caso la Inteligencia Artificial, no es la solución en sí misma para estos problemas, sino una herramienta que, en manos de los científicos de datos, nos ayudará a tomar mejores decisiones para trazar las estrategias a seguir en el futuro.

Etiquetas: Big Data, cambio climatico, ciberseguridad, Inteligencia Artificial

Una de las noticias más interesantes del verano, en lo que a innovación tecnológica se refiere, ha sido el anuncio por parte de Google del logro de haber reducido en un 40% el gasto de energía para la refrigeración de sus datacenters, gracias a la Inteligencia Artificial. Aunque la noticia es de agosto de 2018 tenemos que remontarnos a enero de 2014 para entender a qué se debe este fantástico resultado, que va a permitir a la empresa ahorrar millones de dólares y reportar también un considerable beneficio a nivel ambiental.

En enero de 2014 fue cuando Google compró la empresa dedicada a las redes neuronales y aprendizaje automático DeepMind, mundialmente conocida desde entonces por haber realizado demostraciones de fuerza al desarrollar inteligencias artificiales capaces de vencer a humanos al juego de Go y a otras máquinas en varios tipos de juegos de ordenador.

La compra de DeepMind podría considerarse una de esas jugadas maestras, que al haber sido capaz de repetir varias veces, prueba la extremada inteligencia de los fundadores de Google. En el año 2003 cuando Google ya era mundialmente conocido como buscador y había demostrado que era mejor que el resto de alternativas del mercado, compró la tecnología desarrollada por Applied Semantics, lo cual le permitió desarrollar su sistema de publicidad contextual Google Adwords, que hasta ahora se ha presentado como el mejor modelo de negocio posible para la empresa tecnológica. En este punto vale la pena comentar que, aunque muchas empresas intentaron replicar ese modelo de publicidad basada en el contexto, ninguna fue capaz de conseguirlo y de ahí lo de jugada maestra que comentábamos al principio.

Posteriormente, en 2006 concretamente, Google compró Youtube y con ello se aseguró un nuevo medio para la difusión de su publicidad, cuando ya dominaba el formato texto a través de su buscador de páginas web, fue capaz de repetir el modelo para el formato vídeo que años más tarde se convertiría en el contenido más consumido a través de Internet, permitiendo a Google rentabilizar enormemente la inversión realizada para comprar el portal de vídeos.

Y fue en 2014 cuando Google hizo su tercera gran compra, con la que inicialmente había más incertidumbre con respecto a las implicaciones que tendría para la empresa a nivel de negocio. Cuatro años después comenzamos a ver los primeros resultados, precisamente en el que probablemente era uno de los mayores dolores del gigante tecnológico, el gran gasto energético derivado de la refrigeración de sus servidores. La situación se podría asemejar a una escena de película en la que una gran bestia con un apetito voraz, acaba con todo lo que encuentra en su camino, en este caso la energía. Esto llevó a la empresa a consumir el 0,01% de la energía eléctrica a nivel mundial y a tener que hacer una apuesta importante por las energías renovables, si no quería convertirse en uno de los principales culpables del deterioro ambiental y la contaminación del planeta.

Pero la compra de DeepMind tendrá probablemente unas connotaciones aún más importantes para Google a nivel de negocio y esto ocurrirá cuando se tome la decisión de sustituir el modelo de buscador actual por el de asistente virtual, de forma que cambiará completamente la experiencia de los usuarios al hacer una búsqueda. Cada vez que necesitemos algo, en lugar de recibir millones de sugerencias por parte del buscador, recibiremos únicamente la respuesta que mejor se adapte a nuestras necesidades. Pero eso es otra historia.

Sin duda, el caso de Google utilizando la Inteligencia Artificial para mejorar en sus procesos internos resulta muy representativo y un ejemplo a seguir para muchas empresas que verán cómo gracias a estas tecnologías pueden resultar más eficientes, productivas y competitivas en el futuro. Lo que tenemos que hacer entonces es descubrir en cada empresa cuál es el punto de partida para comenzar a utilizar esta tecnología y a partir de ahí desarrollar una estrategia para apalancarnos lo máximo posible en el software y los algoritmos.

La falta de productividad le cuesta a las pymes españolas más de 20.400 millones de euros al año

Así se titula el estudio que ha llevado a cabo la empresa Sage a 3.000 empresas en 11 países entre los que se encuentran España, Reino Unido, Estados Unidos, Francia y Alemania; y donde se revela que la pérdida económica por la falta de productividad a nivel global ya ha alcanzado los 275.000 millones de dólares en lo que va de año. En el caso de España la pérdida económica asciende a los 20.400 millones de euros en 2018, lo que supone pérdidas 1.105 euros por segundo. Este dato es el reflejo del tiempo destinado por el personal de las pequeñas y medianas empresas dedicado a labores rutinarias y de administración que, de digitalizarse, podría destinarse a actividades enfocadas en desarrollo estratégico para el crecimiento económico de la empresa. El informe también indica que sólo un aumento del 5% en la productividad de las empresas españolas supondría un incremento del PIB nacional en 13.600 millones de euros.

El estudio sugiere a las empresas que para mejorar su eficiencia redirijan las horas invertidas en tareas básicas a labores de innovación, atracción de clientes y aumento de ingresos. Sólo así las pymes podrán avanzar de forma efectiva, cuando los informes de gastos, facturación, nómina y gestión de pagos no sean las actividades que más tiempo ocupen a los empresarios. Aquí hay que tener en cuenta que este estudio habla simplemente de digitalización, de forma que no llega a la verdadera transformación digital que ya han iniciado muchas grandes empresas, pero que las pymes aún se encuentran muy lejos de poder afrontar.

Pasar de la digitalización a la transformación digital es un nuevo reto que tendrán que emprender también las pymes en los próximos años, teniendo en cuenta que ya no basta con sacarle el máximo provecho al software, sino que es necesario rediseñar los modelos de negocio para poner al cliente en el centro de interés de toda la empresa, fomentar la iniciativa y colaboración del talento interno de la empresa, poner en práctica las metodologías ágiles y sacarle el máximo partido a las tecnologías exponenciales. En este último punto es donde volvemos a hablar de Inteligencia Artificial, porque como una de las principales tecnologías exponenciales, será la que probablemente ofrezca más utilidad para el mayor número de empresas en los próximos años.

Y aquí es donde volvemos a encontrarnos con otra noticia de la empresa Sage porque también ha publicado un documento dedicado resolver dudas sobre cómo aplicar la Inteligencia Artificial de forma efectiva en las empresas.

Un documento que es el resultado de un evento realizado por la empresa con líderes empresariales y gubernamentales a nivel internacional, que exponen que una vez que las compañías han realizado su primera toma de contacto con la Inteligencia Artificial, cobra mayor importancia la manera en la que aplicar esta tecnología al día a día de las empresas de forma efectiva y ética, debido al aumento de la preocupación de los consumidores y de los trabajadores de las empresas. En la actualidad, el desafío pasa por alejar la conversación acerca de la Inteligencia Artificial como una posible amenaza para los humanos y alentar a las compañías a abordar dicha tecnología como un complemento a las capacidades de sus trabajadores. Este proceso debe comenzar por los directivos de las empresas, que definen los principios éticos que guían el desarrollo de la Inteligencia Artificial en departamentos, industrias y sectores específicos, trabajando estrechamente con expertos en IA para poder hacer efectiva su implementación en las empresas.

De esta forma el documento «Building a competitive, ethical AI economy» propone cuatro pilares básicos de la aplicación de la Inteligencia Artificial como fuente de crecimiento empresarial:

• Introducción de directrices corporativas relacionadas con la IA y un marco ético para su aplicación. Las empresas tendrán que desarrollar y revisar dichas directrices, mientras que los gobiernos observarán el papel de los reguladores para ayudar a sectores específicos en el planteamiento y la ejecución de mejores prácticas.
• Desmitificar la tecnología y compartir la responsabilidad para una implementación exitosa de la misma. En este punto, se tendrá que contar con expertos externos en el marco de las organizaciones para explorar las opciones que la IA ofrece en función de las necesidades corporativas.
• Fomentar la confianza de los trabajadores y empresarios en la IA. Mientras que las empresas deben mantener a sus stakeholders al tanto de sus avances y propósitos en el uso de la IA, los gobiernos han de llevar a cabo campañas de concienciación para reducir la inhibición de la tecnología en la vida cotidiana.
• Integrar la IA en el desempeño de la fuerza de trabajo. Los departamentos de Recursos Humanos deben integrar el uso de datos en sus procesos para monitorizar las demandas del mercado de trabajo y las habilidades de los posibles futuros empleados. Por parte de las administraciones, se debe asegurar que los jóvenes abandonan su periodo educativo con la formación y habilidades suficientes en materia de IA para incorporarse de forma competitiva al mercado de trabajo.

Todo esto está muy bien, pero también tenemos que saber cómo pueden las empresas sacar partido a la Inteligencia Artificial en sus actividades productivas, de manera que realmente aprovechen estas innovaciones para mejorar en sus negocios.

Actividades empresariales donde la Inteligencia Artificial puede hacer una mayor aportación

Cuando una empresa se plantea comenzar a utilizar tecnologías como el Machine Learning y el Deep Learning tiene dos opciones: realizar desarrollos propios de software aprovechando las APIs de plataformas de Inteligencia Artificial como puede ser Watson de IBM, Tensor Flow de Google, entre otros, o recurrir a software desarrollado por otras empresas, principalmente startups, que buscan soluciones a problemáticas concretas con las que se suelen encontrar las empresas.

A continuación, lo que vamos a conocer son ejemplos de algunos de estos desarrollos que ya están accesibles para aquellas organizaciones que quieran comenzar a aplicar la Inteligencia Artificial en su actividad y lo vamos a hacer a través de las actividades en las que consideramos que esta tecnología puede aportar un mayor valor en el corto plazo.

1. Ciberseguridad

La seguridad informática va a ser uno de los principales caballos de batalla para las empresas en los próximos años. Tengamos en cuenta que nos movemos en un contexto en el que las empresas deben transformarse digitalmente para ser competitivas en el futuro, por lo tanto cada vez estarán más basadas en el software y es precisamente esto lo que va a hacer que se vean expuestas a todo tipo de ataques informáticos. A este respecto la Inteligencia Artificial ya está jugando un papel importante, por ejemplo, por tener un dato que ofrece la consultora de ciberseguridad e inteligencia Webroot, la IA es utilizada por aproximadamente el 87% de los profesionales en ciberseguridad de los Estados Unidos. Aunque siempre que hablamos de ciberseguridad tenemos que fijarnos también en el lado de los atacantes que, como os podéis imaginar, también están aprovechando los últimos avances en Inteligencia Artificial para mejorar sus herramientas y estrategias de ataque.

Un ejemplo de la utilización de la Inteligencia Artificial en el ámbito de la ciberseguridad es el software AI2 desarrollado por la startup nacida en el MIT Patternex que tiene la capacidad de predecir el 85% de los ciberataques a través de la revisión de más de 3.600 millones de ficheros de registro cada día, informando cuando detecta cualquier situación sospechosa. Una tecnología que no solo se basa en la Inteligencia Artificial, sino también en entradas realizadas por humanos, a lo cual los investigadores han decidido llamar Intuición del Analista. AI2 escanea contenidos con técnicas de aprendizaje automático sin supervisión, para luego presentar sus descubrimientos a los analistas humanos al final del día. Entonces los analistas identifican qué eventos son ciberataques y cuáles no lo son. Después las conclusiones obtenidas son incorporadas al sistema de aprendizaje automático de AI2 para analizar nuevos registros el siguiente día. Esto permite a AI2 ser más preciso cada día. Desde su fundación en 2013 la empresa Patternex ha recibido financiación por valor de 7,8 millones de dólares.

Este ejemplo de colaboración entre las máquinas y los humanos resulta muy representativo del modelo de trabajo futuro de aprovechamiento de la Inteligencia Artificial por parte de las empresas. En la mayoría de casos, en los próximos años no vamos a ver cómo las máquinas le quitan el trabajo a las personas sino cómo las personas utilizamos nuevos tipos de máquinas para hacer nuestro trabajo de una manera mucho más efectiva y con ello aumentar el impacto de nuestra actividad.

«Los humanos deben fusionarse con las máquinas, o volverse irrelevantes en la Era de la Inteligencia Artificial». Elon Musk

Otra de las startups que se ha especializado en el uso de la Inteligencia Artificial en el ámbito de la ciberseguridad es Darktrace, que aplica los principios biológicos del sistema inmunológico humano para resolver el desafío de proteger a la empresa de ciberamenazas evolucionadas. Para ello utiliza tecnologías como el Machine Learning con el objetivo de ayudar a las organizaciones a detectar comportamientos anormales dentro de sus redes en tiempo real, antes de que se conviertan en ciberataques dañinos. Para su desarrollo la empresa ha llevado a cabo varias rondas de financiación con una recaudación total de unos 180 millones de dólares.

2. Marketing

Adext es una startup fundada en México y basada en Estados Unidos, que ha recaudado 5 millones de dólares de financiación con el objetivo de aplicar Inteligencia Artificial y Machine Learning en el desarrollo de aplicaciones que ayuden a las empresas a encontrar la audiencia que le proporcione el mejor rendimiento para sus campañas publicitarias. Esta solución tecnológica de publicidad digital busca obtener el menor costo por conversión y el mayor ROI, a través de una herramienta de Audience Management as a Service que utiliza Machine Learning para automatizar el manejo y la optimización de los anuncios publicados en plataformas de publicidad como Google, Facebook, Instagram y YouTube.

Otras aplicaciones de la Inteligencia Artificial en el área del marketing en las que ya trabajan otras startups y empresas para desarrollar software y servicios específicos pueden ser:

• Creación, optimización y curación de contenidos para campañas de inbound marketing o incluso en medios de comunicación cuando se trata de contenido que puede ser extraído de datos, informes o estudios. Aquí vale la pena conocer el trabajo que realiza la empresa MeaningCloud con tecnologías propias de publicación semántica y análisis de contenidos.
• Diseño de campañas de email marketing basadas en la segmentación de clientes que puede realizar la Inteligencia Artificial, con aplicaciones concretas como la redacción de títulos para emails que tengan una mejora tasa de apertura, a lo que por ejemplo se dedica la startup Phrasee, la recomendación de productos relacionados o la realización de Test A/B de manera automatizada.
• Posicionamiento en buscadores que funcionan a través de la voz, que cada vez van a ser más habituales gracias a la proliferación de los altavoces inteligentes como Amazon Echo y Google Home, para lo cual será necesario contar con herramientas tecnológicas que adapten el contenido a esta nueva interfaz de interacción entre las personas y las máquinas.
• Diseño para sitios web donde se pueden utilizar algoritmos enfocados a mejorar la tasa de conversión o mejorar la experiencia de usuario en su navegación e interacción con la web. Aquí hay que añadir también las nuevas formas de interacción con la web que conocemos como chatbots.
• Análisis predictivo en el que a través del uso del Bigdata, algoritmos estadísticos y técnicas de Machine Learning es posible identificar la probabilidad de situaciones futuras basadas en un historial de datos, por ejemplo en ámbitos como la conversión de leads y la fidelización de clientes.

3. Toma de decisiones basada en los datos

Al igual que ocurre en el área de marketing, la disponibilidad de una gran cantidad de datos y la posibilidad de poder utilizar técnicas de Inteligencia Artificial para sacar provecho de ellos, por medio de la automatización de determinados procesos, va a resultar una ventaja competitiva para muchas empresas en el futuro. Lo veremos en multitud de áreas de la empresa como es estrategia, operaciones, producción, finanzas, administración… y aunque durante mucho tiempo la toma de decisiones seguirá siendo responsabilidad de las personas, cada vez será más habitual que este proceso sea el resultado de un trabajo colaborativo entre un humano y una máquina, que participa como asistente del directivo responsable de la toma de decisiones en cada caso.

Un ejemplo de cómo las empresas pueden introducir la Inteligencia Artificial en los procesos de toma de decisiones es la utilización de la aplicación Einstein, integrada en la plataforma de CRM Salesforce, que aporta una capa de inteligencia artificial para ofrecer predicciones y recomendaciones según sus procesos empresariales únicos y los datos del cliente, lo cual permite utilizar la información para automatizar respuestas y acciones, a fin de lograr, por ejemplo, que los empleados sean más productivos y los clientes estén más satisfechos con el servicio recibido por la empresa.

4. Atracción y fidelización del talento

¿Alguna vez has pensado que una máquina podría jugar un papel de relevancia en un proceso de reclutamiento? Ese es el objetivo que se ha propuesto la startup rusa Stafory al crear, gracias a una financiación de 1,1 millones de dólares, un robot virtual que han llamado Vera. Una tecnología que ya utilizan empresas como IKEA y Pepsi, para realizar las primeras entrevistas a los candidatos a un puesto de trabajo y clasificar a estos candidatos en función de los requisitos publicados en la oferta de trabajo. El robot selecciona los curriculums que considera apropiados para el puesto que se oferta y llama a los candidatos para entrevistarles por teléfono o por videochat. Mediante esta tecnología se puede reducir el coste de los reclutamiento en un tercio, ya que el robot puede entrevistar a cientos de solicitantes al mismo tiempo. Para el desarrollo de Vera se han utilizado tecnología de reconocimiento de voz que le permite completar tareas complejas y mantener conversaciones, gracias al entrenamiento realizado con 13.000 millones de ejemplos de lenguaje de televisión, Wikipedia y listados de trabajo.

Otro ejemplo interesante de uso de la Inteligencia Artificial en el ámbito de la gestión del talento es Alfred, el compañero virtual con el que cuentan todos los miembros del equipo de Sngular, para ayudarles a hacer su vida laboral más sencilla, ayudando a resolver tareas rutinarias que pueden distraerlos de su actividad laboral principal y comunicándose con los trabajadores para conocer su estado de ánimo, de cara poder mejorar la estrategia de la empresa en la búsqueda de la felicidad de todas las personas que la componen.

5. Atención al cliente

El reconocimiento y procesamiento del lenguaje natural, también resulta fundamental cuando se trata de una de las principales aplicaciones que le están dando actualmente las empresas a la Inteligencia Artificial. Hablamos de los chatbots que utilizan muchas empresas en sus diferentes canales de atención al cliente, principalmente la web y el teléfono, aunque cada vez más también las redes sociales y apps de mensajería.

En esta actividad nos encontramos con una startup española llamada Inbenta, que ha logrando un importante apoyo financiero por parte de empresas como NTT Docomo, que recientemente ha participado en una ronda de financiación por valor de 6 millones de dólares, lo que lleva a la compañía a haber recibido en total más de 23 millones de dólares. Dinero que está facilitando a la empresa construir un software basado en la Teoría Sentido-Texto, que utilizan actualmente más de 250 clientes para realizar múltiples tareas, que les permite ahorrar costes en sus actividades de ventas y atención al cliente. Esta tecnología de chatbots se basa en una combinación de inteligencia artificial, programación neurolingüística, búsqueda semántica y teoría del sentido-texto, gracias a la cual InbentaBot interactúa con los clientes y facilita sus búsquedas, las transacciones y los restablecimientos de contraseñas, entre otras acciones, mediante bases de conocimiento, preguntas frecuentes y otros sistemas de ayuda.

Conclusión

Acabamos de conocer 5 actividades empresariales en las que la Inteligencia Artificial va a jugar un papel importante en los próximos años. Poco a poco iremos descubriendo muchas más de estas actividades, ya que la mayoría de las grandes empresas tecnológicas han tomado la decisión de introducir esta tecnología en sus aplicaciones principales, como por ejemplo está haciendo Google con sus servicios de comunicaciones y gestión de documentos, o en en lo relativo también a la gestión del spam y las traducciones automatizadas.

De esta forma se presenta ante nosotros una oportunidad para dar un primer paso en lo que se refiere al uso de la Inteligencia Artificial en nuestras empresas y una buena forma de hacerlo es comenzando a utilizar las aplicaciones que están desarrollando algunas de las startups que han decidido apostar por estas tecnologías, como por ejemplo es el caso de x.ai, que ha logrado captar 44 millones de dólares para mejorar la forma en la que agendamos nuestras reuniones de trabajo.

Si a nivel particular comenzamos a utilizar aplicaciones basadas en Inteligencia Artificial que han desarrollado otras empresas o startups, poco a poco iremos captando la esencia de la utilidad que nos puede ofrecer esta tecnología y seremos capaces de saber cómo llevar estas novedades también al software en el que se basa nuestra empresa o desarrollar nuevo software basado en Inteligencia Artificial que ayude a nuestra empresa a transformarse digitalmente y evolucionar a un nuevo nivel en el que prime la eficiencia y donde cada vez los clientes estén más satisfechos con el servicio que les ofrecemos.

Etiquetas: Big Data, chatbots, machine learning, transformación digital

Hasta ahora en Futurizable cuando hemos hablado de tecnologías exponenciales, como la Robótica, la Inteligencia Artificial, Blockchain o la Realidad Virtual, entre otras muchas, lo habitual ha sido tratar cada una de ellas por separado, ya que por sí misma tenían suficiente entidad y tantas aplicaciones de uso, que no parecía necesario recurrir a combinaciones entre ellas. Pero científicos y tecnólogos han decidido en los últimos años que en la combinación de tecnologías puede haber aún un mayor desarrollo que en la utilización de cada una de estas tecnologías por separado, de forma que cada vez vamos a ver con más frecuencia iniciativas en las que se produce una mezcla de varias tecnologías para dar como resultado una utilidad completamente diferente o complementaria a la que se habría logrado con la aplicación de una única disciplina tecnológica. Sigue leyendo -> Mezcla y vencerás

Etiquetas: Big Data, fabricación digital, Inteligencia Artificial, internet of things

Hace pocas semanas publicamos en Futurizable un artículo dedicado a tratar cómo la tecnología estaba cambiando el mundo del automóvil. Como tenemos mucho interés sobre este tema hemos pasado de la teoría a la práctica realizando esta misma semana un evento en el que tomar el pulso del mercado de la mano de algunos de los protagonistas de la industria. Lo hemos hecho a través de un Think Tank en el que hemos reunido en Sngular Hub a profesionales de empresas fabricantes de automóviles, empresas tecnológicas, empresas energéticas, startups, inversores e instituciones. Un evento en el que primó la colaboración frente a la competencia, las ganas de aprender frente al miedo a lo desconocido y sobre todo el interés por demostrar que ya se está trabajando por hacer realidad la visión de un modelo de transporte que resulte más sostenible, eficiente y amigable para las personas.  Sigue leyendo -> El coche del futuro ya está aquí

Etiquetas: Big Data, car sharing, smart cities

Si queremos aprovechar al máximo las utilidades que nos ofrecen las tecnologías exponenciales para construir un futuro próspero para la humanidad, en el que seamos capaces de hacer desaparecer los problemas actuales, como pueden ser las enfermedades incurables, el deterioro del medio ambiente y el calentamiento global del planeta, debemos profundizar en las razones por las que aunque tenemos multitud de recursos y tecnologías a nuestra disposición, no estamos siendo capaces de usarlas en todo su potencial para mejorar esos problemas.  Sigue leyendo -> El futuro de la educación pasa por la personalización

Etiquetas: Big Data, educación