Realidad y perspectivas de la Inteligencia Artificial en España 2018

Las posibilidades actuales de la IA incluyen capacidades tales como la creación de modelos de simulación o propensión a la compra, la personalización del proceso de compra mediante sistemas de recomendación basados en tecnologías de machine learning, y también la interacción con asistentes virtuales de ayuda a la compra. Todas ellas brindan una excelente oportunidad para, por un lado, mejorar la experiencia de cliente con las marcas y, por otro lado, monetizar esta experiencia. Nos adentramos así en una nueva etapa de la ‘economía de la experiencia inteligente’ (The Intelligent Experience Economy).

Las expectativas en relación con la implantación de IA son elevadas, pero ¿qué opinan los directivos españoles sobre el potencial de la IA y qué están haciendo realmente las organizaciones? El principal objetivo de este informe es presentar una perspectiva realista que permita entender la madurez del mercado español en la incorporación de soluciones de IA, los retos a los que se enfrentan las compañías y las preocupaciones de los directivos sobre estas nuevas tecnologías. Para ello, hemos entrevistado a responsables de marketing, experiencia de cliente, innovación y tecnología de empresas líderes en España, con una muestra representativa de los principales sectores de actividad. También somos conscientes de la abundancia de información sobre IA que existe actualmente y, especialmente, de la proliferación de tecnologías relacionadas: claramente IA es un concepto que abarca un número creciente de soluciones tecnológicas. Por ello hemos incorporado dos capítulos iniciales a este informe, que sintetizan el mercado de la IA y desarrollan las principales soluciones que están disponibles actualmente: la contribución de Microsoft a estos capítulos ha sido fundamental, y su aportación en cuanto a tecnologías y casos prácticos enriquece profundamente el informe.

Los resultados son contundentes en cuanto al impacto esperado, con más de un 80% de los directivos afirmando que la IA supondrá cambios altamente disruptivos para sus negocios, llegando a convertirse en una ventaja competitiva. Las áreas de gestión de clientes y de marketing y ventas son las que pueden esperar un mayor impacto y verse beneficiadas a corto plazo por soluciones de IA. Claramente – aunque no exclusivamente – las soluciones de reconocimiento de voz y de chatbots / asistentes virtuales destacan entre las de mayor aplicabilidad, tanto por su disponibilidad en el mercado como por el retorno de la inversión necesaria.

Las empresas se enfrentan a un nuevo entorno de relación con el cliente marcado por la digitalización e impulsado fundamentalmente por los avances tecnológicos y la penetración de herramientas que amplifican la interacción de los usuarios con las marcas. Esto ha derivado en una modificación de los hábitos de consumo y comportamiento del cliente final, exigiendo a las empresas desarrollar nuevos modelos de negocio o transformar los actuales para poder satisfacer las necesidades de sus clientes y seguir creciendo en la era digital.

La adaptación al ascenso de los clientes digitales será el verdadero reto para las compañías en los próximos años. Las empresas deberán seguir la senda de la digitalización para no quedarse atrás.

PwC estima que el proceso de digitalización ocurrirá con diferente magnitud geográfica (figura 1). El continente americano será el que presentará una mayor evolución con un incremento de su digitalización de 42 p.p. en los próximos cinco años, mientras que Asia será donde menor crecimiento haya con un incremento de 31 p.p.

El nuevo cliente es un consumidor más exigente e informado que plantea nuevas demandas a las empresas y espera de las organizaciones un mayor grado de personalización. Pese a que las empresas españolas reconocen la importancia de poner al cliente en el centro de la organización, un estudio realizado por PwC [3], apunta que la gran asignatura pendiente para las empresas en España, de uno u otro sector, es personalizar su particular oferta de productos y servicios a los deseos de un cliente que necesita sentirse escuchado.

El conocimiento del cliente puede exigir a las organizaciones un alto nivel de inversión. Y los clientes, por su parte, están dispuestos a dedicar tiempo para proporcionar información personal y a otorgar el derecho a utilizarla, con propósitos específicos: nuestro informe mencionado anteriormente señala que los consumidores estarían dispuestos a invertir hasta 20 minutos de su tiempo en que una marca determinada le conociera mejor para conseguir con ello un mayor grado de personalización en su experiencia de compra.

La convergencia y los avances en tecnologías como el Big Data, el Cloud Computing o el Internet Of Things (IoT) son los motores de cambio que están siendo incorporados para dar respuesta a estas nuevas necesidades de los clientes, y que a su vez están impulsado el crecimiento y la innovación en la IA (IA). Estas tecnologías nos permitirán tanto gestionar la ingente cantidad de información a la que tenemos acceso hoy en día, tomando decisiones estratégicas en las compañías a partir de los datos mediante la IA, como elevar el trato al cliente a un nivel más personalizado.

Hasta hace poco, la IA comprendía un terreno del mundo tecnológico que no había alcanzado las expectativas esperadas en su nacimiento. Es en la década en la que nos encontramos, en la que se está reconociendo el inmenso potencial que puede alcanzar esta tecnología, representando una de las palancas de transformación en el mundo de los negocios.

El término de IA surgió en 1950 (figura 2) y en su acepción más amplia, se define como los sistemas informáticos que pueden percibir su entorno, pensar, aprender y actuar en respuesta a lo que detectan y a sus objetivos. Se trata de la simulación por parte de una máquina de un proceso mental permitiendo tomar decisiones y realizar tareas que originalmente son propias de los seres humanos a través de algoritmos inteligentes, los cuales son capaces de ingerir y analizar datos brutos o no estructurados para convertirlos en información relevante.

El objetivo inicial de la IA residía en programar ordenadores para comportarse como personas humanas. Para ello se les debía programar imitando las tareas sofisticadas que los seres humanos pueden realizar, replicando el procesamiento del cerebro humano en los siguientes aspectos (figura 3).

Abordar este fenómeno se entiende actualmente como una necesidad puesto que la IA no se puede contemplar por más tiempo como una mera alternativa, sino como un aspecto crítico a desarrollar por las compañías, las cuales deben acoplar el trabajo de humanos y ordenadores para maximizar sus fortalezas creando una ventaja competitiva real.

Ejemplo del nivel de aprendizaje que está adquiriendo la IA es el desarrollo por parte de Microsoft de una inteligencia capaz de superar a la de la mente humana. Microsoft ha desarrollado un sistema basado en deep learning enfocado en la comprensión lectora, que ganó a un equipo formado por personas en las pruebas de comprensión lectora de Stanford (SquAD), las cuales son unas de las más complejas del mundo. El modelo aprovecha las redes de atención jerárquica y lee párrafos, oraciones y palabras para ubicar las frases precisas con posibles respuestas. Este tipo de soluciones tienen un gran potencial en su aplicación comercial; como ejemplo, en el pasado Día del soltero en China, las respuestas a las consultas generadas por millones de clientes se realizaron mediante una tecnología similar, de tal forma que los usuarios obtuvieron un gran nivel de atención sin la necesidad de emplear a miles de profesionales de forma puntual.

El crecimiento de datos disponibles a nuestro alrededor es exponencial: se estima que el número de dispositivos de IoT pasará de 20 mil millones en 2017 a 75 en 2055 [4]. IDC predice que ese mismo año el total de dispositivos conectados generarán un total de 180 zettabits de datos. Esta sobreabundancia de dispositivos que generan —y también consumen— constantemente una cantidad masiva de datos en tiempo real proporcionará a los negocios una oportunidad única para utilizar esta información y avanzar en el conocimiento del cliente y en generar una mejor experiencia con las marcas.

Entonces, ¿qué implicaciones tiene esto para la IA?

Cuando apareció el término de IA en los años 50, se tenía acceso a una cantidad limitada de datos, y por ello, la IA no evolucionó de la forma y con la velocidad que se preveía. La disponibilidad actual de grandes volúmenes de datos está, por primera vez, permitiendo evolucionar a las capacidades de la IA que habían permanecido dormidas durante décadas. Estas tecnologías requieren de una gran magnitud de información para que los algoritmos puedan ejecutarse y así obtener un resultado cercano a la realidad.

Los algoritmos de la IA desarrollan los complejos procesos de comprensión e interpretación a partir de los datos, por tanto, los necesitan para poder proporcionar valor. Es fundamental que las compañías tengan presente que tener pocos datos y de baja calidad paraliza la estrategia en IA, y que las tareas de almacenamiento y preparación del dato para su posterior procesamiento son las que requieren más tiempo, pero también las más esenciales.

El objetivo de la IA no es sustituir al ser humano, sino facilitar el análisis del volumen de datos a los que se tiene acceso para tomar decisiones inteligentes. Para poder llevar a cabo estas habilidades, se requiere de un conjunto de técnicas matemáticas y estadísticas que permitan a los algoritmos mejorar en sus tareas en base a la experiencia y al aprendizaje, es decir, con cada vez más datos (machine learning). Por tanto, tener acceso a un mayor volumen de datos y de calidad permitirá a estas estructuras de IA aprender a medida que se ejecutan comandos e ir mejorando en la toma de decisiones.

Las predicciones indican que el IoT se convertirá en la mayor fuente de información del planeta, puesto que fruto de la digitalización el número de dispositivos conectados por persona se incrementará de manera notable y, por tanto, cada vez habrá más cantidad de datos para procesar. Mientras que el IoT supone un gran avance en el reto de la adquisición de los datos, es la IA la que aporta la inteligencia necesaria para la extracción del conocimiento e información relevante. La combinación con el IoT magnificará y multiplicará el desarrollo e impacto de la IA en nuestras vidas tanto a nivel personal como profesional porque le otorgará un mayor recorrido.

Como paso previo a cualquier interpretación de los datos a partir de IA, es fundamental que el dato sea de calidad y facilite la toma de decisiones en tiempo real. Para ello se requiere de un conjunto de infraestructuras y tecnologías que den solución al procesamiento de enormes conjuntos de datos, estructurados, no estructurados o semi-estructurados. Por datos estructurados entendemos aquellos que siguen las reglas de los datos relacionales y son fácilmente procesables (nombre, edad, sexo…). Ahora bien, los datos no estructurados, son los datos que carecen de valor hasta que no se les ordena y clasifica, desde comentarios en redes sociales, imágenes, audios, datos de sensores etc.

Como resultado, en las empresas está teniendo lugar ‘la fiebre del dato’, puesto que les proporciona acceso a millones de inputs de información que les permiten evolucionar en sus propuestas de valor. Forrester [5] indica que el 74% de las compañías habrán realizado inversiones de forma relevante para crear su arquitectura de datos (data lakes) en 2018.

Con IA los negocios pueden evaluar distintas soluciones con mayor agilidad y velocidad, para dar respuesta a sus necesidades y tomar decisiones más precisas, con una mayor certidumbre y en menos tiempo; pero a su vez, esta generación masiva de datos comporta algunos desafíos que deben afrontar:

• Determinar cómo gestionar, analizar y crear conocimiento valioso a partir de todos estos datos.
• Mantener la precisión y la rapidez de análisis.
• Equilibrar la centralización y la localización de la inteligencia —cómo de inteligentes quieren que sean sus dispositivos y sensores—.
• Alinear la personalización con la privacidad y confidencialidad de datos.
• Mantener la seguridad ante los crecientes riesgos y amenazas cibernéticas.

La adopción de IA comporta una transformación profunda de los negocios, no tan solo a nivel de sus infraestructuras o procesos tecnológicos, por lo que la cuestión es si las compañías están preparadas para procesar y entender todos estos datos e integrar estas tecnologías en su estrategia y en su operativa.

Del mismo modo que en 1980 nadie se podía imaginar los grandes cambios que implicaría el PC en nuestras vidas, poca gente hoy en día es capaz de imaginar en lo que se convertirá la IA en las próximas décadas. Sin embargo, parece que la IA emerge ya como un elemento clave en cualquier negocio permitiendo a aquellos que la implanten ir un paso por delante en su estrategia empresarial en términos de mejora de la experiencia de cliente, conocimiento del mercado y optimización de procesos y recursos.

Pese a que la mayoría de negocios no tienen implantados sistemas de IA complejos o se encuentran en fases de desarrollo poco maduras, la IA es percibida por prácticamente la totalidad de los directivos de las compañías como una herramienta fundamental para obtener una ventaja competitiva respecto a los competidores: el número de compañías que invierten en IA ha aumentado del 40% en 2016 al 51% en 2017, con tendencia creciente en los próximos años6.

En los próximos años se prevé que, gracias al desarrollo de nuevos algoritmos, emergerán modelos de negocio disruptivos que forzarán a las empresas a comprender que la trasformación digital no es tan solo una tendencia, sino que es esencial para seguir siendo competitivos.

Algunas de las ventajas competitivas que aporta la IA son las siguientes:

• Optimización del tiempo y recursos a través de la automatización de procesos y tareas rutinarios.
• Reducción de costes a largo plazo.
• Incremento de la productividad y de la eficiencia operativa.
• Mejora en la toma de decisiones, incrementando la rapidez y la eficacia.
• Creación de nuevas líneas u oportunidades de negocio.
• Mejora de la satisfacción del cliente mediante la obtención de distintas perspectivas para predecir sus preferencias y ofrecerle una mejor y más personalizada experiencia.
• Aplicación de habilidades humanas mediante SC automatizadas.

En 2018, se espera que una de cada cinco compañías comience a utilizar la IA para tomar decisiones de negocio y dar recomendaciones a empleados y clientes [5]. Los sistemas de IA sugerirán qué ofrecer a los consumidores, qué condiciones dar a los proveedores e instruir a los empleados en qué decir o hacer en tiempo real. Ello conllevará un aumento drástico de la toma de decisiones basadas en datos. La personalización en la comercialización seguirá siendo una prioridad y un tema candente en los próximos años. La IA será un requerimiento necesario para captar y utilizar la información de todos los puntos de contacto con el cliente y seguirá desempeñando un papel importante para conseguir que los mensajes de marketing y las experiencias de compra en línea sean personalizados para cada consumidor.

El aprendizaje automático y las tecnologías de IA están ayudando a los profesionales de marketing a correlacionar y sintetizar variables de diferentes fuentes, a identificar patrones de comportamiento y a inferir el interés o la intención de compra del consumidor de manera más precisa. Todo ello ayudará a definir estrategias de marketing one to one, más individualizadas, que pretenden alcanzar el nivel de personalización más alto posible gracias al profundo conocimiento de los hábitos e intereses del consumidor.

La IA deja de ser algo propio de las películas de ciencia ficción para convertirse en algo real y abre una nueva era de colaboración entre humanos y máquinas con el objetivo de predecir y satisfacer las necesidades de los consumidores. Por tanto, las compañías deberán identificar qué tareas hacen mejor unos y otros, humanos y robots, para así definir responsabilidades, roles y procesos acordes a cada uno con tal de maximizar la eficiencia.

La mencionada colaboración entre humanos y máquinas es puesta en entredicho por algunos expertos, puesto que más que una colaboración se percibe como una asunción por los robots de las tareas hasta ahora realizadas por personas, pudiendo conllevar a la pérdida y desaparición de millones de puestos de trabajo.

Los expertos predicen que debido a la IA se pueden perder hasta el 40% de los puestos de trabajo en Estados Unidos y hasta el 30% en Reino Unido [6]. Pero si bien es cierto que la IA puede conllevar a la desaparición de puestos de trabajo también comportará la creación de muchos otros al crearse una brecha de habilidades que requerirá la reorganización de los conjuntos de capacidades existentes y la contratación a gran escala de nuevos trabajadores.

El nuevo escenario habilitado con tecnologías de IA pasará del tradicional enfoque en actividades de poco valor hacia actividades de alto valor (figura 4). La automatización generalizada de trabajos poco cualificados hará avanzar a las empresas hacia la creación de una fuerza de trabajo que combine mayor productividad y menos personal.

Durante esta transición se pondrá el foco en el desarrollo del capital humano así como en la aplicación de nuevas y más ágiles estrategias de contratación que reflejen el cambio de habilidades necesarias.

Figura 4. Transición de las actividades laborales con la aplicación de la IA.

Además, el hecho de que las máquinas automaticen el trabajo repetitivo y rutinario de los humanos, nos permitirá acceder a partes más complejas de nuestro cerebro y a habilidades más humanas como la intuición, el pensamiento abstracto o la creatividad, que son clave para la toma de decisiones. La figura 5 muestra la evolución de la IA ‘básica’ (automatización, robotización) a la IA ‘avanzada’, en la que la automatización cognitiva es protagonista.

Figura 5. Evolución y capacidades de RPA.

Sin embargo, es cierto que no todo son ventajas ni su implantación resulta sencilla. Si así fuera, todas las empresas contarían con sistemas de IA avanzados en todas sus áreas y procesos. Una de las principales barreras para la adopción de tecnologías basadas en IA es el coste. La adopción de tecnologías inteligentes sin garantía de éxito puede ser cara debido a su complejidad y la necesidad de mantenimiento y reparación, y un ROI a largo plazo también supone una desventaja añadida. A ello se le añade que muchos programas necesitan de actualizaciones regulares y, en caso de caída del sistema, puede derivarse un riesgo importante para la compañía en cuanto a la pérdida de datos o la parada total de su funcionamiento.

Siendo el coste una de las principales barreras, también podemos encontrar las siguientes:

• Miedo al cambio.
• Tiempo de integración.
• Adaptación con tecnología actual.
• Falta de talento especializado en temas de IA.
• Desconocimiento y falta de madurez de las soluciones y de los proveedores.
• Problemas legales y regulatorios.
• Impacto poco estandarizado.

En relación con la falta de talento especializado, los expertos y las tendencias señalan que las interfaces de IA serán cada vez más accesibles a los usuarios no técnicos de las organizaciones pudiendo ser capaces de operar con ellas sin requerir de capacidades específicas. Además, cada vez más programadores desarrollarán los sistemas de IA como una herramienta de trabajo estándar.

Desarrollar una experiencia de cliente de alta calidad es un aspecto crítico para maximizar la madurez digital de una empresa y obtener el máximo valor de las inversiones digitales. Una encuesta realizada por PwC [7] muestra que las organizaciones que se centran en crear mejores experiencias de cliente a través de la tecnología tienden a tener estrategias digitales más maduradas y a obtener mejores resultados.

Estas organizaciones entienden que la creación de una experiencia de usuario de alta calidad exige habilidades especializadas y son más propensas a contar con empleados con habilidades más desarrolladas en este ámbito (49% vs 38%). Además, durante los tres próximos años estas organizaciones planean invertir en tecnologías complementarias para la mejora de la experiencia de cliente como la realidad aumentada (32% vs 24%) y la realidad virtual (19% vs 15%) (figura 6).

Figura 6. Inversión en las siguientes tecnologías a 3 años.

Obtener una buena experiencia de cliente es sinónimo de crecimiento para una empresa. Aquellos clientes que mejor valoran las marcas son aquellos que incrementan la cesta media de las empresas y además son aquellos que potencialmente pueden ser promotores de la marca. Solo en el sector retail el gasto de los clientes que consideran que la valoración de una compañía en muy positiva en su customer experience es del 34% de su compra actual, mientras que este valor solo es del 15% en las marcas peor valoradas [8].

En una primera fase de lo que hoy consideramos Customer Experience en las empresas, el CRM (Customer Relationship Management) permitió lanzar la relación con el cliente a un nivel superior, y se puede considerar el germen de las estrategias actuales customer-centric. Sin embargo, las organizaciones requieren entender lo que el cliente necesita y desea y el CRM no permitía alcanzar ese nivel de interacción.

Esta realidad dio lugar a una segunda fase en la experiencia de cliente en la que dominaron métricas como el NPS, que permiten entender el nivel de conexión emocional de los clientes hacia una marca.

Actualmente el 62% de los líderes de las organizaciones mundiales creen que su organización necesita planes de acción enfocados en potenciar su estrategia de cliente general y que el impacto de la movilidad, la IA y las tecnologías cloud permitirán reformular completamente las relaciones entre marcas y consumidores logrando interacciones radicalmente más valiosas para el cliente.

Las organizaciones son conscientes que la IA será la capacidad dominante que les permitirá re-imaginar la experiencia de cliente y, según una encuesta realizada por PwC, ya son el 54% las que afirman estar realizando importantes inversiones en IA a día de hoy [9].

Incorporar la IA en la experiencia de usuario es una oportunidad atractiva para las organizaciones puesto que facilita la comunicación con los clientes, agiliza los tiempos de transacción, personaliza las experiencias de clientes y reduce los costes de servicio de atención. Si añadimos machine learning al mix de aprendizaje, las organizaciones podrán redefinir y personalizar continuamente las experiencias con los clientes a medidas que éstos interactúan con ellas.

Cuando se trata de desarrollar algoritmos y construir máquinas que desarrollen tareas que humanos han realizado durante años, Estados Unidos y China lideran la revolución y serán las regiones que recibirán un mayor impacto pese a que todas deberían beneficiarse indirectamente de esta revolución. En Estados Unidos, con Silicon Valley como punto de referencia, se están desarrollando, por ejemplo, algoritmos y procesos enfocados en la creación del primer coche autónomo o en detectar índices de suicidio a partir de las redes sociales como Facebook. En esta región el aumento potencial del PIB por IA se verá incrementado por la introducción de tecnologías más productivas y las ganancias se verán aceleradas por la avanzada tecnología y la disponibilidad de IA de cara al consumidor.

El impacto de la IA en Estados Unidos seguirá siendo fuerte desde mediados de la década de 2020, pero probablemente no será tan alto como en los años anteriores. Una de las razones principales es que a medida que la productividad en China comience a alcanzar a la de Estados Unidos, se estimularán las exportaciones de productos con IA desde China a Estados Unidos.

La segunda potencia económica, China, también está destacando actualmente en este campo. El gobierno chino acaba de establecer un plan ambicioso con el objetivo de que hacia el año 2030 la industria de IA alcance los 150 mil millones de dólares [10], de manera que se conviertan en el centro de innovación mundial. La alta proporción del PIB chino que proviene de la industria manufacturera permite aumentar el potenciar de mejora al introducir tecnologías más productivas. Desarrollar la tecnología y la experiencia necesarias para implementar estas capacidades tardará un tiempo y, por lo tanto, el aumento del PIB no será tan rápido como en Estados Unidos. Pero dentro de diez años aproximadamente, las ganancias de productividad en China podrían superar a las de este país.

Cabe destacar también que, en la India, se ha creado un ecosistema que favorece el crecimiento de start ups, así como el desarrollo de la innovación, lo que también la convierte en un entorno propicio para el impulso de la IA.

Entonces, ¿es la IA una tendencia global en todos los países y para todos los sectores?

Pese a que todas las regiones se beneficiarían de los avances en IA, se espera que Estados Unidos y China sean testigos de las mayores ganancias del PIB derivadas del aumento de la productividad de la IA, aunque la trayectoria del impacto para los dos países varía.

Las empresas invertirán más de 31.000 millones de dólares en IA y SC en 2019, y entre los principales sectores por inversión figuran los servicios bancarios, retail y salud [11].

No solo se espera un crecimiento de la adopción de las tecnologías de IA en campos en los que prometía una especial relevancia como en la automoción, sino en otros como en la detección de enfermedades o el diagnóstico de pacientes (figura 7). Algo similar ocurrió en el mundo del retail hace unos años, a pesar de los recelos iniciales por parte de los consumidores en la apuesta por la venta por el canal online en el sector de la moda. Actualmente en España este sector representa el 30,5% del número de transacciones realizadas por los compradores [12].

Figura 7. Grado de madurez de la adopción de la IA por sector.

Industria: ha sido uno de los primeros sectores en utilizar IA con la incorporación de máquinas para automatizar la cadena de montaje y el proceso de shipping. Pese a que muchas cadenas de montaje todavía requieren supervisión humana, el sector tiende hacía una robotización total de las cadenas de montaje, con un grado alto de complejidad.

Jabil, uno de los mayores proveedores de fabricación, ingeniería de diseño y tecnologías para la cadena de suministros, utiliza el machine learning para detectar y predecir fallos en las fases iniciales de sus cadenas de producción. Como resultado, los errores se pueden corregir antes de añadir otros componentes más caros al montaje consiguiendo una reducción de los artículos defectuosos y de los costes de garantía, así como un incremento de la satisfacción de los clientes. La nueva plataforma de machine learning no solo supervisa las líneas de producción individuales, sino que también recopila datos de fábricas y productos de Jabil de todo el mundo. Además de mejorar los procesos de inspección, la solución optimiza el funcionamiento de cada una de las máquinas en un circuito de retroalimentación que cada vez es más inteligente.

Los denominados ‘inviernos de la IA’ en los que el desarrollo de las soluciones tecnológicas no satisfacía las necesidades de los clientes ya han quedado atrás. Actualmente el desarrollo de la capacidad computacional y la generación de un alto volumen de datos hacen que se genere un caldo de cultivo perfecto para la proliferación de estas tecnologías en el mundo empresarial y la aparición de nuevas oportunidades de negocio. Los grados de madurez de estas soluciones irán incrementando su complejidad a través de los tres estados reconocidos de la IA (figura 8) que se ha ido desarrollando gracias a la simulación de determinadas características del ser humano. La siguiente figura representa la evolución que ha sufrido esta tecnología:

Figura 8. Evolución de la IA.

En una primera fase de la evolución, se automatizarán las tareas rutinarias y repetitivas; luego, cuando la complejidad de las decisiones sea mayor, la IA aumentará la mejora en la toma de decisiones humanas. Y, finalmente, cuando las máquinas sean capaces de aprender lo suficiente acerca de una situación y puedan llevar a cabo predicciones fiables se convertirán en autónomas.

¿Qué técnicas de IA manejamos en la actualidad?

Actualmente, la IA engloba una gran variedad de soluciones, y se puede definir como un proceso diseñado para replicar operaciones que se consideran propias de la inteligencia humana. Machine learning, es una disciplina dentro de la IA que crea sistemas que aprenden automáticamente. Este término de machine learning ha ido evolucionando mucho, desde la capacidad de automatizar un conjunto de tareas repetitivas en base a unas características, hasta el día de hoy, en el que la propia máquina puede ser la que seleccione las características idóneas para automatizar una tarea (figura 9).

Figura 9. Evolución del Machine Learning.

En un nivel por debajo, encontramos el deep learning como técnica concreta del machine learning, que permite el aprendizaje profundo mediante modelos informáticos similares a las redes neuronales del cerebro humano y que por tanto adquiere ese mismo nombre. Lo que hace esta técnica diferencial es que, a diferencia de otras técnicas de machine learning, los algoritmos desarrollados permiten que el ordenador aprenda a partir de los datos, por lo que es el propio algoritmo el que determina las reglas de comportamiento en función de las conclusiones obtenidas sin la necesidad de establecer reglas de comportamiento que repliquen al ser humano ante situaciones concretas.

La aplicación del deep learning permite interpretar lo que nos rodea a través del reconocimiento de imágenes o el análisis del lenguaje natural. Estas funcionalidades se conocen como servicios cognitivos y es la vertiente más enfocada a replicar las habilidades sensitivas de los seres humanos, lo cual las hace imprescindibles en el campo del Customer Experience.

Las posibilidades de aplicación de esta tecnología cognitiva son muy extensas. La Asociación para el Desarrollo de la Experiencia de cliente identifica que un 64% de las empresas tienen implantado un programa de voz (VoC) de cliente desde hace más de un año en el sector auto. Estos programas están enfocados a escuchar al cliente, identificando fortalezas y debilidades del servicio. Se busca obtener información de la experiencia que ha tenido el cliente en base a sus interacciones con la empresa a través de cualquiera de sus canales, como RRSS, emails, grabaciones de llamadas del Contact Center, vídeos de seguridad, etc. Los servicios cognitivos permitirían amplificar la eficiencia de estos programas en la medida que los datos no estructurados puedan ser analizados e interpretados por algoritmos de reconocimiento de lenguaje o de reconocimiento de imágenes.

Ante esta situación, el mercado de IA se encuentra en movimiento y los gigantes tecnológicos apuestan fuerte por estas tecnologías que pueden dar respuesta a las nuevas exigencias del cliente. Las empresas que lideran el desarrollo de estas tecnologías ofrecen todo tipo de soluciones de IA (chatbots, asistentes virtuales, algoritmos de machine learning…) y además, ofrecen la posibilidad de asociar otros productos como el CRM para amplificar la potencia de las soluciones en una estrategia conjunta y vinculada.

Machine learning

Como ya hemos introducido anteriormente, machine learning es una disciplina de la IA para la creación de sistemas de aprendizaje automático.

Las soluciones de machine learning se pueden clasificar en cinco tipos. Cada uno de ellos resuelve una pregunta diferente y por tanto será utilizado en un contexto diferente.

• Clasificación. Está solución trata problemas con 2 o más posibilidades. ¿Va a fallar mi maquinaria en los próximos tres meses? ¿Qué prefieren los clientes, un porcentaje de descuento, un sorteo o un cupón?
• Detección de anomalías. Este algoritmo pretende identificar aquellos valores que no están dentro de la tendencia normal pudiendo detectar problemas rápidamente. ¿Es este post en RRSS normal?
• Regresión. Ayudan a resolver predicciones numéricas futuras en base a histórico de datos. ¿Qué temperatura hará la semana que viene? ¿Cuáles serán los beneficios al final de año?
• Clusterización. Separación de los datos en diferentes grupos o clústeres para una mejor interpretación de los datos. ¿Qué impresoras fallan de la misma manera? ¿Qué clientes gastan más?
• Aprendizaje reforzado. Estos algoritmos aprenden de los resultados obtenidos y deciden cual será la siguiente acción. Con un semáforo en ámbar, ¿acelero o freno? Un robot de limpieza ¿sigue limpiando o vuelve al centro de recarga?

¿Cómo pueden ayudar las técnicas de machine learning a la experiencia de cliente?

Dentro de todas las áreas de una empresa, la anticipación de determinados escenarios futuros puede ser muy enriquecedora para la toma de decisiones; pero en el caso del trato con el cliente, los modelos predictivos permiten adelantarse a los acontecimientos y poder generar una relación de confianza con los clientes, personalizando las interacciones con ellos y anticipándose a sus necesidades. Los casos de uso de predictive analytics son utilizados cada vez con más frecuencia, tanto desde el sector privado como público.

Analizando las fases del ciclo de vida del cliente, se pueden encontrar diversas soluciones de aplicación directa para cada área, no siendo éstas excluyentes entre sí. Si nos fijamos en el proceso de venta, los modelos de recomendación de productos adicionales (cross-selling) o los modelos predictivos de demanda son soluciones muy utilizadas entre las empresas internacionales y españolas.

Es el caso de la plataforma e commerce ‘JJ Food Service’, que utiliza machine learning para anticipar el contenido de los pedidos online y telefónicos de los clientes. De esta manera, se reduce el tiempo de compra del cliente gracias a la predicción de lo que necesitan en cada momento. Esta solución también aprovecha para impulsar el cross-selling, puesto que los clientes no ven tan solo una lista de compra predictiva, sino también recomendaciones o sugerencias para añadir a su pedido, que se estima representan el 5% del carrito de la compra. El sistema revisa el pedido justo antes de pagar para ver si la combinación de artículos indica una posible necesidad de otros productos.

Por otro lado, si nos fijáramos en el último eslabón de la cadena de relación con el cliente, la fidelización, resaltarían otros casos de uso como el Customer Lifetime Value, que tiene como fin establecer un valor para cada uno los clientes a lo largo de su relación con nuestra marca, y planificar una ‘siguiente mejor acción’ (NBA) para cada cliente, en función de su situación contextual particular y de las estrategias de crecimiento de valor definidas.

Prácticamente todos los casos de uso que aplican al cliente y que están dentro del ciclo de vida del mismo, tienen algo en común y es que parten de los datos que nos permiten conocer y diferenciar a nuestros clientes. Es por eso, que uno de los casos de uso con mayor penetración actualmente es la clusterización de la base de datos de clientes, que permite segmentar de manera avanzada la base de datos, identificando grupos de consumo que responderán de manera similar ante posibles acciones de marketing que se realicen.

Lo que aporta el valor diferencial de esta técnica, es que los modelos de segmentación realizados por humanos pueden no llegar a percibir la lógica existente en la relación entre dos clientes muy diferentes, pero con comportamientos similares, mientras que los algoritmos identifican relaciones más allá de lo que nosotros podemos percibir a simple vista. ¿Cómo? El modelo se nutre de todos los datos disponibles de los clientes y procesa estos datos cruzándolos uno por uno hasta que encuentra el patrón más lógico y pinta en un mapa de dispersión (figura 10) estos clústeres, obteniendo una segmentación más real del comportamiento de los clientes y por tanto generando eficiencias en las acciones que se realicen con estos targets. El caso de uso de clusterización sirve además como base de otros muchos casos de uso enfocados en el cliente y permite cruzar la información de herramientas como el CRM para dar un servicio al cliente final mucho más personalizado y cercano.

Figura 10. Algoritmos de aprendizaje supervisado (machine learning).

Para entender la situación actual del mercado español con respecto a la implantación de soluciones tecnológicas relacionadas con la IA, PwC ha entrevistado a directivos de diferentes compañías líderes en sus sectores, configurando una muestra representativa del segmento de grandes empresas. Las áreas que han participado en este estudio son mayoritariamente las relacionadas con el cliente (marketing, experiencia de cliente, atención al cliente) y tecnología (TI y SI).

Figura 11. Sectores de las empresas encuestadas.

¿Qué opinan los responsables de las empresas encuestadas de este potencial impacto ocasionado por la IA en el mercado?

La mayor parte de las grandes compañías españolas (cuatro de cada cinco) piensa que la IA supondrá un conjunto de cambios altamente disruptivos capaces de aportar una ventaja competitiva para los negocios. Por otro lado, el 19,2% considera que serán nuevos elementos tecnológicos y operativos importantes pero que no implicarán necesariamente una revolución para el mercado.

El conjunto de las empresas participantes en la encuesta no consideran la IA un conjunto de iniciativas aisladas, ni tampoco que su aplicación a los negocios pueda quedar como pilotos anecdóticos que nunca podrían consolidarse como una tecnología que aporte beneficios reales.

Para que la aplicación de la IA en la experiencia de cliente tenga éxito es clave que sea como complemento -o que sea complementada- de la interacción humana. La tecnología puede dotar a las empresas de analítica de datos detallada, puede incluso ofrecer la mejor opción ante la resolución de un problema e incluso tomar decisiones por sí sola, pero -al menos en el medio plazo- siempre deberá ir asociada a la aplicación humana de las soluciones dado que la empatía y naturalidad humana no es replicable a día de hoy.

Por tanto, la interacción mixta, máquina + humano, será la clave del éxito para la implantación de estas soluciones tecnológicas. A pesar de que las tecnologías puedan seguir evolucionando, la pérdida del toque humano sobre todo en las interacciones con el cliente y en la interpretación de casos de uso predictivos se percibe en general como un riesgo a evitar. En otras aplicaciones más operativas de la experiencia de cliente (como RPA por ejemplo), el toque humano podría ser menor, dado no se percibe implicación directa con el usuario y los beneficios se aplican en la organización interna enfocados a la eficiencia de los recursos, pudiendo mejorar por tanto la dedicación de las tareas directas para el trato de los clientes.

Comprobamos, por tanto, que se sigue dando valor a la parte humana de los procesos, que será esencial también en la evolución de la IA ya sea en su fase de creación, desarrollo, implantación o supervisión. Así lo mencionan expertos del sector hotelero destacando el valor de la parte humana en la operativa tradicional de su negocio para la experiencia de sus clientes. Este sector es uno de los que mayor número de reseñas genera por parte de los clientes, lo cual desencadena que sus activos se vean valorados por estas reseñas y los ingresos fluctúen en función de las mismas. Por ello, no se ve con buenos ojos ceder la atención de los clientes directamente a una máquina, si no que se observa el valor en dotar a los profesionales de mejores armas para poder crear un trato más cercano y personalizado por parte para los clientes.

Sectores en los que la IA tendrá mayor impacto

En cuanto al impacto de estas tecnologías sobre los distintos sectores, aquellos que históricamente cuentan con una mayor facilidad de implantación de soluciones de innovación son lo que destacan por encima del resto. El sector de las telecomunicaciones es un sector que permanentemente busca mejorar la experiencia de cliente. Al ser un mercado poco atomizado y con un nicho de actuación tan elevado, el volumen de clientes que manejan las principales empresas es muy alto. Esto a su vez genera muchas interacciones con los clientes, lo cual implica un coste muy elevado en recursos para poder ofrecer un buen trato al usuario. Por ello, la aplicación a corto plazo de chatbots y otras soluciones de IA se verá impulsada en el corto plazo por este sector.

Asimismo, se verán muy impactados sectores como los servicios financieros (banca y seguros) en los que la evolución del análisis predictivo parece tendrá mucho que decir en los próximos años, lo que permitirá personalizar los servicios en función de las características de los clientes y de esta forma incrementar la eficiencia de los productos y los costes internos. La aplicación de servicios cognitivos como reconocimiento facial o voz, será determinante para mejorar la seguridad y protección de estos servicios.

En cuanto al sector sanitario, las aplicaciones son interminables. Destaca como uno de los sectores en los cuales a largo plazo las soluciones podrán ser las más complejas y con mayor aportación a la sociedad. Las soluciones podrán estar orientadas hacia la mejora de la capacidad técnica de los médicos con la ayuda en la predicción de enfermedades o también en casos más operativos como las predicciones en la disponibilidad de stock.

Figura 12. Sectores en los que la IA tendrá más impacto.

Incluso con el fuerte consenso (>80%) de que la IA tendrá un impacto estratégico en los negocios, los directivos españoles están bastante de acuerdo en que esto no ocurrirá en el corto plazo (menos de tres años), principalmente porque se requieren nuevos conocimientos y capacidades que no pueden desarrollarse tan rápido. Las inversiones necesarias van a ser relevantes, pero no parecen una barrera que ralentice el desarrollo de soluciones IA por parte de las empresas: incluso un tercio de los participantes considera que estas inversiones no tienen por qué ser altas.

Sin duda, la introducción de IA va a provocar cambios en las estructuras organizativas y en los procesos de las compañías, pero, en general, no se espera que estos cambios vayan a ser radicales en un horizonte cercano.

Y los datos (su acceso, uso, interpretación, gobierno, etc.) se sitúan como elemento neurálgico alrededor del cual construir las plataformas de IA. Al fin y al cabo ¿puede haber inteligencia -artificial o no- si no hay información que procesar?

Referencias

[1] PwC: Exploiting the AI Revolution (2017)

[2] PwC: Changing the Game Report (2017)

[3] PwC: Clientes @2033.

[4] Statista: Evolución de los dispositivos conectados a Internet en el mundo de 2012 a 2025 (en miles de millones de dispositivos)

[5] Forrester (2017): Predictions 2018: The Honeymoon For AI is Over

[6] PwC (2017): UK Economic Outlook.

[7] PwC (2017): Changing the Game Report.

[8] DEC (2016): La mejora continua de la experiencia de cliente como motor de crecimiento.

[9] PwC (2017): Global Digital IQ Survey.

[10] PwC (2017): Sizing the prize. What’s the real value of AI for your business and how can you capitalise?

[11] IDC.

[12] PwC (2016): Total Retail.