lun. Feb 23rd, 2026

inteligencia artificial

Crece la confianza de las empresas en el uso de herramientas de Inteligencia Artificial generativa: casi el 40% avala su uso responsable

By Economis Redacción 2 años ago
Compartí esta noticia !

PwC publicó los resultados de su encuesta global Tecnologías Emergentes 2023. El estudio Pulse Survey de agosto 2023 demuestra que la tecnología encabeza ampliamente las agendas estratégicas en el corto plazo; de hecho, el 59% de los ejecutivos declaró que sus empresas planean invertir en tecnologías nuevas dentro de los próximos 18 meses y un 46% planifica lo mismo respecto de la IA generativa. También se pudo ver que a los ejecutivos les preocupa no retrasarse cuando se trata de adoptar innovaciones. 

El estudio ofrece una inmersión más profunda en lo que revelan las respuestas a la encuesta sobre confianza y tecnologías emergentes: qué beneficios se espera obtener en cuanto a confianza y qué medidas se están tomando, así como ciertas vulnerabilidades que aún no han sido abordadas.

En cuanto a los datos sobre confianza, se puede comprobar que los ejecutivos de negocios y tecnología están tranquilos con respecto a las tecnologías emergentes, ya que el 93% de los encuestados concuerda en que están ayudando a generar confianza entre las partes de interés. Una cantidad aún mayor espera que esa confianza aumente en los próximos 12 meses. Pero también la mayoría reconoce que están implementando pocas (o ninguna) de las acciones necesarias para garantizar la seguridad en su uso. Cabe destacar, en ese sentido, que existen medidas generalizadas para fomentar la confianza en las tecnologías emergentes que pueden contribuir a abordar potenciales problemas en temas de gestión de riesgos, cumplimiento, desempeño, impacto en el personal y retorno sobre la inversión, entre otros. Sin embargo, las empresas que las están implementando son menos de la mitad.

El 47% de los encuestados piensa que las tecnologías emergentes ya están logrando mayor confianza de las partes de interés. Un 37% opina lo mismo de IA generativa, específicamente. Las expectativas con respecto a este valor de aquí a 12 meses son aún más altas.

Al respecto, Mariana Melbardis, socia de PwC Argentina de la práctica de Digital Advisory, afirma que “Para ganar esta confiabilidad, muchas empresas necesitarán más acciones. Por ejemplo, la gobernabilidad de datos actual podría no ser capaz de estar a la par de los dispositivos con IoT integrada en toda la extensión de las operaciones. A su vez, la IA generativa se presenta como fácil de usar, en especial cuando tiene una interfaz basada en un chat, pero es fundamental contar con adecuadas herramientas de control, políticas de uso, supervisión y capacitación para confiar en los resultados que entrega”.

Finalmente, el estudio propone 5 ideas, con un enfoque tecnológico de liderazgo humano como base, para generar confianza en las tecnologías emergentes:

  1. Convocar a las personas apropiadas, identificando las partes de interés internas adecuadas para generar una alineación de las prioridades y asignar roles y responsabilidades claras.
  2. Hacer que las tecnologías emergentes se integren con la estrategia y valores de la empresa.
  3. Concentrarse en los resultados. Los datos cuantitativos y mediciones cualitativas pueden ayudar a monitorear los avances en la generación de confianza.
  4. Estar preparados para imprevistos.
  5. Implementar IA responsable. Responsible AI es un conjunto de herramientas diseñadas para asistir a las organizaciones en el uso efectivo y ético de IA.

Puede acceder al informe en el siguiente link.

Compartí esta noticia !

¿Cómo evitar un caos en un almacén de distribución, con IA?

By Economis Redacción 2 años ago
Compartí esta noticia !

La optimización de almacenes es esencial para cualquier negocio. No solo es fundamental contar con un proceso ágil y transparente para satisfacer la creciente demanda de los consumidores, sino que también reduce costos: el almacenamiento representa el 15% de los costos operativos. La optimización de almacenes siempre ha sido un punto de interés para las empresas, y ahora con el avance de la Inteligencia Artificial, se potencian las posibilidades de maximización.

Esto se debe a que se dan las condiciones necesarias tanto para el diseño como para la implantación de sistemas de control de almacenes dinámicos, integrales y artificialmente inteligentes. Estas condiciones son dos: la disponibilidad de grandes cantidades de datos, registrados por los sistemas de gestión de almacenes; y el acceso a potentes arquitecturas informáticas basadas en la nube, que permiten la inferencia en línea y la solución casi instantánea de problemas complejos.

Según Infor, líder global de software empresarial en la nube especializado por industria, basado en cifras de sus clientes, “para atender los pedidos a través de plataformas de comercio electrónico, los operarios del almacén usan listas de picking (preparación del pedido), proceso que representa entre el 50% y el 70% de los costos operativos y, si se dirige a las ubicaciones correctas, supone el 55% del tiempo que los operarios dedican a realizar este proceso”.

Según los datos del estudio Mid Term 2023 según el CACE (Cámara Argentina de Comercio Electrónico), la industria de los negocios digitales del país facturó $2.459.030 millones, lo que significa un significante aumento del 125% con respecto al mismo período del año anterior. Y este panorama no es sólo local: la firma Pay Retailers asegura que el comercio electrónico en Latinoamérica cuenta con más de 300 millones de compradores digitales, lo que implicará un crecimiento del 20% entre 2023 y 2027.

Este panorama, sumado a las necesidades de un consumidor que demanda más eficiencia y agilidad, ha llevado a que los responsables de almacén inviertan en soluciones tecnológicas cada vez más eficientes. Y uno de los principales retos es mejorar el rendimiento de la selección de productos de un almacén, lo que se conoce como picking.

El sistema de gestión de almacenes (SGA) como medio de transformación IA/ML/DL

Los proveedores de soluciones de SGA ofrecen servicios de software que incluyen planificación de recursos empresariales, gestión de inventarios y programación de tareas, brindando un mayor control a los operarios de almacén. Además, integran máquinas de almacenamiento y sistemas de recogida automáticos en la cinta transportadora. “Para mantener su competitividad en un entorno cada vez más desafiante, los proveedores de SGA deben incorporar tecnologías y procesos, como la IA, en la gestión de almacenes”, comenta Belluomo.

Políticas de almacenamiento: aleatorio/caótico vs. dedicado/slotting

Las políticas de almacenamiento son esenciales en los procesos operativos y pueden beneficiarse de soluciones basadas en IA y ML. Estas políticas determinan cómo se almacenan los productos entrantes, equilibrando la eficiencia espacial e intentando reducir la distancia de desplazamiento del operario. Los dos enfoques principales de almacenamiento son los siguientes:

Aleatorio / caótico: las mercancías entrantes se almacenan en la ubicación disponible más cercana. Su punto negativo, es que puede significar que los operarios tengan que desplazarse largas distancias.

Dedicado / slotting: las mercancías se almacenan en ubicaciones concretas. El problema de este tipo de almacenamiento es que el espacio del almacén puede desaprovecharse.

Así funciona IA en almacenes

Los algoritmos de Inteligencia Artificial utilizan reglas de asociación de datos para crear políticas de asignación dinámica de espacios, en donde el algoritmo intenta “adivinar” los pedidos futuros, basándose en los pedidos históricos. Esta estrategia aprovecha al máximo el espacio y reduce la distancia de desplazamiento del personal, siendo especialmente útil en entornos con fluctuaciones estacionales de pedidos.

El slotting o almacenamiento dedicado, es eficaz cuando los pedidos son predecibles. Sin embargo, en contextos en los que los pedidos son menos predecibles, es preferible el almacenamiento caótico. Esto ocurre seguido en las empresas que prestan servicios de comercio electrónico.

Existen varios casos de uso público que ayudan a comprender los beneficios que estas tecnologías aportan a la gestión de almacenes. Uno de los casos más emblemáticos es el de Amazon, que utiliza IA y ML para automatizar la preparación de pedidos en sus almacenes. Los sistemas de IA son capaces de identificar los productos correctos y colocarlos en los envases correctos con una precisión del 99,9%. Otra empresa que ha adoptado la tecnología es la cadena Walmart. Utilizan IA y ML para predecir la demanda de productos. Los sistemas de IA son capaces de predecir las ventas con una precisión del 95%, lo que les ayuda a planificar la cantidad correcta de inventario.

“Adoptar estas herramientas de la forma correcta puede aportar valor a corto plazo, pero es necesario encontrar a los socios adecuados que ofrezcan un verdadero Data as a Service (DaaS). Esto significa encontrar aquellas empresas que no sólo impulsan una biblioteca de casos de uso, sino que realmente apoyan en la selección de las mejores opciones a medida y su implementación. El futuro seguramente se construirá con Inteligencia Artificial, aportando más eficiencia y productividad en toda la gestión de almacenes. Sólo queda abrir la mente a esta posibilidad.”, concluye Belluomo de Infor.

Compartí esta noticia !

El 80% de los proyectos de IA fallan y el motivo no está en la tecnología

By Redacción Economis 2 años ago
Compartí esta noticia !

Se tiene estimado que para 2026, más del 80% de las empresas habrán utilizado interfaces o modelos de programación de aplicaciones de Inteligencia Artificial Generativa, ya que se ha convertido en una de las principales prioridades de alta dirección y ha provocado una enorme innovación en nuevas herramientas más allá de los modelos básicos, de acuerdo con Gartner. Sin embargo, el mayor desafío está en la calidad de los datos que alimentan la IA para el futuro.

”La IA ciertamente ha estado llegando a los titulares en 2023. Hay una multitud de opiniones alrededor de las ventajas y desventajas, pero una cosa es cierta: la IA sólo es tan buena como la calidad de los datos que alimentan la tecnología,” señala Ruben Belluomo, Gerente Comercial de Infor Cono Sur.

Un estudio de 2022, hecho en Brasil por la asociación global GS1, con más de 2,000 empresas, ha señalado que apenas un 9% de la industria ha adoptado soluciones de inteligencia artificial. Un gran salto de los 4%, en 2021, pero un desarrollo aún bastante lento. La cantidad de empresas que está evaluando la posibilidad de adoptar la IA Generativa crece a cada día, pero el avance no se dá de manera más acelerada por tres motivos: la gestión de datos en las empresas, el contexto macroeconómico que exige resultados a corto plazo y el desconocimiento de posibles beneficios y ventajas operativas en la adopción de esta tecnología.

“Según estudios, la adopción de la IA Generativa puede aumentar en 6% los ingresos de la empresa y en las compañías que deciden hacer un all-in en IA, puede representar hasta un 20% del EBITDA. Es una ventaja tremenda, pero hay que hacer lo básico, que es preparar la data para que la IA sea eficiente”, añade Belluomo.

Lo que se nota en el contexto empresarial es que el tema ‘transformación digital’ ha migrado del área de TI a la mesa de los CEOs y ocupa un puesto de mayor destaque en las decisiones corporativas. No es casualidad que la expectativa del IDC es que el sector de software empresarial alcance los USD$80 mil millones en 2023, un crecimiento de 5% en comparación con el año pasado.

El Gerente Comercial de Infor destaca que uno de los grandes desafíos es tangibilizar los distintos beneficios de adoptar la IA Generativa. “Desde Infor, queremos apoyar a las empresas a prepararse para el futuro con la IA como una herramienta de mejora operacional. Para ello, hay que adoptar soluciones en la nube que permitan una organización e integración de los datos por toda la organización.”

Otros desafíos permean la adopción de la IA Generativa

Ruben Belluomo afirma que el ritmo de cambio en el mundo de GenAI es rápido y las organizacione de s que no respondan a tiempo pueden quedarse atrás. Idealmente, las empresas deberían adoptar esta poderosa tecnología en lugar de rechazarla. Pero eso definitivamente no significa que la talla única sirve para todos cuando se trata de modelos GenAI y ciertamente hay una serie de desafíos que deben abordarse antes de que los modelos GenAI puedan obtener una adopción generalizada en entornos empresariales. En este contexto describe:

  1. Primero, está el tema de la confiabilidad. Si bien el contenido generado a partir de un modelo de lenguaje grande parece original, en realidad imita un patrón basado en un conjunto de datos de entrenamiento similar al que ha estado expuesto.
  2. En segundo lugar, tenemos problemas de privacidad. Los datos y las condiciones de entrada que comparten los usuarios se utilizan para entrenar el modelo más grande.
  3. Luego está el tema del sesgo. La calidad de los datos es importante a la hora de aplicar técnicas analíticas o de Inteligencia Artificial, porque los resultados de estas soluciones serán tan buenos o malos como la calidad de los datos utilizados. El hecho de introducir datos erróneos o sesgados conlleva riesgos. Los algoritmos que alimentan los sistemas basados en IA sólo pueden asumir que los datos a analizar son fiables, así que en caso de que sean erróneos, los resultados serán engañosos y el proceso de toma de decisiones se verá comprometido. Además, el tiempo y los recursos utilizados para realizar el análisis de datos habrá resultado inútil, lo que conlleva gastos.

Belluomo menciona que a pesar de los desafíos, las empresas que adoptan la IA de manera correcta pueden cosechar ventajas sustanciales. “Tenemos casos de clientes en el que, con el apoyo de nuestra solución de IA, el tiempo de procesamiento de pedidos se ha reducido en un 30% y el ahorro con distribución ha llegado a la cifra de US $1,5 millón de dólares anuales”.

Por último, en términos de cómo evolucionará la IA generativa en los próximos cinco a diez años, las inversiones en la tecnología aumentarán enormemente, tanto en términos de generación de mejores modelos como en el espacio de hardware, con chips más rápidos y potentes y la necesidad de más anchos de banda de red, precisa el directivo de Infor.

Compartí esta noticia !

Inteligencia vs astucia ¿Qué nos hace humanos?

By Camilo Furlan 2 años ago
Compartí esta noticia !

Alan Mathison Turing fue un matemático y lógico contemporáneo a la segunda guerra mundial, su participación en los trabajos de decodificación de mensajes encriptados por el Tercer Reich fue fundamental para ganar la guerra por parte de los aliados, aunque esto no lo sabríamos si no 50 años más tarde. Por otra parte, Turing es considerado como uno de los padres de la computación y la inteligencia artificial, ya que sus máquinas “no sólo resolvían ecuaciones” matemáticas, más bien razonaban por sí mismas para determinar cual era más eficiente de resolver el problema. Esto lo convierte en el pionero más importante de lo que hoy conocemos como razonamiento artificial o machine learning. 

El principio usado por Turing para el desarrollo de sus máquinas autómatas se basaba en la siguiente afirmación: “El razonamiento matemático puede considerarse esquemáticamente como el ejercicio de combinación de dos factores, que podríamos llamar intuición e ingenio”. Estos factores son los pilares de lo que hoy llamamos Inteligencia Artificial, porque usa conceptos (no lineales) para resolver los problemas, es decir, aprende del problema a resolver y se centra estrictamente en hallar la manera más eficiente de rodear el asunto de forma “astuta”, evadiendo obstáculos y sorprendiéndonos por su parecido al aprendizaje humano.

Turing, a lo largo de toda su carrera, hizo un particular énfasis en la capacidad humana de poder diferenciar a otro humano de una máquina. Es por ello que creo lo que hoy conocemos como “El test de Turing”, en el que un humano intercambia mensajes con un individuo detrás de una pared hipotética, posteriormente teniendo que adivinar si está hablando con un humano o con una máquina. Este énfasis se debía a la postura meramente “materialista” de la inteligencia por parte de Alan, es decir, a la interpretación de la inteligencia humana como la suma de complejas ecuaciones matemáticas (en algún punto replicables). Descartando cualquier postura que considere a la conciencia como un factor metafísico, mágico o bien más allá de los límites alcanzables por la ciencia. Por eso se consideraba ateo y desarrolló el siguiente concepto: “La ciencia es una ecuación diferencial, la religión es una condición de frontera”. De esta manera, Turing jamás descarta la existencia de lo “sobrenatural”, si no que creía que primero deberíamos de comprender hasta la mayor profundidad el razonamiento meramente lógico, para posteriormente (o no) embarcarnos en esa dirección. 

Esto nos lleva a la interpretación quizás más importante de la inteligencia por parte del matemático. En un punto determinado de la historia, la humanidad no será capaz de discernir la diferencia entre un humano y una máquina, lo que nos dejará entre la espada y la pared con respecto a la pregunta ¿Qué nos hace humanos? ¿Acaso no somos más que un montón de sintaxis y sumatorias que desencadenan respuestas frecuentemente predecibles? O, en aquel punto ¿En que podríamos sostenernos para afirmar que las máquinas carecen de conciencia?

Otra línea de pensamiento nos lleva a plantear que el momento “x” en el que no seamos capaces de diferenciar un chatbot de una persona será inalcanzable, ya que los procesadores no tienen la capacidad de computar tantos datos como si la tiene un humano. Nuestra capacidad de abstracción (Imaginación) es equivalente a la memoria RAM de las computadoras, un cerebro promedio tiene no menos de 2,5 Petabytes de “RAM”, (2,5 millones de Gigabytes). Mientras que una computadora promedio tiene entre 4 y 8 Gigabytes solamente. Además, un algoritmo de computadora jamás será capaz de vivir el cotidiano humano promedio, bañado de conversaciones, chistes sarcásticos, traumas, “emociones” (Sintaxis matemática cerebral alterada por la segregación de químicos en el organismo). 

Entonces ¿Qué es la inteligencia artificial?

Como bien lo planteaba Turing, una computadora jamás será capaz de emular un cerebro humano en toda su complejidad y magnificencia, lo que sí puede hacer es volverse extremadamente eficiente en convencernos de que si puede. Esta es la matriz del desarrollo actual de la mal llamada I.A, es decir, no somos capaces de generar el nivel de conciencia que podemos llegar a alcanzar los humanos, pero la capacidad de resolver problemas por parte de una I.A es una manera elegante de ocultar algo más simple, la astucia. 

Llevándonos de esta manera a construir el postulado de inteligencia sustentado sobre la base de la mera capacidad de persuasión y no de razonamiento. Mediante esto podríamos decir que más allá del trasfondo científico que subyace la verdadera razón del intelecto o la conciencia humana, el concepto más eficaz para describir que es la inteligencia refiere a la capacidad del comunicador de convencer al comunicado sobre su nivel de inteligencia. Es decir, somos tan inteligentes como seamos capaces de demostrar.

Las implicancias de esa afirmación hacen peligrar la estructura misma del mundo moderno, sustentado por medios de comunicación masivos e instantáneos. En el que convencer a la mayor cantidad de personas de ser capaz de revertir el cambio climático o eliminar el hambre del mundo, se vuelve tan fácil como publicar un meme de vez en cuando. En la era de la inteligencia artificial, la computación cuántica y la fibra óptica, nos enorgullecemos de poder engañar con mayor eficiencia que antes. Quizás no merezcamos desenmarañar el misterio detrás de la conciencia humana, siendo que teniendo la posibilidad de hacerlo justo frente a nuestras narices, decidimos usar la I.A para hacer tiktoks virales y engañar al profesor de literatura más fácilmente.

Compartí esta noticia !

Inteligencia artificial para entender inteligencia natural

By Camilo Furlan 2 años ago
Compartí esta noticia !

¿Acaso jamás pensó usted en poder hablar con su perro? ¿O en entender el lenguaje de los leones? Esa fantasía, tan a menudo tachada de infantil e ingenua, tiende a volverse parte de nuestra cotidianeidad. Así es, estamos rozando la posibilidad de entender el lenguaje de los animales, tal y como si se tratase del traductor de Google. Un muy apasionado grupo de 10 científicos de California, EEUU, plantean que la interpretación de datos masivos conformados por material bioacústico de diversas especies puede ser interpretado de manera eficaz mediante el uso de inteligencia artificial. Su lema es: “Mas de 8 Millones de especies comparten nuestro planeta. Solo entendemos el idioma de uno”

Este proyecto nació en el año 2008, y desde ese entonces hasta el día de hoy, no deja de ser una magnífica idea. En 2017 se suma Reid Hoffman, cofundador de la plataforma LinkedIn, hoy Líder del proyecto. Earth Species Project, no tiene fines de lucro y se basa en la tecnología Open Source, lo que quiere decir que su código matriz está libre al público, tal y como si Coca-Cola diera libre acceso a su tan polémica receta de la gaseosa. 

Rebobinamos a los años 60, donde un profesor de poligrafía se relajaba en su oficina, (El, su polígrafo y una planta). Este señor, se llamaba Cleve Backster y ese día, en esa oficina descubriría algo tan impresionante que lo dejaría obsesionado por el resto de su vida. Backster descubrió, entre otras cosas, que las plantas sienten y convertiría su mera existencia en la prueba científica más fehaciente de ello. Lastimosamente, su trabajo fue atrozmente ignorado por parte de la comunidad científica, dejando de lado toda posibilidad de considerar a las plantas conscientes. Aun así, hasta la actualidad, ha resultado inútil intentar refutar sus investigaciones, dotando su trabajo de un muy bien camuflado prestigio científico. 

Al día de hoy, la poligrafía es una disciplina en extremo perfeccionada y refinada mediante el uso de modernas máquinas que solamente un profesional podría manejar. Más allá de ello, un polígrafo, no es nada de otro mundo. Al punto tal de que, quien escribe esto, pudo crear uno funcional sin mayores inconvenientes. Programé una plaqueta “Arduino”, para que interpretara la variación de conductividad entre dos electrodos y lo convirtiera en un gráfico inteligible, algo que he visto hacer en niños de 6 años sin mayores dificultades. 

Por mi experiencia, la cual recomiendo a cualquiera que pueda replicarla, me di a entender de que la interpretación de las lecturas proporcionadas por el dispositivo, a menudo tienden a ser complejas de interpretar. Unos días atrás, dí por casualidad con el trabajo de este grupo de científicos y resonó en mí la posibilidad de combinar estas tecnologías. Es decir, desarrollar una inteligencia artificial capaz de interpretar las lecturas del polígrafo en plantas, convirtiendo unas pocas variaciones eléctricas en palabras representativas tal y como: “Necesito más sol”, “El jueves me echaste demasiada agua”, “El electricista que vino ayer me cae mal” …

Quizás estés pensando: “Qué el electricista… ¿qué? O ¿Qué tiene que ver eso con la planta? Creo firmemente que este es un tema caracterizado por su vastedad, a tal punto de que, si me pusiera a explicar el porqué de todo, me extendería a sobremanera. Aún así, puedo dar fe, en que esas “frasecitas” tan inocentes, tienen un muy profundo asidero científico y son una síntesis muy didáctica de una extensa y apasionada investigación sobre la temática. En última instancia, puedo invitarlos a que investiguen al respecto, porque lo que yo sé, lo sé por información dispersa en toda la red del internet, a la cual todo el mundo tiene un relativo fácil acceso.

Si bien por mi parte estoy trabajando en el desarrollo de neuronas artificiales capaces de realizar esta tarea, mi énfasis se centra hoy en que la posibilidad de indagar en estas cuestiones está en las manos de quien simplemente se lo proponga. Backster hubiese soñado con que cada niño de la primaria pudiese estar jugando con un polígrafo con total naturalidad, creo que el fácil acceso a esta tecnología y a esta información es el más preciado regalo del que nos podría haber dotado el siglo XXI. Lastimosamente, en las instituciones educativas, a menudo se subestima la inteligencia de los individuos y se busca disciplinarlos en función de un propósito unificado “Ser alguien en la vida”

Quizás Backster, en su niñez, hacía “machetes” para aprobar los exámenes. Luego, vino internet, y los niños del 2000-2020 reinventaron las “trampas” al recurrir a una búsqueda rápida en la red. Pero, hoy… ¿Cómo podemos seguir enseñándoles que las plantas son seres “Pasivos”? Les obligamos a memorizar la fórmula para calcular la velocidad, o el uso de poleas, en una era en la que tienen la biblioteca de Alejandría en el bolsillo. Sin dudas es tiempo de que la educación cree personas capaces de afrontar la crisis climática, social, medioambiental y energética que se nos avecina. 

Creo en la educación disruptiva, creo en los científicos audaces, en el Open Source y en Albert Einstein cuando dijo “El verdadero signo de la inteligencia no es el conocimiento, sino la imaginación”

Compartí esta noticia !

Categorías

Solverwp- WordPress Theme and Plugin