*

Entreprenerds

Estos argentinos ganan u$s 3M gracias a las "máquinas que aprenden solas"

Desde el campo a la banca, pasando por el entretenimiento, son muchas las firmas que ya implementan soluciones de aprendizaje automático desarrolladas por talentos locales.

Por JUAN CASTIGLIONE - 20 de Noviembre 2018
Estos argentinos ganan u$s 3M gracias a las "máquinas que aprenden solas"

Lo que hasta hace unos años era visto como un tópico más del vasto campo de la ciencia ficción, hoy es considerado por cada vez más empresas como una herramienta más para mejorar el rendimiento de sus negocios. La inteligencia artificial dejó de ser un tópico ajeno al día a día del hogar o la oficina; por el contrario, está presente en infinidad de acciones que se realizan durante el día: desde solicitar una recomendación a Google, a elegir una película o serie en Netflix a última hora de la noche.

La ubicuidad de esta tecnología es tal que, en la mayoría de sus implementaciones, el usuario ni siquiera está al tanto de que está interactuando con un desarrollo de este tipo. En definitiva, está en todos lados y la tendencia (o el lógico avance técnico al que la industria tech apuesta día a día) indica que llegó para quedarse.

La inteligencia artificial no es un concepto acotado, tiene distintas variantes, utilizadas para atacar distintos procesos y problemáticas. De ese "submundo", tal vez las palabras más repetidas sean "Machine Learning" o su contraparte en español, "aprendizaje automático".

Este campo está consagrado, en su forma más concreta, a la creación de programas capaces de "aprender" en base a la información que le es suministrada en forma de ejemplos. Hoy en día, un sistema diseñado para detectar un determinado patrón en un texto, una imagen o un video, debe ser entrenado con grandes datasets: en resumen, para que reconozca una cara feliz, debe ver miles de ellas. Si bien resulta un proceso de aprendizaje más lento que el del ser humano, una vez aprendida la habilidad puede operar de una forma mucho más rápida, sobre todo cuando se trata de analizar la gigantesca cantidad de datos que son generados día a día en todo el mundo.

En la Argentina, la implementación de soluciones basadas en Machine Learning crece a paso sostenido. Desarrollos locales son utilizados fronteras adentro y afuera, de la mano de un entendimiento cada vez más difundido sobre sus beneficios, tanto para empresas, como para usuarios finales.

Respecto a este boom, un estudio realizado en conjunto por Everis y Endeavor confirma la buena proyección de la industria argentina, ya que las startups dedicadas a IA locales son líderes en la región con una una facturación promedio con US$ 3,67 millones en 2018. Además, el país se encuentra por encima del promedio en cuanto a empleados en este tipo de compañías, con 76 personas. La tendencia, entonces, es alcista y así se mantendrá.

De la teoría a la práctica

El refrán dice que "en la variedad está el gusto". Así parece haberlo entendido Globant, ya que ha encarado desarrollos basados en Machine Learning para todo tipo de industrial, a lo largo y ancho del globo.

Haldo Sponton, director técnico de Data Science e IA en Globant, da una muestra del amplio abanico de soluciones que ha llevado adelante la firma en la que trabaja. "Para una compañía de e-Learning, implementamos un algoritmo basado en Deep Learning que aprende de millones de interacciones (chats) entre niños y maestros, para crear un asistente inteligente que entiende el contexto y la dificultad del niño, y ayuda al maestro a guiarlo por un proceso de razonamiento hacia la solución de problemas. Este es uno de los tantos asistentes virtuales que en Globant hemos implementados, y uno de los que han sido entrenados con mayor cantidad de datos en un dominio muy específico y con objetivos particulares."

El ejecutivo resalta además que, en el mundo de visión por computadora (donde se diseñan algoritmos de análisis de imágenes y videos, que aprenden a interpretar el mundo como lo ven las personas), han implementado "una experiencia de supermercado completamente sin fricción, en donde un usuario puede ingresar a un sector del supermercado, tomar los productos que necesita, y salir de ese sector, sin interactuar directamente con personas ni máquinas. Cámaras y sensores capturan distinto tipo de data, y algoritmos aprenden a identificar a los usuarios mediante reconocimiento facial y a detectar productos mediante reconocimiento de objetos, para crear esa experiencia moderna y transparente".

Las startups locales dedicadas a la IA facturan u$s 3,67 millones en promedio.

En el mundo de finanzas también han sumado experiencia con la aplicación de Machine Learning: "Un ejemplo es el análisis de noticias de diversas fuentes para su enriquecimiento y priorización en el análisis de riesgo de posiciones de mercado. Otro ejemplo, más hacia la banca personal, es la categorización automática de movimientos para su posterior análisis, y hasta generación de predicciones y recomendaciones para alcanzar objetivos financieros personales".

Para Sponton, "la adopción de tecnologías basadas en inteligencia artificial suele ser un poco diferente a la adopción de otras tecnologías más "tradicionales". Dada su naturaleza, los resultados que puedan obtenerse dependen mucho de la calidad de los datos que se utilicen para entrenar los algoritmos".  En ese sentido, considera que "lograr entender las implicancias de una buena cultura de datos no es trivial, y en Globant hemos tomado la bandera de evangelizar a nuestros clientes hacia el desarrollo de esa cultura basada en datos". 

Según el especialista, "un cliente que piensa en datos, y que entiende su potencial, es mucho más abierto a adoptar tecnologías basadas en inteligencia artificial, comparado con otros clientes que se encuentran en una etapa más inmadura en su cultura y manejo de información".

Román Zambrano, CTO de IBM Argentina, considerá que "el Machine Learning tiene un montón de capacidades, pero donde verdaderamente comenzó su despegue fue con los chatbots". La empresa fue la encargada de realizar una solución de este tipo para Santander Río y, según desliza Zambrano, el camino ya es seguido por varios de los pesos pesados de la banca local.

Otro ejemplo que brinda el ejecutivo es el de su trabajo con la industria de call centers. "Existen personas contratadas para escuchar audios todo el día y ver si se resolvió el problema de un cliente o no. El inconveniente es que para esto necesitás un equipo muy grande. Gracias al uso de tecnología de aprendizaje automático se pueden pasar las llamadas a texto y ver sí la comunicación era tanto lo que esperaba el cliente como la empresa. Además, el trabajo de estos 'analistas' se reconvierte, ya que aportar de otra forma con la información que ahora tienen disponible."

La reconversión de trabajos de control también se da en el campo del agro, donde desarrollaron una solución con la firma Sumagri. "Hay gente que tiene como trabajo ver la cadena de granos de cereal y clasificarlos. En su lugar, pusimos una cámara alimentada con Machine Learning que toma fotos, clasifica el material con ciertos patrones, por ejemplo, si están bien o mal. La persona que hacía ese trabajo ahora tiene un dashboard, donde puede chequear como Watson procesa las imágenes de los cereales en tiempo real."

Zambrano incluso cita dos casos donde lo digital tiene un impacto social. Sustentate, por un lado, es una app desarrollada por dos jóvenes de 17 y 21 años junto a IBM, que utiliza una red neuronal para saber, mediante imágenes, cuando un envase es reciclable o no. También está el caso del Gobierno de una provincia, que ya está implementando capacidades de Watson Health para analizar diagnósticos, historia clínica, para después poder atacar casos puntuales en la salud pública.

El talento argentino, al servicio de la innovación

Luciano Ordoñez, socio fundador de 7Puentes, puede considerarse uno de los pioneros en la implementación de soluciones de IA en el mercado argentino. Su compañía lleva más de 10 años brindando soluciones de procesamiento inteligente de datos, que involucran las ya citadas técnicas de Machine Learning.

"Estas técnicas se usan con datos de las propias compañías, corporaciones o gobiernos, que son generados por ellos. Lo que hacemos con el procesamiento inteligente es sacar un valor nuevo, agregado, que es una ventaja competitiva, en el caso en empresas, o un valor social, en el lado de gobierno, que no se hubiese podido sacar de otro modo porque no tenés la cantidad de gente para que haga eso mismo aplicando su propia inteligencia", explica.

El valor del Machine Learning cobra relevancia cuando se advierte la magnitud del material a analizar. Al respecto, agrega que "sí hay una persona analizando un pequeño volumen de datos , podes hacer un programa que emule lo que ésta razona, lo que piensa, y después multiplicarlo por la cantidad que necesites para analizar el volumen total".

Hoy, su compañía abarca distintas verticales, que van desde el retail y el entretenimiento, a los seguros y el campo. Al respecto, el emprendedor cita algunas soluciones exitosas que ya tienen lugar en el mercado argentino, como el algoritmo de recomendación de Qubit: "Lo que se aplica es algo bastante conocido, que es intentar armar el programa en base al usuario que está enfrente, se llama 'personalización'. Al igual que en Netflix, yo entro a mi cuenta y veo películas ordenadas de determinado modo que se asemejan a mi tipo de comportamiento; al lado, entra otra persona con su propio usuario y ve algo completamente diferente. Ese tipo de cartelera dinámica se hace con tecnología de inteligencia artificial que va aprendiendo cómo se comporta un usuario y que es lo siguiente que le gustaría hacer". El secreto en este tipo de implementaciones, revela, es poder ofrecer a los usuarios contenidos que interesen a la plataforma, sin descuidar la buena experiencia que se brinda al usuario.

“Desarrollamos tecnología que nos permiten dar eficiencia a las empresas.”
Mateo Cavasotto, CEO y fundador de Emi.

Al respecto, cita el trabajo realizado para la insurtech Snapcar, que ofrece seguros basados en telemática: "Ponés un chip integrado en tu auto y trackea lo que haces con el. Aprende comportamientos que hacen que un conductor sea más riesgoso que otro. En base a la información recolectada se establece un sistema de scoring automático que mide el riesgo y asegura la póliza más adecuada para cada usuario.
Otra firma que pisa fuerte en este mercado es intive-FDV. Su cofundador, Mariano Stampella, destaca que la empresa, en el mercado local, se está especializando en gestos y en lenguajes, mientras que filiales como las de Polonia y Alemania son muy buenos con fotos y videos.

Hoy, el proyecto más grande ya lleva varios años de trabajo y fue diseñado para una necesidad específica de una de las empresas financieras más grandes de Wall Street, cuyo nombre no puede ser revelado por acuerdos de confidencialidad, "porque lo que hacemos es muy importante para ellos". Stampella así lo detalla: "Procesan mucho volumen de  texto de informes públicos de las empresas que cotizan en bolsa en los Estados Unidos, información que recibe la FED (Reserva Federal), la entidad americana a la que uno tiene que reportar cuando hace una IPO. Existen muchos sistemas que analizan los datos concretos que se dan, pero nosotros nos diferenciamos porque analizamos el texto de las minutas de las reuniones de directorio, que tienen un montón de lenguaje muchas veces coloquial, porque son simplemente eso, minutas, reuniones de empresas que cotizan en bolsa. En base a eso tratamos de encontrar patrones que puedan tener algún valor para inversores". 
Para esta plataforma, intive-FDV trabaja con algoritmos de reconocimiento de texto y los llamados análisis de sentimiento, para poder predecir si a una empresa le va a ir bien o mal en el futuro en base a sus reuniones de directorio. 

Las incursiones de la casa de software no terminan allí; el portfolio se extiende a todo tipo de industrias. En la costa oeste de los Estados Unidos trabajan con Mosaic, una fintech fundada en Oakland dedicada a la financiación de proyectos de energía solar residenciales mediante el aprovechamiento de socios de capital de terceros, que utiliza técnicas de aprendizaje automático para calcular el consumo del hogar y elegir los mejores planes de financiación para acceder a energías alternativas a un costo menor que el de la factura eléctrica mensual. También han desarrollado soluciones que aprovechan la IA para sus propios negocios: "Aprendimos a usar Machine Learning para detectar oportunidades de negocio para nosotros mismos como empresa. Lo hicimos de manera bastante creativa, accediendo a las librerías públicas de búsquedas de talento en todo el mundo. Rastreamos esos portales, tomamos sus textos con nuestras habilidades de procesamiento natural y empezamos a buscar patrones: si en las búsquedas se aceptan vendors o empresas que sean proveedores, que estén dispuestos a hacer outsourcing, o usean tecnologías en las que somos muy buenos. La realidad es que un porcentaje interesante de las nuevas oportunidades que nos surgen como negocios están saliendo de esta plataforma".

No todas las compañías que incursionan en Machine Learning son emprendimientos de mediana o gran envergadura. Mateo Cavasotto es fundador y CEO de Emi, una startup que desarrolló un asistente virtual orientado a ayudar en el proceso de selección de personal para empresas y candidatos. La aplicación ya es utilizada por grandes compañías como Farmacity, Burger King, Banco Galicia, Prisma, PwC y OMINT.

"En las empresas, los selectores realizan muchas tareas operativas que insumen gran cantidad de tiempo, tales como procesar un número enorme de currículums, completar y validar datos básicos, hacer el screening de manera manual y coordinar entrevistas. Por otro lado, un porcentaje muy alto de postulantes no recibe respuesta de las empresas.  Vimos que Emi podía agregar valor a Recursos Humanos y orientamos el negocio en esa dirección", explica su creador, y agrega: "Desarrollamos tecnología propietaria que nos permite darles una experiencia rica al candidato y resultados eficientes a las empresas. A través del uso de Natural Language Processing, Emi puede tener conversaciones naturales, extrayendo el máximo de información y brindando una buena experiencia al candidato. Además, utilizando Machine Learning, puede optimizar el presentismo a las entrevistas o predecir potencial de los candidatos".

En un mundo donde el volumen de datos generados crece minuto a minuto, los sistemas diseñados para su gestión, manipulación y análisis basados en algoritmos "inteligentes" son el camino a seguir para no perder el tren de la innovación. El conocimiento es poder, por lo que tener a mano las herramientas necesarias para acceder a el se hace imprescindible en 2018.

Con los servicios en la Nube en su momento de esplendor, el Machine Learning tuvo finalmente la capacidad de explotar, haciendo posible el procesamiento de cantidades ingentes de información. Hoy, con "cerebros artificiales" que pueden analizar millones de datos en segundos, no subirse al tran de la Inteligencia Artificial puede ser la variable que haga la diferencia entre los negocios que tendrán éxito en los años venideros y los que quedarán rezagados, con sus procesos marchitos. 



¿Te gustó la nota?

Comparte tus comentarios

Sé el primero en comentar

Notas Relacionadas