Introducción
La Inteligencia Artificial (IA) ha surgido como un cambio de juego, revolucionando las industrias y transformando nuestra forma de vivir. En lugar de sustituir a las personas, la IA complementa y aumenta nuestras capacidades, mejorando los procesos de resolución de problemas y desbloqueando nuevas posibilidades. Además, el aprovechamiento del potencial sin explotar de los datos no estructurados generados por las personas abre vías apasionantes para obtener conocimientos más profundos y abordar retos complejos.
El escollo de los datos estructurados
En la disciplina de la ingeniería de la fiabilidad y las curvas de fallo, se han realizado varios estudios que demuestran que ~20% de los fallos de los equipos se deben a causas dependientes de la edad y el desgaste, y el 80% restante son aleatorias o variables. Cuando finalmente se determina la causa raíz, a menudo se identifica un factor humano. Esto no es una acusación contra las personas, sino una ilustración de la importancia de nuestro impacto. Los fallos dependientes de la edad y el desgaste son más fáciles de predecir utilizando datos estructurados como el Internet Industrial de las Cosas (IIoT), lecturas de contadores y alarmas. Por otro lado, los datos no estructurados suelen proceder del ser humano, como texto, formularios manuscritos, imágenes, vídeo y voz. Si sólo analizamos datos estructurados, corremos el riesgo de no analizar el elemento humano de una situación compleja y perdernos hasta el 80% del contexto.
Datos no estructurados: Un tesoro de información
La mayoría de los datos que se generan a diario son no estructurados, desde documentos de texto, imágenes, audio y vídeos hasta interacciones en redes sociales/colaboración. A diferencia de los datos estructurados que se encuentran en las bases de datos, los datos no estructurados carecen de un formato predefinido, lo que dificulta su procesamiento mediante métodos convencionales. Sin embargo, este tesoro de información encierra un potencial increíble, y la IA es la clave para desentrañar sus secretos.
Cuando la IA se entrena para analizar datos no estructurados, puede deducir patrones, sentimientos y contexto a partir de texto, imágenes y otras fuentes. El análisis del sentimiento de las opiniones de los clientes, por ejemplo, ayuda a las empresas a comprender las preferencias y los puntos débiles de los clientes, lo que permite mejorar los productos y servicios. En sanidad, el análisis de historiales médicos y trabajos de investigación impulsado por la IA puede acelerar el descubrimiento de fármacos y mejorar la atención al paciente.
Además, la IA puede procesar y extraer información significativa de contenidos multimedia, como imágenes y vídeos, enriqueciendo aún más la comprensión de problemas complejos. Por ejemplo, en los vehículos autónomos, la IA puede analizar las imágenes de las cámaras en tiempo real para reconocer las condiciones cambiantes de la carretera y responder a ellas.
Aplicación del análisis de datos no estructurados
Inspecciones visuales: Las situaciones que requieren que una persona realice una inspección visual y haga una inferencia (decisión) en menos de un segundo son grandes candidatas para la IA de visión por ordenador. La visión por ordenador puede clasificar una imagen entera o detectar anomalías dentro de una imagen. Estas inferencias pueden ser una solución independiente o formar parte de un modelo de IA más amplio. La inspección automatizada de la vestimenta es un ejemplo de solución autónoma en la que un operario se coloca delante de una cámara antes de entrar en un entorno de sala blanca y recibe información en tiempo real sobre su vestimenta. Las soluciones más complejas incluyen la inspección visual de los productos para identificar fallos en el cerramiento de los productos, viales agrietados y materiales extraños. Los resultados de la detección de objetos se introducen en un modelo de IA más amplio con información de series temporales de producción, sensores IIoT y alarmas para identificar patrones y comprender las causas de los defectos.
Desviaciones en tendencia: Los registros de no conformidades y desviaciones de calidad están saturados de imágenes y texto libre. Hacer un seguimiento de estos datos puede ser una tarea laboriosa, ya que hay que leer y etiquetar cada registro en busca de tendencias y causas para aumentar el rendimiento de la planta. Pueden emplearse métodos supervisados y no supervisados de aprendizaje automático para extraer patrones y perspectivas de los datos.
Leyendo la Sala: Las organizaciones toman decisiones a diario que implican a personas, sus perspectivas y la información asociada. En general, estas decisiones se escriben a veces, pero falta la justificación o carece de contexto. Determinar el contexto de la decisión, la temperatura psicológica de la sala, quién era apasionado y quién reservado son aplicaciones de la IA. El uso de la transcripción y el procesamiento del lenguaje natural conectado con el análisis de sentimientos genera una transcripción de la conversación, pero también analiza las partes humanas (no habladas) de esas conversaciones.
Conclusión
El aumento de la IA está revolucionando la resolución de problemas al amplificar las capacidades y la eficacia humanas. Al aprovechar los conocimientos ocultos en los datos no estructurados generados por los seres humanos, comprendemos mejor los retos complejos y tomamos decisiones más informadas. La colaboración entre la IA y las personas crea una poderosa sinergia que tiene la clave para abordar los problemas más acuciantes de nuestro tiempo. A medida que avanzamos, es vital adoptar esta asociación al tiempo que se defienden los principios éticos para garantizar un futuro en el que la IA complemente y capacite a la humanidad para alcanzar mayores cotas.