Nuestro objetivo es proporcionar a la PyME una herramienta de nivel de entrada para la integración constante de algoritmos de IA en sus procesos y que les permita beneficiarse de todas las ventajas derivadas de ellas

vtenext

Machine Learning, cómo aplica a un CRM con un motor de gestión de procesos.

En la última década, la Inteligencia Artificial (IA) se ha generalizado cada vez en los sistemas de software que se utilizan todos los días.
La IA ha tenido un impacto en casi todos los campos; ha cambiado la forma en la que interactuamos entre nosotros y con las máquinas, y en el futuro podría cambiar la forma en que vivimos nuestras vidas. Andrew Ng, una de las mentes más brillantes en tecnología, ha definido la IA como “la nueva electricidad”.
Si pensamos bien, esto es exactamente lo que sucedió hace dos décadas con las tecnologías de la información, que ahora es una parte integral de nuestra vida cotidiana.
La mayoría de los gerentes saben también que la IA tiene el poder de cambiar casi por completo la forma en la que se hacen negocios, la IA podría cotribuir con 15.7 billones de dólares a la economía global para 2030 (PwC 2019); por lo tanto, las empresas modernas no pueden darse el lujo de ignorarla.
Cuando hablamos de IA, también hablamos de Aprendizaje Máquina (Machine Learning, ML), también llamado aprendizaje automático. El Aprendizaje Automático es la capacidad de los algoritmos para aprender de la experiencia.

ML es un subconjunto de Inteligencia Artificial que tiene como objetivo crear modelos de predicción y comportamiento a través de un proceso matemático basado en el aprendizaje.

Hay dos tipos de ML:

  • Supervisado: El sistema utiliza ejemplos de entradas y salidas esperadas y debe aprender a predecir la salida a partir de la entrada (por ejemplo la clasificación de imágenes a partir de los ejemplos proporcionados).
  • No Supervisado: No se proporcionan entradas y el modelo debe crear independientemente las categorías y agregar los resultados en función de las etiquetas (Attico, 2018)

Cómo gestionar la complejidad

Machine Learning trae consigo la necesidad de administrar una gran cantidad de procesos que involucran múltiples fuentes de datos y requieren una administración sistemática a través de tecnologías que son:

  • Flexibles: Las actualizaciones en los modelos, los algoritmos de IA y los algoritmos de selección de funciones ocurren de forma rápida, coherente y controlable para incorporar cambios constantes en las regulaciones y tecnologías.
  • Accesibles: La mayoría de las funciones deben ser utilizables por expertos en el dominio, pero sin el apoyo constante del personal de TI y, en cualquier caso, modificables sin escribir ninguna línea de código
  • Asequible: No existe un algoritmo de IA perfecto en el “primer disparo”, sino algoritmos que requieren una fase de prueba de la cual surgirá el mejor modelo para cada objetivo. Por lo tanto su costo de licencia debe ser bajo.

El riesgo para las pequeñas y medianas empresas (PyME) es no tener los recursos necesarios para implementar un sistema de gestión de procesos basado en algoritmos de IA.

Nuestro objetivo es proporcionar a la PyME una herramienta de nivel de entrada para la integración constante de algoritmos de IA en sus procesos y que les permita beneficiarse de todas las ventajas derivadas de ella.

El Enfoque de Inteligencia Artificial de vtenext

En vtenext creemos firmemente que el software tiene que adaptarse a la empresa y no al revés: Cada empresa tiene su propia manera de gestionar y descubrir los procesos en uso para automatizarlos utilizando Machine Learning. Todo esto es esencial para garantizar tanto la efectividad de la solución tecnológica así como la aplicación de algoritmos de “Estado del Arte” (SOTA, State-of-the-Art, por sus siglas en inglés)

Los módulos de Machine Learning están integrados y optimizados en actividades individuales e interactúan directamente con el motor BPMN nativo. Vtenext siempre ha desarrollado y suministrado sus herramientas siguiendo una lógica de código abierto que se sabe que reduce los costos, fomenta la evolución de los productos y la comunidad misma garantiza la adopción de estándares abiertos.

Vtenext colabora activamente con universidades y nuevas empresas para proporcionar a nuestros clientes la mejor tecnología disponible en el mercado.

El marco vtenext de Aprendizaje Automático a detalle

Klondike es el marco creado por vtenext para la integración de complementos de Inteligencia Artificial a través de la plataforma CRM con un motor BPMN patentado.

La extensión Klondike agrega los siguientes módulos de Inteligencia Artificial a vtenext:

  • Módulo de extracción temporal (TE): Transforma todos los datos recopilados por vtenext en una representación de base de datos temporal que es fácil de administrar para cualquier tipo de análisis a realizar.
  • Módulo de Descubrimiento de procesos (PD): Permite el descubrimiento de procesos implícitos relacionados con diversas entidades que provienen de los datos productos por el módulo TE. Ejemplos de procesos implícitos son las prácticas consolidadas en la empresa o vinculadas al comportamiento del cliente. En el último caso, los procesos implícitos determinan los momentos exactos en los que se debe tomar una decisión para guiar el comportamiento hacia un hito (por ejemplo, una nueva compra, renovación de licencia, etc.) o lejos de un evento no deseado (por ejemplo un abandono);
  • Módulo de gestión de clasificación (CM) responsable de probar y evaluar una cantidad de algoritmos de clasificación para encontrar (si es posible) el mejor método para respaldar las decisiones. El usuario decide si aplica o no el método de forma no supervisada, por lo tanto, sin intervención humana para todas las instancias futuras del proceso o bien, supervisado, manteniendo así el poder de decisión.
  • Módulo de pronóstico (FM) Procesa los datos tomados por el TE para ver si ciertas vías en el proceso pueden aumentar la probabilidad de obtener el resultado deseado (o reducir el resultado no deseado). Es posible activar advertencias cuando esta probabilidad es demasiado baja (es decir, en el caso de los resultados deseados) o demasiado alta (es decir, en el caso de eventos no deseados).

El uso de Machine Learning ciertamente puede implicar riesgos relacionados con la obsolescencia de los algoritmos o modelos utilizados. En vtenext mitigamos éstos riesgos transformándolos en oportunidades de éxito y mejora continua. Nuestra plataforma permite de forma nativa la posibilidad de reemplazar los algoritmos con los más recientes y de mayor rendimiento.

Fuente: Machine Learning and CRM Processes

Leave a Reply

Your email address will not be published. Required fields are marked *