Vie, 14 Diciembre
El tiempo - Tutiempo.net

 

IT inteligencia artificial

 


Inteligencia Artificial en el comercio minorista.


En el Latam Retail Show, principal evento de comercio minorista de América Latina donde el uso de la Inteligencia Artificial en el segmento fue uno de los temas más abordados en las presentaciones. Tanto así que Robert Hetu, vicepresidente de investigación en el comercio minorista de Gartner, abrió su conferencia sobre el tema con una frase preponderante: “La Inteligencia Artificial es la tecnología más sobreestimada de 2018.”

De hecho, al observar lo que está pasando realmente, el mercado está dando apenas sus primeros pasos en la adopción de tecnología. Para entender los motivos de este gran hype y la poca adhesión real es importante comprender de qué estamos hablando realmente.

- ¿Qué es la Inteligencia Artificial (AI) y el Aprendizaje de Máquinas (Machine Learning)?

- Antes que nada, cabe destacar las diferencias entre AI y Machine Learning, los cuales son subcampos distintos de la computación que están interconectados, pero que muchas veces son confundidos por el mercado.

- Machine Learning (ML): ¿De qué se trata?

- Machine Learning es un proceso por el cual una computadora aprende por medio de la experiencia propia y es más parecido a el datamining y estadística que a la Inteligencia Artificial propiamente dicha. Para entender mejor utilizaremos un ejemplo muy comentado actualmente en el comercio minorista denominado reconocimiento de imagen.

Imagine que debe explicar a un extraterrestre recién llegado a la Tierra lo que es un perro. Usted entra a Google Imágenes, busca la palabra “perro” y le muestra diversas imágenes del animal; ¡Hay muchísimas! Después, él comenzará a reconocer ciertas características que tienen la mayoría de los caninos, tales como; los pelos, el hocico, las orejas, las cuatro patas, etc. Si nuestro extraterrestre tiene un poco de conocimiento éste podrá identificar a un perro. Ahora, usted le muestra la foto de un gato; probablemente él dirá que es un perro porque tiene pelo, cuatro patas, dos orejas, etcétera.  Entonces usted le muestra la diferencia pero sin expresarlo directamente; solamente repitiendo el proceso y mostrando cientos de fotos de gatos. Finalmente nuestro extraterrestre podrá comenzar a entender las diferencias de hocico, las orejas y los demás aspectos y de ese modo podrá diferenciar a un perro de un gato; sólo con ver las distintas características pese a las muchas similitudes. Así es como ejecutaríamos un proceso de “Aprendizaje de Extraterrestre”. Si cambiamos al extraterrestre por una computadora hablamos de un proceso llamado “Machine Learning” que en este caso, es el aprendizaje de máquinas para la clasificación monitoreada de imágenes. Piense ahora que cambia al “gato” y al “perro” por la imagen de su “producto A” y la de su “producto B” y así tendrá un ordenador que identifica dónde está su producto.

Las imágenes presentan patrones de color y de formato que son interpretados por las “máquinas” como una organización binaria. Es decir, un montón de 010101 organizados de forma específica. Cuando introducimos en una computadora cientos de imágenes e indicamos “este es un perro”, ésta identificará los patrones comunes e ignorará lo demás del escenario, incluso el “hueso” que aparece en unas 10 o 15 fotos.

Adentrándonos más en el tema, existen tres formas de enseñar a una máquina: aprendizaje supervisado, no supervisado y semi-supervisado.

En el caso anterior se utilizó el aprendizaje supervisado dado que el extraterrestre habló con un humano sobre lo que era un gato y un perro, por consecuente el extraterrestre aprendió tras observar muchas imágenes. Cuando hablamos de un modelo no supervisado, la máquina debe aprender sola a partir de un parámetro o ‘regla de juego’.

Para entender mejor este modelo podemos probar enseñarle a nuestro amigo de otro planeta a jugar al ajedrez. Podríamos incluso enseñarle las reglas del juego, pero en este caso no le vamos a enseñar nada.  Sólo indicaremos el objetivo (parámetro), el cual consiste en ocupar el cuadro donde está el rey. Como él no conoce las reglas, siempre que haga una jugada no permitida vamos a tocar una sirena e impedirle continuar. En otras palabras, él intentará avanzar a los lados con un peón, por ejemplo, pero bloquearíamos su movimiento. Después de intentar muchísimas veces con cada una de las distintas piezas, él comenzaría e entender cómo funciona el juego, pero seguiría jugando mal. No obstante, entre más partidas juega, más aprenderá sobre cuales movimientos son más estratégicos para ganar la partida. Después de haber jugado varios millones de partidas se convertirá en un excelente ajedrecista.  Observen que aquí no enseñamos nada, sólo dejamos que él aprenda con sus propias experiencias, hasta que después de varios intentos, logra hacerlo bien.

Nuestro amigo extraterrestre tardaría muchos años en convertirse en un buen jugador, sin embargo una computadora puede hacer miles de intentos en segundos. El proceso de entrenamiento es mucho más rápido.

Existe además, un tercer modo llamado semi-supervisado. En este caso tendríamos parte de la información catalogada y otra parte no. Aquí el algoritmo, además de identificar “gatos” y “perros”, también identificaría un tercer animal, como un caballo, por ejemplo, el cual jamás le fue presentado, simplemente porque no es lo suficientemente parecido a un gato o un perro, pero tampoco es lo suficientemente diferente para ser un árbol del paisaje.

¿Cómo se aplica la AI en el Mercado Minorista?

Cuando escuchamos comentarios sobre AI en el marketing, éstos suelen referirse a una solución mágica que puede  resolver todos los problemas, recortar gastos y potencialmente acabar un día con nuestros empleos. Todo lo anterior puede tener algo de verdad, pero no es exactamente así como funciona ni tampoco a esa velocidad. Hasta hoy pocos proyectos de AI se han implementado en el comercio minorista. No obstante, este escenario debe comenzar a cambiar en los próximos años. Según Hetu, las áreas que más han sido impactadas por la tecnología son:

– Segmentación de marketing

– Detección de fraudes

–  Análisis de opiniones

–  Call centers y VPA (asistentes virtuales)

Los call centers y VPA (conocidos comúnmente como Bots de conversación o chatbots), pese a ya estar disponibles, todavía no son utilizados ampliamente por los consumidores, los cuales prefieren evitar interactuar con la máquina, muy probablemente por el nivel de calidad y madurez del proceso.

El patrón de adopción de la tecnología que observamos es justamente en áreas donde hay un proceso burocrático y repetitivo de alguna tarea.  Un ejemplo resaltante de este punto son los vendedores. Cualquiera que haya comprado algo, sea lo que fuese, con un vendedor, sabe que éste puede ser encantador o bien, un repetidor de precios. Para este último tipo las noticias no son buenas. Es probable que la Inteligencia Artificial sustituya su trabajo debido al bajo valor agregado. Un sitio, el display de una tienda virtual o un chat de conversación pueden realizar dicha tarea con más calidad y menos fricción. Sin embargo, cuando hablamos de aquel vendedor que no sólo es técnicamente muy bueno, sino que su opinión es útil y sabe identificar la verdadera necesidad del consumidor para ofrecerle los mejores productos, o que en su operación B2B éste sabe hacer que sus clientes generen más negocios y logren la combinación ideal de productos, éstos no serán reemplazados por AI, aunque sí usarán las plataformas para mejorar su rendimiento y alcance.

El punto clave para las tiendas físicas minoristas será cómo utiliza el operador los recursos tecnológicos para llevar al cliente a una experiencia de compra más envolvente y agradable, ya que solamente la tecnología sin contacto humano no logra el mismo objetivo de satisfacción del cliente.

Ahora mismo, los trabajos más repetitivos, como cajeros o equipos de fijación de precios, están siendo sustituidos, posiblemente en su totalidad, por máquinas que desempeñan la misma función.

Respecto a los trabajos de oficina, Bob Hetu menciona en sus presentaciones que desde que él comenzó a trabajar en el comercio minorista, a finales de los años 80 e inicio de los 90, ya circulaban de más en más planillas de Excel con las principales cifras y análisis de los ejecutivos. Este proceso es lento y está sujeto a errores. Se espera que sea hasta el 2021 que el proceso haya sido sustituido por algoritmos que automaticen los análisis para que los ejecutivos pasen más tiempo tomando acciones sobre las cifras que trabajando en generarlas. Necesitamos aprender cómo pensar y configurar algoritmos que hagan ese trabajo operativo para nosotros.

0
0
0
s2smodern