Regina Llopis, Presidenta de Grupo AIA, participa el día 26 de mayo en el evento online que coordina la Universidad de Girona que tiene por título: «La suma de Inteligencias».
Más información en www.udg.edu/es/
All posts tagged: Inteligencia Artificial
Regina Llopis participa en el evento «La suma de Inteligencias» de la UdG
ASISA y Grupo AIA acuerdan el desarrollo de software basado en IA
Grupo AIA y ASISA han firmado un acuerdo para desarrollar software basado en inteligencia artificial, lo que permitirá a la aseguradora mejorar sus procesos de gestión de forma ágil y efectiva, con el objetivo de satisfacer las necesidades de sus clientes y asegurados.
Grupo AIA ha iniciado un proyecto de colaboración con ASISA, una empresa líder en el seguro de salud que posee el mejor Net Promoter Score, NPS[i], para desarrollar soluciones de software innovadoras basadas en la transferencia de las ciencias básicas (Física y Matemáticas) junto con las ciencias de datos, a fin de dar respuesta a sus necesidades de negocio. Gracias a esta transferencia, Grupo AIA proporcionará inteligencia a los procesos de negocio de ASISA utilizando las últimas metodologías provenientes de la analítica avanzada de datos como Machine Learning.
En esta primera colaboración, Grupo AIA se propone solventar el reto relacionado con la gestión eficiente de los actos médicos. Para ello, desplegará una herramienta basada en modelos de Machine Learning, que ayudarán a los gestores a tramitar de manera ágil, las acciones médicas. ASISA podrá así, tomar decisiones más acertadas para el beneficio del cliente. La aportación de Grupo AIA, basada en el estado del arte de la Inteligencia Artificial, servirá a la aseguradora para la mejora en los procesos de gestión y control en esta área de negocio.
ASISA enmarca esta nueva colaboración en su proceso de transformación tecnológica que afecta a todas las áreas, tanto asistenciales como de gestión, y que tiene como prioridades ser más eficientes y agilizar todos los procesos y mejorar la atención de las demandas de los clientes. El objetivo final del proceso es garantizar que los clientes puedan tener una relación plenamente digital con la compañía, desde la contratación hasta la gestión de los servicios contratados.
[i] Observatorio de la Competencia de la Salud de Braintrust
Inteligencia Artificial para descubrir nuevos fármacos
Las innovaciones en las ciencias biomédicas que están basadas en tecnología, son la esperada oportunidad de esta industria para ser más efectivos. El desarrollo de nuevos fármacos a través de la innovación en I+D que puedan completarse en menos tiempo y con menos costes, es el Santo Grial de la industria biofarmacéutica.
La innovación científica no solo trata de averiguar los mecanismos por los que se manifiesta una u otra enfermedad; sino que, además, se corresponde con la consecución de nuevas drogas que permitan evitar, paliar o curar una determinada dolencia.
Los costes que soporta la industria farmacéutica innovadora suponen más de 2400 millones de euros según Farmaindustria. Por otra parte, la inversión global en I+D en las farmacéuticas supone 30000 millones, solo en Europa. La cifra a nivel mundial sube hasta los 142000 millones de euros.
De estos datos, más del 57% se destina al diseño, desarrollo y evaluación de ensayos clínicos en sus 3 fases. La cantidad restante, 40%, se destina a la investigación básica, procesos de aprobación y farmacovigilancia.
Siguiendo los datos derivados de la patronal de las farmacéuticas innovadoras, se tarda un total de entre 12-13 años en desarrollar y llevar a un paciente un nuevo medicamento. Pero no todas las moléculas llegan a la fase de comercialización; muchas se quedan en el tintero en las diversas fases del desarrollo del fármaco.
Es en la parte de descubrimiento de dianas y el diseño de fármacos en las que la implementación de técnicas de Inteligencia Artificial ayuda a reducir tiempos hasta la mitad y por tanto, un ahorro de costes en la producción de nuevos medicamentos de hasta un 25%.
Actualmente, una biofarmacéutica española, Sylentis, ha implementado un software (siRFINDER) que emplea algoritmos basados en redes neuronales, SVM y machine learning para recoger, depurar y reinterpretar los datos experimentales generados por la farmacéutica. Esto les permite potenciar y desarrollar fármacos gracias a que el software les capacita para generar miles de compuestos específicos para tratar una enfermedad en cuestión de días. La farmacéutica reduce así los costosos y laboriosos trabajos de selección de candidatos, que suelen tardar años, en apenas unos días.
IA para los fármacos personalizados
Una encuesta realizada en junio por Deloitte y MIT Sloan Management Review encontró que solo el 20 por ciento de las compañías biofarmacéuticas son digitalmente maduras, y que la falta de visión clara, liderazgo y financiamiento están frenando a las compañías.
Según MarketsandMarkets, se espera que el mercado de la IA en la industria biofarmacéutica aumente de 198.3 millones de dólares en 2018 a 3.88 mil millones en 2025.
Las cuatro áreas proyectadas para impulsar la mayor parte del mercado de la IA en biofarmacia entre 2018 y 2025 incluyen: descubrimiento de medicamentos, medicina de precisión, diagnóstico por imágenes y diagnóstico médico e investigación. Según el informe, el descubrimiento de fármacos representó el mayor tamaño del mercado durante el período de estudio.
Existe un área que va desde la creación de moléculas candidatas hasta la producción del nuevo fármaco, que presenta una oportunidad única para el desarrollo acelerado de dichos fármacos. Las mejoras potenciales del proceso incluyen lo siguiente:
- Rediseño de los procesos que mejoran la velocidad en el descubrimiento de nuevas moléculas y está basado en el conocimiento experto.
- Digitalización que permita la automatización de procesos repetitivos a la vez que la generación de nuevos contenidos y nuevos datos.
- Advanced analytics incorporando fuentes internas y externas. Aquí se incluirían los modelos predictivos.
Un papel clave para los algoritmos de IA es predecir las interacciones entre las moléculas para así, comprender los mecanismos de la enfermedad. Estos mecanismos a su vez, podrían ayudar a establecer nuevos biomarcadores; identificar, diseñar, validar y optimizar nuevos candidatos a fármacos; e identificar medicamentos existentes que podrían ser reutilizados para otras indicaciones.
Foto Louis Reed Unsplash
Vicens Gaitán, CDS Grupo AIA: “La IA nos permite explotar información que antes no podíamos”
¿Cuáles son las claves de la inteligencia artificial?, ¿ganan ventaja competitiva las empresas que implementan esta tecnología? Estas fueron algunas de las preguntas que se plantearon durante la jornada “Artificial Intelligence. Why & How to keep your Company alive” celebrado en La Salle el pasado septiembre y que generó reflexiones gracias a la participación de ponentes como Vicens Gaitán, Chief Data Science de Grupo AIA, Pier Paolo Rossi, Advanced Customer Marketing & Analytics Director de Banc Sabadell y Daniel Marco, del departamento de Políticas Digitales y Administración Publica de Cataluña, durante la mesa de expertos en Inteligencia Artificial.
La digitalización ha supuesto un cambio en la forma de trabajar de las empresas que han visto en el tratamiento del dato y el uso de tecnología basada en inteligencia artificial, la manera de ganar ventaja competitiva en sus respectivas industrias.
Sin embargo, durante las diferentes intervenciones desarrolladas durante la jornada, se quiso dejar claro que la implementación de inteligencia artificial por parte de las compañías no supone poner un “piloto automático”, sino que requiere de varios elementos que son imprescindibles.
Entre estos elementos, prima la necesidad de aplicar inteligencia artificial al negocio y que sea capaz de resolver una necesidad concreta que permita tomar decisiones más inteligentes. A este respecto, Vicens Gaitán, Chief Data Science de Grupo AIA, aclaró que “gracias a la implementación de técnicas de inteligencia artificial por parte de las compañías, se capacitan a éstas a explotar informaciones de una manera que hasta ahora no había sido posible”.
Significa esto que, las compañías que trabajan con datos para ayudar a la toma de decisiones más eficaces y óptimas han de trabajar en 4 grandes áreas:
- Saber dónde están los datos y capturarlos. Estos datos han de trabajarse con tiempo para ser correctos y que la toma de decisiones posterior sean las más apropiadas a cada caso de negocio.
- Crear y montar el dataset
- Aplicar el algoritmo que va a extraer información de esos datos
- Tomar decisiones en base a los resultados ofrecidos por los algoritmos.
Uno de los aspectos más repetidos durante la jornada fue la necesidad de situar al cliente siempre en el centro de la toma de decisiones para que éstas sean más efectivas. Para ello, la tecnología ha de ir de la mano de negocio ya que la suma de ambas permite llevar los proyectos customer centric adelante.
De esta manera, la utilización de técnicas de inteligencia artificial refuerza las capacidades del negocio a adaptarse y adelantarse a la toma de decisiones estratégicas y tácticas a la demanda real que tienen por parte de sus clientes. Por ello, es fundamental que los equipos de negocio y Big Data trabajen juntos de manera interdisciplinar. Solo así se obtiene inteligencia de negocio.
El acompañamiento de la inteligencia artificial a negocio y su integración como estructura fundamental de las compañías, define la madurez en la éstas se encuentran. A mayor inteligencia artificial, mayor inteligencia corporativa.
La figura escondida para el éxito de una implantación de la IA en las organizaciones
Las empresas continúan implementando Inteligencia Artificial en sus procesos: Marketing, Finanzas, Operaciones… todos ellos se ven beneficiados por la irrupción del uso del dato como eje transversal en las compañías.
En un reciente estudio publicado por Fujitsu y Pier Audoin Consultants, se pone de manifiesto que los beneficios que obtienen las empresas gracias a la IA empieza a dar resultados. No es algo a futuro que ocurrirá dentro de 5 años. El tiempo de la IA es ahora. Sin embargo, las cifras aún son bajas: solo el 11% de las empresas encuestadas está implantando estrategias de Inteligencia Artificial, el 29% tiene proyectos en fase de desarrollo y un 35% tiene pensado hacerlo en los próximos dos años.
Esta clasificación es la que se denomina innovators, early adopters, followers. Es decir, dependiendo del estado de madurez de las compañías y cómo están realizando la adaptación al dato, éstas se situarán en los porcentajes antes mencionados.
En esta línea, aquellos que han implementado IA o tienen en mente hacerlo aseguran que es la base para mejorar en la automatización de sus procesos (53%), mientras que un porcentaje cercano al 75% están creando las unidades de negocio para ayudar a su despliegue. Las principales áreas en las que se está empleando esta tecnología son en la mejora en la eficiencia de la producción, el mantenimiento predictivo y sobre todo en poder predecir el comportamiento del cliente para realizarle las acciones oportunas.
Sin embargo, hace unas semanas se ha publicado una encuesta realizada por MIT Sloan Management Review y Boston Consulting Group que han arrojado datos diversos.
Mientras se asegura que la IA promete recompensas, éstas no están exentas de riesgos, como que tus competidores hayan decidido arriesgarse e ir un paso por delante. Son los innovators que utilizan la IA para la alineación, inversión e integración en toda la organización. De manera transversal y en todos los órdenes organizacionales.
Un gran número de empresas líderes son las que ven a la IA, no como una oportunidad sino como una estrategia de riesgo. Tanto, que desde 2017 a 2019 esta percepción se ha incrementado de 37% al 45% respectivamente.
Y en este saber manejar el riesgo muchas iniciativas basadas en IA fallan. 7 de cada 10 empresas encuestadas aseguran que apenas han obtenido réditos de esta tecnología. Y no es baladí cuando casi el 90% de las compañías han hecho alguna inversión en este campo.
El quid de la cuestión es que, si bien algunas empresas han descubierto cómo tener éxito, la mayoría de ellas tienen dificultades para generar valor con Inteligencia Artificial. Como resultado, muchos ejecutivos se enfrentan a un conjunto de realidades derivadas de la inteligencia artificial: la IA es una fuente de oportunidades sin explotar, es un riesgo existencial. Sobre todo, es un problema urgente que abordar. ¿Cómo pueden los ejecutivos explotar las oportunidades, gestionar los riesgos y minimizar las dificultades asociadas con la IA?
El traductor de datos, la figura oculta de las empresas
La capacitación de los profesionales, no sólo en el ámbito técnico y científico sino también en el área de interlocución e interpretación se convierten en fundamentales para que la generación de valor diferencial a través de la inteligencia artificial sea un hecho. La capacidad de comprender profundamente el negocio y saber trasladarlo a los equipos técnicos encargados de aplicar la IA es el Santo Grial de todas las empresas, también de las proveedoras de este servicio.
Por otro lado, según Mckinsey, el éxito en la obtención de resultados a través de la IA y la analítica no recae solamente en los equipos de data scientist, data engineer o data analytics. Se necesita una figura transversal, el traductor de datos.
Mckinsey considera que esta figura asegura que las organizaciones logren un impacto real en sus iniciativas analíticas ya que son capaces de interpretar correctamente las necesidades de negocio y traducirlas a lenguaje científico-técnico, y viceversa.
La experiencia en traducción de datos permite a este perfil ser un gran conocedor del negocio y de su cadena de valor, ya sea en el campo de la distribución, salud, marketing, manufacturing o cualquier otro ámbito.
Según define la consultora, en su función, los traductores ayudan a garantizar que los conocimientos profundos generados a través de análisis sofisticados se traduzcan en impacto a escala en una organización. Para 2026, el Instituto Global McKinsey estima que la demanda de traductores solo en los Estados Unidos puede llegar a dos o cuatro millones.
Por tanto, los traductores de datos aprovechan su conocimiento práctico de inteligencia artificial y análisis para transmitir estos objetivos comerciales a los profesionales de datos que crearán los modelos y las soluciones. Finalmente, los traductores se aseguran de que la solución produzca inisghts que la empresa pueda interpretar y ejecutar y, en última instancia, comunique los beneficios de estos insights a los empresarios para impulsar su adopción.
Una de las fórmulas para reducir la estrategia del riesgo que asumen las compañías cuando deciden estar a la vanguardia de su sector, es sin duda la capacidad de interpretar los datos y ofrecer insights a través de ellos.
10 formas en las que Marketing utiliza la IA [Infografía]
Las aplicaciones de la Inteligencia Artificial en el campo del Marketing y Ventas están permitiendo a las compañías, a día de hoy, conocer mejor a sus clientes y tratar de ofrecer las mejores ofertas de sus productos en tiempo real. El aprendizaje automático y la inteligencia artificial son las tecnologías que los Chief Marketing Officers-CMO- y sus equipos necesitan para sobresalir y tomar ventaja sobre sus competidores.
En la búsqueda de satisfacer a los clientes, los mejores CMOs son capaces de equilibrar las ejecuciones de las tácticas de Marketing y todos aquellos elementos que hacen que la marca de la empresa y la experiencia del cliente sean únicas.
En el momento en el que se es capaz de conocer cómo los prospectos toman sus decisiones sobre cómo, cuándo y dónde comprar, las estrategias de Marketing se vuelven más interesantes. La analítica avanzada nos permite segmentar a los clientes con el objetivo de poder conocer mejor sus preferencias. Gracias a este conocimiento, posteriormente podemos calcular la propensión a compra de un producto o incluso prevenir el abandono en el proceso de compra, establecer los mejores precios adecuados a los clientes, además de un largo etcétera.
Según el último estudio de Forbes Insights and Quantcast Research, el uso de la IA permite a los departamentos de Marketing y Ventas incrementar sus ventas en un 52% e incrementar la retención de los clientes en un 49%.
La infografía muestra los diez datos más relevantes en los que la Inteligencia Artificial está ayudando a día de hoy a los equipos de Marketing. En los próximos dos años, según los informes, la implementación de tecnologías basadas en Inteligencia Artificial y aprendizaje automático estará ampliamente adoptada por aquellas empresas que ya están empezando a comprender las bondades que les permite esta tecnología.
Matemáticas y música: las ventajas de usar la Inteligencia Artificial
Ya nos hemos acostumbrado a que Spotify nos seleccione música acorde a nuestros gustos, según lo que hemos escuchado, y haga clasificaciones a partir de ello. Para poder hacer esto, la compañía sueca tiene que gestionar la subida de más de 20000 nuevas canciones o podcasts cada día y lo hace con la ayuda de la inteligencia artificial. Nos entrega la música que más escuchamos en un periodo de tiempo, como su función “Tus recuerdos de verano”, y nos crea diferentes grupos de música dependiendo de lo que hayamos estado escuchando en los últimos días.
Con esta ayuda, la clasificación musical entorno a géneros ha quedado obsoleta porque las listas generadas por inteligencia artificial no depende del género sino que está determinado por “la buena música”. Es normal pensar que a no todos les gusta el mismo género de música, sin embargo, lo que sí funciona son determinadas pautas matemáticas específicas que son transversales a los géneros musicales. Por esta razón hay personas que, aunque lo que más le guste sea el Pop, disfrutan de una canción clasificada como Rock.
Existen distintos campos en los que la inteligencia artificial tiene un espacio en el que mejorar los procesos musicales. En los años 50, Alan Turing fue el primero en grabar música generada por un ordenador. Comenzaba así, la primera de una interesante área en la que es la IA la que crea la música y que utiliza el aprendizaje por refuerzo para ello. El algoritmo aprende qué características y patrones son los que crean música que pertenece a un género determinado y finalmente, compone.
Gracias a esta aplicación, la inteligencia artificial ayuda a las compañías a crear nueva música o asiste a los compositores en sus creaciones.
Otro de los campos en donde la inteligencia artificial tiene una gran aceptación es en la parte de edición. La experiencia de escuchar una música y que su sonido sea claro y limpio, es uno de los factores que los melómanos sin duda aprecian más. Aunque siguen siendo necesario el componente creativo, la IA capacitaría a aquellos que no tienen esa habilidad creativa a editar sus audios propiamente.
Cuando hablamos de matemáticas aplicadas a la música tenemos que comprender que ésta está presente en diversas áreas como son las afinaciones, la disposición de notas, los acordes, armonías, ritmo, tiempo y nomenclatura.
Los orígenes
Ya en el año 2002, Polyphonic HMI se fundó con las premisas de utilizar la inteligencia artificial y aplicarlo a la industria musical. Gracias al estudio de los componentes matemáticos de la música, se podía determinar qué canción iba a tener probabilidades de éxito. Aunque el éxito de un artista depende de muchos factores, este sistema ayudaba a simplificar los esfuerzos para saber qué canción podría servir como single de lanzamiento de un nuevo álbum e incluso de un nuevo artista. Gracias a esto, las casas discográficas, los productores y los representantes podían dirigir los recursos hacia un entorno más favorable. La comercialización de la música siempre ha sido un negocio caro y todo un reto el encontrar artistas prometedores y canciones con “gancho”.
Quince años después, las principales compañías tecnológicas están invirtiendo en esta tecnología con miras a ayudar a los distintos procesos en los que la industria musical se ve envuelta. Gracias a las matemáticas, podemos ver cómo la inteligencia artificial influencia en la música que escuchamos y enriquece nuestra experiencia musical.
Aprendizaje supervisado y no supervisado para prevenir el fraude
La inteligencia artificial está redefiniendo la prevención del fraude debido a que obtiene su información de experiencias pasadas. Esta información está constituida por las actividades, comportamientos y tendencias en las transacciones. Antes del uso de la inteligencia artificial los métodos a seguir se basaban en reglas, las cuales permitían analizar patrones de fraude del pasado pero no permitía prevenirlos. Si bien estos modelos basados en reglas podían identificar los intentos de fraude, éstos no proporcionaban información sobre el futuro.
Sin embargo, la precisión con la que se cometen los delitos de fraude ha ido aumentando en los últimos años. Los ataques se vuelven cada vez más precisos y eficientes porque los defraudadores también se ayudan de la tecnología para cometer sus delitos.
Hoy en día, las principales compañías que tienen que enfrentarse a las posibles consecuencias de un fraude, principalmente banca y aseguradoras, necesitan aumentar su precisión y agudeza a la hora de saber si un cliente es un riesgo para la entidad. Las decisiones de aceptar o rechazar un pago, limitar las devoluciones de cargo y reducir los riesgos operativos y de reputación, son ahora mucho más fáciles.
El futuro de la prevención del fraude pasa por la combinación del aprendizaje automático supervisado y del no supervisado. Si el aprendizaje automático supervisado se encarga de encontrar patrones en base a datos históricos como eventos, factores adversos, tendencias, etc… y el aprendizaje automático no supervisado destaca a la hora de encontrar anomalías, interrelaciones y vínculos entre variables, la combinación de ambas metodologías permitiría prevenir el fraude de las siguientes maneras:
Detección en tiempo real. El uso de la inteligencia artificial permite detectar ataques en tiempo real en vez de tener que esperar semanas antes de que empiecen las devoluciones en los cargos.
Frustrar los ataques más sofisticados. Las técnicas de fraude se perfeccionan con el tiempo y se vuelven más sofisticadas. La inteligencia artificial ayudaría a prevenir y atenuar estos ataques.
Scoring en tiempo real. Proporciona a los analistas un scoring con una mejor perspectiva de dónde establecer mejor los límites para maximizar las ventas y minimizar las pérdidas en tiempo real.
Transacciones inmediatas. Los sistemas de prevención de fraude basados en IA permiten aceptar las transacciones de manera inmediata, mientras se mantienen dentro de los umbrales de devolución de cargo de las principales tarjetas de crédito y débito.
Reducción de falsos positivos. Gracias al uso de los aprendizajes automáticos supervisados y no supervisados, las técnicas actuales en las que los falsos positivos no se detectan de manera óptima se reducen. A menudo cuando un cliente paga una cantidad inusual o está en una localización nueva, la tarjeta se bloquea porque el sistema interpreta la anomalía como “sospechosa” de manera errónea. Con el uso de inteligencia artificial es posible identificar con mayor precisión cuándo los hábitos de gasto de un usuario de tarjeta se desvían de la norma.
Rentabilidad en productos de bajo margen. El reto que resuelve la IA es que permite a las aseguradoras seguir siendo rentable y atraer nuevos clientes cuyo historial de compras no forme parte del historial de aprendizaje supervisado de sus sistemas de fraude.
Al aprendizaje supervisado y no supervisado conviene añadirle el conocimiento experto de los analistas, para de esta manera realizar un abordaje mixto en el que los expertos centran su atención en aquellos casos más sospechosos y que han sido detectados por la inteligencia artificial.
Analítica Avanzada para ser diferente a los demás [Infografía]
La demanda de los clientes en constante cambio y las oportunidades de un mercado cambiante, son solo algunos de los aspectos que han de tener en cuenta los ejecutivos de las diferentes industrias para seguir generando ventas. El análisis de los datos es la única manera que tienen las diferentes organizaciones para competir con los negocios digitales y la disrupción que han supuesto en el mercado internacional y la Analítica Avanzada, sus solución.
La salud, el nuevo reto de la Inteligencia Artificial
Los avances tecnológicos como la Inteligencia Artificial, el uso de redes neuronales artificiales, el análisis avanzado utilizando técnicas de Machine o Deep Learning, la tecnología Big Data que permite el manejo de estas ingentes cantidades de datos, tanto estructurados como desestructurados, están desarrollando nuevas vías para que la ciencia de la Salud avance de una manera no vista anteriormente.
