Así transformará la inteligencia artificial a la analítica de datos

Ni la analítica de datos se salva de la revolución por la inteligencia artificial (IA). En la línea evolutiva del business intelligence (BI, por sus siglas en inglés) a la analítica avanzada —en este blog ya explicamos sus diferencias— habrá que incorporar un término nuevo: analítica de IA.  

Se trata del uso de algoritmos de aprendizaje automático (AA) para monitorear y analizar constantemente grandes cantidades de información; es decir, la automatización del trabajo de un analista de datos. 

Pero su objetivo no es reemplazar esta posición. La analítica de IA a menudo mejora las capacidades de un analista en términos de velocidad, la escala de los datos que se pueden analizar y la granularidad de los que se pueden monitorear. 

Su implementación es incipiente, como en general todas las aplicaciones de inteligencia artificial. “Después de años de exageración e incertidumbre, la IA finalmente ha comenzado a demostrar su valor y varias técnicas o soluciones están madurando”, escribió en un artículo reciente el miembro distinguido y analista de Gartner, Rajesh Kandaswamy. 

Un reporte del IBM Institute for Business Value, publicado en agosto de 2022, advertía que la mayoría de las organizaciones aún no utilizan la IA por completo para una transformación amplia, sino que la mayoría abordaba pequeños desafíos comerciales. 

Beneficios de la analítica de IA 

La firma Anodot, que ofrece una solución de monitoreo empresarial autónoma impulsada por inteligencia artificial, reconoce tres principales beneficios de la analítica de IA: velocidad, escala y precisión. 

Su uso permite la notificación en tiempo real y no de forma periódica ante cualquier incidente. Mediante los algoritmos de agrupación y correlación puede identificar las causas y así reducir los tiempos de remediación. 

Además, aprende el comportamiento normal de los datos sin que se le indique explícitamente qué buscar y lo hace con cualquier granularidad (ingresos, productos, canales, por ejemplo). 

Por último, si los algoritmos de aprendizaje automático con los que se diseña son exactos, el modelo detecta diferentes patrones de comportamiento normal con mucha precisión y proporciona correlaciones entre anomalías casi imposibles de realizar para un humano (correlaciones entre millones de series temporales en algunos casos). 

Las características de la analítica de IA impulsan la creación de productos innovadores, permiten mejoras disruptivas en la cadena de suministro, generan posibilidades para un mejor engagement con los clientes e incluso campañas de mercadotecnia dirigidas. 

Una adopción que crece 

PWC ha calificado la toma de decisiones respaldada por inteligencia artificial como “poderosa”, pues permite incorporar y analizar mucha más información que cualquier ser humano podría hacer por su cuenta y en las organizaciones se empieza a reconocerlo. 

El reporte Data and Analytics Leadership Annual Executive Survey 2023 revela que la IA/AA es la tercera prioridad de inversión en el tema de datos y analítica para este año, por debajo de la modernización y la adquisición de productos. 

El estudio de la firma New Vantage Partners reunió en 2022 la opinión de especialistas de datos en posiciones ejecutivas de 116 organizaciones de las Fortune 1000. 

Datos de Forrester muestran que 46% de los responsables de la toma de decisiones empresariales y tecnológicas de datos y análisis buscan socios para implementar inteligencia artificial crítica para el negocio. 

¿BI o inteligencia artificial? 

El boom de la inteligencia artificial apenas comienza. Basta ver como el lanzamiento de ChatGPT, el chatbot de OpenAI, ha generado reacciones, tanto en las grandes tecnológicas —que competirán por tener la mejor herramienta— como en todas las demás industrias e incluso a nivel de usuario final. 

Pero no se trata de cambiar todo. En términos de la ciencia de datos, aunque son distintos, business intelligence y la IA se complementan.  

BI puede ayudar a poner orden en las enormes cantidades de datos que se recopilan, pero es posible que las visualizaciones y los tableros ordenados no siempre sean suficientes. 

Al adoptar la analítica de IA, las organizaciones pueden sintetizar grandes cantidades de datos en planes de acción coherentes. Además, pueden producir información clara y útil a partir de los datos que analizan.  

Donde sí habrá cambios es en la diversificación de roles en las áreas IT. Gartner pronostica que para 2026, dos de cada 10 equipos de ciencia de datos se habrán renombrado como consultoría de ciencia o Ciencia  Cognitiva, que provocará un aumento de 80% en la diversidad de las habilidades. 

En México, nuestra empresa BDS estamos usando exitosamente Inteligencia Artificial para mejorar sustantivamente la precisión de pronósticos de ventas. 

¿Tu organización usa analítica soportada por inteligencia artificial?