www.economiadehoy.es

Sectores que sacan buena nota en la implantación de machine learning

Sectores que sacan buena nota en la implantación de machine learning
Ampliar
jueves 16 de septiembre de 2021, 13:33h
Expertos de NovaQuality analizan cuáles son los sectores que están aplicando con más éxito esta herramienta y los principales beneficios que obtienen. id:75925
Una de cada dos empresas utilizará en 2022 la Inteligencia Artificial para innovar en su operativa, optimizar sus procesos, tomar decisiones o predecir la demanda que tendrá su actividad, según estimaciones de NovaQuality, consultora especializada en analítica y gobierno de datos.

“La rapidez de implementación, los beneficios en el corto plazo y la posibilidad de escalar los proyectos en función de las necesidades de las organizaciones en cada momento son determinantes para que el machine learning, también denominado aprendizaje automático, se configure como una de las disciplinas de la Inteligencia Artificial con más desarrollo”, asegura José Luis Álvarez Rico, experto en IA del área de I+D de NovaQuality.

¿Cuáles son los sectores que están aplicando herramientas de machine learning con más éxito? Los expertos de NovaQuality han identificado siete campos de actividad que aprueban con buena nota. Experiencia de cliente, control de costes, reducción de tareas y procedimientos y predicción de hipotéticos escenarios son las áreas en las que estos sectores logran buenos resultados con la integración del machine learning en sus sistemas:

Telecomunicaciones: la elevada competitividad que existe en el mercado de las telecomunicaciones y la dificultad para fidelizar a los clientes ha obligado a las compañías del sector a hacer una apuesta clara por el machine learning, tanto para para la captación y fidelización de usuarios, como para cualquier otra actividad relacionada con la atención y servicio técnico. Pero esta tecnología también está siendo clave en la gestión de las infraestructuras, como en la prevención de posibles congestiones del sistema o como soporte a la nueva red 5G.

Seguros: las empresas aseguradoras aprovechan en la actualidad las ventajas del aprendizaje automático en la predicción del coste de un siniestro con carácter previo a su peritación; o para adelantarse a una reclamación del cliente basándose en acontecimientos sucedidos en el pasado. Esta herramienta también está obteniendo unos resultados muy satisfactorios en la prevención del fraude, antes de incurrir en gastos de reparación o compensación.

Banca y Finanzas: el machine learning está influyendo decisivamente en que las entidades bancarias y financieras puedan diseñar productos financieros totalmente personalizados para sus clientes, aumentando el nivel de conversión, generando una relación de mayor confianza y reduciendo los riesgos de impagos. En el ámbito de la inversión, los algoritmos están cada vez más presentes en las decisiones que se toman en los mercados de valores.

Retail: este sector está consiguiendo rebajar la incertidumbre en su operativa gracias a la incorporación del aprendizaje automático en la toma de decisiones. Así, es determinante en los departamentos comerciales y de marketing para conocer la previsión de la demanda y controlar la experiencia de compra; para el área de ventas, especialmente en el canal ecommerce, para la gestión de pedidos, etc.

Logística: desde los sistemas de gestión de almacén, control de stock, cálculo de rutas o gestión de los recursos humanos, el machine learning ha entrado de lleno en el mundo de la logística con muy buenos resultados, tanto en transporte terrestre, como marítimo y aéreo.

Salud: los laboratorios tienen en el aprendizaje automático un claro aliado para la investigación de nuevos fármacos, pero su aplicación también está revolucionando el diagnóstico de enfermedades, la administración de tratamientos y, muy especialmente, en la eliminación del factor humano en los errores médicos.

Energía: la energía del futuro es digital y el mercado eléctrico se dirige hacia un escenario en el que los consumidores se convierten en prosumidores, que producen y consumen al mismo tiempo la energía. La predicción de este consumo, en función de variables como la previsión meteorológica o los precios del mercado, la gestión agregada de las redes energéticas, etc., han encontrado en el machine learning el soporte tecnológico para convertir en realidad lo que hace unos años era una utopía.

¿Te ha parecido interesante esta noticia?    Si (0)    No(0)

+

0 comentarios