BLOG

    Azure Cognitive Services para PyMES

    Si hace 5 años en 2016, nos hubieran dicho cómo se iba a transformar el mundo empresarial, no lo hubiéramos creído... pensábamos que la inteligencia artificial estaría solo al alcance de las grandes corporaciones o entidades de alto poder adquisitivo, ¡y qué equivocados estábamos!

    AI-2021

     

    Esta tecnología es parte ahora de grandes procesos no solamente a nivel organizacional, si no en todos los ámbitos del mundo. Algunos puntos importantes que podemos destacar de esta adopción son:

    • El 54% de los ejecutivos dice que implementar AI en su lugar de trabajo ha incrementado la productividad.

    • 79% de los empleados piensa que el AI hace sus trabajos más eficientes y ágiles.

    • En 2021 el incremento de uso de AI creará 2.9 trillones de USD en valor de negocio y 6.2 billones de horas de trabajo productivas.

    •  La cadena de suplementos considera que la mejor opción para bajar el costo (44%) viene de implementar A.I en sus procesos.

    • Los casos de uso que llevan a una mayor reducción de costos es: optimización del manejo de talento, automatización de centros de contacto y automatización de warehouse.

    • En 2019 cerca del 40% de la población de estados unidos utilizó Voice Search.

    • En 2019 cerca del 45% de los hogares en Estados Unidos contaba con una bocina inteligente y el 26% consideraba comprar uno pronto.

    • Cerca de 300 billones de e-mails son enviados cada día, de los cuáles con Machine Learning se detectan al menos el 50% como spam.

    Fuente: semrush.com

     

     

     

    machine learning

    Servicios de Machine Learning para tomar decisiones

     

    Hablar de Cognitive Services o servicios cognitivos de Azure, es hablar de Machine Learning para todos, gracias a la manera como se encuentran desarrollados. No es necesario tener un perfil de desarrollador en la empresa para comenzar a utilizarlos, y las aplicaciones a la empresa son infinitas, teniendo beneficios a largo plazo que se resumen en crecimiento y revenue.

    El contar con datos históricos y la capacidad de obtener datos en tiempo real, es una de las grandes ventajas de la tecnología y al poder consolidarlos, llega el momento de procesarlos con un análisis para conocer más a detalle sobre las operaciones, clientes, productos y servicios.

    En particular, los datos nos permiten saber un aproximado del futuro e incluso lo que está sucediendo ahora, por lo que con Machine Learning podemos dejar de analizar el pasado y estar más conscientes del ahora.

     

     

    azure cognitive services

    ¿Qué son los Cognitive Services de Azure?

    Son una gama de servicios desarrollados y entrenados para construir herramientas de Machine Learning que puedan ver, leer, interpretar datos para tomar decisiones y predecir sucesos como ventas, desplazamiento de productos y fallas para mejora de procesos de negocio.

    Se dividen en 4 categorías: 

    • Decisión
    • Lenguaje
    • Voz
    • Visión.

     

    1. Anomaly Detection

    Anomaly Detector AZURE

     

    Una herramienta hecha para poder detectar cambios en los patrones de comportamiento, es decir, cualquier nivel de anomalía en temas de seguridad, producción, a través de dispositivos IoT, viajes, etc. Algunos de los ejemplos en los que podría utilizarse son:

    • Prevención de fraudes, con una serie de datos temporales sería posible saber que tipo de usuarios y compras son más propensas a ser fraudulentas.

    • Con el uso de sensores que envíen información, es posible consolidar datos sobre fallas u horas de trabajo se producen en una máquina. Si estos números los procesamos, será posible predecir el tiempo de vida de una maquinaria, si existe alguna anomalía que le este restando productividad, o saber cuándo es necesario hacer el mantenimiento de la misma.

    • Con Anomaly Detection,  es posible notar si existe algún cambio en el comportamiento de los clientes, como puede ser la conversión en el sitio web se haya bajado. También que haya un cambio en el ticket promedio o cantidad de visitantes, y poder predecir en cuánto tiempo una tendencia impactará al negocio.
    • También otro caso de uso que es posible detectar, es un cambio en el tiempo de maduración de consumibles (como los alimentos) para encontrar factores a tiempo que pueden afectar los planes de venta y comercialización de ellos.

    • Además, podríamos saber no solo temas de fraude, si no de ciberseguridad, que puede ser entender tempranamente que está ocurriendo un ataque al sitio web o a la infraestructura y con ello actuar oportunamente para conservar la información crítica.

    • Por último, otro uso que se le puede dar es detectar anomalías en los ciclos de vida de empleados y clientes. Detectar por medio de datos si un cliente conforme a los análisis históricos ( y por su comportamiento) se encuentra como un candidato a prescindir de nuestros servicios, mismo caso en empleados de la organización detectar esquemas de productividad, retención y desempeño.

     

    2. Content Moderator

     

    azure Content Moderator

     

    Como su nombre lo dice, este servicio se enfoca en agilizar el análisis de contenido que se hace día con día, es decir, si por ejemplo: tenemos alguna red social o sitio web podemos identificar imágenes no deseadas por política global o no deseadas por que no es del interés de la organización, podemos recibirlas mediante listas personalizadas como fotos de la competencia. Este tipo de tecnología ayuda mucho a empresas como Facebook, Twitter, Snapchat, Instagram para tener mayor control sobre el contenido que es cargado directamente por los usuarios.

    También, es posible utilizarlo en texto detectando y evitando palabras altisonantes o que por políticas no están permitidas dentro de una comunidad o sitio; este tipo de usos se pueden ver en videojuegos como Roblox, donde los usuarios al colocar datos que la herramienta considera como personales, los bloquea con asteriscos o inclusive cuando un usuario escribe groserías a otro usuario no se muestran en el chat.

    Es un tipo de inteligencia útil en organizaciones corporativas o internas, donde podríamos detectar conversaciones impropias, correos inadecuados con clientes, detectar si se está compartiendo información confidencial, etc. Y todo esto se puede combinar con revisión humana con el fin de tener mayor certeza en la herramienta y entrenándola día con día.

     

    3. Personalizer

    azure personalizer

    Ganador del Strata Data Conference Award de O'Reilly al producto más innovador, entre otros reconocimientos más, esta herramienta promete una experiencia hiperpersonalizada para los clientes sin necesidad de tener conocimientos de aprendizaje automáticos previos.

     

    Basado en el aprendizaje de refuerzo, lo que hace es aprender y posteriormente dar prioridad a los contenidos, diseños y conversaciones que prefieren aquellos con los que interactúa, logrando dar a tus leads, usuarios, consumidores una experiencia totalmente basada en sus comportamientos.

     

    Uno de los casos en los que se podrían aplicar en el negocio es muy sencillo, por ejemplo: un sitio web que sea totalmente dinámico donde le muestre a tus clientes solo aquellas cosas que les interesa ver, y conforme al entrenamiento de la herramienta,  así como ofertas personalizadas e inclusive un Chatbot que solo muestre las opciones que comúnmente utiliza el usuario.

    A diferencia de otros modelos de recomendaciones, esta herramienta aprende en tiempo real mostrando una sola opción al usuario, en lugar de varias, tomando como decisión el resultado más certero. Es importante decir que todo esto es customizable,  entendiendo que los modelos con el tiempo adquieren mucha mayor precisión.

     

    UX

     

    Otro ejemplo que podemos aprovechar en los negocios es saber qué productos recomendar a nuestros clientes que no precisamente son productos que se venden en un e-commerce, con personalize podríamos hacer un proceso para campañas que fueran enfocadas a gustos reales de nuestros clientes incrementando así el ticket promedio de la base instalada. La idea es elegir el mejor contenido para el usuario entendiendo por contenido texto, imágenes, URLs o correos electrónicos.

     

    La manera en la que funciona este servicio es como se mencionó anteriormente, bajo un esquema de refuerzo donde va aprendiendo de las elecciones que hacen los usuarios, como se muestra en este cuadro:

    Azure personalizer-2

     

    En conclusión, los servicios de decisión de Machine Learning que ofrece Azure, son aquellos que pueden tomar decisiones de alguna manera independientes, para agilizar los procesos de detección de áreas de oportunidad, mejorar la conversión y relación con clientes y controlar el contenido. Lo que da como resultado una ventaja competitiva con múltiples usos para el negocio.

     

    ¿Te gustaría integrar estos servicios en tu negocio?

    ¡Pulsa el botón para contactarte!

    inbest.cloud más información


    Comparte, comenta y conoce más artículos interesantes en nuestro blog. 
    Alondra Castro
    Escrito por Alondra Castro

    Gerente de mercadotecnia, amante de las estrategias digitales, generación de contenido y tendencias.