Cisco lanza servicios predictivos con inteligencia artificial

Cisco lanza servicios predictivos con inteligencia artificial

Cisco anunció hoy una nueva cartera de servicios de predicción con Inteligencia Artificial (AI), para anticipar posibles fallas, mitigar el riesgo y reducir los costos de mantenimiento.

Los nuevos servicios de Business Critical Services y High Value Services permitirán a las organizaciones invertir en un mejor uso de sus presupuestos de TI en innovación tecnológica.

‘Al aprovechar la inteligencia artificial y el machine learning para abordar problemas críticos de TI la nueva oferta ayudará a nuestros clientes a ahorrar tiempo para enfocarse en la creciente brecha de talento de TI y continuar siendo competitivos en el futuro’, dijo Chuck Robbins, CEO Cisco.

Estos dos nuevos servicios ofrecen el poder y la inteligencia de IA y el aprendizaje automático para optimizar el talento, los conocimientos y las habilidades de TI; además de permitir a las organizaciones resolver sus problemas primero y, en última instancia, acercarse a su usuario / cliente final.

Business Critical Services impulsará la minimización de los errores humanos y ayudará a aprovechar al máximo el valor de los productos y soluciones.

  • Reducción de la complejidad y el costo a través de la automatización, la organización y la experiencia técnica.
  • Aceleración de la agilidad empresarial y la transformación a través de capacidades avanzadas de análisis y aprendizaje de máquinas, para proporcionar información crítica, infraestructura prioritaria y recomendaciones de aplicación.
  • Reducción de riesgos con servicios automatizados de cumplimiento y solución, junto con una sólida cartera de seguridad incluyendo respuesta a incidentes para protección contra amenazas.

Cisco High-value Services

Esta cartera está basada en servicios de soporte de producto con ofertas que usan analíticos, incorporación, experiencia y escala para ofrecer servicios más proactivos y prescriptivos.

  • Soporte de software: Proporciona soporte para el software de Cisco. Las nuevas funciones de servicios de alto valor incluyen: Opciones de servicios de niveles múltiples mejoradas y premium, además del soporte de nivel básico (reactivo).
  • Soporte de solución: Proporciona soporte centralizado para hardware, software y soluciones para los partners de Cisco, desde la primera llamada a la resolución. El soporte de soluciones es la oferta de servicio predeterminada para Cat 9K / DNA.
  • Soporte de red: Technical Services (TS) Advantage proporciona soporte a nivel de red.
Leer más

Aruba crea redes inteligentes y autogestionables

Aruba crea redes inteligentes y autogestionables

Aruba, una compañía que forma parte de Hewlett Packard Enterprise, organizó el día de hoy un evento en la Ciudad de México en donde presentó sus soluciones enfocadas en la movilidad, nube e Internet de las cosas (IoT).

La conferencia inaugural corrió a cargo de su fundador Keerti Melkote, quien recientemente fue nombrado como el líder más disruptivo en la industria de TI.

Melkote destacó que uno de los principales objetivos de la compañía es hacer que ‘las redes estén disponibles en cualquier parte que se encuentren las personas’, y en ‘cómo el cliente las va a utilizar de principio a fin’.

Keerti Melkote, fundador de Aruba

Keerti Melkote, fundador de Aruba

En sus inicios, Melkote tenía bien claro que la seguridad y el rendimiento son los principales retos a superar a la hora de implementar redes empresariales. En este sentido –destacó el directivo–, compañías cono Intel y Microsoft han contribuido enormemente al desarrollo de las redes inalámbricas.

De esta forma, Aruba busca –según Melkote– que las compañías se ‘desconecten’ del escritorio, ya que ‘la transformación viene del escritorio cableado al espacio de trabajo abierto’, pues ‘cada vez más las oficinas se van pareciendo a la sala de casa’.

Melkote asegura que la principal función de la red es mover paquetes de datos, sin embargo se debe lograr que esta sea capaz de saber qué y quién se conecta, qué aplicaciones están en uso y la ubicación de los usuarios, entre otros aspectos.

Luego, a través del aprovechamiento de Machine Learning, las redes deben ser capaces de autogestionarse con un mínimo de participación de los responsables, de manera que un 95% de las operaciones sean libres de intervención humana.

‘Las redes deben dar sentido a todo esto y dar más valor, contexto y conocimiento’, asegura Melkote. Así, ‘podremos entregar inteligencia contextual’ a las organizaciones.

Durante su presentación, Melkote destacó que la compañía que dirige ha crecido un 27% durante el último año en México en el mercado wireless, además de que han incrementado un 10% su cuota de mercado.

 

El reto de la seguridad

aruba-hpe-ejecutivos

Ejecutivos de Aruba y HPE durante el evento Atmosphere Regional 2017

Un aspecto importante que enfrentan las organizaciones actuales son los ataques cibernéticos, pues ahora los criminales buscan obtener datos personales, información financiera, registros médicos, propiedad intelectual, códigos fuente, o cualquier otro tipo de datos para aprovechar de manera ilegal.

Según datos presentados por Melkote, el 84% de las empresas ya han experimentado brechas de seguridad en IoT. Además, el 80% de los ataques avanzados utilizan credenciales legítimas.

 

Soluciones 360 grados

Ante este panorama, la compañía presentó Aruba 360 Secure Fabric, una solución de ciberprotección basada en analítica activa. Esta plataforma provee seguridad desde el exterior hasta el core y hacia la nube para cualquier tipo de red.

Los componentes de la solución Aruba 360 Secure Fabric incluyen:

  • Aruba IntroSpect UEBA: Una nueva familia de software autónomo de la red que se use, que incluye monitoreo continuo y detección avanzada de ataques. Tiene un nuevo modelo de entrada que usa aprendizaje autónomo para detectar cambios en el comportamiento de los dispositivos e indicar cuando han evadido las defensas tradicionales. Algoritmos de aprendizaje autónomo generan un marcador de riesgo (Risk Score) basado en la severidad del ataque para dar prioridad a la investigación del ataque.
  • Aruba ClearPass: Una solución de control de acceso a la red (NAC) y de manejo de políticas para automatizar la respuesta ante ataques, integrada con Aruba IntroSpect. ClearPass también se puede desplegar en una red de cualquier proveedor.
  • Aruba Secure Core: Capacidades críticas de seguridad incluidas en el centro de la red, gracias a los Access Points de Aruba, sus controladores y switches, incluyendo el recién lanzado switch Aruba 8400.

Esta solución se complementa con My Airbot, un desarrollo de chatbot que da a los responsables de TI información y alertas en caso de que sean detectados problemas de seguridad en la infraestructura de la red, así como tomar acciones inmediatas desde el teléfono móvil.

‘Primero debemos tener la visibilidad y después viene la protección, pues todo en la red debe ser visible en una red inteligente’; esa es la estrategia de Aruba.

Leer más

Las 6 rutas de Oracle hacia la nube

Las 6 rutas de Oracle hacia la nube

SAN FRANCISCO.- Ninguna industria es inmune al cambio que la innovación tecnológica impone, y las nuevas tecnologías, como la inteligencia artificial o machine learning, están creando nuevas oportunidades.

Desde coches autónomos que alcanzarán velocidades de 0 a 1,000 millas por hora en 55 segundos, hasta sensores que cuidarán nuestra salud y plataformas que simplificarán las transacciones de dinero.

‘La competencia está a la vuelta de la esquina’ y no solo en el mundo físico sino también en línea, asevera Dave Donatelli, Vicepresidente Ejecutivo del negocio de Cloud en Oracle, en el marco del evento OpenWorld 2017 que la compañía realiza esta semana en la ciudad de San Francisco.

 

Entonces, ¿cómo transformar a la empresa?

En este sentido, Donatelli expone tres factores esenciales que las organizaciones deben tomar en cuenta en su camino hacia la transformación digital.

En primer lugar, las empresas deben reconsiderar el uso de data centers legados, en vista de que las tendencias indican que cada vez más las organizaciones están migrando sus datos a la nube a través de proveedores que ofrecen soluciones más robustas y seguras.

Segundo, tratar de reproducir en la nube la complejidad de las herramientas on premise tampoco será de gran ayuda, agrega Donatelli.

Finalmente, la solución que Oracle propone es la nube, que habilita los cuatro pilares esenciales: IaaS, SaaS, PaaS y DaaS.

 

6 diferentes alternativas para llegar a la nube

Ante un entorno empresarial con múltiples variables y condicionantes, Oracle propone seis diferentes caminos para que las organizaciones puedan migrar hacia la nube:

1. Data Center – Optimización on premise – Oracle Public Cloud

2. Data Center – Cloud at Customer – Oracle Public Cloud

3. Data Center – Mover y mejorar las cargas de trabajo

4. Data Center – Crear uno nuevo con PaaS y IaaS

5. On premises – Transformación con SaaS

6. Compañía nueva – Nacer desde la nube

oracle-seis-caminos-nube

 

Estimaciones

La visión actual de Oracle para la Infraestructura señala 1,000 millones de computadoras conectadas a internet, terabytes de datos y 3.2 kilobits al segundo por persona. La transición indica 3.3 mil millones de dispositivos móviles conectados a internet, Petabytes de datos y 3.2GB al segundo por persona. Para 2020 se espera alcanzar los 10 mil millones de dispositivos, Zettabyes de datos y 3.2 TB al segundo por persona.

En cuanto a la visión de Oracle sobre Plataformas, en los años 2000 las configuraciones de las computadoras han sido de forma manual, así como monitoreo, administración y escalamiento manuales. Para 2020 se espera que el software sea el encargado de configurar y escalar las plataformas; que las administre de forma automática, aprenda y haga ajustes y pueda predecir y evitar problemas de manera autónoma.

Finalmente, para las Aplicaciones de Negocio, entre 2000 y 2020 se estima una transición de usuarios profesionales a usuarios de autoservicio; una cambio del uso de formularios y flujos de trabajo a móviles, voz, cámaras y mensajería; de esquemas basados en reglas a inteligencia artificial y sensores; de un sistema centralizado a redes empresariales descentralizadas.

Leer más

Datos, el catalizador de la transformación digital

Datos, el catalizador de la transformación digital

SAN FRANCISCO.- El catalizador de la transformación digital –esa fuerza más poderosa que cualquier energía e invisible para el ojo humano– son los datos.

‘Los datos son la fuerza oculta detrás de la revolución digital, y es el elemento que habilita las nuevas tecnologías, como la inteligencia artificial, las redes 5G, la realidad aumentada y machine learning‘, entre otras, de acuerdo con Doug Fisher, SVP y General Manager de Intel.

 

Los datos no son estáticos

Durante la conferencia de apertura del Oracle OpenWorld 2017 que se celebra en la ciudad de San Francisco, el directivo dijo que estamos en el ‘siglo de los datos’, y estos equivalen a lo que en su tiempo fue el petróleo, con la diferencia de que estos son renovables.

Según datos provistos por Fisher, se calcula que para 2020 habrá 44 Zetabytes de datos, y para 2025, entre 20 y 30 mil millones de dispositivos estarán conectados a las redes.

Mútiples sectores de la economía contribuirán a este crecimiento exponencial de información, y un ejemplo es la industria aérea, que generará cerca de 40,000 GB de datos; también se espera un automóvil de futuro produzca 4,000 GB de datos al día.

 

La innovación de los negocios está conduciendo la transformación digital

doug-fisher-intel

Doug Fisher, de Intel

De tal manera, la llamada Passenger Economy crecerá hasta 7 billones de dólares como consecuencia de la transformación digital, que también tendrá efecto en otros importantes sectores, que van desde el retail y gobierno hasta la industria del deporte, la cual se verá particularmente  beneficiada al permitir obtener datos en tiempo real, como mapas de calor, monitoreo de los jugadores en el campo, entre otras.

Esta información ayudará sin duda a mejorar el desempeño de los equipos deportivos, lo que permitirá, por ejemplo, ajustar las estrategias del juego en tiempo real, con wearables en los jugadores monitoreando su desempeño físico y cámaras para seguimiento de las jugadas.

Esta avalancha de datos será analizada con tecnologías de deep learning e inteligencia artificial pero, para que todo esto ocurra, la tecnología debe transformarse a través de esfuerzos de colaboración como el que mantienen Oracle e Intel.

La inteligencia artificial está transformando múltiples áreas de interacción, y un buen ejemplo de ello es el servicio al cliente, así como los servicios financieros y el blockchain que, todos ellos también apoyados por Machine Learning.

La tendencia que los datos están imponiendo es: gran ancho de banda y contenidos de video. De hecho, se estima que cada segundo se genere un millón de minutos de video, por ello, es imprescindible aumentar el ancho de banda.

De acuerdo con Fisher, también es importante trabajar de manera conjunta con la industria de open source para acelerar el proceso de la transformación digital.

Por su parte, Melissa Arnoldi, vicepresidente de tecnología y operaciones de AT&T, dijo que en 10 años ha aumentado un 250% el volumen de tráfico en sus redes, con unos 168 Petabytes de datos, y para 2020 se espera que crezca 10 veces más.

Esto implica aumentar la virtualización de sus funciones críticas, de las cuales el 55% ya estarán virtualizadas para fines de 2017.

Todo esto generará mayor demanda, y la solución para enfrentarla será resuelta con la nueva plataforma escalable Intel Xeon que, según la compañía, provee mayor escalabilidad, flexibilidad y capacidad de expansión.

‘Tenemos que salir de nuestros silos y con Oracle Private Cloud lograremos llevar nuestras bases de datos a la nube’.

 

Los datos son el elemento más valioso para el cibercrimen

oracle-larry-ellison-open-world

Larry Ellison, de Oracle

En este sentido, la seguridad debe ser un asunto prioritario para las empresas, en vista de que el robo de datos el la principal ciberamenaza, agregó durante su ponencia el fundador de Oracle Larry Ellison, quien asegura que la solución Autonomous Database de es altamente segura para mantener los datos seguros en la nube.

Esta solución detecta automáticamente las amenazas y las direcciona para ser resueltas y combatirlas. Esta plataforma es capaz de generar parches automáticamente para la base de datos, ‘sin esperar a que un ser humano lo haga’, explica Ellison.

‘Muchas veces los ataques han llegado a ocurrir después de liberar un parche, dice Larrison; es un proceso humano que no funciona, tenemos que automatizar nuestras ciberdefensas y sin tener que apagar nuestra base de datos y sacar de línea a las computadoras’.

 

Machine Learning, tan revolucionaria como internet

La clave es contar con una base de datos totalmente automatizada, sin retrasos ni intervención humana, por ello, Oracle ha tomado el camino para proveer soluciones de que proveen autonomía total en ciberdefensa.

La compañía presentó Oracle 18c, la primera base de datos 100% autónoma, basada en Machine Learning. La nueva plataforma elimina al cien por ciento el trabajo humano en la administración de la base de datos. Además, se abastece automáticamente de parches, actualizaciones y hace los ajustes necesarios en tiempo real, con garantía de 99.995% de confiabilidad y disponibilidad, de acuerdo con Ellison.

Oracle 18c estará disponible en el mes de diciembre.

Leer más

Inteligencia artificial y Machine Learning aplicadas a ciberseguridad

Inteligencia artificial y Machine Learning aplicadas a ciberseguridad

Nuevas tecnologías como la Inteligencia artificial (IA) y el Aprendizaje Automático (Machine Learning) están siendo aprovechadas para mejorar la ciberseguridad de las personas.

Avast, la compañía checa de seguridad cibernética, ha implementado este tipo de tecnologías en las soluciones que ofrece al mercado.

Por ejemplo, al momento de detectar una nueva amenaza, el método tradicional toma el archivo sospechoso y lo compara con las amenazas conocidas de la base de datos. En cambio, la nueva solución de Avast analiza automáticamente cada archivo URL para verificar su reputación y geometría vectorial; los objetos sospechosos o desconocidos se procesan por separado.

De igual manera, en el método tradicional, si no hay empate entre las definiciones instaladas, el archivo sospechoso es enviado al laboratorio de virus. Se tiene una automatización limitada junto con cientos de analistas que crean la definición, y ésta se incluye en la siguiente actualización.

Gracias a la IA y Machine Learning, ahora los motores locales o basados en la nube usan clasificadores de aprendizaje automático para determinar si un archivo o URL es malicioso o no. Los modelos de aprendizaje automático se vuelven a capacitar y se optimizan permanentemente con datos nuevos. Las actualizaciones se transmiten a las máquinas de los clientes cuando están listas.

Esta solución de Avast toma información directamente de su base de más de 400 millones de usuarios, que actúa como una red de sensores sumamente escalable. Los recolectores de datos hechos a la medida recopilan la información necesaria y permiten hacer ajustes rápidamente, según las necesidades actuales del modelo, todo ello en tiempo real y en alta resolución.

 

Las amenazas a móviles van en aumento

En una reunión con Ondrej Vlcek, CTO de Avast, se mostró que las amenazas hacia dispositivos móviles son actualmente menores que las de PC, sin embargo están creciendo rápidamente.

Ondrej-Vlcek-Avast

Ondrej Vlcek, de Avast

Según cifras de Avast, las amenazas a PC crecieron de 47 a 585 millones entre 2010 y 2016; en móviles aumentaron de 0.35 a 17 millones.

La compañía de origen checo ha identificado los cinco principales riesgos en la seguridad cibernética:

  1. Dispositivos IoT esclavizados
  2. Amenazas a móviles
  3. Ransomware
  4. Violación de datos
  5. Pymes

 

Un problema en particular que presentan algunos dispositivos IoT es que durante muchos años han sido fabricados de forma tradicional y, de pronto, están conectados a internet (como refrigeradores, televisores, etc.); desafortunadamente, muchos fabricantes no cuentan aún con el expertise en temas de seguridad, pues por años no lo necesitaron, explica Vice.

 

Panorama de vulnerabilidad en México

En este país, 1 de cada 5 dispositivos inteligentes es vulnerable a ciberataques; también lo son el 13.8% de las cámaras web, así como 1 de cada 5 impresoras, según cifras de Avast.

Además, el 7% de las conexiones WiFi son abiertas y sin contraseña; el 50% de los usuarios de PC no sabe que su router tiene una interfaz y solo el 20% tiene actualizado el firmware.

 

Amenazas móviles

En México, las amenazas móviles crecieron un 60.4% durante 2016, y en lo que va de este año, 1.6 millones de usuarios han sido víctimas en sus dispositivos móviles cada mes, lo que supone un alza de 32.6% respecto a 2016.

Además, el 10% de usuarios móviles en el país encontraron algún tipo de malware en su dispositivo durante el primer trimestre de 2017.

Los niños mexicanos son particularmente vulnerables a las amenazas, pues según el estudio de Avast, el 77% de los padres de familia no aplica ningún tipo de control parental. 3 de cada 10 niños tuvieron acceso a contenidos violentos y 2 de cada 5 visualizaron contenidos para adultos.

 

Ransomware, la mayor amenaza

De acuerdo con Avast, el ransomware representa la amenaza número 1 en ciberseguridad, con un crecimiento interanual del 105%. Durante 2016 fueron detectadas 150 nuevas familias de ransomware y fueron evitados 128,108,948 ataques cibernéticos.

El monto promedio que exigieron los ciberdelincuentes fue de 500 dólares, y gracias a las acciones aplicadas, se logró un ahorro de más de 64,054,474,000 dólares en ransomware.

 

Violación de datos

Los mexicanos muestran una particular preocupación por el estado de sus datos personales en línea pues, según el estudio de Avast, el 69% cree que sus datos no están seguros. Además, la investigación encontró que el 40% ha sido víctima de alguna violación, o bien, ignora haberlo sido.

El 50% de los encuestados tomó medidas después de algún ataque y cambió su contraseña, sin embargo, el 41% no hizo el cambio en otros sitios web a pesar de ser la misma contraseña. Además, el 78% no utiliza caracteres especiales al momento de crear sus passwords y el 80% las almacena en su navegador web.

 

Seguridad y las pymes mexicanas

De acuerdo con datos de Avast, casi un tercio de las pequeñas y medianas empresas en México no tiene planeados proyectos de seguridad. 1 de cada 10 compañías no tiene los recursos suficientes para actualizar software y aplicaciones para prevenir amenazas de seguridad.

En cuanto a la seguridad en las contraseñas, el 83% no toma acciones para cambiarlas o reforzarlas.

Avast es una compañía fundada en 1988 en Praga, República Checa. En 2016 se fusionó con la firma de seguridad AVG. Actualmente cuenta con 1,600 empleados en todo el mundo y protege a más de 400 millones de dispositivos a nivel global.

Avast es la solución número 2 en seguridad para móviles y representa casi el 50% del mercado en México, en donde tiene 13 millones de usuarios.

Leer más

Machine Learning, perspectivas y aplicaciones actuales

Machine Learning, perspectivas y aplicaciones actuales

Las tecnologías de Machine Learning as a Service (MLaaS) o aprendizaje automático como servicio, generarán un crecimiento global desde los 614.3 millones de dólares hasta los 3.755 millones de dólares entre 2015 y 2021.

Lo anterior supone un crecimiento medio anual del 43.7% durante dicho periodo, de acuerdo con un estudio reciente elaborado por Markets&Markets.

Machine Learning nació como una idea ambiciosa de la Inteligencia Artificial (IA) en la década de los 60.  Lo que esta rama pretendía estudiar era el reconocimiento de patrones (en los procesos de ingeniería, matemáticas, computación, etc.) y el aprendizaje por parte de las computadoras.

Los investigadores estaban ávidos por encontrar una forma en la cual las computadoras pudieran aprender únicamente basándose en datos. En los años 90, se convierte en una disciplina por sí sola. Ahora, el principal objetivo del Machine Learning es abordar y resolver problemas prácticos en cualquier disciplina.

 

¿Cuáles son sus perspectivas y aplicaciones actuales?

Para el consumidor moderno, Machine Learning es un facilitador clave de muchas de sus tareas cotidianas. Desde servicios de traducción, a predicciones climáticas, hasta adivinar lo que los usuarios quieren con base en sus actividades recientes; las prestaciones que ofrece son incomparables. En lo que respecta a los negocios, muchas compañías han empezado a incorporar esta tecnología a sus sistemas operativos, con grandes expectativas de mejorar y automatizar sus procesos.

De acuerdo con la encuesta Global Digital IQ de 2017, 54% de las organizaciones entrevistadas están haciendo inversiones significativas en IA y se prevé que ese porcentaje incremente a 63% en menos de tres años.

Dado que Machine Learning es un sistema basado en el procesamiento y análisis de datos que son traducidos a hallazgos, se puede aplicar a cualquier campo que cuente con bases de datos lo suficientemente grandes.

De momento, algunos de sus usos más populares y desarrollados son:

  • Clasificación de secuencias de DNA
  • Predicciones económicas y fluctuaciones en el mercado bursátil
  • Mapeos y modelados 3D
  • Detección de fraudes
  • Diagnósticos médicos
  • Buscadores en Internet
  • Sistemas de reconocimiento de voz
  • Optimización e implementación de campañas digitales publicitarias

Un ejemplo del último punto es ADEXT, una plataforma de IA que, con tecnología Machine Learning, es capaz de crear, implementar, analizar, y aprender, para así optimizar campañas digitales en los principales medios de Internet.

Gracias a sus algoritmos inteligentes es capaz de detectar patrones de éxito de campañas digitales alrededor del mundo, para tomar las decisiones de inversión más redituables, optimizando el presupuesto y dirigiéndolo únicamente a los medios que más ventas generen.

Leer más

La automatización del Servicio al Cliente mejora la experiencia

La automatización del Servicio al Cliente mejora la experiencia

La ciencia ficción durante décadas ha hablado de un futuro lleno de robots inteligentes que ayudan a la humanidad a resolver toda clase de problemas, y pareciera que eso todavía es muy lejano, pero ya es una realidad. Hoy en día existen robots que pueden hacer una diversidad de tareas tan complejas y difíciles como ensamblar un avión hasta resolver las inquietudes de un cliente que insatisfecho con un producto o servicio.

La automatización y el uso de inteligencia artificial de los procesos productivos de los grandes corporativos se ha incorporado desde hace más de medio siglo, sin embargo, la atención al cliente en las empresas siempre ha sido relegada debido a la compleja tarea que implica enfrentarse a un ser humano con un sin fin de dudas y preguntas, muchas de ellas impredecibles.

  • Automatización y humanización

Para automatizar el proceso de atención al cliente se han creado asistentes virtuales, los cuales son programados con base en la información que desean atender las empresas. En muchas ocasiones se integran las preguntas más hechas por los clientes (FAQ’s), y las respuestas más adecuadas y resolutivas.

Para un óptimo entendimiento, un buen asistente virtual debe entender el lenguaje natural, lo que incluye regionalismos, sinónimos, abreviaciones, etc., para ofrecer una mejor experiencia y los usuarios sientan que están hablando con una persona empática y servicial. Por ejemplo, el AgentBot creado por AIVO interpreta en las consultas regionalismos, jergas, expresiones, errores gramaticales e incluso estados de ánimo.

  • Machine Learning

El machine learning permite a los agentes aprender por sí mismos con base en patrones, ejemplos y búsquedas. El reconocimiento de patrones permite obtener información que establece características o propiedades comunes entre datos diversos. De esta manera, se abre la posibilidad de analizar patrones con cantidades mínimas de información. Un agente virtual como AgentBot aprende de las interacciones de los usuarios y crea una experiencia evolucionada, diferenciada, omnicanal, integrada con la información de la empresa y resuelve en tiempo real lo que los clientes necesitan.

  • Menos esfuerzo, menos tiempo

El mayor número de consultas que los usuarios hacen en un centro de contacto, se refieren a cuestiones básicas como pagar facturas o consultar su saldo. Las respuestas para este tipo de consultas requieren poco esfuerzo de los colaboradores, pero debido al gran volumen que representan, consumen la totalidad de su tiempo. Esta situación impide a las compañías atender las consultas más especializadas por la gran carga de trabajo que conforman las de primer nivel. Al automatizar estas consultas, las de nivel básico se reducen hasta 80%, según la industria, permitiendo a los colaboradores enfocarse en responder a situaciones complejas de servicio al cliente, incrementando así la productividad, eficacia y el nivel de atención de la compañía.

  • Todo el día, todos los días

Las ventajas de los agentes virtuales se incrementan considerando que la inteligencia artificial trabaja 24/7 los 365 días del año. Cualquier tipo de cliente tendrá una respuesta completa y consistente sin importar que lo haga un domingo por la noche, un día inhábil o en horarios de oficina.

Además, uno de los principales objetivos de los asistentes virtuales, como el AgentBot, es acelerar y enriquecer el servicio al cliente permitiendo que los empleados aprovechen su experiencia en tareas mucho más complejas y específicas. Esto ayuda a complementar los procesos de atención al cliente tradicionales, pues responde todas las preguntas frecuentes y libera al personal humano para resolver otros problemas de más complejidad.

La comunicación entre usuarios y empresas se ha vuelto más compleja debido a las nuevas exigencias de los clientes y la era del móvil. Por ejemplo, en México el internauta promedio pasa 8 horas con un minuto conectados al internet y el 90% usa el smartphone como dispositivo de conexión, de acuerdo con el 13º Estudio sobre los Hábitos de los Usuarios de Internet en México 2017 de la Asociación Mexicana de Internet.  Para estos cambios de conducta es importante para las marcas usar tecnología que ayude a los colaboradores de los centros de contacto a reducir su carga de trabajo respondiendo solicitudes básicas o de primer nivel, para poder concentrarse en tareas más especializadas, incrementando así la productividad de la compañía.

Leer más

10 tecnologías de Inteligencia Artificial que dominarán en 2017

10 tecnologías de Inteligencia Artificial que dominarán en 2017

Las tecnologías de Inteligencia Artificial (IA) están revolucionando diversos ámbitos de la vida cotidiana de las personas, y el ámbito empresarial no es una excepción.

De acuerdo a un reporte de Narrative Science, en el 2016 el 38% de las empresas a nivel munidal utilizaba inteligencia artificial, porcentaje que se elevará a 62% para el 2018.

Otro estudio realizado por Forrester Research predijo que habría un incremento de más del 300% en la inversión que se realizará en inteligencia artificial en 2017, en comparación del año pasado.

Ante este panorama, múltiples compañías mexicanas se preguntan cómo pueden integrar estas tecnologías para aumentar el rendimiento de sus ventas. ADEXT, una startup de inteligencia artificial que impulsa el crecimiento de miles de negocios en Internet, proporciona las 10 principales tecnologías de inteligencia artificial que dominarán este año:

 

1. Generación de lenguaje natural: Es un subcampo de la inteligencia artificial que consiste en crear texto a partir de datos obtenidos. Esto permite que las computadoras puedan comunicar ideas con gran precisión y exactitud. Se utiliza actualmente en servicio al cliente, generación de reportes y en el resumen de hallazgos de inteligencia de mercado.

2. Reconocimiento de voz: Siri no es el único agente que te entiende. Cada vez más sistemas incorporan la transcripción y transformación del lenguaje humano a formatos útiles para las computadoras. Actualmente se implementa en sistemas interactivos voice response (reconocimiento de voz) y en aplicaciones móviles.

3. Agentes virtuales: ‘La diva actual de los medios’, según Forrester. Un agente virtual es una computadora o programa capaz de interactuar con humanos. El ejemplo más común de esta tecnología son los chatbots. Actualmente se utiliza en servicio y atención al cliente y para la administración de las casas inteligentes.

4. Plataformas Machine Learning: El aprendizaje automático o aprendizaje de máquinas (Machine Learning) es el subcampo de las ciencias de la computación y una rama de la inteligencia artificial cuyo objetivo es desarrollar técnicas que permitan a las computadoras aprender. Proporcionando algoritmos, APIs (interfaces de programación de aplicaciones), herramientas de desarrollo y entrenamiento, así como el procesamiento y análisis en tiempo real de Big Data, las plataformas con Machine Learning están cobrando día con día mayor relevancia… Actualmente, se utilizan en gran variedad de aplicaciones empresariales, principalmente para realizar predicciones o clasificaciones.

5. Hardware optimizado con IA: El hardware tiene que comenzar a ser más amigable con las tecnologías de inteligencia artificial, y esto concibe la creación de unidades procesadoras de gráficos y dispositivos específicamente diseñados y estructurados para ejecutar tareas orientadas a la IA.

6. Manejo de decisiones: Las máquinas inteligentes ya insertan normas y lógica a los sistemas de inteligencia artificial, y se utilizan para la instalación inicial, mantenimiento y ajustes de cualquier sistema u operación empresarial. Es utilizada en una amplia variedad de aplicaciones empresariales, asistiendo o ejecutando la toma de decisiones automatizadas.

7. Plataformas de aprendizaje profundo: Un tipo especial de Machine Learning que consiste en circuitos neuronales artificiales con múltiples capas de abstracción. Esta tecnología imita las funciones del cerebro humano para procesar datos, y crea patrones que utilizará en la toma de decisiones, como también ocurre en el ejemplo antes mencionado. Actualmente se utiliza principalmente para reconocer patrones y clasificar aplicaciones únicamente compatibles con conjuntos de datos a gran escala.

8. Biométricas: Esta tecnología contempla la identificación, medición y análisis de las características físicas (forma o composición del cuerpo) y de comportamiento de las personas. Esto permite interacciones más naturales entre humanos y máquinas, incluyendo –pero no limitado a– reconocimiento de tacto, imagen, habla y lenguaje corporal.

9. Automatización de procesos robóticos: Esta automatización se da al integrar scripts y otros métodos para imitar y automatizar tareas humanas que apoyen en los procesos empresariales. Actualmente es utilizado en casos donde resulta muy costoso o ineficiente que los humanos ejecuten una determinada tarea o proceso. Eso sí, la inteligencia artificial no viene a reemplazar la capacidad humana, sino a complementarla y a potencializar todo el talento humano.

10. Analíticas de texto y NLP: El procesamiento de lenguaje natural (NLP por sus siglas en inglés) utiliza analíticas de texto para facilitar el entendimiento estructural de los enunciados, así como su significado, entonación y lo que pretenden decir a través de métodos estadísticos y de Machine Learning. Actualmente, se utiliza en sistemas de seguridad y detección de fraudes, y en una amplia gama de asistentes automatizados y aplicaciones para la extracción de datos no estructurados.

 

Para concluir, es clave recalcar que la inteligencia artificial no es exclusiva de las grandes empresas que disponen de altos presupuestos. Herramientas como ADEXT surgieron justamente para hacer accesibles tecnologías como estas a pequeñas y medianas empresas que deseen tener presencia significativa en Internet para crecer sus negocios y ser más competitivas.

Leer más

Machine learning aplicado en la experiencia del cliente

Machine learning aplicado en la experiencia del cliente
Uno de los mayores y principales retos en el mundo empresarial reside en satisfacer las necesidades del consumidor. Esto se vuelve cada vez más difícil debido a la constante evolución del mismo con la existencia de más y muy diversos canales de comunicación e interacción con los usuarios.

Esta transformación, que parte de los avances tecnológicos, obliga a las empresas a realizar innovaciones y actualizaciones en diversas materias. Una de ellas consiste en la introducción de la robótica, incluida no sólo en tareas de producción, sino en trabajos que siempre se pensaron que serían desempeñados por humanos, como la atención al cliente.

De esta forma, la inteligencia artificial (IA) comienza a ser más importante y trascendente dentro de las empresas porque al considerar que la IA puede evitar la realización de tareas repetitivas y que maximiza la productividad de los profesionales en las áreas de atención al cliente, se presenta una gran oportunidad para que los empresarios conjuguen ambas actividades para sacar más provecho a sus operaciones.

 

Innovación paulatina

Una pregunta obligada es cómo incorporar el aprendizaje automático (machine learning) en la atención al cliente para mejorar su experiencia. En principio, debemos comprender que el machine learning permite a los dispositivos aprender por sí mismos con base en patrones, ejemplos y búsquedas.

Este reconocimiento de patrones permite extraer información que establece características o propiedades comunes entre datos diversos. De tal forma, se abre la posibilidad de analizar patrones con cantidades mínimas de información.

El machine learning conoce el detalle del comportamiento de los usuarios y detecta qué contenido se debe optimizar o agregar para mejorar la experiencia del cliente. Se pueden derivar reportes cuantitativos y cualitativos con información de alto valor para conocer qué es lo más importante para los clientes y cómo puede mejorarse.

 

Preguntas frecuentes

Una de las maneras de poder crear una base de conocimientos que sea de utilidad para el machine learning es revisando las preguntas más frecuentes que llegan al servicio de ayuda. Asimismo, redactar las respuestas para algunas de las preguntas más formuladas será de gran ayuda para limpiar o filtrar la información que las empresas desean atender de manera inmediata.

A través de la atención de un agente virtual, las compañías pueden revisar las palabras más repetidas en la interacción, o el problema más común. Por ejemplo si la palabra “factura” se repite en mayor medida en las conversaciones, se podrá analizar la problemática y dar solución de una manera más rápida y efectiva.

En México, en el sector de Telecomunicaciones, por ejemplo, la mayor cantidad de quejas e inconformidades recibidas por parte de los usuarios están relacionadas con problemas con los servicios de Internet o con aclaraciones de pagos. De acuerdo al Informe Estadístico Soy Usuario 2016 emitido por el Instituto Federal de Telecomunicaciones (IFT), respecto a las empresas que prestan servicios fijos (internet, telefonía y televisión de paga), el promedio de tiempo de respuesta para una queja es de 10.4 días hábiles.

No hay que olvidar que la asistencia virtual brinda un mejor servicio de forma personalizada y precisa, entregando mejores resultados en el corto y mediano plazo a las empresas.

Fuente: AIVO

Leer más

Amazon impulsa Inteligencia Artificial y Machine Learning

Amazon impulsa Inteligencia Artificial y Machine Learning

Amazon impulsa la Inteligencia Artificial para mejorar la entrega de sus productos, además de perfeccionar Alexa, su asistente activado por voz, así como crear nuevas herramientas en su división de computación en nube, comentó Bezos en una carta anual de accionistas.

El gigante del comercio electrónico invertirá en Inteligencia Artificial y Machine Learning, que son temas necesarios para operar un negocio que mantenga una mentalidad de iniciativa y la capacidad de actuar rápidamente sobre información limitada, para mantenerse a la vanguardia, lo que Bezzos  llama ‘tomar decisiones a gran velocidad’.

Machine Learning se conoce como la tecnología para que las computadoras puedan actuar sin ser programadas, por lo cual son utilizadas en coches autónomos, reconocimiento de voz y motores de búsqueda en Internet. La tecnología ha influido en proyectos de alto perfil de Amazon como el lanzamiento de drones; su popular altavoz activado por voz Echo y la nueva tienda de conveniencia Amazon Go sin cajero, informó Bezos.

‘Machine learning aportará mejoras significativas en las operaciones básicas, pero gran parte de lo que hacemos con esta tecnología sucede bajo la superficie. La tecnología de aprendizaje impulsa nuestros algoritmos para la previsión de la demanda, ranking de búsqueda de productos, recomendaciones de productos y ofertas, así como colocaciones en merchandising, detección de fraudes, traducciones y mucho más’, apuntó Bezos.

El ejecutivo agregó que Amazon Web Services, la división de Cloud Computing de la compañía, ofrecerá herramientas asequibles para que los clientes puedan incorporar Inteligencia Artificial y Machine Learning en sus propias operaciones. Estas herramientas ya han sido utilizadas para detectar enfermedades y aumentar los rendimientos de los cultivos.

Con información de Bloomberg

Leer más
Página 1 de 212