El mundo empresarial está cada vez más digitalizado, con el análisis de datos y el uso de la inteligencia artificial como norma en una amplia gama de sectores.

Para salir adelante y mantenerse a flote en este nuevo y competitivo entorno empresarial, es vital que los ejecutivos adopten e implanten las nuevas tecnologías en su negocio.

El aprendizaje automático, un tipo de IA que utiliza algoritmos para analizar datos, es una tecnología clave que está diferenciando a las empresas de alto rendimiento de sus homólogas con menos conocimientos digitales.

Lo que hace que el aprendizaje automático sea único respecto a otros programas de análisis de datos es su capacidad para aprender de los datos, identificando patrones y valores atípicos para mejorar su precisión y tomar decisiones sin necesidad de intervención humana.

El aprendizaje automático correctamente integrado puede tener multitud de ventajas para cualquier empresa, entre ellas:

• Automatiza las tareas y aumenta la eficacia.
• Resuelve los problemas de datos que impiden el crecimiento de una organización.
• Mejora la ciberseguridad.
• Consigue la personalización sin utilizar datos de terceros.
• Agiliza la experiencia del cliente.
• Aumenta las ventas y la rentabilidad.
• Mejora la gestión de riesgos.

Estos tres emprendedores han adoptado el aprendizaje automático para lograr el éxito en sus empresas.

Centralización de datos

Mientras Stephany Lapierre observaba a un cliente hojear una enorme carpeta de tarjetas de visita en busca de un proveedor clave en 2014, cayó en la cuenta de lo desesperadamente que las organizaciones necesitaban acceder a datos de proveedores centralizados y transparentes.

«Me pareció chocante que las organizaciones gastaran tanto dinero en proveedores, pero dispusieran de muy poca información», explica a The CEO Magazine.

«En el momento en que descubren proveedores, buscan y realizan solicitudes de propuestas, los contratan, les pagan gestionan y mantienen su información. Estamos hablando de millones de dólares que se gastan cada año. Y yo diría que es mucho más en oportunidades o riesgos perdidos», señala.

Lapierre tuvo la visión de crear una única fuente de verdad para los datos de los proveedores y en 2014 nació TealBook, con sede en Toronto.

«Mi idea original era construir una plataforma como LinkedIn que permitiera a los proveedores poner su información en su perfil y distribuirla a todos sus clientes», explica. «Pero enseguida nos dimos cuenta de que los proveedores no lo harían porque no teníamos el monopolio».

Cuando Lapierre y el director de tecnología de TealBook se dieron cuenta de que podían crear una nueva plataforma en Google Cloud Platform y aprovechar sus servicios de aprendizaje automático, supieron que habían encontrado la clave para desbloquear datos de proveedores realmente dinámicos.

TealBook se replanteó en 2017 tras su primera inversión inicial y de nuevo en 2021 tras una ronda de financiación de serie A. La start-up ha recaudado 73 millones de dólares hasta la fecha y ha visto crecer sus ingresos 350 por ciento solo en 2021.

«Hoy tenemos 5.5 millones de perfiles digitales que se enriquecen continuamente con nuevas fuentes de datos que vamos añadiendo para incluir cada vez más atributos», afirma Lapierre.

«Actualmente tenemos unos 73 atributos por proveedor con distintos grados de calidad. La gran pregunta al principio era: ‘¿Cómo definimos la calidad utilizando máquinas?», señala.

«Podemos hacer que las máquinas nos digan con suficiente confianza si un atributo tiene una puntuación de confianza alta o si es demasiado conflictivo y nuestros clientes no deberían depender de él», agrega.

«Y estamos en proceso de añadir mucha más transparencia, escala y gobernanza para que nuestros clientes puedan elegir en qué datos confían y en cuáles no. Para algunos clientes, una alta confianza con una precisión del 90 por ciento puede no ser suficiente. Puede que necesiten el 100 por ciento».

Una visión completa

Al otro lado del globo terráqueo, Particular Audience, con sede en Sídney, aprovecha el poder del aprendizaje automático para ayudar a los minoristas en línea a crear una experiencia de compra personalizada sin utilizar información personal identificable.

Ante la inminente eliminación de las cookies de terceros, los minoristas buscan cada vez más formas eficaces de dirigirse a los consumidores sin utilizar sus datos personales.

«El aprendizaje automático consiste en hacer predicciones, y para hacer buenas predicciones se necesitan datos sólidos», explica James Taylor, fundador y CEO de Particular Audience. «Esto puede parecer contradictorio, pero la personalización no requiere datos personales», dice.

«Eres más que tu grupo demográfico, tu ubicación o la hora del día a la que navegas. Tu contexto cambia constantemente. Si vas a comprar un regalo del Día de la Madre para tu suegra, tu comportamiento de compra será muy distinto que si vas a comprar unos pantalones de mezclilla», señala.

Los minoristas en línea ya disponen de todos los datos que necesitan para diseñar un viaje en línea que muestre a sus clientes los productos que desean ver y aumente sus conversiones y márgenes: sólo tienen que encontrar la forma de utilizarlos.

«Podemos aplicar un algoritmo diferente a los metadatos de los productos de un minorista, a las imágenes de los productos y a los datos de interacción y compra», revela Taylor.

«Para los metadatos de productos, utilizamos el procesamiento del lenguaje natural para identificar artículos con atributos similares y poder sugerírselos al consumidor», señala.

«Luego está la visión por ordenador, que se utiliza sobre todo para la moda y el mobiliario, y que nos permite bajar literalmente al nivel del píxel para entender hasta qué punto se parecen visualmente los distintos artículos entre sí. Así es como se obtienen las sugerencias para ver productos similares», dice.

«Por último, están los datos de comportamiento que nos dicen qué artículos se comparan y acaban en las mismas cestas, y nos permiten identificar artículos comparables, alternativos y complementarios», agrega.

Particular Audience se distingue de otros programas de personalización de comercio electrónico porque permite a los minoristas multimarca cobrar a sus proveedores por promocionar sus artículos en las recomendaciones de búsqueda pertinentes.

«Tu plataforma de medios de venta y tu personalización de búsquedas y recomendaciones no deberían estar separadas», señala Taylor.

«Si lanzas anuncios en tu sitio web de venta al por menor y eso repercute negativamente en tus ventas, entonces has puesto el carro delante de los bueyes. Tenerlo integrado en un solo sistema es nuestro punto de venta único», revela.

Minoristas como DigiDirect, The Good Guys y Target han visto cómo sus unidades por transacción, el valor medio de los pedidos y los márgenes se disparaban con los productos de Particular Audience. «Los resultados de nuestro producto Price Beat son los mejores que hemos visto», afirma Taylor.

«Se trata de una extensión de Google Chrome donde los consumidores pueden comparar productos en distintos sitios web y permite a nuestros minoristas vender a menor precio que la competencia en tiempo real. Se ha traducido en un aumento del 102 por ciento en las conversiones de productos que aún no tenían el mejor precio», finaliza.

Reducción de errores

Tiliter es otra empresa con sede en Sídney que utiliza la visión por ordenador, campo de la IA enfocado a extraer información a partir de imágenes para agilizar el proceso de autofacturación en los supermercados y reducir los costosos errores y fraudes de los minoristas.

«Nuestra IA utiliza imágenes de cámara para identificar rápidamente diferentes variedades de productos en las tiendas de comestibles para los compradores y cajeros», dice el cofundador y CEO Marcel Herz.

«Al aumentar la velocidad de escaneado, los compradores que utilicen nuestra tecnología podrán pagar cinco veces más rápido», señala.

«Otra ventaja de la identificación automática del artículo es que los clientes tienen mucho menos margen de maniobra para elegir el artículo incorrecto, lo que podría ser un acto accidental o intencionado, que cuesta a los minoristas millones de dólares al año», agrega.

«Un producto popular de nuestra gama es una báscula de IA lista para usar que identifica frutas y verduras sin necesidad de códigos de barras ni de buscar en un menú. También ofrecemos software de IA que puede funcionar en cajas de autoservicio y convencionales», dice Herz.

Con grandes cadenas internacionales de supermercados como Woolworths, Countdown, IGA y Netto utilizando su tecnología revolucionaria, Tiliter ya ha ahorrado a los compradores más de 200 días de espera en las filas.

«En los dos últimos años, la experiencia de usuario se ha vuelto más elegante y sencilla», confirma Herz.

«La visión por ordenador era la pieza que faltaba para los productos frescos, permitiendo una transacción aún más fluida. Algún día, la visión por ordenador impulsará sin problemas la totalidad de la experiencia en el supermercado», señala.

A medida que aumenta el número de competidores que entran en el mercado del aprendizaje automático, Tiliter planea mantenerse a la cabeza mediante la innovación constante.

«Parte del ADN de nuestra empresa es innovar», explica Herz. «Antes de fundar Tiliter en 2017, [el director técnico] Chris y yo estudiamos aplicaciones de aprendizaje automático, una de las cuales consistía en identificar células cancerosas en resonancias magnéticas mediante visión por ordenador. Fue estimulante ver las infinitas oportunidades de la visión por ordenador», dice.

«Desde entonces, más empresas han aprovechado el aprendizaje automático para innovar y mejorar procesos. Fundamentalmente, esto es genial para la humanidad y queremos contribuir a sacar a la luz sus evidentes capacidades y utilidad», agrega.

«Tiliter seguirá innovando, realizando experimentos y proporcionando a nuestros clientes mejores experiencias escuchando atentamente sus puntos de vista y manteniéndonos firmes en nuestra convicción de hacia dónde creemos que nos puede llevar la visión por ordenador», concluye.