Machine Learning casos de uso verticales

En pleno 2017, empezamos a vislumbrar usos de la inteligencia artificial que años atrás nos hubieran parecido ciencia ficción. Las máquinas empiezan a aprender por sí solas, sin necesidad de programar reglas para casos infinitos. Todo ello es posible gracias a Machine Learning y Deep Learning, que como ya te explicaba en esta otra entrada, será un motor tecnológico para la Industria 4.0 en prácticamente todos los sectores.

 

Sé que es difícil entender e imaginar los usos concretos que Machine Learning tiene ya y tendrá durante los próximos años. Por eso, en este artículo te presento ejemplos de aplicación que ya son una realidad en diferentes sectores.

 

Machine Learning en diversos sectores

Industria 4.0

  • Predicción de fallos y mantenimiento proactivo de maquinaria y equipos de producción. Esto permitirá plantear mejor el mantenimiento y prever averías antes de que ocurran.
  • Optimización de plantaciones agrícolas y métodos de producción: mejora y aumento de la producción y los procesos de control de calidad.
  • Coches inteligentes y autónomos: Todo un abanico de opciones, de detección de fatiga en el conductor hasta el reconocimiento de voz. El objetivo es mejorar la seguridad del conductor y posibilitar el transporte inteligente autónomo.

 

Energía

  • Predicción de la demanda eléctrica: Capacidad para poder prever picos de consumo y actuar ante ellos para asegurar el subministro.
  • Optimización de recursos y predicciones de fallos en sistemas eléctricos: mejora en tiempo real de todos los sistemas que subministran la energía eléctrica.
  • Predicción del precio diario del pool eléctrico.
  • Optimizar la energía necesaria para un centro de negocios u otros edificios donde el consumo de electricidad es muy dispar.

 

Finanzas

  • Personalizar productos según el perfil del cliente.
  • Detección de operaciones fraudulentas.
  • Scoring de clientes para agilizar y mejorar la concesión de créditos.
  • Autentificación segura en aplicaciones móviles.

Retail y Consumo

  • Aprovisionamiento óptimo de productos según los perfiles de los clientes.
  • Fijación automática y óptima de precios y ofertas, según el tipo de cliente, sus compras anteriores y el tipo de productos que consuma.
  • Satisfacción de clientes e impacto en redes sociales: podemos saber al momento si se está hablando mal de nuestro producto y qué se dice de la competencia.

Salud

  • Optimización de ensayos clínico incluyendo selección de pacientes y probabilidad de éxito: mejora en la selección de sujetos para pruebas clínicas.
  • Ayuda en la predicción y diagnóstico de enfermedades para poder diseñar un tratamiento más efectivo.
  • Optimización de recursos médicos en centros hospitalarios: por ejemplo, previsión de altas y gestión de las camas libres.

 

Gaming

  • Recomendación de la máquina al jugador, a la hora de darle consejos dentro del juego o realizar compras integradas en él.
  • Estimar la propensión al abandono (churn): prever cuando va a dejar de jugar y los motivos (por ejemplo, la dificultad del juego).
  • Mantenimiento preventivo de las máquinas o servidores que garantizan el funcionamiento del videojuego o aplicación.

 

Las opciones que nos brinda Machine Learning son prácticamente infinitas… ¿quieres descubrirlas?

Share
This