Machine learning Como ya hemos introducido anteriormente, machine learning es una disciplina de la IA para la creación de sistemas de aprendizaje automático. Las soluciones de machine learning se pueden clasi- car en cinco tipos. Cada uno de ellos resuelve una pregunta diferente y por tanto será utilizado en un contexto diferente. • Clasi cación. Está solución trata problemas con 2 o más posibilidades. ¿Va a fallar mi maquinaria en los próximos tres meses? ¿Qué pre eren los clientes, un porcentaje de descuento, un sorteo o un cupón? • Detección de anomalías. Este algoritmo pretende identi car aquellos valores que no están dentro de la tendencia normal pudiendo detectar problemas rápidamente. ¿Es este post en RRSS normal? • Regresión. Ayudan a resolver predicciones numé- ricas futuras en base a histórico de datos. ¿Qué temperatura hará la semana que viene? ¿Cuáles serán los bene cios al nal de año? • Clusterización. Separación de los datos en diferen- tes grupos o clústeres para una mejor interpretación de los datos. ¿Qué impresoras fallan de la misma manera? ¿Qué clientes gastan más? Aprendizaje reforzado. Estos algoritmos aprenden de los resultados obtenidos y deciden cual será la siguiente acción. Con un semáforo en ámbar, ¿ace- lero o freno? Un robot de limpieza ¿sigue limpiando o vuelve al centro de recarga? ESTADO DEL ARTE 16 Figura 10. Algoritmos de aprendizaje supervisado (machine learning). a nuestros clientes. Es por eso, que uno de los casos de uso con mayor penetración actualmente es la clusterización de la base de datos de clientes, que permite segmentar de manera avanzada la base de datos, identi cando grupos de consumo que responde- rán de manera similar ante posibles acciones de marketing que se realicen. Lo que aporta el valor diferencial de esta técnica, es que los mode- los de segmentación realizados por humanos pueden no llegar a percibir la lógica existente en la relación entre dos clientes muy diferentes, pero con comportamientos similares, mientras que los algoritmos identi can relaciones más allá de lo que nosotros pode- mos percibir a simple vista. ¿Cómo? El modelo se nutre de todos los datos disponibles de los clientes y procesa estos datos cruzándolos uno por uno hasta que encuentra el patrón más lógico y pinta en un mapa de dispersión ( gura 10) estos clústeres, obteniendo una seg- mentación más real del comportamiento de los clientes y por tanto generando e ciencias en las acciones que se realicen con estos tar- gets. El caso de uso de clusterización sirve además como base de otros muchos casos de uso enfocados en el cliente y permite cruzar la información de herramientas como el CRM para dar un servicio al cliente nal mucho más personalizado y cercano. España Para entender la situación actual del mercado español con respecto a la implantación de soluciones tecnológicas relacionadas con la IA, PwC ha entrevistado a directivos de diferentes compañías líderes en sus sectores, con gurando una muestra representativa del segmento de grandes empresas. Las áreas que han participado en este estudio son mayoritariamente las relacionadas con el cliente (marketing, experiencia de cliente, atención al cliente) y tecnología (TI y SI). ¿Qué opinan los responsables de las empresas encuestadas de este potencial impacto ocasionado por la IA en el mercado? La mayor parte de las grandes compañías españolas (cuatro de cada cinco) piensa que la IA supondrá un conjunto de cambios altamente disruptivos capaces de aportar una ventaja competitiva