El mercado de las plataformas de Inteligencia Artificial (AI) va a crecer a un ritmo del 15% anual hasta el año 2021, de acuerdo con estadísticas de Forrester. Antes de analizar las características de las principales soluciones de Inteligencia Artificial (IA) aplicada a los procesos de marketing y ventas, me gustaría poner las cosas en perspectiva.

Creo que estamos asistiendo a cierta burbuja mediática en torno al mundo de la IA, lo cual puede llevar a conclusiones equivocadas y generar unas expectativas irrealistas acerca de esta tecnología. 

No cabe duda de que este concepto se ha puesto de moda y, a menudo, está siendo utilizado más como un elemento de branding y marketing, que como un recurso de optimización de procesos y toma de decisiones. Muchas de las grandes empresas quieren subirse al tren de la IA o, por lo menos, aparentarlo de cara a sus accionistas, y conseguir así un voto extra de confianza en los mercados.

Sin embargo, y dejando a un lado las especulaciones acerca del apocalipsis tecnológico, más propias de la ciencia ficción que de la realidad actual, lo que se está utilizando actualmente es una subdisciplina conocida como Machine Learning.

Machine Learning y Data Driven Marketing: la realidad práctica de la Inteligencia Artificial

Dentro del mundo del marketing, el Machine Learning consiste en entrenar a programas (algoritmos) para que puedan realizar predicciones en función de datos. 

Los programas y algoritmos de Machine Learning se puede dividir en 2 grandes grupos: de aprendizaje supervisado (debemos introducirles los datos y entrenarlos en cada escenario y de aprendizaje no supervisado. Ambos se utilizan para crear modelos predictivos, los cuales son capaces de mejorar su rendimiento, gracias a la exposición continuada e incremental a grandes cantidades de datos.

El objetivo a largo plazo es que estos programas puedan aprender de la experiencia, y tomar mejores decisiones, tal y como lo haría un ser humano.

No obstante, no se trata de una tecnología milagrosa, que te permita sustituir a los miembros de tu equipo por máquinas que tomen las decisiones de marketing y ventas, o cualquier otro proceso de negocio.

Lectura recomendada:

Inteligencia artificial: ¿reemplazará a los profesionales del marketing?

De lo que se trata es de mejorar y optimizar procesos existentes, así como ayudar en la identificación de “insights”, para llevar a cabo una mejor toma de decisiones basadas en datos. Debemos aprovechar el poder de la tecnología para complementar las habilidades humanas.

the-future-is-artificial-intelligence-david-cole-ibm-watsonEste tipo de conocimientos y patrones escondidos en los datos no podrían ser descubiertos sin la utilización de algoritmos de IA. De hecho, anteriormente publiqué un artículo recogiendo los hallazgos de un estudio publicado por el MIT acerca de la aplicación de machine learning al data driven marketing o marketing basado en datos.

Dicho esto, voy a presentarte las cuatro principales soluciones del mercado, así como explicar sus ventajas y limitaciones.

Principales Plataformas de MLaaS (Machine Learning as a Service)

Machine Learning as a Service (MLaaS) es un concepto que alude al conjunto de plataformas en la nube que cubren las necesidades de infraestructura digital y analítica de datos -tales como el procesamiento de datos y la evaluación de los modelos-, y que generan resultados gracias a la integración con la infraestructura IT de tu organización.

Amazon AWS

Amazon Web Services (AWS) ha sido uno de los grandes impulsores de las soluciones de IA aplicada a la mejora de los procesos de negocio, las cuales son las más extendidas del mercado.

Propone un modelo de pago por uso, beneficiado por toda la infraestructura de Amazon, la cual se ha convertido por derecho propio, en el estándar de facto de la industria. Ofrece la mayor gama de servicios disponibles en el mercado, cuya contratación puede escalarse, gracias al mencionado modelo de pago por uso.

Se ofrece en dos modelos: Amazon Machine Learning (Amazon ML) y Amazon SageMaker.

La primera solución es una de las más automatizadas del mercado, pues todas las operaciones de preprocesamiento de datos se realizan de forma automática, por lo que los usuarios no necesitan una exhaustiva preparación. Obviamente, esto también limita las opciones de modelo predictivo.

En el caso de necesitar desarrollar y desplegar otros modelos, así como la computación de grandes bases de datos, la alternativa es Amazon SageMaker. Esta presenta la contrapartida de que se requiere contar con un equipo de científicos de datos detrás, si bien su trabajo se verá notablemente simplificado.

IBM Watson

Watson es la alternativa más avanzada que existe en el mercado. Ninguna otra plataforma dispone de la capa cognitiva de IBM. 

ibm-watson-familySin embargo, para poder extraer todo su rendimiento, es imprescindible contar con un mayor conocimiento técnico. Es decir, se requiere contar con un equipo de data science y analistas de datos.

Está fundamentalmente dirigido a grandes empresas, las cuales también disponen de los mayores volúmenes de datos con los que trabajar.

Salesforce Einstein: Inteligencia Artificial para todos

La filosofía en la que se basa Einstein es la de poner la Inteligencia Artificial al alcance de cualquier usuario, con independencia de sus conocimientos en analítica de datos. Después de todo, Salesforce nació como una herramienta para los equipos de marketing y ventas de las empresas.

Se integra perfectamente dentro de toda la suite de Salesforce, por lo que constituye un excelente recurso para mejorar los procesos de captación de clientes.

Como contrapartida, su versatilidad es bastante limitada, no llegando al potencial ofrecido por IBM. No obstante, Salesforce ha encontrado una simple solución para ello, mediante el desarrollo de una interconexión SDK con la herramienta Watson de IBM.

Microsoft Azure ML Studio

Finalmente, la solución de Microsoft está claramente inspirada en las prestaciones propias de Amazon, y está orientada a todo su ecosistema de clientes y desarrolladores.

Casi todas las operaciones de Azure Machine Learning Studio (Azure ML Studio) deben ser completadas de forma manual, incluyendo la exploración de datos, el pre-procesamiento, la selección de los métodos de análisis y la validación.

Pese a la importante curva de aprendizaje, el nivel de profundidad que proporciona es de los más elevados del mercado.

Además, presenta una mayor flexibilidad en lo que se refiere a algoritmos “out of the box”, y ofrece excelentes sinergias al combinarse con todo el paquete de Microsoft y la tecnología .NET, por lo que puede implantarse muy fácilmente dentro de tu organización.

Por otro lado, proporciona una interesante interfaz gráfica “drag and drop” que se echa de menos en otras soluciones; si bien, no alcanza la facilidad de uso de Einstein.

Para concluir

Estas son las mejores soluciones de Machine Learning as a Service aplicadas a Marketing y Ventas. Hay muchos otros suministradores pujando por hacerse un hueco en este sector cada vez más concurrido.

Semejante variedad puede resultar confusa a la hora de elegir. Después de todo, estas soluciones difieren en múltiples ámbitos. Lo que quiero que extraigas de este artículo es la verdadera utilidad práctica de la IA en el ámbito del marketing y las ventas, así como que no existe una solución única para todo tipo de negocio.

¿Por dónde comenzar?

Recuerda que el primer paso necesario para aplicar cualquier metodología de Data Science es contar con una organización adecuada de los datos, serán la base de los resultados. Si lo que entra es bueno se mejorará, si lo que entra es malo … ya sabes la respuesta ( ; – )

descarga-ebook-blog-marketing-omnicanal-multicanal



Joaquín Pais
Joaquín Pais
CEO en ShowerThinking. Consultor y Ponente en conferencias sobre marketing digital e inbound marketing.

Escribe y pulsa Intro para buscar