Aplicación de la Inteligencia Artificial en la Solución de Problemas Empresariales

99
Views

Resumen – Este artículo se centra en la revisión de las principales técnicas que posee la Inteligencia Artificial, con sus diferentes modelos o técnicas, en donde los más relevantes son los sistemas expertos, las redes neuronales, los algoritmos genéticos, la lógica borrosa y la Inteligencia de Negocios con sus diferentes  aplicaciones al campo de la gestión financiera empresarial. Se considera que los ejecutivos de las compañías al efectuar la planificación, ejecución y control en la gestión financiera empresarial podrían apoyarse en las nuevas tecnologías o técnicas que ofrece la Inteligencia Artificial  para la toma de decisiones adecuadas y eficientes. Lo anterior con el fin de poder enfrentar los desafíos que impone el nuevo entorno económico global y la creciente innovación tecnológica que afrontan las empresas en el siglo XXI.

 

  1. [1]Roberto Rayna Carrion. Importancia de la Inteligencia Artificial en las Empresas.
    INTRODUCCION

En las últimas décadas se ha producido un cambio profundo en el ámbito empresarial debido fundamentalmente al avance de la tecnología. Estos avances presentan la creación de nuevos paradigmas para el tratamiento de la información que generan las empresas; denominada “Gestión del Conocimiento” al procesamiento masivo de la información, al riesgo y la incertidumbre en la toma de decisiones empresariales, etc. [2].[2]Maria del Carmen Sosa Sierra. Inteligencia Artificial en la Gestion Financiera Empresarial Disponible en: http://www.redalyc.org/articulo.oa?id=64602307.

En este contexto el avance de la tecnología y la creación de los nuevos paradigmas no solo deben enfocarse en las actividades manuales de la empresa, sino que estas herramientas deben de ser un soporte fundamental para el logro de los objetivos de la empresa tomando las decisiones adecuadas, eficaces y oportunas [2].

En la actualidad, la inteligencia artificial se está aplicando a numerosas actividades realizadas por los seres humanos y se destacan entre otras las siguientes líneas de investigación científicas: la robótica, la visión artificial, técnicas de aprendizaje y la gestión del conocimiento. Estas dos últimas destacan en el área de las finanzas debido a que este campo está orientada a la construcción de sistemas de información que incorporan conocimiento y así permitir a los decisores tomar decisiones eficientes y oportunas en la gestión empresarial.

En este artículo se presenta como se pueden resolver los problemas que se presentan día a día en las empresas mediante el uso de técnicas o herramientas de Inteligencia Artificial (IA), el desarrollo de este articulo está orientado de la siguiente manera: En la sección II se presenta lo que es la IA (definición), su importancia y sus distintas aplicaciones. En la sección III se da a conocer lo que es una empresa, sus características, los diferentes tipos de empresa que existen y los problemas que se presenta en ella. En la sección IV se presenta la aplicación de la IA en la solución de los problemas empresariales donde se utilizan técnicas o herramientas como: redes neuronales, sistemas expertos, algoritmos genéticos, inteligencia empresarial, inteligencia de negocios, inteligencia de negocios en las Pymes, inteligencia organizacional, lógica difusa y sistemas inteligentes. En la sección V se realizara el análisis del articulo y en la sección VI se dará a conocer las conclusiones de este artículo.

  1. INTELIGENCIA ARTIFICIAL
  2. Definición

La Inteligencia Artificial (IA) es un área multidisciplinaria que estudia la creación y diseño de máquinas que puedan razonar por si mismas mediante el uso de las ciencias como la filosofía, la lógica y la computación. Un claro ejemplo de IA son los robots los cuales pueden razonar y actuar por sí mismos [12].[3]Elaine Rich. Knight Kevin. Inteligencia Artificial. Segunda Edición. Mc Graw Hill. México 1994

La IA pretende lograr que las maquinas razonen como los seres humanos buscando imitar nuestra manera de pensar o sobre cómo actuar frente a un determinado problema.

John McCarthy define a la IA de la siguiente manera: “Es la ciencia e ingenio de hacer maquinas inteligentes, especialmente programas de cómputo inteligentes”.

  1. Importancia

La IA es muy importante para nosotros, ya que nos ayuda a resolver problemas que para nosotros pueden ser complejas por ejemplo: En la agricultura para controlar las plagas y manejar los cultivos eficientemente, en las fábricas realizar montajes peligrosos y actividades tediosas (mantenimiento e inspección),

en la medicina para ayudar a los médicos a dar un diagnóstico, en las escuelas para apoyar en la formación académica de los estudiantes, en las empresas para evaluar y tomar las decisiones correctas que se requieren para resolver un determinado problema [12].

La importancia actual de la IA radica en la reducción de costo y eficiencia en calidad, precisión y ahorro económico para la industria, por ejemplo: a un androide con IA no se le alimenta, no se le paga y puede ser programado para no quejarse sin pedir un aumento y hacer huelgas [1].

Importancia de la IA en la gerencia empresarial, En el momento actual la IA se aplica a numerosas actividades humanas, y como líneas de investigación más explotadas destacan el razonamiento lógico, la traducción automática, comprensión del lenguaje natural, la robótica, la visión artificial y especialmente las técnicas de aprendizaje y de ingeniería de conocimiento [1].

Estas dos últimas son importantes ya que pueden ser aplicables al campo de las finanzas, donde lo que interesa construir es sistema que incorpore conocimiento y así poder ayudar a la toma de decisiones en la gestión empresarial [12].

  1. Aplicaciones

Las aplicaciones más comerciales de la IA son por ejemplo los reconocedores de voz, la telefonía celular, los videojuegos, los cajeros automáticos, los reconocedores de huellas digitales, programas generales de uso computacional.

La IA también se aplica en la administración, departamento de ayuda y asistencias, evaluación del desempeño del empleado, análisis de préstamos, finanzas [1].

Otra de las aplicaciones de la inteligencia artificial son: métodos para la producción de fallos y anomalías en sistemas mecánicos como motores o engranajes, mantenimiento predictivo de componentes mecánicos, estimación del consumo eléctrico, distribución de recursos hidráulicos para la producción eléctrica, sistemas para el control de procesos y de la calidad, modelos para la predicción de roturas en vigas de hormigón y diseño de diques verticales. Estas aplicaciones se dan en los sectores de Ingeniería Industrial, Civil y Naval [20].[4]Rusell, S. & Norvig, P. (2004): “Inteligencia Artificial Un enfoque Moderno”, Madrid (España), Editorial Pearson Prentice May, p 2- 3.

 III. EMPRESA

  1. Definición

Una empresa es una entidad económica de producción que se dedica a combinar capital, trabajo y recursos naturales con el fin de producir bienes y servicios para vender en el mercado.

Según Simón Andrade autor del libro “Diccionario de economía” la empresa es: “aquella entidad formada con un capital social, y que aparte del propio trabajo de su promotor puede contratar a un cierto número de trabajadores. Su propósito lucrativo se traduce en actividades industriales y mercantiles o la prestación de servicios”.

  1. Características

 Las características fundamentales de una empresa son los elementos que la componen, una empresa combina tres factores los cuales son: factores pasivos, los factores activos y su organización.

Los factores activos son las personas físicas o jurídicas que constituyen una empresa que realizan diversas aportaciones, ya sean económicas como la aportación del capital entre otras.

Los factores pasivos son utilizados por los elementos activos y ayudan a conseguir los objetivos de la empresa como la tecnología, la materia prima utilizada, los contratos financieros de los que dispone.

La organización es la coordinación y el orden de todos los factores y áreas de una empresa. En la cual participan los administradores, los clientes, colaboradores y compañeros, fuente financiera, accionistas, suministradores y proveedores,  trabajadores.

  1. Tipos de Empresa

Existen diferentes tipos de empresa las cuales pueden ser: empresas industriales, empresas de sector primario, empresas comerciales.

Las empresas industriales son aquellas en las cuales la actividad esencial es la producción de productos o bienes mediante la extracción de materia prima.

Las empresas de sector primario son todas aquellas que explotan los recursos naturales renovables y no renovables en este tipo tenemos: las extractivas, mineras, pesqueras y agropecuarias.

Las empresas comerciales son las que se dedican al comercio, y su principal función es la de compra y venta de productos terminados en la cual interfieren dos intermediarios que son el productor y el consumidor.

  1. Problemas en una Empresa

Los problemas en una empresa pueden ser infinitos, pero aquí mencionaremos los más frecuente o comunes que se presentan en una empresa y estos son: la falta de capital en una empresa falta de asesoramiento, falta de orientación, modelos ineficientes, prospecciones económicas débiles y la toma de decisiones.

  1. APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA SOLUCION DE PROBLEMAS EMPRESARIALES

 A lo largo del tiempo las empresas han sufrido una gran evolución  debido  a factores como el aumento en el número de quiebras, la desintermediación creciente que se observa en los mercados financieros y la disminución del desarrollo de nuevos instrumentos financieros [2]. Todo ello ha impulsado la creación de nuevos métodos de análisis y solvencia para facilitar y mejorar el funcionamiento de las empresas, entre los sistemas que se crearon se destacan los que están basados en IA.

La IA se aplica usando diferentes métodos estos pueden ser: las redes neuronales, los sistemas expertos, los algoritmos genéticos, business intelligence (inteligencia de negocios).

  1. Redes Neuronales

Las redes neuronales artificiales constituyen una serie de procesamientos que emula las características de la estructura neuronal del cerebro biológico [2]. Las principales similitudes y diferencias entre las redes neuronales artificiales y las redes neuronales biológicas se encuentran en el cuadro1 del anexo1 [17].[5]Carlos Serrano Sinca, Bonifacion Martin del Brio – Prediccion de la quiebra bancaria mediante el empleo de redes neuronales artificiales – Revista Española de financiación y contabilidad vol. … Continue reading

El modelo de las redes neuronales artificiales tiene un parecido al modelo biológico. Cada unidad recibe señales a través de una serie de vías de entrada y responde a ese estimulo enviado una señal, que puede ser binaria (0,1) o real dentro de un intervalo continuo, a todas aquellas con las que a su vez tenga una conexión de salida [4] [6]Javier De Andrés Suarez. Técnicas de Inteligencia Artificial Aplicadas al análisis de la solvencia empresarial.

[17].

La arquitectura de las redes neuronales: Una red neuronal artificial está formada por un conjunto de neuronas interconectadas y arregladas en forma de capas, las cuales están compuestas a su vez por un número de neuronas cada una. Existen capas de entrada (por donde se ingresan los datos), capas de salida (por donde se obtienen los resultados) y las capas ocultas (por donde pasan los datos). Teniendo en cuenta lo anterior, se puede decir que la arquitectura de las redes neuronales artificiales se basa en la organización y disposición de las neuronas formando capas más o menos alejadas de la entrada y salida de la red [13].[7]Bracamonte R.C. & Villamizar, J.G. (2002): “Diseño e Implementación de un sistema inteligente utilizando redes neuronales”. Tesis de grado del programa de Ingeniería Electrónica, … Continue reading

Hay varias arquitecturas de redes y las más comunes son las siguientes: Redes neuronales por capa, redes neuronales recurrente, redes neuronales contactadas lateralmente, redes con aprendizaje supervisado, redes con aprendizaje no supervisado, redes neuronales híbridas y mapas de auto-organizados de Konohen [2].

Redes Neuronales por capa: esta estructura de red está compuesta por capas de neuronas y cada capa recibe señales de las capas previas, por lo cual este tipo de redes se denominan redes “feed forward” o perceptron, y el perceptron multicapa es el más común [2].

Redes neuronales recurrentes: en este tipo de red cada neurona se conecta a todas las neuronas de la red, incluso consigo misma, lo que significa que se tienen bucles en la estructura de red. Esta clase de red se caracteriza por su dinámica debido a que evoluciona de un estado a otro [2].

Redes neuronales conectadas lateralmente: en este tipo de red, las neuronas se disponen en los nodos de un retículo de aproximadamente 1 o 2dimesiones. La red de esta clase más común es la de Kohonen [2].

Redes con aprendizaje supervisado: El proceso de aprendizaje se realiza mediante un entrenamiento controlado por un agente externo (supervisor o maestro) que determina la respuesta que debería generar la red a partir de una entrada determinada. El supervisor comprueba la salida de la red y en el caso de que esta no coincida con la deseada, se procederá a modificar los pesos de las conexiones, con el fin de conseguir que la salida se aproxime a la deseada [15]. [8]] Hugo Vega Huerta, Augusto Cortez Vásquez, Ana María Huayna, Luis Alarcón Loayza, Pablo Romero Naupari – Reconocimiento de patrones mediante redes neuronales artificiales

Redes con aprendizaje no supervisado. Estas redes no requieren influencia externa para ajustar los pesos de las conexiones entre neuronas. La red no recibe ninguna información por parte del entorno que le indique si la salida generada es o no correcta, así que existen varias posibilidades en cuanto a la interpretación de la salida de estas redes [16].[9]Rosmeri Mayta H., Victor Perez Q. – El tratamiento de la información financiera con redes neuronales artificiales – Industrial Data 2001, (4) 1: 67-72

Redes neuronales híbridas que involucran aprendizaje supervisado y no supervisado. Los pesos se ajustan mediante aprendizaje supervisado y el resto se obtiene por medio de un aprendizaje no supervisado [2].

En el campo de la gestión financiera empresarial, las redes neuronales intentan resolver de forma eficiente los problemas que se presentan en tres grandes grupos: la optimización, reconocimiento y generalización [14].

En los problemas de optimización se busca una solución óptima ante un problema determinado previamente [2].En los problemas de reconocimiento por lo general se estrena una red neuronal con entradas, como sonidos, números, letras y se procede a la fase de prueba presentando esos mismos patrones [15].

En los problemas de generalización se busca resolver principalmente los problemas de clasificación y predicción [2].

Los problemas de clasificación son los estudios de predicción sobre el fracaso empresarial partiendo de un conjunto de variables financieras que utilizan modelos matemáticos que detectan las características de las empresas que tienen éxito y de las empresas que no tienen éxito [2].

Dentro de los problemas de predicción se encuentran las variables de predicción económica tales como: las tasas de interés, tipos de cambio, predicción de la evolución económico–financiera de las empresas teniendo en cuenta los factores económicos que afectan a las empresas (análisis fundamental) [2].

En noviembre de 1993, por iniciativa de la London Businnes School, de celebró en Londres la primera reunión internacional sobre aplicaciones de redes neuronales al tratamiento de la información financiera (First International Workshopon Neural Networks in the Capital Markets) [9].

Los principales trabajos desarrollados con información financiera se agrupan en dos temas: Análisis del fracaso empresarial y predicción en los mercados financieros. Ambos tipos de trabajos responden a dos de las principales tareas en las que se están aplicando las redes neuronales: clasificación y predicción, que como hemos visto anteriormente, son un caso particular de los problemas de generalización [9].

Un ejemplo de aplicación de redes neuronales artificiales es el Internet. Todas las empresas están en la carrera de conquistar los mercados mundiales y aprovechar la llamada globalización, pero se estrellan con la realidad, sobre las formas de pago, despachos etc. El Internet se convierte en una red neuronal, y el fin es la relación de los clientes, y de esa manera completar el circulo económico [10].

Ese tipo de relaciones, revoluciona los negocios electrónicos y todos tratan de colocar la mejor presentación a su página web . Las inversiones en este campo se basan en la virtualización de relaciones de negocios ya existentes [10].

En el cuadro 2  se puede visualizar un breve resumen de los estudios y aplicaciones para resolver algunos problemas utilizando distintos modelos de redes neuronales cuadro2 Anexo A.

  1. Sistemas Expertos

Los sistemas expertos se definen en forma general como los sistemas de computación que recopilan y simulan el pensamiento de los humanos en un área específica del conocimiento. Estos sistemas son capaces de procesar memorizar información, aprender y razonar en situaciones determinadas e inciertas [2].

La profesora Fernández Centeno define un sistema experto como: “un programa de Inteligencia Artificial, que basándose en el conocimiento, puede realizar una tarea que de alguna forma puede resultar dificultosa, y que normalmente la puede realizar el experto humano” [3].[10]] Jose Maria Fortuna Lindo. Una Introduccion a los Sistemas Expertos en la Empresa.

Sin embargo, cuando apareció esta nueva tecnología creo expectativas excesivamente optimistas, lo que provoco una cierta frustración, al comprobarse como los resultados esperados no se obtenían tan rápidamente como en un primer momento cabía esperar [3].

Los sistemas expertos son diseñados por personas expertas, esto quiere decir que los diseñadores de este sistema tienen experiencia en un determinado problema y saben cómo afrontarlo, en base a ello, estas personas introducen esa experiencia a los sistemas expertos para que de esta forma  en los problemas futuros que presente la empresa pueda resolverlo utilizando la experiencia ya adquirida por el diseñador del sistema, y así las empresas podrían usarlo de una manera recursiva.

Los sistemas expertos son capaces de codificar y automatizar los razonamientos y experiencias humanas incluyendo en ocasiones, la falta de soluciones concretas, debido a que las personas tiene conocimientos poco seguros, incompletos o imprecisos [3].

El proceso de la introducción de la tecnología de los sistemas expertos en la empresa y la industria ha seguido ritmos crecientes desde 1986. Ya en ese año se pueden encontrar informes como el titulado “Experts Systems 1986, vol.1: USA and Canadá” en el que se explican las razones de porque ha tardado tanto la tecnología  de sistemas expertos en ser comercial [3].

Aunque cada Sistema Experto es un mundo aparte con sus propias peculiares, no obstante, podemos señalar algunas características  que son comunes a muchos de los sistemas que podemos encontrar hoy en día en funcionamiento: El programa debe ser útil; no se concibe la creación, la implementación y  el mantenimiento de un Sistema Experto si no cumple con el fin propuesto. El programa debe poder usarse  en el sentido de que no prime la complejidad técnica, ya que los usuarios no tendrán que ser expertos informáticos. El programa debe de tener carácter educativo, el sistema debe ser capaz de explicar al usuario su consejo justificando sus conclusiones.

[19] Algunas de las áreas de aplicación de los sistemas expertos en la gestión empresarial son las siguientes: planeación corporativa financiera, análisis de inversiones, concesión de créditos, análisis de estados financieros, interpretación de índices, análisis de tendencias, recuperación y revisión analítica de registros, calculo y asignación de costos, asignación de recursos escasos, control y análisis de desviaciones, díselo de sistemas de información y de gestión, análisis de riesgos.

Existen distintos tipos de sistemas expertos, teniendo en cuenta la forma como los sistemas expertos representan el conocimiento incluido en ellos, y los sistemas expertos basados en reglas son los más comúnmente utilizados en el ámbito financiero [2].

Los componentes principales de un sistema experto basado en reglas son los siguientes: base de conocimientos, base de datos, motor de inferencia o estructura de control, interfaz de usuario o subsistema de consulta, modelo de justificación o subsistema de explicación y subsistema de adquisición [2].

Base de Conocimiento: contiene el conocimiento y las experiencias de los expertos en un determinado dominio representado por medio de símbolos. Dentro de ella se puede distinguir el conocimiento declarativo (hechos) y procedimental (reglas) [2].

Base de Datos: es una memoria  auxiliar que contiene la información relacionada con el problema que se va a resolver, es decir, los datos iniciales y los datos intermedio que corresponden al estado del sistema a lo largo del proceso [2].

Motor de inferencias: Es la parte del sistema experto que se encarga de realizar los procesos de inferencia entre la información contenida en la base de datos o memoria de trabajo y la base de conocimiento, con el fin de obtener las conclusiones que sean necesarias [2].

Interfaz de usuario o subsistema de consulta: es la parte del sistema experto que permite la comunicación entre el usuario y el motor de inferencias. Adicionalmente, permite introducir la información que necesita al sistema y comunica las respuestas del sistema experto al usuario [2].

Modelo de justificación o subsistema de explicación: es la parte del sistema experto que explica los pasos realizados por el motor de inferencias para llegar a las conclusiones esperadas, indica también el por qué se utilizan ciertas reglas y no otras, y porque se planteó determinada pregunta en el dialogo con el usuario [19].

Subsistema de adquisición del conocimiento: es una interfaz que facilita la introducción del conocimiento en la base de datos y de los mecanismos de inferencia. Esta parte del sistema experto también se encarga de comprobar la veracidad y coherencia de los hechos y reglas que se introducen en la base del conocimiento [2].

El siguiente cuadro resume brevemente algunas de las aplicaciones diseñadas para la aplicación de problemas en el área de la gestión financiera empresarial cuadro3 Anexo A.

  1. Algoritmos Genéticos

Los algoritmos genéticos son el resultado de los recientes avances de la computación evolutiva y la genética y se constituye en una de las principales herramientas tecnológicas de la IA. Estos algoritmos simulan la mecánica de la selección natural y utiliza información pasada para encontrar un nuevo punto de búsqueda de una solución óptima, lo cual permite obtener soluciones a un determinado problema que por su complejidad no tiene ningún método de solución precisa [2].

Los algoritmos Genéticos, se refieren a varias técnicas de solución de n problemas, que se basan conceptualmente en el método que los organismos vivos usan para adaptarse a su entorno [10].

Holland se enfrentó a los algoritmos genéticos, y los objetivos de su investigación fueron dos: a) Imitar los procesos adaptativos de los sistemas naturales; b) Diseñar sistemas artificiales (normalmente programas) que retengan los mecanismos importantes de los sistemas naturales [11].[11]Piedad Tolmos Rodriguez Piñero – Introducción a los algoritmos genéticos y sus aplicaciones

Los algoritmos genéticos son métodos de optimización, que tratan de resolver el mismo conjunto de problemas que se ha contemplado anteriormente, es decir, hallar (xi,…, xn) tales que F (xi,…,xn) sea máximo. En un algoritmo genético, tras parametrizar el problema en una serie de variables, (xi,…, xn) se codifican en un cromosoma [10].

Todos los operadores utilizados por un algoritmo genético se aplicarán sobre estos cromosomas, o sobre poblaciones de ellos. En el algoritmo genético va implícito el método para resolver el problema; también hay que tener en cuenta que n algoritmo genético es independiente del problema, lo cual lo hace un algoritmo robusto, por ser útil para cualquier problema, pero a la vez débil, pues no está especializado en ninguno [10].

Las soluciones codificadas en un cromosoma compiten para ver cuál constituye la mejor solución. El ambiente, constituido por las otras soluciones, ejercerá una presión selectiva sobre la población, de forma que sólo los que mejor resuelvan el problema sobrevivan o leguen su material genético a las siguientes generaciones, igual que en la evolución de las especies [10].

Las principales aplicaciones de los algoritmos genéticos en el campo de la gestión financiera empresarial: son la predicción de la banca rota de una empresa, evaluación y predicción de la capacidad financiera de una empresa, la inferencia de reglas que indiquen las mejores decisiones sobre la asignación de información de hace varios años [2].

Generalmente los algoritmos genéticos se emplean con bastante éxito en la investigación de operaciones para resolver problemas de optimización numérica y combinatoria. Por lo tanto, un algoritmo genético consiste en lo siguiente: hallar de qué parámetros depende el problema, codificarlos en un cromosoma, y se aplican los métodos de la evolución: selección y reproducción sexual con intercambio de información y alteraciones que generan diversidad [10].

En conclusión se puede afirmar que en la búsqueda de las soluciones optimas, es importante combinar las ventajas de las redes neuronales con los algoritmos genéticos en una aproximación hibrida, esto con el fin de diseñar estructuras de redes neuronales óptimas. El objetivo es reducir la complejidad computacional y el tiempo requerido para diseñar una red neuronal [2].

  1. Inteligencia Empresarial

Se denomina inteligencia empresarial al conjunto de estrategias y aspectos relevantes enfocadas a la administración y creación de conocimiento sobre el medio, a través del análisis de los datos existentes en una organización o empresa[5].[12]Juan Carlos Carro Cartaya, Juan Ramon Carro Suarez. La Inteligencia Empresarial y el Sistema de Gestión de Calidad ISO 9001: 2000 Ciencias de la información Vol. 39, No. 1, abril, 2008.

Existen múltiples definiciones para el término Inteligencia Empresarial, algunas más acertadas que otras, pero todas haciendo énfasis en el hecho de la utilización de la información pública y obtenida de forma legal y ética.

¿En qué consiste realmente la inteligencia empresarial?

La inteligencia empresarial es a su vez: un proceso, una función y un producto. Es un proceso analítico porque abarca metodologías, herramientas y procedimientos con los cuales se identifican y reúnen datos de forma sistemática y organizada, que son analizados y transformados en información y conocimiento relevante para la empresa [5].

La inteligencia empresarial es un producto, estos productos son los conocimientos – información resultado del proceso de análisis de los datos, poseyendo diferente dificultad de acuerdo al estudio realizado, entre ellos se identifican: Estudios de tendencia, Perfiles, estudios de mercado, estudios estratégicos, planes de negocio, siendo estos tres últimos los de mayor complejidad y que mayor conocimiento entregan al cliente final, sin restar importancia a los anteriores [5].

Los objetivos del sistema de inteligencia empresarial son: que recursos se destinaran para la creación y funcionamiento del mismo, a quien se subordina el personal de inteligencia empresarial, determinar los principales usuarios, determinar las fuentes legales de información para inteligencia empresarial, definir cuáles son las habilidades necesarias en el personal y que métodos seguir, establecer las herramientas necesarias para el funcionamiento del sistema de inteligencia empresarial [5].

La inteligencia empresarial puede ser resultado del funcionamiento de una unidad interna de la organización o puede ser contratada a un ente externo que brinda estos servicios. No obstante, los servicios que se incluyen en la especialidad son generalmente los mismos, dependiendo de la capacidad y conocimientos de quien lo brinda [5].

Entre los servicios de la inteligencia empresarial se pueden mencionar: realización de perfiles, organización, personalidad, de país; realización de estudios de la competencia, realización de estudios de mercado, realización de estudios estratégicos, realización de planes de negocios [5].

La inteligencia empresarial aporta múltiples ventajas a las empresas que la aplican y se ha convertido en un factor clave para mejorar la competitividad de las empresas. Estas son algunas de las ventajas que las empresas obtendrán al usar la inteligencia empresarial: Reducción de costos y mayor eficiencia, más capacidad para tomar decisiones, mejor capacidad de respuesta, mayor visibilidad y mejor comprensión del negocio.

Reducción de costos y mayor eficiencia, el personal de la empresa necesita disponer de información fiable y pertinente para poder realizar su trabajo. La mayoría de las empresas no son conscientes de la cantidad de trabajo y recursos necesarios para generar esa información y repartírsela al personal, este problema se puede solucionar con un ben sistema de inteligencia de negocios ya que es capaz de automatizar el trabajo disminuyendo los errores y ahorrando el tiempo a los trabajadores.

La inteligencia empresarial tiene la capacidad de tomar decisiones, ya que primero dispone de información más actualizada y fidedigna, luego analiza y estudia las posibles decisiones, una vez terminado todo ese proceso el sistema está en posición para tomar decisiones que se ajusten a la realidad de la empresa y el mercado.

La capacidad de respuesta también es notable ya que no solo podemos disponer más rápidamente de la información necesaria mucho más visual e intuitiva que nos permite localizar mucho antes los errores. También podemos definir nuestro propio sistema de alertas ante excepciones.

La inteligencia empresarial tiene una mayor visibilidad y mejor comprensión del negocio, ya que no solamente son capaces de proporcionarnos información analítica y fiable de manera rápida. Además pueden hacerlo con formatos visuales atractivos que facilitan su comprensión y visualización. También nos sirve para darnos cuenta de aspectos que hasta ahora podía habernos pasados inadvertidos, entre tantas filas y columnas de números.

  1. Inteligencia de Negocios

La inteligencia de negocios es la habilidad corporativa para tomar decisiones, esto se logra mediante el uso de metodologías y tecnologías que permitan reunir, depurar y transformar datos para aplicar técnicas analíticas para la extracción del conocimiento [18].[13]Mahesh Raisinghani – Business Intelligence in the digital Economy: opportunities, limitations, and risks. IGI Global, 2004, ISBN-10: 1591402069

Implementar inteligencia de negocios dentro de la empresa  u organización permite soportar las decisiones que se toman; al nivel interno ayuda en la gestión del personal y del lado externo produce ventaja sobre sus competidores [6].[14]Alveiro Alonso Rosado Gomez, Dewar Wilmer Rico Bautista. Inteligencia de Negocios: Estado del arte Scentia et Technica Año XVI, No 44, abril 2010. Universidad tecnológica de Pereira. ISSN 0122-1701

La inteligencia de negocios proporciona una manera rápida y efectiva de recopilar, abstraer, presentar, formatear y distribuir la información de sus fuentes de datos corporativos, permitiendo a los profesionales de la empresa, tanto dentro como fuera de la organización visualizar y analizar datos precisos sobre las actividades fundamentales del negocio y utilizarlos para mejorar la toma de decisiones y la planificación estratégica [6].

En los últimos años han surgido metodologías de Inteligencia de Negocios enfocadas a los negocios. Estas metodologías hacen énfasis en la fase de arquitectura y han establecido la necesidad de organizar la Inteligencia de Negocios en toro a mapas de oportunidades de negocio, alineados con la estrategia de la organización [8].[15]Carlos Luis Gomez – Business Intelligence y Pensamiento Ssistemico: Revista Novática(N° 211, mayo-junio 2011 págs. 35-38).

Este mayor énfasis en aspectos organizacionales y de negocio ha sido una mejora importante en el desarrollo de iniciativa de Inteligencia de Negocios. Cualquier metodología de Inteligencia de Negocios debe de incluir características como: a) Organización de Inteligencia de Negocios como un portafolio de servicios enlazados a un mapa de oportunidades de mejoras de negocios; b) Dirección de programas iterativos, no gestión de un proyecto; c) Diseño y arquitectura de información, no de aplicaciones; d) Incorporación de metodologías tecnológicas probadas [8].

En la actualidad se está planteando un concepto nuevo llamado ágil BI governance, el cual propone: arquitectura, métodos y herramientas necesarias para la inteligencia de negocios. Permite conocer cómo controlar un sistema de estas características, que políticas debo aplicar, que métodos de control tengo que poner en marcha y como gobernar los sistemas de inteligencia de negocios [6].

El Agi BI Governance establece cuatro valores básicos, pero dependiendo de cada empresa u organización puede incluir los que vayan en relación con su propia estrategia.

La adaptabilidad continua; la incertidumbre y el cambio continuo son el estado natural de los sistemas de toma de decisiones pero parce ser que muchas organizaciones aun no son conscientes de ellos [6].

El trabajo conjunto; el usuario operativo del software ha de ser parte activa dentro de los grupos que desarrollan los sistemas de inteligencia de negocios [6].

Las jerarquías flexibles; los grupos de trabajo dentro del Agile BI Governance deberán estar estructurados con jerarquías flexibles que fomenten el intercambio de información [18].

Personas antes que Procesos; priorizar la entrega de la información a las personas que controlan los procesos y o tanto en definir los procesos que han de controlar las personas [18].

  1. ¿Es la Inteligencia de Negocios aplicable a las PYMEs?

Muchas personas consideran que la inteligencia de negocios no puede tener cabida en las pequeñas y medianas empresas (PYMEs) y que este es un proceso de gestión del conocimiento, exclusivo para las grandes multinacionales. Sin embargo las PYMEs están supeditadas a las mismas razones que motivan a las grandes empresas a sistematizar la Inteligencia de Negocios en sus organizaciones, estas son: infobesidad o sobrecarga de información, la rapidez en los cambios tecnológicos y comerciales, la globalización de los mercados y la mayor eficiencia de la Inteligencia de Negocios  por parte de los competidores [7].[16]] Richard Legendre – ¿Es la Inteligencia de Negocios aplicable a las PYMEs?

Para las PYMEs es ventajoso maximizar informaciones suplementares  provenientes de fuentes de internet, o bien de fuentes  con alto valor añadido. Este tipo de fuentes de información permite una capacidad de análisis y síntesis suficiente para compensar la falta de fuentes disponibles para desenvolver esta tarea internamente [7].

¿Qué herramientas resultaría útiles para llevar a cabo una actividad de Inteligencia de Negocios?.

A continuación se mostraran algunas herramientas que pueden ser útiles para poder realizar actividades relacionadas a la Inteligencia de Negocios y estas son: Las necesidades reales de los consumidores de la información, las fuentes de información (escritas, orales o electrónicas), la intuición del responsable de la Inteligencia de Negocios, la capacidad de clasificación (archivar), la capacidad de análisis, la capacidad de síntesis y el material de soporte relativo a las distintas actividades de Inteligencia de Negocios [7].

En este último caso el tipo de material de soporte puede ser tan variado como el tipo e actividades relacionadas con la Inteligencia de Negocios. Puede ir desde un simple lápiz o marcador a un software especializado, una guía del comprador o un pertinente y detallado estudio del mercado en el sector industrial. Permitiendo así que algunas de las herramientas de Inteligencia de Negocios pueden aliviar el factor tiempo implicado, liberando al empleado para tareas más productivas y dignas [7].

 

Los análisis de las experiencias sistémicas de Inteligencia de Negocios con PYMEs y resultados de cien del coeficiente de información en los testes indican que la principal debilidad relativa a la Inteligencia de Negocios presente en la empresa esta mayormente concentrada en las siguientes funciones: objetivos, inventario, planificación, clasificación y archivo. El esfuerzo sistematizante de la actividad de Inteligencia de Negocios debería de concentrarse en dichas funciones. Al concentrar esfuerzos en estas funciones la PYME puede ahorrarse esfuerzos y recursos, a la vez puede invertir puntos positivos para la Inteligencia de Negocios que ya está presente [7].

  1. Inteligencia Organizacional: Razonamiento Basado en Casos

Esta técnica de inteligencia artificial intenta llegar a la solución de nuevos problemas, de forma similar a como lo hacen los seres humanos. Es una tecnología de la inteligencia artificial que representa el conocimiento como una base de datos de casos y soluciones [10].[17]Marcial Flores Zuñiga – La Inteligencia Artificial en la Gestion Empresarial.

Cuando un individuo se enfrenta a un nuevo problema comienza por buscar en su memoria experiencias anteriores similares a la actual y a partir de ese momento establece semejanzas y diferencias y combina las soluciones dadas con anterioridad para obtener una nueva solución [10].

Este proceso es intuitivo y la persona lo realiza prácticamente sin darse cuenta. Una vez que la persona tiene situadas un grupo de situaciones anteriores similares a la actual, analiza las variantes que se presentan en la nueva situación y cómo puede dar respuesta a estos cambios [10].

De manera resumida el proceso ocurre como sigue: a) El individuo busco en su memoria casos similares; b) Intenta inferir una respuesta a partir del caso más similar que encontró; c) Tuvo que realizar algunas concesiones y ajustes para adaptar el caso anterior a la situación actual [10].

Finalmente la solución obtenida no es igual a la anterior, pero cumple dos aspectos muy importantes: el primero da respuesta al nuevo problema y el segundo, ha enriquecido su experiencia anterior con la nueva solución. El funcionamiento del RCB parte de estos principios y para ello comprende cuatro actividades principales: a) recuperar los casos más parecidos; b) reutilizar el o los casos anteriores para tratar de resolver el nuevo problema; c) revisar y adaptar la solución propuesta, en caso de ser necesario; d) almacenar la nueva solución como parte de un nuevo caso [10].

La forma de representar y almacenar estas experiencias se realiza a través de casos. Un caso mantiene todos los atributos y características relevantes de un evento pasado. Estas características servirán como índices para la recuperación del caso futuro. De acuerdo a la naturaleza del problema tratado se define la representación del caso, es decir, cuáles son los atributos importantes, qué problemas serán tratados, cuál es la solución propuesta, etc. Además es necesario definir el o los mecanismos de recuperación de casos [10].

  1. Lógica Difusa

La Lógica Difusa es conocida también como Lógica Borrosa, es una tecnología basada en reglas que tolera imprecisiones e incluso las aprovecha para resolver problemas que antes no tenían solución [10]

La lógica borrosa es una rama de la inteligencia artificial que se funda en el concepto “Todo es cuestión de grado”, lo cual permite manejar información vaga o de difícil especificación si quisiéramos hacer cambiar con esta información el funcionamiento o el estado de un sistema específico. Es entonces posible con la lógica borrosa gobernar un sistema por medio de reglas de ‘sentido común’ las cuales se refieren a cantidades indefinidas [10].

Las reglas involucradas en un sistema borroso, pueden ser aprendidas con sistemas adaptativos que aprenden al ‘ observar ‘ como operan las personas los dispositivos reales, o estas reglas pueden también ser formuladas por un experto humano. En general la lógica borrosa se aplica tanto a sistemas de control como para modelar cualquier sistema continuo de ingeniería, físicabiología o economía [10].

La lógica difusa se puede definir como un tipo de lógica que reconoce más que simples valores verdaderos y falsos. Con lógica difusa, las proposiciones pueden ser representadas con grados de veracidad o falsedad. Por ejemplo, la sentencia “hoy es un día soleado”, puede ser 100% verdad si no hay nubes, 80% verdad si hay pocas nubes, 50% verdad si existe neblina y 0% si llueve todo el día [10].

La Lógica Difusa, es usada, comúnmente en la toma de decisiones de las empresas y en el control de toda la organización. Actualmente se usa esta lógica en el Japón y tiene gran aceptación en los Estados Unidos, y esto debido a que los presidentes de las grandes compañías las utilizan para reducir costos y requieren de menos reglas para su desarrollo y se mejoran la calidad de los productos [10].

  1. Sistemas Inteligentes

Los Sistemas [10] Inteligentes son aquellos sistemas que aprenden durante su existencia. (En otras palabras: aprende en cada situación cuál es la respuesta que le permite alcanzar sus objetivos). Actúa continuamente, en forma mental y externa, y actuando así alcanza sus objetivos más frecuentemente que si lo hiciera por puro azar (generalmente mucho más frecuentemente). Por el hecho de actuar y por sus procesos internos consume energía, un sistema inteligente aprende cómo actuar para poder alcanzar sus objetivos [10].

Por lo tanto debe existir un entorno con el cual el sistema pueda interactuar y a la vez tiene que ser capaz de recibir comunicaciones del entorno, para poder elaborar la situación actual. El Sistema Inteligente debe tener un objetivo, debe ser capaz de controlar si la última acción realizada fue favorable, si sirvió para acercarse más a su objetivo o no [10].

En el aspecto empresarial es necesario tomar las decisiones adecuadas, por lo tanto los Sistemas Inteligentes para alcanzar su objetivo, debe seleccionar su respuesta. Una manera fácil para decidirse por una respuesta, es la de elegir una que haya sido favorable en una situación similar anterior [10].

Un Sistema Inteligente tiene que ser capaz de aprender, ya que la misma respuesta es a veces favorable y a veces no, debe recordar en qué situación la respuesta resultó favorable y en cuál no lo fue. Es por esto que almacena situaciones, respuestas y para la resultados. Un sistema inteligente autónomo ha sido definido [10] como aquél que puede descubrir y registrar si una acción hecha en una situación dada fue favorable.

Finalmente, debe ser capaz de actuar, para alcanzar la respuesta seleccionada. Se tiene la información de que existe la forma en la cual los sistemas inteligentes autónomos pueden       construir automáticamente operadores que modernizan su entorno [10].

  1. ANALISIS DEL ARTÍCULO

 En este artículo se presenta una breve definición de lo que es una empresa, los diferentes tipos de empresas que existen y que problemas se pueden presentar en ellas, también se da una breve definición de lo que es la inteligencia artificial, la importancia que tiene actualmente y sus distintas aplicaciones en la gestión financiera empresarial, donde estas herramientas tecnológicas constituyen un soporte muy importante para la toma de decisiones en la gestión empresarial.

Una de las técnicas de inteligencia artificial que hemos usado en este artículo son los sistemas expertos ya que es la técnica o herramienta más usada en la gestión empresarial debido a que permite la implementación de sistemas flexibles e innovadores para las empresas. La mayoría de los sistemas expertos están basados en reglas de clasificación que son obtenidas de la experiencia y el conocimiento de especialistas en la solución de un problema en particular. Pero también están los sistemas basados en casos los cuales se encargan de solucionar problemas utilizando problemas que ya se habían resuelto en el pasado.

En la búsqueda de nuevas técnicas de IA se han implementado técnicas que simulen la vida biológica, estas pueden ser las redes neuronales artificiales las cuales intentan simular las funciones del cerebro humano. Las características fundamentales de las redes neuronales artificiales son: la capacidad de autoaprendizaje, facilidad para adaptarse a los cambios  en nuevos ambientes  y la tolerancia a fallos.

Otra de las técnicas de IA que se ha utilizado es la Inteligencia de Negocios, la Inteligencia de Negocios es una herramienta que proporciona una manera rápida y efectiva de recopilar, abstraer, presentar y distribuir la información de sus fuentes de datos de la empresa, permitiendo a los profesionales de la empresa visualizar datos precisos sobre las actividades fundamentales del negocio y utilizarlas para mejorar la toma de decisión y la planeación estratégica de la empresa.

 

  1. CONCLUSIONES

 Los problemas que se presentan en las empresas son sucesos del día a día en donde una mala decisión puede afectar el estado económico de la empresa poniéndola en crisis, es por eso que se ha optado por utilizar técnicas o herramientas de IA para solucionar este tipo de problemas. Algunas herramientas son: redes neuronales artificiales, sistemas expertos, algoritmos genéticos, inteligencia de negocios, etc.

 Estas herramientas son usadas por las empresas para brindar soluciones más efectivas en los diversos tipos de problemas que se presenten como: la toma de decisiones, ya que estas herramientas están programadas para analizar y evaluar cada alternativa y luego escoger la que mejor le convenga a la empresa, para ese caso tomaremos como ejemplo a los sistemas expertos.

Los sistemas expertos pueden estar basados en dos tipos: a) sistema experto basado en reglas: son programados por personas con mucho conocimiento y mucha experiencia en un determinado problema. b) Sistemas expertos basados en casos son sistemas que resuelven los problemas utilizando casos resueltos del pasado para resolver problemas del presente o problemas que se puedan presentar en el futuro.

Así como los sistemas expertos ayudan en la toma de decisiones en las empresas hay otras herramientas de IA que se encargan de proporcionar facilidades a las empresas y también pueda apoyarles a resolver los problemas que se les presenten.

 En conclusión, la aplicación  de las herramientas anteriormente mencionadas al campo empresarial permite contar con metodologías que sirven de apoyo a los procesos de análisis. Dichos procesos se requieren en el descubrimiento de las tendencias del negocio a fin de tomar decisiones eficientes y oportunas, y poder afrontar los retos que impone el mundo globalizado, en donde el conocimiento y su correcta aplicación aparecen como un factor esencial para el desarrollo de las organizaciones  y de la economía en general.

 

Tiré du texte de: Luis David Huallpa Tapia

Escuela Profesional de Ingeniería de Sistemas

Universidad Nacional de San Agustín

Arequipa, Perú

References

References
1Roberto Rayna Carrion. Importancia de la Inteligencia Artificial en las Empresas.
2Maria del Carmen Sosa Sierra. Inteligencia Artificial en la Gestion Financiera Empresarial Disponible en: http://www.redalyc.org/articulo.oa?id=64602307.
3Elaine Rich. Knight Kevin. Inteligencia Artificial. Segunda Edición. Mc Graw Hill. México 1994
4Rusell, S. & Norvig, P. (2004): “Inteligencia Artificial Un enfoque Moderno”, Madrid (España), Editorial Pearson Prentice May, p 2- 3.
5Carlos Serrano Sinca, Bonifacion Martin del Brio – Prediccion de la quiebra bancaria mediante el empleo de redes neuronales artificiales – Revista Española de financiación y contabilidad vol. XXIII, n.74, enero-marzo 1993 pp 153-176.
6Javier De Andrés Suarez. Técnicas de Inteligencia Artificial Aplicadas al análisis de la solvencia empresarial.
7Bracamonte R.C. & Villamizar, J.G. (2002): “Diseño e Implementación de un sistema inteligente utilizando redes neuronales”. Tesis de grado del programa de Ingeniería Electrónica, Universidad del Norte, Barranquilla (Colombia), p 6-18.
8] Hugo Vega Huerta, Augusto Cortez Vásquez, Ana María Huayna, Luis Alarcón Loayza, Pablo Romero Naupari – Reconocimiento de patrones mediante redes neuronales artificiales
9Rosmeri Mayta H., Victor Perez Q. – El tratamiento de la información financiera con redes neuronales artificiales – Industrial Data 2001, (4) 1: 67-72
10] Jose Maria Fortuna Lindo. Una Introduccion a los Sistemas Expertos en la Empresa.
11Piedad Tolmos Rodriguez Piñero – Introducción a los algoritmos genéticos y sus aplicaciones
12Juan Carlos Carro Cartaya, Juan Ramon Carro Suarez. La Inteligencia Empresarial y el Sistema de Gestión de Calidad ISO 9001: 2000 Ciencias de la información Vol. 39, No. 1, abril, 2008.
13Mahesh Raisinghani – Business Intelligence in the digital Economy: opportunities, limitations, and risks. IGI Global, 2004, ISBN-10: 1591402069
14Alveiro Alonso Rosado Gomez, Dewar Wilmer Rico Bautista. Inteligencia de Negocios: Estado del arte Scentia et Technica Año XVI, No 44, abril 2010. Universidad tecnológica de Pereira. ISSN 0122-1701
15Carlos Luis Gomez – Business Intelligence y Pensamiento Ssistemico: Revista Novática(N° 211, mayo-junio 2011 págs. 35-38).
16] Richard Legendre – ¿Es la Inteligencia de Negocios aplicable a las PYMEs?
17Marcial Flores Zuñiga – La Inteligencia Artificial en la Gestion Empresarial.
Article Tags:
· ·
Article Categories:
Economics · FNUIPH · Sciences · Technology

Leave a Reply