IA
Agentes de IA en la atención al cliente
En los últimos tres años parece que todo el mundo de la tecnología se ha centrado en un único tema, y ese tema es… ¡la IA! Aunque la popularización de los agentes de inteligencia artificial se ha producido a partir de 2022, su omnipresencia es tal que, a veces, parece que siempre han existido, como si no hubiera una historia de la inteligencia artificial.
No es de extrañar: nos encontramos en la era de la IA generativa, tal y como la definió un estudio de McKinsey de 2024. Al igual que los baby boomers se sorprendían de la facilidad con la que la generación X manejaba los ordenadores, y de la misma forma que esta se asombraba de la facilidad con la que los millennials manejaban Internet, la generación que está naciendo actualmente ha crecido tras la popularización de la inteligencia artificial.
En otras palabras, la IA es ese tipo de innovación que define una era. Del mismo modo que ya no concebimos la vida sin electricidad, medios de transporte rápidos, telefonía, ordenadores e Internet, tampoco será posible imaginar la vida sin la inteligencia artificial.
Dado que se ha convertido prácticamente en el único tema de debate en el ámbito tecnológico y en el mundo empresarial, la IA parece una gran novedad. Pero la historia de la inteligencia artificial no es corta. ¡Acompáñanos en este artículo para comprender de dónde viene y, por lo tanto, qué caminos se pueden abrir a partir de ella!
Antes de la historia, el porqué. Al término «inteligencia artificial» podemos oponer «inteligencia natural». Dado que la especie humana es la más inteligente del planeta, cuando hablamos de inteligencia natural nos referimos a nuestra capacidad de pensar, de construir razonamientos complejos.
La IA tal y como la conocemos hoy en día solo existe porque hace más de 70 años la humanidad imaginó que era posible emular el funcionamiento del cerebro. El paradigma más emblemático de la informática se basa precisamente en la hipótesis de que las máquinas piensan como las personas. En 1950, Alan Turing sugirió que los ordenadores habían evolucionado hasta tal punto que resultaría imposible distinguir si estamos interactuando con humanos o con programas. En su artículo «Máquinas computacionales e inteligencia», el matemático inglés propone el juego de la imitación, un ejercicio en el que un evaluador interactúa, por separado y mediante mensajes de texto, con un humano y con una máquina. Si al final del ejercicio el evaluador no lograra distinguir quién es quién, la máquina habría ganado.
Para ganar el juego de la imitación, un programa tendría que «pensar». Partiendo de esta premisa, los científicos se inspiraron en las redes neuronales para concebir las ANN (redes neuronales artificiales): modelos computacionales capaces de reconocer patrones, clasificarlos y aprender de ellos.
Al igual que las redes neuronales biológicas, las redes neuronales artificiales tienen capas. Y, al igual que cualquier programa informático, cuentan con una arquitectura de aplicaciones. En la práctica, el número y la forma de organización de las capas definen la arquitectura de la red neuronal artificial. Cuanto más profunda sea, mayores serán las posibilidades de aprendizaje.
Incluso antes del test de Turing, los científicos creían que las máquinas serían capaces de emular el pensamiento humano. Incluso antes de que existiera el término «inteligencia artificial», Walter Pitts y Warren McCulloch, en un artículo de 1943 titulado «Un cálculo lógico de las ideas inmanentes en la actividad nerviosa», propusieron un modelo simplificado para intentar ilustrar cómo se suponía que funcionaba el cerebro humano, matemáticamente hablando.
Las ideas de Pitts y McCulloch allanaron el camino para la creación de la inteligencia artificial. En 1952, Marvin Minsky presentó Snarc, la primera máquina construida con una red neuronal artificial y, por lo tanto, capaz de aprender. Ese mismo año, Arthur Samuel presentó en IBM Checkers-Playing, su programa para jugar a las damas. Fue el primer programa de autoaprendizaje de la historia.
Al igual que las redes neuronales biológicas, las artificiales también se basan en la «neurona». La «artificial» fue presentada en 1958 por Frank Rosenblatt y recibió el nombre de perceptrón: un clasificador lineal que asigna valores de entrada a un valor de salida.
El algoritmo perceptrón calcula un valor de salida a partir de algunos valores de entrada, los cuales tienen pesos que expresan la importancia de cada valor de entrada. El cálculo que realiza el perceptrón es una suma ponderada de los valores de entrada y tiene en cuenta un valor de sesgo, un término constante que no depende de los valores de entrada.
El valor de salida de cada perceptrón es necesariamente uno de los valores de entrada de todos los perceptrones de la capa siguiente. En esta nueva capa, los perceptrones realizan el mismo cálculo, la suma ponderada de los valores anteriores, teniendo en cuenta un valor de sesgo, y así sucesivamente, hasta llegar al valor final de la red neuronal artificial.
En la década de 1960, la inteligencia artificial salió de las universidades y los centros de investigación de las empresas y encontró aplicaciones industriales y comerciales. Utilizando Lisp, un lenguaje de programación desarrollado por John McCarthy —el creador del término «inteligencia artificial»—, un equipo de científicos liderado por Edward Feigenbaum, Joshua Lederberg y Carl Djerassi programó Dendral: un sistema que, a partir del análisis de datos de elementos químicos, era capaz de encontrar estructuras de grandes moléculas orgánicas.
La década de 1960 también vio nacer el primer chatbot que utilizaba lenguaje natural, el primer brazo robótico industrial, el primer robot capaz de percibir el entorno para desplazarse… La IA se acercaba cada vez más al uso cotidiano.
Sin embargo, fue en la década de 1980 cuando, en la historia de la inteligencia artificial, se sentó un hito fundamental para llegar a la IA tal y como la conocemos hoy en día: el algoritmo de retropropagación, descrito en el artículo «Aprendizaje de representaciones mediante la retropropagación de errores», de David Rumelhart, Geoffrey Hinton y Ronald Williams.
El algoritmo permite que se envíe una señal hacia atrás —o que se denomina «retropropagación»— a través de las redes neuronales, indicando en qué medida y en qué dirección ha contribuido cada perceptrón al error final. La señal indica la sensibilidad al error, es decir, en qué medida una diferencia de valores, ya sea en las entradas o en los pesos, alteraría el valor de salida. Esta señal se utiliza para calcular el ajuste de los pesos de cada conexión.
Gracias al algoritmo de retropropagación, ha sido posible desarrollar redes neuronales artificiales con un mayor número de capas y con valores de salida que presentan un índice de error mucho menor.
Como dijimos al principio del texto, la inteligencia artificial marca el comienzo de una nueva era. Al igual que hemos electrificado todo lo que hemos podido, desde duchas hasta coches, y hemos visto cómo Internet ha llegado a los dispositivos más pequeños, veremos lo mismo con la IA.
Si su empresa aún no utiliza la inteligencia artificial en sus procesos, puede recurrir a nosotros para dar ese paso hacia la transformación de su negocio. En Inmetrics contamos con una unidad de Consultoría, Datos e Inteligencia Artificial totalmente capacitada para aplicar la IA al contexto de su empresa. Para conocer todas las posibilidades, ¡haga clic aquí y póngase en contacto con nosotros!
