El concepto de Machine Learning, dentro de la rama de la inteligencia artificial, se puede simplificar en la idea de reconocimiento de patrones recogidos en torno a unos datos y la capacidad de predecir comportamientos futuros en función de dichos datos para dar una solución. Todo ello en un constante aprendizaje autónomo sin la necesidad de la intervención humana.
El vídeo a continuación sintetiza el concepto básico de Machine Learning:
Machine Learning and Human Bias. Fuente: Youtube. Autor: Google.
Para entender como funciona en un caso real, se pondrá de ejemplo como una empresa desarrolladora de videojuegos aplica el Machine Learning como soporte técnico en uno de sus productos, como así su efecto sobre la productividad, costes y empleo.
Se trata de Riot Games y su videojuego League of Legends.
El soporte técnico de Riot Games está diseñado para guiar y ayudar a los jugadores respecto a sus cuentas de usuario. Trata cuestiones como información básica de la cuenta, recuperación y seguridad, como así cuestiones de restricciones en la cuenta por comportamientos indebidos en el uso de dichas cuentas.
Para ello, la empresa ha empleado Machine Learning para automatizar las peticiones de jugadores y, así, poder dar respuesta a muchas cuestiones idénticas de forma eficiente.
El soporte técnico, llamado "Blitzcrank Bot", puede recibir al día 12.000 peticiones de soporte de jugadores, lo cual es una carga de trabajo excesiva en personal y tiempo si no estuviera dicho sistema, luego es necesario un sistema que permita recoger patrones sobre el tema que trata cada petición y dar una respuesta rápida a cada problema.
El proceso es el siguiente: los programadores de la empresa diseñan el sistema de Machine Learning bajo un lenguaje de programación, en este caso emplean Python; el sistema creado será quien se comunique con los usuarios para resolver las peticiones de soporte, con una interacción mutua, en la que, si no está conforme el usuario, remite a Blitzcrank Bot, y si tras varios intentos no hay una solución satisfactoria se redirecciona a un agente.
En este proceso, el sistema, a través de las diferentes respuestas que obtiene de los usuarios descontentos, crea patrones para, así, obtener mayor rango de respuestas a determinadas preguntas, de ahí el denominado "autoaprendizaje".
El proceso es el siguiente: los programadores de la empresa diseñan el sistema de Machine Learning bajo un lenguaje de programación, en este caso emplean Python; el sistema creado será quien se comunique con los usuarios para resolver las peticiones de soporte, con una interacción mutua, en la que, si no está conforme el usuario, remite a Blitzcrank Bot, y si tras varios intentos no hay una solución satisfactoria se redirecciona a un agente.
En este proceso, el sistema, a través de las diferentes respuestas que obtiene de los usuarios descontentos, crea patrones para, así, obtener mayor rango de respuestas a determinadas preguntas, de ahí el denominado "autoaprendizaje".
En la siguiente imagen se puede apreciar como funciona el sistema empleado, con la opción de acudir a un agente para una respuesta al problema que aún no ha sido solucionado.
 |
| Imagen 1. Proceso de solución de tickets de soporte. Fuente: Riot Games Engineering |
Con la aplicación de este tipo de inteligencia artificial, la empresa ha logrado que la productividad sea mayor, haciendo que el trabajo de Blitzcrank Bot equivalga al día a 50 trabajadores, dando respuesta en torno al 20% de todos los tickets de soporte más rápido que antes (se prevé alcanzar el 70%).
En este caso, la automatización del proceso de ayuda a los usuarios de League of Legends procura que el tiempo entre que realizan la petición de soporte hasta que reciban una respuesta satisfactoria sea mínimo.
En este caso, la automatización del proceso de ayuda a los usuarios de League of Legends procura que el tiempo entre que realizan la petición de soporte hasta que reciban una respuesta satisfactoria sea mínimo.
Su efecto en el empleo es claro; con el uso de Machine Learning se estima que el empleo descienda entre el 4% y el 7% en 2020, según Harvard. Ligado a ello, la disminución en personal conlleva a una reducción de costes y, por tanto, un aumento de los beneficios de las empresas, lo cual puede ser redireccionado a un aumento de la inversión de la empresa como así en subidas de los salarios de los trabajadores.
Como conclusión...
La aplicación de Machine Learning potencia, en este caso, un servicio de soporte, como así la operatoria de la empresa de forma eficiente, con datos palpables como son los costes reducidos y su efecto directo en los ingresos de la empresa.
Dicho esto, la infografía siguiente resume el contenido propuesto:
MACHINE LEARNING: aplicado al SOPORTE TÉCNICO is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Como conclusión...
La aplicación de Machine Learning potencia, en este caso, un servicio de soporte, como así la operatoria de la empresa de forma eficiente, con datos palpables como son los costes reducidos y su efecto directo en los ingresos de la empresa.
Dicho esto, la infografía siguiente resume el contenido propuesto:
Imagen 2. Infografía Machine Learning. Fuente propia: Iván Martínez Mateos
MACHINE LEARNING: aplicado al SOPORTE TÉCNICO is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Bibliografía
Riot Games Engineering: https://engineering.riotgames.com/news/blitzcrank-bot
ProMéxico Machine Learning: http://mim.promexico.gob.mx/work/models/mim/Resource/152/1/images/machine-learning.pdf
No hay comentarios:
Publicar un comentario
Nota: solo los miembros de este blog pueden publicar comentarios.