Saltar al contenido

Inteligencia artificial

Qué es el machine learning y qué puede hacer por una pyme

Publicado el 5 min de lecturaLienzo Studio

El machine learning, o aprendizaje automático, es una rama de la inteligencia artificial en la que un programa aprende a partir de ejemplos en lugar de seguir reglas escritas a mano. Se le dan muchos casos del pasado, encuentra patrones y después aplica lo aprendido a casos nuevos: predecir cuánto se venderá, clasificar un documento o detectar algo fuera de lo normal. En una pyme, su valor está en ayudar a decidir con los datos que ya tiene, siempre con una persona que revisa.

En pocas palabras: el machine learning aprende de datos pasados para predecir o clasificar casos nuevos. Necesita datos ordenados y fiables, se equivoca a veces y funciona como ayuda para decidir, no como sustituto de quien decide.

¿Cómo funciona el machine learning?

La diferencia con un programa normal está en quién escribe las reglas.

  • En un programa tradicional, alguien escribe las reglas: «si el cliente debe más de una factura vencida, márcalo en rojo». El programa las sigue al pie de la letra.
  • En el machine learning, se le dan al programa muchos ejemplos ya resueltos y él mismo deduce las reglas. Por ejemplo, muchos pedidos del pasado con lo que se vendió cada semana, para que aprenda qué factores influyen.

El proceso tiene, a grandes rasgos, tres fases:

  1. Reunir y preparar los datos. Los ejemplos del pasado, limpios y en un formato coherente. Es la parte que más trabajo lleva.
  2. Entrenar el modelo. El programa analiza los ejemplos y ajusta su forma de razonar hasta acertar lo máximo posible con los casos conocidos.
  3. Usarlo con casos nuevos. Una vez entrenado, recibe datos que no ha visto y devuelve una predicción o una clasificación.

A lo que resulta del entrenamiento se le llama modelo: una especie de fórmula aprendida que transforma unos datos de entrada en una respuesta.

¿Qué tipos de machine learning hay?

Hay muchas técnicas, pero para una empresa basta con conocer las tres grandes familias:

TipoCómo aprendeEjemplo en una empresa
SupervisadoDe ejemplos con la respuesta correcta ya indicadaPredecir si un cliente pagará tarde a partir de pagos anteriores
No supervisadoBusca grupos o patrones sin respuesta previaAgrupar clientes según cómo y cuándo compran
Por refuerzoPrueba, recibe una señal de acierto o error y ajustaPoco habitual en pymes; se usa en robótica o juegos

En la práctica, la mayoría de los usos útiles en una pyme son del primer tipo: aprender de lo que ya pasó para anticipar lo que puede pasar.

¿En qué se diferencia de la IA generativa?

Las dos forman parte de la inteligencia artificial y se apoyan en técnicas parecidas, pero se usan para cosas distintas:

CriterioMachine learning clásicoIA generativa
Qué produceUna predicción, una cifra o una categoríaTexto, imágenes o resúmenes nuevos
Con qué datos trabajaSobre todo datos de tu empresa: ventas, pedidos, pagosHa aprendido de enormes cantidades de texto general
Ejemplo«La semana que viene se venderán más unidades de este producto»«Redacta un borrador de respuesta a este cliente»
Qué hay que revisarSi la predicción tiene sentidoSi el texto es correcto y no inventa nada

Si te interesa la segunda, lo explicamos en qué es la IA generativa y, con más detalle técnico pero en llano, en qué es un LLM.

¿Para qué puede usar una pyme el machine learning?

Estos son los usos que con más frecuencia tienen sentido en una empresa pequeña o mediana:

  • Prever la demanda. Estimar qué se venderá en las próximas semanas para comprar y planificar mejor. Lo tratamos en previsión de la demanda con IA.
  • Clasificar documentos o mensajes. Decidir si un correo es un pedido, una incidencia o una consulta, o a qué categoría de gasto pertenece una factura.
  • Detectar lo fuera de lo normal. Un pedido con cantidades extrañas, un gasto que no encaja o una caída de ventas que no se explica por la temporada.
  • Anticipar impagos o bajas. Señalar qué clientes tienen más probabilidad de pagar tarde o de dejar de comprar, para actuar antes.
  • Recomendar productos. Sugerir a un cliente lo que suelen comprar otros clientes parecidos.
  • Ayudar a analizar datos. Encontrar relaciones en las ventas o los costes que a simple vista no se ven. Hay más ejemplos en analizar datos con IA.

En todos los casos, el resultado es una ayuda para decidir. La persona que conoce el negocio sigue siendo quien decide si hace caso a la predicción.

¿Qué necesita una empresa para usar machine learning?

Antes de pensar en el modelo, conviene revisar lo básico:

  1. Un problema concreto. No «usar machine learning», sino «saber cuánto pedir al proveedor cada semana».
  2. Datos del pasado sobre ese problema. Registrados de forma ordenada y durante el tiempo suficiente para que se vean patrones.
  3. Datos fiables. Si el historial tiene huecos, duplicados o errores, el modelo aprenderá esos errores.
  4. Una forma de comprobar si acierta. Comparar sus predicciones con lo que luego pasa de verdad.
  5. Alguien que revise y decida. El modelo propone; una persona valida, sobre todo cuando hay clientes o dinero de por medio.

Si alguno de estos puntos falla, el primer paso no es el machine learning, sino ordenar la información. Muchas veces una herramienta que registre bien los datos ya resuelve buena parte del problema.

Límites que conviene conocer

  • Solo sabe lo que ha visto. Ante una situación nueva, sin precedentes en los datos, sus predicciones pierden fiabilidad.
  • Puede heredar sesgos. Si los datos del pasado reflejan decisiones injustas o incompletas, el modelo las repetirá.
  • No siempre explica por qué. Algunos modelos dan una respuesta sin que sea fácil saber en qué se basan.
  • Necesita mantenimiento. Cuando el negocio cambia, el modelo tiene que volver a entrenarse con datos recientes.
  • Los datos personales tienen reglas. Si se usan datos de clientes o de empleados, hay obligaciones de protección de datos. Confírmalas con tu asesor antes de empezar.

En resumen

El machine learning es la capacidad de un programa para aprender de ejemplos y aplicar lo aprendido a casos nuevos. Para una pyme:

  • Sirve para prever, clasificar y detectar lo fuera de lo normal.
  • Necesita un problema concreto y datos ordenados y fiables.
  • Sus resultados son una ayuda: una persona revisa y decide.
  • Si los datos aún no están en orden, el primer paso es registrarlos bien.

Si quieres ver el panorama general antes de entrar en técnicas, inteligencia artificial para pymes recoge los usos más habituales. Y si tienes un problema concreto en mente, cuéntanos cuál es.

Preguntas frecuentes

¿Qué es el machine learning en palabras sencillas?

Es una forma de hacer que un programa aprenda a partir de ejemplos en lugar de seguir reglas escritas a mano. Se le dan muchos casos del pasado, encuentra patrones en ellos y después usa esos patrones para hacer predicciones o clasificaciones sobre casos nuevos.

¿Machine learning y aprendizaje automático son lo mismo?

Sí. Aprendizaje automático es la traducción al español de machine learning. Los dos términos se usan indistintamente para hablar de programas que aprenden de los datos.

¿Qué diferencia hay entre machine learning e inteligencia artificial?

La inteligencia artificial es el campo general: cualquier sistema que realiza tareas que asociamos a la inteligencia humana. El machine learning es una de las formas de conseguirlo, la más extendida hoy. La IA generativa, la que redacta textos o resume documentos, también se construye con técnicas de machine learning.

¿Necesita una pyme muchos datos para usar machine learning?

Necesita datos suficientes y, sobre todo, ordenados y fiables. Con un historial corto o lleno de errores, las predicciones no serán buenas. Antes de plantearlo conviene revisar qué datos tienes, desde cuándo y con qué calidad. A veces el primer paso útil es simplemente empezar a registrarlos bien.

¿Se puede fiar una empresa de lo que predice un modelo de machine learning?

Como de cualquier previsión: es una ayuda, no una certeza. Un modelo puede equivocarse, sobre todo ante situaciones que no aparecen en sus datos. Por eso sus resultados deben revisarse y una persona debe tomar la decisión final, especialmente cuando afecta a clientes o a dinero.

Ponorden.

Contacto · Primer paso

Cuéntanos qué te gustaría mejorar.Veamos qué podemos construir.

En una primera reunión vemos cómo trabaja tu empresa, qué necesitas y qué herramienta tendría sentido.

Hablemos

Sin compromiso. No necesitas saber de tecnología.

Reunión sin compromiso

Elige el día y la hora

Cargando la agenda…