Más rápido y mejor: Innovación y lenguaje natural

La innovación es como la maternidad. A todo el mundo le encanta como concepto, pero ponerlo en práctica en la propia vida es otra historia. En la práctica, ni la innovación ni la maternidad son conceptos vagos que nos hagan sentir bien. Son realidades que cambian por qué y cómo se hacen las cosas. Si las haces bien, cosechas grandes recompensas.

En este espacio, vamos a sumergirnos en la aplicación práctica de las tecnologías emergentes que pueden dar lugar a la innovación. No la amorfa noción de innovación, sino la aplicación específica de nuevas y mejores formas de hacer las cosas en inteligencia empresarial, gestión del rendimiento, gestión y análisis de datos y campos relacionados.

Examinaremos la aplicación de herramientas de lenguaje natural, inteligencia artificial, blockchain, etc. desde el punto de vista técnico de una empresa comprometida e invertida en aplicarlas a nuestro negocio. La mayoría de las empresas medianas como Prophix tienen un presupuesto de Investigación y Desarrollo (I+D) que en realidad es un presupuesto "D". Los recursos se utilizan para desarrollar productos y nuevas versiones de productos con características añadidas.

La dirección de Prophix se dio cuenta de que para innovar realmente -para encontrar nuevas y mejores formas de hacer lo que nuestros clientes quieren hacer con sus datos- tenemos que hacer más de la "R" en I+D. Eso es lo que exploramos en este artículo. Eso es lo que exploramos en este espacio: las posibilidades y los retos que implica reinventar herramientas y procesos.

Una advertencia: hablaremos de nuestras investigaciones sobre la aplicación de las nuevas tecnologías de forma que generen resultados realmente innovadores. Pero no todas las investigaciones se traducen en un producto. Algunos sí, otros no. Esto no es una hoja de ruta de productos Prophix. Es una investigación sobre lo que es posible y lo que no.

¿Está preparado para aumentar su inteligencia? Descárguese el libro blanco sobre Aprendizaje automático e IA en finanzas.

La promesa del procesamiento del lenguaje natural (PLN)

¿No sería estupendo poder llamar a su sistema de Gestión del Rendimiento Corporativo (CPM) desde cualquier lugar del mundo y decir algo como: "¿Cuáles fueron las ventas de widgets en el sureste de EE.UU. el mes pasado y cómo se compararon con las del mismo mes hace un año?" O tal vez: "¿Cuáles fueron los gastos inusuales de la división Gorgon en el primer trimestre?"

Entonces, en lugar de esperar horas, días o semanas por un informe de varias páginas, obtendrá una respuesta oral o escrita en segundos o minutos. Información sobre la que puede actuar inmediatamente.

Esa es la promesa del Procesamiento del Lenguaje Natural, que es uno de los tres principales temas de investigación de Prophix. El otro es el aprendizaje automático.

Descargue nuestro libro blanco para empezar a adoptar el aprendizaje automático y la inteligencia artificial en su organización.

Historia de la PNL

Los informáticos llevan trabajando unos 70 años en el reto de conseguir que las máquinas entiendan y respondan en lenguaje humano natural, con todos sus matices, incoherencias contextuales y complejidades (por ejemplo, "¿Jeet yet? No, d'joo?").

En los años 90, los avances en la capacidad de procesamiento permitieron desarrollar algoritmos de aprendizaje automático para el tratamiento del lenguaje. Los primeros algoritmos de aprendizaje automático, como los árboles de decisión, eran sistemas rígidos de reglas "si-entonces".

Con el tiempo, evolucionaron hacia modelos estadísticos que toman decisiones suaves y probabilísticas asignando pesos de valor real a las características de las entradas (dependiendo del contexto, es más probable que un "rebote de gato muerto" se refiera a una recuperación financiera temporal que a un felino fallecido).

Para los fines de este artículo, vamos a ver dos enfoques dominantes de la PNL en la actualidad.

Dos enfoques diferentes de la PNL

Primer enfoque

El primer enfoque es el modelo de caché, que se basa en modelos estadísticos que toman las decisiones probabilísticas suaves antes mencionadas asignando pesos de valor real a las características de las entradas (definiciones de palabras, gramática, sintaxis, contexto). IBM (Watson), Apple (Siri), Amazon (Alexa), Google (Google Assistant) y Microsoft (Cortana) persiguen el modelo de caché, construido desde cero. Capturan el universo de la intención, creando un lenguaje de intención desde cero que capta la intención de cada palabra o combinación de palabras en su contexto. Estas empresas cuentan con miles de personas que crean sus bibliotecas de lenguaje natural, sobre todo para aplicaciones de consumo (por ejemplo, "OK Google, pon el aire acondicionado a 71, enciende las luces de la cocina y pon Little Deuce Coupe").

IBM ha estado entrenando a Watson para su uso en campos específicos, como las finanzas o la sanidad (por ejemplo, "Watson, ¿cuál es el tratamiento más eficaz contra la diabetes para hombres de 55 años con obesidad mórbida en Nueva Inglaterra?").

El modelo de caché es bastante eficaz, incluso con entradas desconocidas que contienen errores. Puede integrarse (utilizarse como front-end) con otros sistemas.

Segundo enfoque

El segundo enfoque consiste en dotar a un producto de capacidades de lenguaje natural, algo así como añadir alas a un BMW. Esto es lo que hace Prophix.

Subidos a hombros de gigantes, utilizamos las tecnologías de otros proveedores para nuestro software de gestión del rendimiento empresarial. Lo hacemos porque estamos convencidos de que el modelo de interacción de TODAS las aplicaciones del futuro implicará alguna forma de lenguaje natural, y tenemos la intención de adelantarnos a la competencia.

Esto no está exento de cierta complejidad técnica. Vale, me quedo corto. Para empezar, requiere el uso de cuatro lenguajes:

1. Un lenguaje específico del dominio (DSL): Se trata de un lenguaje informático. El nuestro está basado en PowerShell, que proporciona una biblioteca de funciones básicas específicas para Prophix. Primero construimos el DSL, para tener algo que dirija nuestras aplicaciones.
2. Una iteración "similar al inglés" de nivel superior del DSL que es fácil de escribir pero que se compila a nuestro DSL básico para su ejecución.
3. Un lenguaje hablado (lenguaje natural) que devuelve las "intenciones" de las palabras. Utilizamos Amazon Lex para construir las interfaces conversacionales (voz y texto) con nuestras herramientas CPM. Esto proporciona el reconocimiento automático del habla para convertirla en texto, y la comprensión del lenguaje natural para reconocer la intención del texto, y ofrece a nuestros usuarios la posibilidad de simplificar sus interacciones con sus datos de CPM. En otras palabras, el DSL nos permite crear sofisticados chatbots conversacionales en lenguaje natural.
4. Por último, necesitamos un compilador que convierta los "intents" a nuestro DSL básico (ver #1)

Todo esto es sólo la parte del lenguaje natural: la forma innovadora de poner en manos (u oídos) de nuestros clientes información útil basada en datos.

Dado que nuestra aplicación reside en la nube y que prevemos que nuestros usuarios querrán acceder a sus datos y a la información relacionada desde una serie de dispositivos móviles y no móviles, también necesitamos conectar de forma segura múltiples herramientas, bases de datos (SQL, etc.) y aplicaciones (varios módulos ERP, RRHH, Salesforce, etc.) a la funcionalidad de Prophix. Pero esa es una historia para otro día.

¿Listo para impulsar la innovación en la Oficina de Finanzas? Descarga ahora La guía del director financiero sobre IA y aprendizaje automático en finanzas.

Innovación en finanzas

Impulsar la innovación en tu organización no es tarea fácil.

Las empresas necesitan evaluar dónde están invirtiendo sus presupuestos de I+D y cómo están abordando las posibilidades y los retos que implica reinventar sus herramientas y procesos.

La aplicación práctica del lenguaje natural permitirá un acceso casi instantáneo a datos valiosos, lo que dará a los profesionales de las finanzas más tiempo para centrarse en la toma de decisiones estratégicas.

He aquí algunos puntos clave:

• La innovación consiste en encontrar una forma nueva y mejor de hacer las cosas
• Para innovar, hay que centrarse en la parte de investigación del presupuesto de Investigación y Desarrollo
• El Procesamiento del Lenguaje Natural es una de las tres principales áreas de investigación de Prophix
• Los dos enfoques del procesamiento del lenguaje natural son el modelo de caché y la retroadaptación de un producto con capacidad de lenguaje natural

¿Desea saber más sobre las aplicaciones del Procesamiento del Lenguaje Natural y la Inteligencia Artificial? Descárguese ahora nuestro libro blanco.

Le invitamos a que comente, indague, cuestione e incluso ponga en tela de juicio nuestras ideas. Haremos todo lo posible por responder a sus comentarios y aprender de ellos.