El glosario esencial de inteligencia artificial para profesionales del marketing

Gracias que existen los chats en vivo (life chats). ¿Recuerdas aquella época con los teléfonos de cable y las líneas de teléfono 900 que provocaban cualquier cosa menos simpatía? 

Hoy en día puedes hablar con un agente de servicio de atención al cliente en Facebook Messenger, por ejemplo, para cambiar tu dirección de envío de tu último pedido realizado. Y, a veces, surge la duda: ¿realmente estoy hablando con una persona? ¿O es ese agente tan rápido tan sólo un robot disfrazado de humano? 

Aunque no lo creas, estas preguntas son más antiguas de lo que podrías pensar. El problema de tener que descifrar entre un humano y un robot se remota a 1950 y a un científico informático llamado Alan Turing.

Alan Turing propuso una prueba (ahora llamada el Test de Turing) para comprobar si la inteligencia de una máquina podría podría ser indistinguible de la de un humano. Un interrogador realizaba preguntas de texto al sujeto A (una máquina) y al sujeto B (una persona) para tratar de adivinar cuál de ellos era una máquina y cuál una persona. Si la máquina engañaba al examinador haciéndole creer que era un humano, se decía que la máquina tenía inteligencia artificial.

​Desde la época de Alan Turing han pasado décadas y décadas de debate tratando de establecer si el Test de Turing es un método exacto para identificar inteligencia artificial. 

De cualquier manera, la cuestión sigue manteniéndose. ¿Seremos capaces de diferenciar entre una máquina y una persona a medida que se vaya desarrollando la inteligencia artificial? Y si la inteligencia artificial ya está transformando la forma en que queremos que sea el servicio de atención al cliente, ¿de qué otra forma podría cambiar nuestro trabajo como especialistas en marketing?

¿Por qué es importante la inteligencia artificial para los profesionales del marketing?

​​Como predijo Alan Turin, los conceptos detrás de la inteligencia artificial son a menudo difíciles de comprender, y a veces incluso más difíciles de reconocer en nuestra vida diaria. Por su propia naturaleza, la inteligencia artificial está diseñada para manejarse sin problemas en las herramientas que tú ya utilizas para realizar las tareas de una forma más precisa o eficiente. Por ejemplo, si has utilizado las sugerencias de películas de Netflix o las listas personalizadas de Spotify, ya te has enfrentado a la inteligencia artificial. 

De hecho, en un informe de investigación reciente de Hubspot sobre la adopción de inteligencia artificial, descubrieron que el 63% de los encuestados estaban utilizando la inteligencia artificial sin ni siquiera saberlo. 

Cuando hablamos de marketing, la inteligencia artificial se posiciona para cambiar prácticamente todo en los próximos años, desde nuestra productividad personal hasta las operaciones de nuestro negocio. Imagina tener una lista de tareas priorizadas según nuestros hábitos de trabajo, o contenido personalizado en función de lo que nuestro cliente objetivo escribe en las redes sociales. Estos ejemplos son sólo una pincelada de cómo la inteligencia artificial puede cambiar la forma en la que los profesionales del marketing trabajamos. 

No importa cuánto cambia la inteligencia artificial nuestro trabajo, no necesitamos ser expertos informáticos. Pero sí es crucial tener una comprensión básica sobre cómo funciona la inteligencia artificial, aunque simplemente sea para tener una visión de la posibilidades que este tipo de tecnología nos ofrece y cómo podría hacernos más eficientes, orientarnos más hacia los datos. 

Los 13 conceptos básicos sobre inteligencia artificial

A continuación vamos a detallar los términos clave que necesitarás para ser un profesional de marketing exitoso en un mundo de inteligencia artificial. Pero antes, una objeción...

Este post no pretende ser el mejor y más definitivo artículo sobre inteligencia artificial en ningún caso, ni debe serlo ningún post de 1.500 palabras sobre el tema. Existen muchas reticencias sobre lo que es y lo que no es la inteligencia artificial. Pero esperamos que estas definiciones básicas consigan que la inteligencia artificial y sus términos relacionados sean más fáciles de comprender y te estimulen a aprender más sobre el futuro del marketing.

Estos son los 13 términos sobre inteligencia artificial que los especialistas en marketing necesitan conocer:

1. Algoritmo

Un algoritmo ​es una fórmula que representa la relación entre dos variables. Los profesionales de marketing en redes sociales están familiarizados con ellos, ya que Facebook, Twitter e Instagram utilizan algoritmos para determinar qué nuevos posts vas a ver en tu muro. Los especialistas en SEO se centran en algoritmos de búsqueda para lograr que su contenido se encuentre en la primera página de resultados. Incluso la página de inicio de Netflix usa algoritmos para recomendarte nuevas series basadas en tu comportamiento anterior.

Cuando se habla de inteligencia artificial, los algoritmos son lo que usan los programas de aprendizaje para hacer predicciones a partir de los datos que analizan. Por ejemplo, si un programa de aprendizaje analizara el comportamiento de un puñado de posts en Facebook, podría crear un algoritmo que determinase qué títulos de blog consiguen más clics para futuros posts.

2. Inteligencia artificial

En el sentido más general del término, la inteligencia artificial se refiere a un área de la informática que permite que las máquinas lleven a cabo tareas que, si las hiciera un humano, requerirían de inteligencia. Esto incluye tareas como aprender, observar, hablar, socializar, razonar o resolver problemas. 

Sin embargo, no es tan sencillo como copiar cómo funciona el cerebro de un humano, neurona a neurona. Consiste en realizar ordenadores flexibles que puedan realizar acciones creativas que maximicen las posibilidades de éxito para un objetivo específico.

3. Bots

Los bots (también conocidos como chatbots o chatterbots (algo así como robots parlantes) son programas basados en texto con los que los humanos se comunican para automatizar acciones específicas o buscar información. Generalmente "viven" dentro de otra aplicación de mensajes como Facebook Messenger, Slack, Whatsapp o Line.

Los bots tiene a menudo un uso limitado porque están programados para tirar de una fuente de datos específicos, como el que te avisa del tiempo atmosférico o el que te permite registrarte para votar. En algunos casos, son capaces de integrarse con programas que ya posees para aumentar la productividad. Por ejemplo, GrowthBot es un bot para profesionales de marketing y ventas que se conecta con Google Analytics, Hubspot y otros programas, para enviar información sobre el post más visitado de una compañía, o las palabras clave CPC (Coste Por Clic) que un competidor está comprando. 

Algunos argumentan que los chatbots no son inteligencia artificial porque dependen en gran medida de las respuestas o acciones pre-establecidas y no pueden pensar por sí mismos. No obstante, otros ven la capacidad de comprender el lenguaje humano como una aplicación básica de la inteligencia artificial.

4. Ciencia cognitiva

Detrás de la inteligencia artificial se encuentra la ciencia cognitiva. La ciencia cognitiva es el estudio interdisciplinario de la mente y sus procesos, extraídos de los fundamentos de la filosofía, la psicología, la lingüística, la antropología y la neurociencia.

La inteligencia artificial es sólo una aplicación de la ciencia cognitiva que analiza cómo los procesos de la mente pueden ser recreados por máquinas. 

5. Visión artificial

La visión artificial es una aplicación del aprendizaje profundo que puede "entender" imágenes digitales.

Por supuesto, para los seres humanos comprender imágenes es una de nuestras funciones más básicas. Si ves una pelota volando hacia ti, la coges. Pero para un ordenador ver una imagen y describirla es algo que combina el trabajo de la vista y el cerebro humano, y es bastante complicado. Por ejemplo, imagina cómo tendría que interpretar las luces de freno, los peatones y otros obstáculos del camino un coche que condujese por sí mismo.

​Sin embargo, no necesitas poseer un Tesla para experimentar la visión artificial. Puedes poner a prueba la herramienta Google Quick Draw para ver si reconoce tus garabatos. Como la visión artificial usa el aprendizaje automático, que mejora con el tiempo, puedes enseñar al programa simplemente jugando.

6. Data Mining

El data mining es el proceso por el que las máquinas descubren patrones en grandes conjuntos de datos. Por ejemplo, una compañía e-commerce como Amazon podría utilizar el data mining para analizar los datos de consumidores y dar recomendaciones de productos a través del apartado "los consumidores que compraron este producto también compraron...".

7. Aprendizaje profundo

En el extremo más alejado del espectro de inteligencia artificial, el aprendizaje profundo es una parte altamente avanzada del aprendizaje automático. Es poco probable que necesites saber el proceso interno del aprendizaje profundo, pero necesitas saber esto: el aprendizaje profundo puede encontrar patrones muy complejos en conjuntos de datos usando múltiples capas de correlaciones. En términos más sencillos, lo realiza mimetizando la forma en la que las neuronas de nuestro cerebro están acopladas. Por ello los científicos se refieren a este tipo de aprendizaje automático como red neuronal.

8. Aprendizaje automático

De todas las disciplinas de inteligencia artificial, algunos de los avances más emocionantes se han realizado en el aprendizaje automático. En resumen, el aprendizaje automático es la habilidad de un programa para absorber grandes cantidades de datos y crear algoritmos predictivos. 

Si alguna vez has oído que la inteligencia artificial permite a las máquinas aprender en el tiempo, probablemente hablaban de aprendizaje automático. Los programas con aprendizaje automático descubren patrones en conjuntos de datos que les ayudan a alcanzar su objetivo. Como analizan más datos, ajustan su comportamiento para alcanzar su meta de forma más eficiente. 

Estos datos pueden ser cualquier cosa: un software de marketing lleno de ratios de apertura de emails, o una base de datos de la media de goles en cada partido de fútbol. Como el aprendizaje automático permite a las máquinas aprender sin ser programados explícitamente (como la mayoría de bots), se dice que aprenden como lo hace un niño pequeño: experimentando.

9. Procesamiento de lenguajes naturales

El procesamiento de lenguajes naturales (NLP, por sus siglas en inglés) puede hacer a los bots más sofisticados al permitirles comprender comando de texto o voz. Por ejemplo, cuando hablas con Siri. Siri traduce tu voz a texto, conduce la consulta a través de un motor de búsqueda y responde por voz mediante sintaxis humana. 

En un nivel básico, la revisión ortográfica de Word o los servicios de traducción de Google son ejemplos de NLP. Las aplicaciones más avanzadas de NLP pueden aprender a captar el humor o la emoción.

10. Análisis semántico

El análisis semántico es, ante todo, un término lingüístico que trata del encadenamiento de frases, oraciones y párrafos de forma coherente. Pero también se refiere a la construcción del lenguaje, en el contexto cultural. 

Por lo tanto, si una máquina que tiene capacidades de procesamiento de lenguaje natural también puede utilizar el análisis semántico, implica que puede comprender el lenguaje humano y recoger las pistas conceptuales necesarias para entender frases hechas, metáforas y otras figuras literarias. Como las aplicaciones de marketing basadas en inteligencia artificial avanzan en áreas como la automatización de contenido, puedes imaginar la gran utilidad del análisis semántico para crear publicaciones de posts y e-books que no son distinguibles de los creados por un profesional de marketing de contenidos.

11. Aprendizaje supervisado

El aprendizaje supervisado es un tipo de aprendizaje automatizado en el cual los humanos introducen un conjunto de datos específicos  y supervisan gran parte del proceso. En el aprendizaje supervisado los datos de la muestra son etiquetados y el programa de aprendizaje automático da un resultado claro para poder trabajar con él.

12. Datos de entrenamiento

En el aprendizaje automático, los datos de entrenamiento son los datos inicialmente dados al programa para "aprender" e identificar patrones. Posteriormente se le introducen más datos de prueba para comprobar la precisión de los patrones. 

13. Aprendizaje sin supervisión

El aprendizaje sin supervisión es otro tipo de aprendizaje automático que requiere nada o muy poca participación humana. El programa de aprendizaje automático se deja para que encuentre patrones y extraiga conclusiones por sí mismo.

¿Qué opinas de la inteligencia artificial? Déjanos un comentario con tu opinión y no olvides suscribirte a nuestras redes sociales para enterarte de todas las novedades de marketing.

Redes sociales 20/04/2017

Meta descripción: qué es y para qué sirve

Lead nurturing 17/01/2017

Analiza tus resultados