Los sistemas de inteligencia artificial (IA) han proliferado en los últimos años, especialmente en el ámbito de la previsión, planificación y toma de decisiones empresariales. Sin embargo, muchos de estos sistemas carecen de información detallada y específica sobre las organizaciones, lo que limita su efectividad. En este contexto, el profesor Devavrat Shah, investigador principal en el Laboratorio de Sistemas de Información y Decisión del MIT, ha centrado sus esfuerzos en diseñar métodos que permitan tomar decisiones en tiempo real utilizando recursos computacionales limitados.
Claves de la noticia
Desarrollo de modelos gráficos
Se crean modelos para datos tabulares.
Acuerdo con Celonis
Ikigai Labs fue adquirida por Celonis.
Aplicaciones en grandes empresas
Tecnología para mejorar operaciones comerciales.
Shah destaca que, con recursos limitados, es necesario realizar un gran esfuerzo para extraer información de los datos a gran escala. Desde 2005, ha enseñado en el MIT y cofundó Ikigai Labs en 2019. Esta empresa desarrolló un modelo fundamental para datos tabulares y series temporales, basado en años de investigación en su laboratorio. Este modelo permite aprender continuamente a partir de datos empresariales diversos y a gran escala, ajustando sus predicciones a los resultados reales.
Innovación en la toma de decisiones
El enfoque innovador del sistema se asemeja a cómo los dispositivos GPS convierten datos escasos recibidos desde satélites en modelos precisos de posición. Shah se pregunta cómo diseñar modelos gráficos para datos tabulares genéricos, un área donde muchos modelos de IA tradicionales no han profundizado adecuadamente.
A diferencia de otros modelos que utilizan texto e imágenes como entrada, este sistema se basa en datos tabulares estructurados, similares al formato utilizado en hojas de cálculo. Su objetivo es proporcionar planificación en tiempo real a una escala mucho mayor. La idea detrás de Ikigai es ofrecer tecnología avanzada para la previsión y toma de decisiones a grandes empresas como fabricantes de bienes de consumo y compañías farmacéuticas.
Por ejemplo, una empresa fabricante de electrónica podría utilizar este sistema para prever la demanda futura de productos complejos como auriculares. Shah explica que cada producto tiene múltiples componentes provenientes de diversas partes del mundo y requiere soporte continuo después de la venta. Las decisiones sobre nuevos lanzamientos o cambios en precios son interdependientes y deben optimizarse constantemente para mejorar las operaciones comerciales.
Perspectivas futuras con Celonis
Recientemente, Ikigai fue adquirida por Celonis, donde Shah ahora ocupa el cargo de científico jefe además de sus responsabilidades académicas. Su objetivo es integrar el modelo desarrollado para Ikigai con las herramientas que ofrece Celonis, permitiendo análisis más precisos basados en los procesos empresariales existentes.
Celonis ha trabajado con más de 1,400 grandes empresas globalmente para digitalizar y automatizar sus operaciones. Con estos sistemas completamente digitalizados, Ikigai puede acceder a los datos necesarios para crear modelos detallados que simulen diferentes opciones estratégicas y prever resultados basados en decisiones específicas.
Shah enfatiza que su enfoque se centra en un área poco atendida por otras iniciativas: los datos estructurados o temporales. Al partir desde esta base sólida, se logra una versión más rentable y efectiva del uso de IA. “Un enfoque más estrecho permite desarrollar tecnologías más precisas”, concluye Shah.
En resumen, el trabajo del profesor Devavrat Shah no solo promete revolucionar la forma en que las empresas toman decisiones informadas basadas en datos estructurados sino también contribuir significativamente al avance general del campo de la inteligencia artificial aplicada al ámbito empresarial.
Preguntas sobre la noticia
¿Qué es Ikigai Labs y cuál es su propósito?
Ikigai Labs es una empresa cofundada por el profesor Devavrat Shah que se especializa en la construcción de modelos de inteligencia artificial para datos tabulares y series temporales. Su objetivo es proporcionar tecnología de pronóstico y toma de decisiones para grandes empresas, mejorando así sus operaciones comerciales.
¿Cómo funciona el modelo desarrollado por Ikigai?
El modelo de Ikigai utiliza datos tabulares estructurados para ofrecer planificación en tiempo real a gran escala. Aprende continuamente al comparar sus predicciones con los resultados reales, lo que permite optimizar procesos interdependientes dentro de las empresas.
¿Cuál es la importancia del enfoque en datos estructurados?
El enfoque en datos estructurados o de dominio temporal permite crear una versión más rentable y efectiva de la inteligencia artificial, ya que este tipo de datos no ha recibido tanta atención como otros enfoques más populares, como el procesamiento de texto e imágenes.
¿Qué implicaciones tiene la adquisición de Ikigai por Celonis?
La adquisición por parte de Celonis permitirá integrar las herramientas desarrolladas por Ikigai con los procesos empresariales existentes, facilitando un análisis más detallado y una mejor toma de decisiones basadas en datos digitales completamente integrados.
Si (
No(
