TecnologíasyCasosdeuso
WeAreClickers
Noviembre-2024
We Are Clickers_
/workforce
Nuetro equipo está actualmente formado por 14 profesionales, e incluye perfiles data scientists, software developers, y UX/UI designers. Gracias a nuestro background multidisciplicar, podemos desarrollar soluciones integrales 360º, desde la creación de algoritmos complejos hasta su implementación en aplicaciones y el diseño de interfaces de usuario. Algunos de los miembros de nuestro equipo cuentan con más de 20 años de experiencia ayudando a las empresas a aprovechar el creciente poder de la inteligencia artificial para diseñar proyectos más eficientes
Leire Legarreta
CEO & fundadora _
data scientist con más de 20 años de experiencia ayudando a empresas a utilizar el poder acelerador de la inteligencia artificial para diseñar proyectos más eficientes leire.legarreta@weareclickers.com www.linkedin.com/in/leire-legarreta/
/Problemáticas
Modelos predictivos (regresión)
Este tipo de modelos nos permiten predecir unacantidad ounimporte (un valor continuo), que necesitamos estimar a futuro, en base a la información de la que disponemos a día de hoy.
/Ejemplos de casos de uso
• Predicción de la demanda
• Estimación de tiempos de entrega
• Costes de transporte
• Predicción del absentimo
• Estimación del consumo de combustible
/Problemáticas
Clasificación
Se trata de modelos predictivos que nos permiten clasificar un evento en base a la probabilidad que estimamos de que ese evento vaya a ser de un tipo o de otro.
/Problemáticas
Clasificación
Este tipo de modelos permiten a las máquinas tomar decisiones en tiempo real, a partir de las predicciones que estimamos: /Ejemplos de casos de uso
• Mantenimiento preventivo de motores o flotas
• Clasificación de paquetes
• Priorización de entregas
• Predicción de impagos
• Modelos de fugas de clientes (churn)
• Propensión a la contratación
• Detección de fraudes
/Problemáticas
Segmentación
Se trata de modelos que nos permiten agrupar anuestros clientes engrupos, en base a lo parecidos que resultan los individuos de un grupo entre sí, y lo diferentes que son del resto.
/Ejemplos de casos de uso
• Segmentación de clientes
Cálculo del life time value o valor de cada tipología de cliente
• Sistemas de recomendación de productos o servicios
• Segmentación de pedidos
Asignar precios o condiciones de envío diferenciadas por tipología de envío
/Problemáticas
Optimización de procesos
Un modelo de optimización es capaz de encontrar la mejor solución deentrelas posibles, creando escenarios bajo ciertas condiciones y sus limitaciones o restricciones.
/Ejemplos de casos de uso
• Optimización de la distribución de productos en un almacén
• Planificación de turnos
• Optimización de la gestión del stock
• Almacenamiento optimizado
• Optimización del precio de un producto o de los presupuestos de marketing
/Problemáticas
Optimización de rutas
/Ejemplos de problemas de optimización:
• Rutas óptimas para el reparto o la realización de trabajos
• Rutas óptimas para la movilidad dentro de un almacén o una planta productiva
• Optimización de la recarga de combustible
/Problemáticas
Gemelo digital
Estos modelos se basan en la simulación virtual de las condiciones de un proceso productivo o logístico.
Si el proceso está bien modelizado, esto nos permite simular todos los escenarios posibles futuros, para:
• Seleccionar la mejor opción de entre las posibles
• Anticiparnos a problemáticas como cuellos de botella
• Etc.
/Problemáticas
Visión artificial
Las máquinas son capaces, a día de hoy, de reconocer imágenes de diverso tipo con un elevado nivel de calidad.
/Ejemplos de casos de uso
• Gestión de stocks e inventarios por visión
• Clasificación e identificación automática de productos en un almacén
• Inspección automática de productos
• Control de calidad de piezas o procesos de fabricación
• …
/Problemáticas
Visión artificial en la movilidad
/Ejemplos de casos de uso
• Monitorización del tráfico
• Monitorización de los peatones
• Inspección de matrículas
• Detección de objetos en carreteras
• Clasificación de las condiciones en carretera
• …
/Problemáticas
OCR
Otras tecnologías de visión artificial son el OCR (Optical Character Recognition), que permite identificar letras y símbolos a partir de una imagen
/Ejemplos de casos de uso
• Digitalización de documentos: de papel a formato digital
• Procesamiento de facturas o tickets de dietas
/Problemáticas
Texto manuscrito
Pero la tecnología a día de hoy está en un punto en el que también reconoce de manera muy precisa el texto manuscrito
/Ejemplos de casos de uso
• Digitalización automática de partes de trabajos
• Digitalización automática de albaranes en papel
• Digitalización automática de presupuestos u otros documentos manuscritos
/Problemáticas
LLMs o Modelos del lenguaje
Pero las máquinas a día de hoy son capaces ya de procesar el lenguaje, “comprender” textos y leer y redactar documentos.
Son lo que llamamos, LLMsoLarge Language Models (modelos del lenguaje).
Y las aplicaciones de estas tecnologías en cualquier empresa, sólo las acabamos de empezar a vislumbrar.
/Problemáticas
Procesamiento de documentos
/Ejemplos de casos de uso
• Procesamiento de facturas o albaranes para introducir los datos en el ERP de la empresa
• Conciliación automatizada de facturas, albaranes y pedidos
• Procesamiento automatizado de contratos, para su revisión o para extraer información relevante
• Procesamiento y clasificación automática de emails
• Procesamiento de la información contenida en una web, independientemente de su formato
/Problemáticas
Procesamiento de pedidos
/Ejemplos de casos de uso
• Procesamiento automático de emails con información de pedidos, para la introducción de los datos en el ERP de la empresa
• Lectura automática de planos, pliegos olicitaciones, para extraer la información relevante para preparar una propuesta comercial
• Codificación inteligente de productos
• Configurador deproductos
/Problemáticas
Redacción de contenido
Podemos utilizar los LLMs para la redacción de contenido de forma automatizada o semi-automatizada.
/Ejemplos de casos de uso
• Redacción de ofertas comerciales
• Preparación de licitaciones o memorias de proyectos
• Generación automatizada de informes
• Redacción automático de emails
• Redacción contenidos redes sociales
/Problemáticas
Gestión documental
/Ejemplos de casos de uso
• Búsqueda inteligente dedocumentos, no a partir de palabras clave sino teniendo en cuenta su significado
• Gestores documentales para ofertas o memorias de proyectos antiguos, licitaciones, manuales de especificaciones técnicas de máquinas o cvs
/Problemáticas
Expertos digitales
En definitiva, lo que plantean estas herramientas es volcar el conocimiento de nuestra organización en “cerebros digitales”.
/Ejemplos de casos de uso
• Volcar el conocimiento de nuestra organización en bases de datos vectoriales
• Fuga o pérdida de talento
• Centralización y homogeneización del conocimiento de la organización
• Plan de acogida de nuevo talento
/Problemáticas
Chatbots o asistentes virtuales
/Ejemplos de casos de uso
• Asistentes paraclientes, que respondan a consultas sobre envíos, horarios, y disponibilidad de productos, reduciendo la carga en los equipos de soporte.
• Asistentes internos, que den soporte al equipo con consultas técnicas, sobre documentación técnica de máquinas, normativas, etc.
• O sobre documentación interna: plan de acogida, consulta de condiciones laborales…
/Problemáticas
Análisis de sentimiento
Son técnicas que permiten analizar no sólo el contenido de los textos sino también el “sentimiento” o emociones que recogen.
/Ejemplos de casos de uso
• Análisis automatizado de quejas de clientes: temáticas, tonos…
• Predicción de posibles fugas
• Análisis de sentimiento en redes sociales
• Encuestas de satisfacción delequipo
/Problemáticas
Las tecnologías de la voz
Pero además de contar con máquinas que son capaces de procesar y generar textos, también son capaces de reconocer y transcribir nuestras voces, (ASRReconocimiento automático del habla), o incluso, generar voces sintéticas. (Síntesis de voz)
/Problemáticas
Podemos hablar con las máquinas
/Ejemplos de casos de uso
• Integrar sistemas de voz en las máquinas, como asistentes por voz
• Entrada de datos en el sistema
• Documentación de las visitas comerciales
/Problemáticas
Transcripción de voz
/Ejemplos de casos de uso
• Generación automática de actas de reuniones
• Traducción simultánea
• Atención al cliente a través de la voz
Modelos
Predictivos Modelos Clasificación
Procesamiento
Documentos
Segmentación Optimización procesos Optimización rutas Gemelo digital
Extracción información Generación decontenido Chatbots
Visión artificial OCR Textos manuscritos
Transcripción Voces sintéticas Gestores documentales Análisis sentimiento
Modelos
Predictivos Modelos Clasificación
Segmentación Optimización procesos Optimización rutas Gemelo digital
DATA
Extracción información Generación de contenido Chatbots Transcripción Voces sintéticas Gestores documentales Análisis sentimiento Procesamiento Documentos
Visión artificial OCR Textos manuscritos
Modelos
Predictivos Modelos Clasificación
Extracción información
Segmentación Optimización procesos Optimización rutas Gemelo digital
Generación de contenido Chatbots
MODELOS DEL LENGUAJE
Transcripción Voces sintéticas Gestores documentales Análisis sentimiento Procesamiento Documentos
Visión artificial OCR Textos manuscritos
Modelos
Predictivos Modelos Clasificación
Segmentación Optimización procesos Optimización rutas Gemelo digital
RECONOCIMIENTO DE IMAGEN
Extracción información Generación de contenido Chatbots Gestores documentales Análisis sentimiento Procesamiento
Documentos
Visión artificial OCR Textos manuscritos Transcripción Voces sintéticas
Modelos
Predictivos Modelos Clasificación
Segmentación Optimización procesos Optimización rutas Gemelo digital
TECNOLOGÍAS
DE LA VOZ
Generación de contenido Chatbots Gestores documentales Análisis sentimiento Procesamiento
Documentos
Extracción información
Visión artificial OCR Textos manuscritos
Transcripción Voces sintéticas
/next steps
Hojade ruta ¿Pordónde empezamos?
Conocer el estado de la tecnología
Mapear nuestros procesos
Identificar el quick-win
Formación, herramientas y capacitación de nuestro equipo
Empezar a familiarizarnos y Utilizar la tecnología
Ir transformando poco a poco nuestras organizaciones
Han confiado en WAC
