--- title: Sinnetic México - Ciencia de datos e investigación aplicada | Gabriel Contreras description: Sinnetic México - Ciencia de datos e investigación aplicada --- # Gabriel Contreras ## [LeanStartup & Analytics: Innovación centrada en datos](https://blog.sinnetic.com/mexico/leanstartup-analytics-innovación-centrada-en-datos) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | Jul 17, 2022 8:49:46 PM Cuando hablamos de Lean Startup, nos referimos a una metodología para innovación y desarrollo de... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/leanstartup-analytics-innovación-centrada-en-datos) ## [People analytics: Liderazgo desde machine learning](https://blog.sinnetic.com/mexico/people-analytics-liderazgo-desde-machine-learning) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | Jun 9, 2022 10:17:10 AM People Analytics es toda un área de concentración que busca elevar la productividad, lealtad y... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/people-analytics-liderazgo-desde-machine-learning) ## [Segmentación de audiencias Web: Data Analytics](https://blog.sinnetic.com/mexico/segmentación-de-audiencias-web-data-analytics) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | May 16, 2022 12:30:00 AM Google Analytics solo nos muestra parte de la historia. Todos los sitios web guardan un archivo... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/segmentación-de-audiencias-web-data-analytics) ## [Conversación digital sobre estrés: Hallazgos desde text mining en México](https://blog.sinnetic.com/mexico/conversación-digital-sobre-estrés-hallazgos-desde-text-mining) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | Apr 26, 2022 12:10:55 PM Los suplementos nutricionales y vitaminas empiezan a tener un rol más proactivo que reactivo en la... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/conversación-digital-sobre-estrés-hallazgos-desde-text-mining) ## [Vitaminas y suplementos: Tendencias desde Text Analytics](https://blog.sinnetic.com/mexico/vitaminas-y-suplementos-tendencias-desde-text-analytics) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | Apr 26, 2022 12:06:06 PM La pandemia supone cambios en el comportamiento de las sociedades y por ende adaptaciones... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/vitaminas-y-suplementos-tendencias-desde-text-analytics) ## [Data Science: Experiencia de cliente y cobranza predictiva](https://blog.sinnetic.com/mexico/data-science-experiencia-de-cliente-y-cobranza-predictiva) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | Apr 26, 2022 11:56:24 AM De acuerdo a nuestro observatorio Pulso del Consumidor, durante dos años consecutivos, el 63% de... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/data-science-experiencia-de-cliente-y-cobranza-predictiva) ## [Ciencia de datos y el journey empírico de experiencia de cliente](https://blog.sinnetic.com/mexico/ciencia-de-datos-y-el-journey-empirico-de-experiencia-de-cliente) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | Jan 26, 2022 6:00:45 PM Durante la década de los 90 y primera década del siglo XXI, el concepto de satisfacción del cliente... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/ciencia-de-datos-y-el-journey-empirico-de-experiencia-de-cliente) ## [Insights desde chatbots y whatsapp con NLP](https://blog.sinnetic.com/mexico/insights-desde-chatbots-y-whatsapp-con-nlp) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | Jan 26, 2022 5:55:02 PM En la medida en la que las organizaciones abren nuevos canales de interacción con el consumidor,... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/insights-desde-chatbots-y-whatsapp-con-nlp) ## [Natural Language processing para ejecutivos de marketing](https://blog.sinnetic.com/mexico/natural-language-processing-para-ejecutivos-de-marketing) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | Jan 26, 2022 5:52:07 PM Los primeros 20 años de este siglo, se enfocaron en desarrollar tecnologías para administración y... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/natural-language-processing-para-ejecutivos-de-marketing) ## [¿Cómo entender la inteligencia artificial - Machine learning?](https://blog.sinnetic.com/mexico/como-entender-la-inteligencia-artificial-machine-learning) Posted by [Gabriel Contreras](https://blog.sinnetic.com/mexico/author/gabriel-contreras) | Jan 26, 2022 5:46:40 PM En SINNETIC, nuestra unidad de servicios cognitivos, desarrolla modelos analíticos y de... [ CONTINUE READING ](https://blog.sinnetic.com/mexico/como-entender-la-inteligencia-artificial-machine-learning) - - [1](https://blog.sinnetic.com/mexico) - [2](https://blog.sinnetic.com/mexico/author/gabriel-contreras/page/2) - ### Grow your business more quickly with our solutions for inbound and ecommerce Discover a new digital growth model that attracts visitors, converts them into leads, transforms them into customers and then follows them in the after-sales phase, managed with traditional trade methods or with ecommerce. TAKE AN APPOINTMENT [![WhatsApp](https://upload.wikimedia.org/wikipedia/commons/6/6b/WhatsApp.svg) ](https://wa.me/573180242831) ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "Cuando hablamos de Lean Startup, nos referimos a una metodología para innovación y desarrollo de producto que se desarrolla en tres fases fundamentales: Problem-solution fit (customer development): Esta fase implica un profundo entendimiento de las necesidades del consumidor, un diagrama claro de la propuesta única de valor y un compromiso de ideación e integración en búsqueda de soluciones probables que empaten con las necesidades del usuario. Problem-market fit (customer validation): Implica iteraciones creando MPV (Producto mínimamente viables) analizando el apetito de mercado ante dichas propuestas y corrigiendo previo a lanzar. Scale (customer creation): Supone la sistematización de procesos productivos a escala, la automatización y cubrir el último cuarto de milla (Mix de canales de distribución, empaques, precios etc. Este framework de desarrollo de producto, supone la interacción de diferentes metodologías, tradicionalmente tres: 1. Design thinking, 2. Lean, 3. Agile como se muestra a continuación A lo largo de este continuo, se necesitan dos fuentes de información: Business Intelligence: Información provista por sistemas transaccionales y relacionales de la organización como CRM, ERP entre otros. Se accede a ella mediante proyectos de analítica y ciencia de datos. Market Research: Importación de información sobre mercado, competencia y consumidor. Información que los sistemas transaccionales y relacionales no producen. De la fidelidad de esta información y su sano uso, depende en gran parte el éxito de la solución. LeanStartup Plus Incorporar información confiable y oportuna en cada fase de LeanStartup es una práctica no descrita abiertamente en las guías y literatura sobre el tema. Es por ello que el equipo de innovación y ciencia de datos de SINNETIC se ha unido para formular LEAN STARTUP PLUS para proponer guías claras y casos de uso específicos en donde la ciencia de datos, la investigación y la analítica puedan hacer una propuesta diferencial y propulsar los esfuerzos creativos haciendo growth hacking. A continuación un diagrama conceptual de la propuesta metodológica En este planteamiento metodológico, la ciencia de datos cuenta con diferentes roles: Problem-solution fit (customer development): Cada interacción con el consumidor debe alimentar un simulador, que califique las necesidades no resueltas y tensiones del mercado. Debe este simulador estar ponderado al valor de mercado de cada problema y contar con actualizaciones constantes. En este sentido la analítica prescriptiva cuenta con herramientas cómo la simulación basada en agentes. Problem-market fit (customer validation): En esta dimensión, la analítica experimental juega un rol vital. Es necesario iterar con las audiencias mostrándoles dos o mas soluciones probables y comparar la línea de base (situación actual o competidor cercano) vs prototipo. La prueba de hipótesis, la aleatoridad y en general el diseño de experimentos ayudan a las organizaciones a generar normas predictivas del comportamiento de los prototipos de cara al consumidor. Scale (customer creation): La analítica relacional tiene un rol en esta fase. Desde la segmentación de audiencias, la analítica digital del tráfico, las cookies y centineles entre otros recursos, ayudan a crear y defender audiencias para asegurar el posicionamiento de la solución en el mercado Quisiéramos acompañarte desde el método, la investigación y la analítica en tus proyectos de innovación, entremos en contacto: América del Sur México y Centroamérica", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "17/07/2022", "datePublished" : "17/07/2022", "headline" : "LeanStartup & Analytics: Innovación centrada en datos", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://8862358.fs1.hubspotusercontent-na1.net/hubfs/8862358/LeanStartup-Analytics%20715x374.jpg", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/leanstartup-analytics-innovación-centrada-en-datos", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ``` ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "People Analytics es toda un área de concentración que busca elevar la productividad, lealtad y competitividad de las empresas ofreciendo Insights desde datos de colaboradores a diferentes niveles de jerarquía en la organización. Un área importante en People Analytics es machine learning con particular enfoque en procesamiento natural de lenguaje, es decir, el uso de inteligencia artificial para procesar volúmenes altos de textos, grabaciones, videos etc. La pregunta que orienta este blog es ¿La gente quiere ser líder? ¿Hay motivos para querer desarrollar habilidades de liderazgo? ¿La gente ambiciona ser líder? Para responder esta pregunta, tomamos 4 años de conversaciones en redes sociales, blogs, noticias, búsquedas para entender el concepto de liderazgo y el sentimiento asociado con el fin de tejer hipótesis alrededor de este concepto que teóricamente suena tentador pero socialmente parece retador. COMO ESTÁ SEGMENTADA LA CONVERSACIÓN: Como se muestra en el grafo a continuación, segmentamos las conversaciones usando SVD (Singular Value Decomposition) Una técnica para agrupar las conversaciones en función de su significado. Encontramos siete segmentos, es decir, siete grandes narrativas que describen la forma como las personas hablan de liderazgo Puestos y posiciones: Más del 54% de las conversaciones dejan ver qué liderazgo es descrito en contexto de los puestos que las personas ocupan. Visibilidad, notoriedad o jerarquía. Lista de tareas y comportamientos: El 48% de los casos, la conversación gravita alrededor de recetas de éxito para el liderazgo, listas de tareas para ser líder, formas de ver el mundo, rituales asociados a éxito etc. Disciplina y esfuerzo: Se habla del líder como una persona esforzada, con horarios que comienzan temprano y terminan tarde, con disciplina. Poco tiempo libre: Se habla poco de un líder con poder de disfrutar su tiempo libre, un líder en situaciones de ocio o entretenimiento no se encuentra en la narrativa de las personas. Pareciera que por el contrario el líder está atado a una tarea, bien social o beneficio de grupo. Crítica: Hay una figura muy notoria en la narrativa de las personas: el jefe disfuncional, se habla de la ausencia de motivación, el jefe no da buen ejemplo, el jefe sabe menos y exige mucho. Muchas personas tienen claro en su narrativa el Como no ser un líder o las características de un Pésimo líder y exhiben esa claridad usando críticas a las figuras de liderazgo más cercanas: jefe y política. Sugerencias: En menor proporción de producción narrativa pero con alto grado de reacción en las comunidades, se encuentran comentarios asociados a Como debería ser un líder, los rasgos y características que en efecto debe tener un líder sobresaliente. Perfil ideal: En coherencia con las sugerencias, crece también la producción de videos, infografías y narrativas sobre el perfil del líder moderno, aquel que satisface las necesidades trans-generacionales (Centennials, Millennials, Baby boomers) ¿COMO ENTENDER ESTOS RESULTADOS? Algunos hallazgos sociales son: No entrar en conflicto: La gente quiere evitar el conflicto, necesita caer bien, quiere evitar fricciones con compañeros de trabajo, jefes, sub alternos. Si bien las personas quieren la posición y el salario de los líderes, no quieren el costo oculto de serlo lo que implica tomar decisiones impopulares No quieren hacer el trabajo de otros: Las personas sumen que ser líder es hacer el trabajo de otros, lo que significa menos tiempo para hacer el propio trabajo lo que conecta con la visión de horas largas de trabajo. Técnica: Venimos de una generación de líderes relacionales, conversacionales. En este momento, el entorno digital nos motiva a elevar el nivel de técnica. Las personas perciben poco grado de actualización técnica en sus líderes, pobres habilidades tecnológicas, baja notoriedad digital. Admiración: Las personas no visionan en las posiciones de liderazgo ciertos grados de admiración, entre otras cosas por los grados de sacrificio, bajo tiempo libre percibido y tensión que ven en sus líderes más cercanos. Quisiéramos acompañarte desde el método, la investigación y la analítica en tus necesidades estratégicas de información y en tu aproximación People Analytics, ¿entramos en contacto? América del Sur México y Centroamérica", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "09/06/2022", "datePublished" : "09/06/2022", "headline" : "People analytics: Liderazgo desde machine learning", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://8862358.fs1.hubspotusercontent-na1.net/hubfs/8862358/Blog/people%20analytics%20715x374.jpg", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/people-analytics-liderazgo-desde-machine-learning", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ``` ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "Google Analytics solo nos muestra parte de la historia. Todos los sitios web guardan un archivo llamado LOG. Este archivo almacena los historiales de navegación a nivel dirección IP usuario tras usuario. ¿Qué pasaría si tomamos los logs? ¿Qué podríamos aprender de nuestro sitio web? ¿Que mejoras y optimizaciones podríamos hacer en nuestro e-commerce? Nuestra metodología CIDO, integra cookies, centinelas y análisis de LOGS para optimizar el CUSTOMER JOURNEY MAP de nuestros visitantes web creando estímulos para incrementar conversión. Comencemos con algunas metodologías para segmentar nuestra audiencia web, para ello un breve video a manera de demostración.", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "16/05/2022", "datePublished" : "16/05/2022", "headline" : "Segmentación de audiencias Web: Data Analytics", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://8862358.fs1.hubspotusercontent-na1.net/hubfs/8862358/redes-blog-audiencias-web-707x370.jpg", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/segmentación-de-audiencias-web-data-analytics", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ``` ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "Los suplementos nutricionales y vitaminas empiezan a tener un rol más proactivo que reactivo en la cotidianidad post pandemia, al dirigir la narrativa de varios segmentos digitales, según nos muestra la tendencia. Dentro de su rol se encuentra la mejoría de la salud mental y el desarrollo de súper poderes, como son la resistencia emocional, la tolerancia al estrés, el desarrollo de la memoria, la inteligencia, la atención y la creatividad. En este blog compartimos los resultados de nuestra investigación más reciente, usando procesamiento natural del lenguaje y estrategias de machine learning, integrados en nuestra metodología CI360 para derivar insights de datos sociales. NOTA: Este blog no es una sugerencia nutricional o una recomendación de producto, sino más bien pretende evidenciar el poder de los siguientes aspectos: Una metodología: Procesamiento Natural de Lenguaje Una tecnología: Machine Learning, para encontrar insights desde data social (Blogs, noticias, redes, buscadores, reseñas etc.). NARRATIVA DIGITAL SOBRE ESTRES. Durante los primeros momentos de la pandemia (primer semestre 2020), la incidencia de búsqueda en internet de síntomas psicológicos y psiquiátricos, exhibió un incremento cercano al 47% con relación al mismo periodo del 2019. Dentro de los síntomas más buscados, el estrés y otros sentimientos similares fueron protagónicos (Ver gráfico a continuación, rojo). Desde años atrás el estrés ha sido síntoma, enfermedad, excusa y tema de conversación. Una explicación socialmente aceptada para las consecuencias de la vida moderna. La narrativa del primer semestre del 2021 cambió con relación al mismo periodo del año anterior en Colombia y México. Este año vemos la aparición de algunas temáticas nuevas y el posicionamiento de principios activos, marcas y productos con acción sobre estas temáticas, según las narrativas del consumidor digital. La narrativa digital sobre el estrés puede analizarse desde la oferta y desde la demanda, como se observa en la tabla a continuación: Primer semestre 2021 (Comparación con mismo periodo año anterior) Demanda (cómo reacciona el consumidor ) Oferta (lo que las marcas presentan al mercado) Narrativa Volumen de conversaciones: 6.321.512 (+34%) Claims de comunicación: 8.466 (+68%) Territorios Ingredientes: 1.827 (+12%) Productos: 829 (-9%) Retórica Temas: 545 (+22%) Marcas: 212 (+5%) La oferta no se está desarrollando al mismo ritmo que la demanda y si bien es así como crecen las marcas generalmente, las categorías se desarrollan 8% menos en la conversación en comparación con el año anterior. En analítica de texto los algoritmos de SVD (Singular Value Decomposition) permiten encontrar similitud entre temáticas y conceptos para generar clústeres que se representan en grafos. En el grafo de las temáticas alrededor del segmento de salud, se muestra cómo la narrativa digital ha posicionado un nuevo objetivo: controlar el cortisol. Esto logra una relevancia en toda la categoría Adaptógenos y posiciona un suplemento que para 2020 no era tan potente en la conversación digital: La Ashwagandha. #1: Consumidor molecular El consumidor parece estar buscando el origen molecular de sus problemas y de sus objetivos. La conversación sobre estrés gira ahora alrededor de uno de sus sustratos biológicos más citados: la hormona Cortisol. Buscar una solución o una explicación molecular no es nuevo en el comportamiento del consumidor. Esta tendencia explica cómo marcas en skincare como The Ordinary y Good Molecules, crecen al ofrecier principios activos puros en lugar de formulaciones sofisticadas de cremas y serums para el cuidado de la piel. Esta tendencia supone un riesgo, dado que en paralelo a la búsqueda de principios activos puros vienen las conversaciones sobre concentraciones de ingredientes. Por esta razón se percibe un sesgo en la elección del consumidor hacía productos más concentrados, al margen del beneficio o del daño que esto signifique para la salud. #2: Agotamiento por las formulas basadas en disciplina Para ciertos segmentos digitales respirar, hacer yoga y leer significó un primer paso en el control del estrés, sin embargo, en este momento ya no parece suficiente. Un suplemento alimenticio que ayude a controlar el estrés parece más atractivo y es así como en la conversación se desarrolla el concepto de ADAPTÓGENOS como productos que ayudan a regular la respuesta hormonal frente el estrés. En la medida que crece la conversación sobre adaptógenos, tiende a decaer la conversación sobre yoga, mindfullness y ejercicio, en aquellos segmentos que producen y consumen contenido sobre estrés. #3: Menos espirituales pero conectados con Oriente y la Naturaleza. Pese a que las soluciones basadas en disciplina espiritual (yoga, meditación, respiración etc.) parecen no ser rápidamente efectivas en algunos segmentos, los suplementos protagónicos en la conversación tienen algunas características en común: Mantienen la fascinación por oriente: Hemos hablado de este fenómeno antes y sabemos que el consumidor latino quiere entender, conocer e involucrarse culturalmente con oriente y desde el yoga, la decoración y otras disciplinas, ha comenzado a hacerlo. La medicina China y El Ayurveda hacen parte de esta conexión. El suplemento con mayor crecimiento dentro de los adaptógenos es la ASHWAGANDHA, una raíz dominante en la teoría Ayurveda. Hay trade up contra valeriana y paciflora: En occidente las soluciones herbales de preferencia para calmar los nervios y manejar el estrés -culturalmente hablando- han sido la pasiflora y la valeriana. La intención de búsqueda de temáticas con estos ingredientes viene en decrecimiento desde octubre de 2020 (-23%), lo cual coincide con el crecimiento de la Ashwagandha. En la mente del consumidor no hay espacio para tantas tendencias, por lo que el crecimiento de una temática particular supone el deterioro o pérdida de presión narrativa de otra. Mantiene conexión con lo natural: La intención por buscar soluciones como Rhodiola y Ashwagandha indica que el consumidor busca soluciones naturales que le permita controlar el estrés en vigilia. CI360 es un poderoso mecanismo de ingesta integración y analítica de datos textuales provenientes de social data. Como metodología se basa en procesamiento natural de lenguaje para detectar tendencias en social data. Cuéntanos si te interesa conocer más sobre la metodología, ponte en contacto con uno de nuestros consultores: América del Sur México y Centroamérica", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "26/04/2022", "datePublished" : "26/04/2022", "headline" : "Conversación digital sobre estrés: Hallazgos desde text mining en México", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://8862358.fs1.hubspotusercontent-na1.net/hubfs/8862358/Blog/Conversacion%20digital%20estres%20715x374.jpg", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/conversación-digital-sobre-estrés-hallazgos-desde-text-mining", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ``` ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "La pandemia supone cambios en el comportamiento de las sociedades y por ende adaptaciones importantes de las marcas para dar cobertura a la demanda. La categoría de vitaminas y suplementos alimenticios no está al margen de esta situación. Nuestra metodología CI360 ha generado un conjunto de aprendizajes consultivos y queremos compartir con ustedes algunos de estos. MACROTENDENCIAS SEMESTRE 1 2021: #1: Crece en un 62% la conversación sobre suplementos reactivos, proactivos y focales. La narrativa sobre estas temáticas puede dividirse así: Suplementos reactivos: Funciones reparadoras sobre problemas específicos, patologías declaradas, soporte al diagnóstico clínico (ej.Tráfico intestinal lento) Suplementos proactivos: De carácter preventivo sobre funciones del organismo (ej. Mejorar el sueño) Suplementos focales: Cumplen un objetivo específico (ej. Desarrollo de masa muscular). Tanto en Colombia como en México la cantidad de conversaciones alrededor de los tres tipos de suplemento ha venido creciendo si comparamos primer semestre 2021 contra mismo periodo 2020. México resalta por un aumento del 67% en narrativas alrededor de suplementos focales, mientras en Colombia crece el interés por suplementos reactivos y proactivos. #2: Crece en un 43% la conversación sobre performance de habilidades cognitivas. De forma paralela crece el interés de las audiencias por las formas de desarrollar o intensificar súper poderes cognitivos como memoria, inteligencia, atención y creatividad. En México particularmente crece en un 47% el interés por el desarrollo de la memoria y un 40% en la atención, si comparamos el corpus de 2021 en el primer semestre contra mismo periodo del año anterior. Es especialmente interesante que el crecimiento en la tendencia de suplementos se de en las mismas conversaciones sobre habilidades mentales y personales. #3: Se desarrolla la narrativa en salud mental: menos síntomas y más acciones. A diferencia de los primeros momentos de la pandemia donde la conversación se concentró en la búsqueda de síntomas para el primer semestre de 2021, la conversación se desarrolla fundamentalmente alrededor de mecanismos de liberación de presión y estrés. Esto deja ver un consumidor comprometido con el despliegue de acciones alrededor de su bienestar emocional. La narrativa sobre suplementos para ansiedad, estrés y depresión toma particular relevancia y la categoría ha dado respuesta con 3 nuevas presentaciones de Valeriana y Pasiflora, suplementos que ahora se consiguen en té, gomas y dulces. #4: Suplementación nutricional pro belleza Segmentos afines a temáticas como rutinas de cuidado de la piel y el cabello, comienzan a incorporar en la conversación temáticas asociadas a suplementos para la belleza. Se habla de temas que pasan por la biotina para las uñas y el cabello y terminan con el protagonismo del té verde como coadyuvante en el combate de la celulitis. La conversación, además, comienza a girar alrededor del uso de suplementos alimenticios como parte de la rutina del cuidado de la piel. La semilla fue puesta por la vitamina C (potente antioxidante cosmético) y su relación con la salud inmunológica. #5: Obsesión por el sueño y la digestión Derivado de la fascinación y el misticismo que comenzó a generar la cultura oriental en Colombia y México desde 2014, la lectura de la medicina china en nuestras culturas tiene ahora una relevancia significativa en las decisiones de nutrición y salud. Se observa una elevación tanto en engagement como en nuevas conversaciones alrededor de digestión y sueño. Mientras en Colombia la conversación gira alrededor de conciliar el sueño, en México se habla más de mejorar la calidad del mismo. En Colombia la narrativa se desarrolla alrededor de la digestión y los probióticos, mientras que en México el control de gases es protagónico en comparación con el mismo periodo del año anterior. Desde la óptica de la medicina oriental estos dos procesos (digestión y sueño) definen la calidad de vida de las personas. CI360 es un poderoso mecanismo de ingesta, integración y analítica de datos textuales provenientes de social data. Como metodología, CI360 se basa en procesamiento natural de lenguaje para detectar tendencias en datos provenientes de las redes sociales. Cuéntanos si te interesa conocer más sobre la metodología y uno de nuestros consultores se pondrá en contacto contigo: América del Sur México y Centroamérica", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "26/04/2022", "datePublished" : "26/04/2022", "headline" : "Vitaminas y suplementos: Tendencias desde Text Analytics", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://8862358.fs1.hubspotusercontent-na1.net/hubfs/8862358/Blog/vitaminas.png", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/vitaminas-y-suplementos-tendencias-desde-text-analytics", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ``` ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "De acuerdo a nuestro observatorio Pulso del Consumidor, durante dos años consecutivos, el 63% de los entrevistados reportan reducción de su capacidad de ahorro y el 34% registran un incremento en sus niveles de endeudamiento. Esta última porción, reporta una reducción significativa del 21% en su bienestar percibido. Esto indica, que la tensión económica producto de la pandemia, puede estar generando retos en la capacidad de pago de deudas de los consumidores; el fenómeno de incumplimiento en pagos se extiende a créditos comerciales. La cobranza, es un punto de contacto clave que rara vez se diagrama en los Customer Journey Map. Según como se haga, puede generar problemas a la experiencia del cliente. El objetivo de este blog es analizar mejores prácticas alrededor de Predictive Collection y plantea algunas ideas desde nuestra experiencia consultiva con BPO, bancos y aseguradoras. BUENAS PRÁCTICAS ANALÍTICAS Y DIGITALES EN PROCESOS DE COBRANZA. La aplicación de analítica en procesos de cobranza pueden representarse con la metáfora de un triángulo con tres vértices: Función de cobranza: Generación de data de proceso y resultado con finalidad analítica. Tecnología data céntrica: Favoreciendo estrategias Push y Pull durante el proceso. Excelencia operacional: Integrando investigación de operaciones y optimización al proceso de cobranza. Función de cobranza: Desde esta perspectiva, las tendencias indican algunos rasgos característicos: Creación de canales de autogestión 7*24 para capturar data del cliente. Desde esta perspectiva el cliente puede subastar opciones de pago en función de sus posibilidades. Algoritmos de subasta y optimización del precio serían programados en estas plataformas de autogestión. Estos algoritmos aprovechan analítica de sensibilidad del precio para estimar el nivel optimo de reducción de la obligación para generar motivación de pago sin dejar dinero sobre la mesa Modelos MaR (Money at Risk) y PtP (Propensity to Pay) para soportar las decisiones de cobranza y el disparo de campañas al usuario. Behavioral sensitive: Los modelos al igual que las acciones automatizadas de cobranza deben estar orientadas a cambios conductuales del usuario. Los sistemas transaccionales tendrían que capturar dichos comportamientos usando tecnologías de monitoreo y el establecimiento del Journey Empírico del usuario. Next Best Action: En función de la elasticidad del precio (Mínima reducción de la obligación para elevar el PtP Propensity to pay) se deberían programar modelos que propongan acciones al usuario motivando su conducta de pago. En este sentido los avances en economía conductual con particular énfasis en Nudge soportarían motivacionalmente el proceso Excelencia operacional. Un común denominador en los procesos de cobranza, es que son expertos en almacenar resultados (recaudo) pero poco eficientes para almacenar data de proceso. Por lo general el proceso carece de variables como: Tiempo entre procesos. Notas del analista de cobranza Información del agente People analytics Información de omnicanalidad: Chat, bots, whatsapp. Generalmente, el resultado no es lo que se optimiza, se optimiza el proceso y sin datos del mismo es imposible. En este sentido, parte esencial en la creación de un modelo de cobranza Data Centric y pro Customer Experience debe recaudar información de proceso en consecuencia. Producto de nuestra experiencia consultiva acompañando BPO, bancos, aseguradoras y demás empresas del sector financiero, hemos construido lo que sería un roadmap de evolución analítica del proceso de cobranza evitando afectar la experiencia del usuario como se muestra a continuación: Tanto los datos de operación como de autogestión son capturados en un modelo de datos que llamamos COLLECTION SIGNAL REPOSITORY. Sobre este modelo de datos se despliega una capa de gobierno y calidad de datos para servir a cinco núcleos de tarea: Analítica de señales de cobranza. Disparo de campañas de cobranza Feedback y recaudo Optimización de la gestión Reporteo. Creemos que podemos agregar valor a tu estrategia de cobranza integrando investigación de mercados y analítica de datos e inteligencia artificial. Entremos en contacto según tu agenda América del Sur México y Centroamérica", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "26/04/2022", "datePublished" : "26/04/2022", "headline" : "Data Science: Experiencia de cliente y cobranza predictiva", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://8862358.fs1.hubspotusercontent-na1.net/hubfs/8862358/Blog/Cobranza%20predictiva%20715x374.jpg", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/data-science-experiencia-de-cliente-y-cobranza-predictiva", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ``` ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "Durante la década de los 90 y primera década del siglo XXI, el concepto de satisfacción del cliente ocupó mucho a los ejecutivos de servicio y marketing. Es en la segunda década del siglo XXI donde el concepto de experiencia comienza a tomar fuerza, ¿Cuál es la diferencia? Satisfacción del cliente Experiencia del cliente ¿Quién es el protagonista? El proceso es el responsable de la sensación de satisfacción del consumidor El usuario es el responsable de su propia experiencia. ¿Cuál es el rol del proceso? Generar en el usuario imaginarios y sensaciones de bienestar. Mostrarle al usuario cómo tener una mejor experiencia ¿Cuál es el rol de la medición? Monitorear errores y fallas para asegurar que el usuario sienta satisfacción con el producto / servicio actual. Encontrar nuevas necesidades no resueltas del usuario. Una de las herramientas más importantes en gestión de experiencia es el Customer Journey Map. Se trata de un seguimiento específico de la interacción del usuario con cada punto de contacto. Hasta el momento los métodos cualitativos han servido con alta eficiencia para describir Customer Journey Maps teóricos, que describen la experiencia ideal del usuario, pero haciendo integración de datos desde los diferentes sistemas transaccionales de la organización, es posible describir un Customer Journey Map empírico. A continuación algunas diferencias entre el el CJM teórico vs empírico: CJM Teórico CJM Empírico ¿Cuales son las bases teóricas para el planteamiento? Filosofía de calidad total Swedish Customer Satisfaction Barometer (SCSB) American Customer Satisfaction Index” (ACSI) Norwegian Customer Satisfaction Barometer (NCSB) European Customer Satisfaction Index (ECSI) Hong Kong Customer Satisfaction Index (HKCSI) Economía del comportamiento. Sesgos de consumidor. Heurísticos de decisión. Nudge Juicios de consumidor. ¿Qué Información se usa para su construcción? Encuestas históricas de satisfacción. Estudios cualitativos de experiencia de usuario. Acuerdos en sesiones de ideación sobre experiencia de usuario. Ingesta e integración de datos provenientes de los diferentes sistemas transaccionales y medios de contacto de la organización. ¿Qué describe? La experiencia ideal, lo que debería ser adecuado para la experiencia del usuario Lo que realmente ha experimentado el usuario, de forma secuencial en cada punto de contacto. ¿Que beneficios aporta? Norte para mejorar los procesos y alinear la transformación digital y cultural de los mismos. Aprovechamiento de la huella digital de la experiencia auténtica del usuario. ¿Qué aportes hacen a la construcción de la experiencia? Adaptación del proceso a los retos del competidor y el mercado. Encontrar los cuellos de botella y nudos de proceso que impiden que el usuario pueda gestionarse. Debilidades Se centra en hipotéticos de servicio y plantea ideales de gestión que tienen como referencia el competidor y el mercado, fundamentalmente. Se centra en datos internos y su aprovechamiento, desconociendo el competidor o el benchmark de industria. ¿COMO SE CONSTRUYE UN JOURNEY EMPÍRICO? Podemos hablar de 4 grandes etapas: Ingesta de datos: En esta etapa, nos interesa mapear todos los sistemas transaccionales que dan fe de la experiencia del cliente. Ejemplo: en el sistema de facturación, servicio, contactcenter, PQRS, etc., existe un rastro de transacción del usuario con fecha y hora. Integración de datos: Aquí, interesa crear un ABT (Analytic Based Table) que integre la información desde el evento más antiguo hasta el más reciente. Esto permite ver el journey real del usuario. Analitica de datos: Mediante reglas de asociación (algoritmo de minería de datos) se pueden encontrar secuencias frecuentes, repetitivas comparando los journey de todos los consumidores y agrupando aquellos cuya secuencia son similares. Esto permite segmentar las audiencias e intervenir de forma eficiente. Visualización y consumo de información: Establecer gráficos de sankey para trazar experiencias frecuentes. esto permite dimensionar los embudos y cuellos de botella. Un ejemplo de visualización en SAS se aprecia a continuación:", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "26/01/2022", "datePublished" : "26/01/2022", "headline" : "Ciencia de datos y el journey empírico de experiencia de cliente", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://fs.hubspotusercontent00.net/hubfs/8862358/Blog/experiencia%20de%20cliente%20715x374.jpg", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/ciencia-de-datos-y-el-journey-empirico-de-experiencia-de-cliente", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ``` ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "En la medida en la que las organizaciones abren nuevos canales de interacción con el consumidor, crece la captura de información no estructurada (texto, voz, imagen etc.). La mayoría de sistemas de chat permiten parametrizar secuencias de instrucciones pero no informan al negocio sobre la conversación y narrativa dentro del chat. Este blog busca exponer algunas ideas desde nuestra experiencia consultiva para hacer de la omnicanalidad una fuente inagotable de insights para el negocio. La tabla a continuación muestra algunas de las preguntas que nuestros clientes se han hecho sobre la información de chat y whatsapp; de igual forma muestra lo que han hecho con las respuestas. Caso de uso Preguntas de negocio Acciones tras obtener la respuesta. Experiencia de usuario ¿Cuál es la secuencia de conversación?, ¿cómo inicia, madura y termina? ¿Cómo es la emotividad del cliente a lo largo de la conversación? ¿qué detona emotividad positiva o negativa? Mejorar embudos y cuellos de botella en el árbol de instrucciones del bot. Detectar anticipadamente estados emocionales negativos para acelerar respuestas breves o paso de la máquina al agente humano. Aislar información que nutra modelos para predecir la fuga del cliente. Auditoría ¿Cuáles son las principales necesidades que el usuario busca responder en el chat? ¿El agente responde adecuadamente? (Si es agente humano) ¿El bot tiene parametrizada la respuesta? (si es agente artificial) Clínica de atención al cliente. Habilitar nuevas funcionalidades en el canal. Agilizar las rutas y crear accesos rápidos a necesidades específicas. Mejorar el posicionamiento y desempeño del canal Innovación ¿Qué preguntas del usuario no están parametrizadas en el bot? ¿Necesidades no resueltas? Desarrollar nuevas funcionalidades, productos o servicios al interior del chat. A la hora de minarlos con detenimiento, los datos de un chat tienen varias complejidades: Una secuencia definida por preguntas y respuestas muy parecidas a un partido de ping pong. Respuestas cortas muy parecidas a un telegrama o un tweet. Exceso de cortesía, particularmente por parte del agente, lo que hace difícil detectar el sentimiento de la conversación. Nuestro proceso consultivo se basa en integrar metodologías lingüísticas con inteligencia artificial como se muestra a continuación: Integración de datos: La creación de un datamart textual que integre los chat en secuencia, lo cual facilita accesar al texto de forma enriquecida. Un datamart textual desagrega en tokens las diferentes formas ortográficas de una palabra. Las personas no suelen chatear con ortografía y en español la ausencia de una tilde o el cambio de s a c puede cambiar el significado de una palabra. Diseño muestral para el entrenamiento: Para entrenar el modelo se requiere un set muestral de conversaciones. Dado que los canales evolucionan y agregan funcionalidades a lo largo del tiempo y que las necesidades del cliente cambian, el diseño muestral debe contemplar muestras de conversaciones en diferentes meses, momentos del día, días de la semana etc. Esto permite además tener en cuenta posibles efectos estacionales que impacten el contexto narrativo del modelo. Minería de texto: Partiendo del chat conjunto hacemos parsing y filtring para aislar las palabras clave con mayor frecuencia y asociación entre sí. Se limpian sinónimos y se crean listas de palabras clave asociadas con el negocio para que la detección de señales sea dirigida. Esto permite extraer las temáticas core. Creación de taxonomías: Mediante metodologías y heurísticos lingüísticos creamos taxonomías de temáticas asociadas a las necesidades de negocio. Esto permite la clasificación de preguntas de cliente, productos, requerimientos, servicios, respuestas de los agentes entre otros. Reglas de asociación: Luego de clasificar correctamente el texto en taxonomías clave para el negocio, analizamos la secuencia de conversación: cómo inicia y como termina. En este orden de ideas, las reglas de asociación permiten ver secuencias frecuentes con alta probabilidad de ocurrencia, lo que permite segmentar las conversaciones según secuencias narrativas y crear interpretaciones teniendo en cuenta todo el journey. Análisis contextual: Usando reglas boleanas y lingüística avanzada, las taxonomías se convierten en clasificadores automáticos basados en contexto, lo que permite determinar sentimiento, ironía, sarcasmo y reproche para terminar un análisis textual completo. Hemos tenido la oportunidad de apoyar diferentes organizaciones en sus retos de analítica de datos no estructurados de chats. Será un gusto compartir contigo estas experiencias, hagamos una reunión. América del Sur México y Centroamérica", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "26/01/2022", "datePublished" : "26/01/2022", "headline" : "Insights desde chatbots y whatsapp con NLP", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://fs.hubspotusercontent00.net/hubfs/8862358/NLP%20ingles%20715x374.jpg", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/insights-desde-chatbots-y-whatsapp-con-nlp", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ``` ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "Los primeros 20 años de este siglo, se enfocaron en desarrollar tecnologías para administración y utilización de información estructurada ¡Información que suele estar en bases de datos relacionales, se diferencias las variables de las unidades de análisis, en otras palabras, información que típicamente analizamos en Excel! Entramos a la década de los datos no estructurados, aquellos como videos, imágenes, sonidos y textos. Parte importante de esta información proviene de seres humanos escribiendo o hablando, es decir usando el lenguaje. Desde la psicología del consumidor, el lenguaje es la forma más eficiente para acceder a los pensamientos y procesos internos del ser humano. Es con el lenguaje como podemos detectar tensiones inconscientes y necesidades no resueltas que desde marketing podemos cubrir con estrategia de producto, comunicación y servicio. Desde la antropología del consumo, el lenguaje es un vehículo para trasmitir la cultura. Mediante el lenguaje se crean mitos y ritos que condicionan hábitos y ocasiones de consumo. Desde la semiótica, el lenguaje es un sistema de signos que adquieren significado dependiendo del contexto y condicionan la forma de pensar e interpretar la realidad. Las marcas pueden lograr una mayor adopción de mensaje en el consumidor si se enfocan en usar caminos semióticos ya establecidos, orgánicamente en su mente. La producción de texto ha crecido cerca de un 78% en redes sociales, blogs, noticias, referencias, comentarios de usuarios en comercios electrónicos, chats entre otros. Detrás de esta información existen enormes aprendizajes y ventajas competitivas ocultas. De unos 10 años a la fecha, se ha fortalecido una disciplina denominada Procesamiento de Lenguaje Natural o NLP por sus siglas en inglés. Se trata de un esfuerzo conjunto entre la lingüística, las ciencias computacionales y la estadística para crear modelos que permitan a las maquinas entender, procesar y producir lenguaje. Un proyecto de NLP requiere un proceso científico con los siguientes pasos: Análisis textual: Parsing: Tomar los textos y fragmentarlos en sus unidades sintácticas y semánticas. Separando el texto entre verbos, adverbios, entidades etc. Filtring: Consiste en eliminar aquellas unidades de texto que no aportan al significado global. Se cuantifica el texto en función de su probabilidad de aparición eliminando aquellos textos de baja probabilidad. Análisis contextual: Secuencia: El texto tiene significado en función del contexto, este se detecta en función de la secuencia de las palabras. En un mar de textos, detectar secuencias probables es el primer paso para crear contexto. Lógica de predicados: Usar las reglas del lenguaje para darle complemento a los verbos es clave en la dinámica de entender el Modelamiento 5. Aprendizaje no supervisado: Clasificar textos según su similaridad, estilística y narrativa. 6. Aprendizaje supervisado: Encontrar los elementos comunes entre diferentes grupos de textos, diferenciar entre autores, temas, momentos de tiempo etc.", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "26/01/2022", "datePublished" : "26/01/2022", "headline" : "Natural Language processing para ejecutivos de marketing", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://fs.hubspotusercontent00.net/hubfs/8862358/web/BLOG/sinnetic_NLP_marketing_blog.jpg", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/natural-language-processing-para-ejecutivos-de-marketing", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ``` ```json { "@context" : "http://schema.org", "@type" : "BlogPosting", "articleBody" : "En SINNETIC, nuestra unidad de servicios cognitivos, desarrolla modelos analíticos y de inteligencia artificial para resolver retos de negocio. Desde aquí observamos cómo la inteligencia artificial se está convirtiendo en uno de los principales instrumentos para modernizar las industrias. Para definir este concepto, es necesario entender lo que significa ser un sujeto inteligente para luego analizar qué elementos de la inteligencia podemos simular a manera de software para hacerlos artificiales. Un sujeto inteligente, cuenta con una central de computo (Sistema nervioso en los vertebrados) capaz de mantener encendidos y en simultáneo al menos 9 procesos básicos (procesos cognoscitivos) y son los siguientes: Sensación: Captura información del ambiente mediante canales sensoriales. En el caso de los seres humanos, contamos con 11 receptores sensoriales que nos permite estar informados de diferentes tipos de datos, el sonido, el color, el tiempo, el movimiento, el lugar en el espacio etc. Atención: Dado que el entorno tiene tanta información, necesitamos un sistema que nos permita escoger aquella información que es relevante y funcional. Percepción: Luego, necesitamos un sistema que nos permita interpretar la información que entra por medio de los canales sensoriales para que esta tenga significado. Memoria: Debemos igualar la información entrante con experiencias previas. Si la información entrante es significativa, tendremos que guardarla para tenerla de referencia en el futuro. Aprendizaje: Dada la relación que tenemos con el ambiente, debemos ir cambiando nuestro comportamiento en la medida en la que capturamos experiencias. Razonamiento: La información entrante mas la información almacenada, debe permitir al sistema experto resolver problemas a diferentes niveles de complejidad, creando heurísticos para tal fin. Lenguaje: Un sujeto inteligente, tiene un sistema de símbolos que le permiten nominar el entorno que lo rodea y comunicarse con otros sujetos inteligentes. Emoción: La interpretación de la información del entorno, hace que él sistema inteligente reaccione fisiológicamente para evitar peligros (miedo), evadir enemigos (ira) o maximizar oportunidades adaptativas en su entorno (alegría). Motivación: Un sistema inteligente, tiene un conjunto de impulsos que lo orientan a cubrir necesidades de adaptación, fijarse metas y objetivos, interactuar con otros sistemas inteligentes. Estos nueve procesos trabajan juntos para facilitar que un sujeto inteligente se adapte de forma versátil al ambiente cambiante, esto facilita su evolución. La inteligencia artificial, consiste en programar sistemas informáticos que emulen este entramado de procesos mediante recursos de software. Para lograrlo, se debe pensar el la unidad mínima y funcional del cerebro: la neurona, la cual crea redes con otras para transferir información y generar cada uno de los 9 procesos descritos anteriormente (Redes neuronales). Por diferentes razones químicas, estructurales o funcionales, un sistema inteligente puede no ser adaptativo algunas veces, es así como en entornos reales, estos procesos pueden trastornarse parcial o totalmente, algunos ejemplos pueden ser: Sensación: Dolor, transtornos de sensibilidad tactil, algias, sensaciones parestésicas. Atención: Hipoproxesia (disminución de la capacidad atencional), hiperproxesia (hiperactividad en la atención) Percepción: ilusiones, alucinaciones Memoria: Amnesias. Aprendizaje: Disgrafias, dislexias, discalculias Razonamiento: alteraciones en la solución de problemas Lenguaje: Afasias Emoción: Ansiedad Motivación: Depresión A nivel computacional, estas fallas son equivalentes a los virus, errores de programación o fragmentos de programación que alteran alguna de estas funciones. Para ejemplificar, hagamos un breve recorrido en uno de los casos de uso mas famosos en inteligencia artificial: reconocimiento de expresiones faciales, útil en seguridad, investigación de mercados etc.: 1. Sensación: Se necesita una cámara que actúe como sensor de los rostros. 2. Atención: Se necesita un filtro que omita la información de fondo y al rededor del rostro para que el sistema se pueda enfocar solo en el rostro. 3. Percepción: Se requieren diferentes sub-sistemas para reconocer diferentes elementos del rostro cómo la expresión, la simetría, la distancia entre puntos específicos, el tamaño de los ojos etc. 4. Memoria: Se necesitará cotejar la imagen entrante contra una base de datos que contiene registros históricos de diferentes rostros. 5. Aprendizaje: Si el emparejamiento de la imagen entrante, no coincide con alguno en la base de datos, se tendrá entonces que guardar este rostro como uno nuevo. 6. Razonamiento: Puede entrenarse el sistema para que resuelva problemas diversos cómo ¿Es un rostro criminal?, ¿Es hombre o mujer?, ¿Es joven o adulto?, ¿Qué emoción expresa? 7. Emoción: Podemos hacer que el sistema genere alarmas en caso que sea un rostro criminal por ejemplo, o hacer que el sistema genere un agradecimiento si la expresión emocional es favorable. 8. Motivación: Podemos programar el sistema para que reconozca un número determinado de rostros y si lo hace, ampliarle la memoria como recompensa o generar paralelización de tareas para distribuirlas entre diferentes unidades de computo. Casi cualquier caso de uso en inteligencia artificial, es un paralelo a los procesos psicológicos humanos. Por lo que crear sistemas inteligentes se lograría con mayor eficiencia aprovechando la enorme cantidad de investigaciones en psicología cognitiva, neuropsicología y psicología del aprendizaje disponible hasta el momento.", "author" : { "@type" : "Person", "name" : "Gabriel Contreras", "sameAs" : "", "url" : "https://blog.sinnetic.com/mexico/author/gabriel-contreras" }, "dateModified" : "26/01/2022", "datePublished" : "26/01/2022", "headline" : "¿Cómo entender la inteligencia artificial - Machine learning?", "image" : { "@type" : "ImageObject", "height" : 400, "url" : "https://fs.hubspotusercontent00.net/hubfs/8862358/Blog/inteligencia-artificial-sinnetic.jpg", "width" : 750 }, "mainEntityOfPage" : "https://blog.sinnetic.com/mexico/como-entender-la-inteligencia-artificial-machine-learning", "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://f.hubspotusercontent00.net/hubfs/8862358/web/logo-sinnetic--slogan-web.png" }, "name" : "SINNETIC LATAM", "url" : "blog.sinnetic.com" } } ```