Colaboración cognitiva: la clave para beneficiarse de la transformación digital

José Carlos Martín Marco    13 febrero, 2020

Antes de referirme a las posibilidades de la colaboración cognitiva, la pondré en contexto. Según un informe reciente de KPMG, en 2019 en todo el mundo las empresas se gastaron 1,25 trillones de dólares en proyectos de transformación digital. Sin embargo, según McKinsey solo el 16 por ciento de las empresas han visto los beneficios de dicha transformación digital. ¿Por qué?

El futuro del trabajo y la importancia de cómo trabajan las personas

Con esta pregunta clave comenzaba una de las sesiones del evento Cisco Live 2020, a la que asistí hace dos semanas en Barcelona, titulada “Colaboración cognitiva: el futuro del trabajo está aquí!”. La respuesta, según el ponente, hay que buscarla más allá del éxito en la digitalización de los procesos y la información de la empresa. El factor determinante son las personas.

Los beneficios reales de la digitalización llegan de la mano de la mejora que ésta produce en cómo trabajan las personas. Y es que, aunque según un informe de Alfresco el 83 por ciento de los empleados depende de la tecnología para colaborar, el 59 por ciento de ellos encuentra problemas a la hora de hacerlo con las actuales herramientas que le proporciona la empresa.

Para destacar aún más la importancia de las tecnologías que facilitan la colaboración en la empresa, en la presentación se mencionó también un informe de Futurum, que resalta que para el 63 por ciento de los ejecutivos encuestados la mejora de la colaboración entre empleados es el factor más relevante de la transformación del puesto de trabajo. La propuesta de Cisco para lograrlo se llama colaboración cognitiva y, en ella, la inteligencia artificial y la seguridad juegan un papel fundamental, como se mostró durante la sesión.

Aportaciones de la inteligencia artificial a la colaboración

En este blog ya hemos escrito sobre cómo la inteligencia artificial puede facilitar la colaboración entre empleados tanto a título personal como en reuniones. Entre las novedades que se mostraron en esta edición de Cisco Live destaco las siguientes por el impacto que creo que pueden tener:

La primera se refiere a tener información de contexto acerca de con quién estamos reunidos, lo que Cisco llama people insights. Esta característica permite visualizar a los asistentes a una reunión antes y durante la misma la información pública que el resto de participantes haya publicado en abierto en las distintas redes sociales. Esto ayuda a conocerlos un poco mejor, lo que puede resultar útil a la hora de construir un mensaje más apropiado para el interlocutor.

La segunda mejora se refiere a una compra reciente de Cisco, Voicea, cuyo servicio de transcripción de voz se incorporará a los productos de colaboración. Las principales ventajas serán un mejor seguimiento posreunión de los distintos puntos abordados, con la consecuente mejora de productividad, que Voicea estima en un 30 por ciento. Próximamente será posible la transcripción completa de los encuentros, un resumen de los aspectos tratados más importantes, identificación de la persona que habla, traducción en tiempo real, etc.

Espacios de reunión más inteligentes: IoT y la colaboración se integran

Otro de los mensajes importantes del Cisco Live! en relación con la colaboración tiene que ver con hacer los espacios de reunión más inteligentes. No solo para facilitar la colaboración entre quienes se reúnen, sino también a la hora de tomar decisiones en cuanto a métricas de utilización de las salas, obtener información sobre su disponibilidad o mejorar el sistema de reservas.

Tradicionalmente la resolución de todas estas cuestiones ha requerido la instalación de componentes adicionales a los equipos de videoconferencia, como pantallas táctiles para la reserva, sensores de presencia, luminosidad, temperatura, optimización de energía, control domótico, etc.

La nueva solución de Cisco en este sentido dota al propio equipo de videoconferencia de los sensores y capacidades necesarias para no necesitar componentes adicionales. De esta forma, se integran el mundo de Internet de las cosas (IoT) con la colaboración. En el evento pude comprobar algunos ejemplos en uno de los salones para desarrolladores (DevNet) y cómo los equipos de videoconferencia pueden implementar soluciones personalizadas gracias a sus API.

Por último, en el área “World of solutions”, asistí a distintas demostraciones de los nuevos dispositivos de videoconferencia que han lanzado para distintos segmentos: Webex Desk Pro, Webex Room Panorama y Webex Room USB. Respectivamente ofrecen soluciones de videoconferencia personal de escritorio, de sala de reuniones de altas prestaciones y sala de tamaño pequeño o medio equipada solo con una pantalla. Todas ellas incorporan capacidades de inteligencia artificial que, como señalaba al principio, conforman la solución de colaboración cognitiva de Cisco.

Imagen: thinkpublic

Una radio cada día más inteligente gracias a la IA

Elena Selgas Carvajal    13 febrero, 2020

Actualmente contamos con la presencia de radios online y podcast que han revolucionado el sector de la radio adaptándose a los nuevos hábitos de consumo. En este post vamos a conocer qué puede aportar la Inteligencia Artificial al futuro de la radio y si conseguirán las nuevas tecnologías eclipsar por completo a la radio tradicional.

La radio surge a finales del siglo XIX, revolucionando el mundo de las comunicaciones, como una alternativa inalámbrica del telégrafo. La idea inicial era utilizar el invento como una ventaja militar que permitiese retransmitir información incluso desde mar abierto. Unos años después pasó a utilizarse como forma de llevar información, entretenimiento y música a las masas.

En 1906 se realiza la primera retransmisión radiofónica desde Massachusetts, donde los oyentes pudieron escuchar “Oh Holy Night” y unos pasajes recitados de la Biblia. Desde entonces hasta ahora la radio ha sufrido una gran evolución.

Hábitos de consumo

En los últimos 10 años todos los medios de comunicación han tenido que redefinir sus estrategias de contenido y publicidad debido a la presencia de internet en sus campos. Todo esto ha supuesto un gran cambio para la radio en concreto. También ha sido una oportunidad, no sólo para los oyentes sino también para los aficionados y profesionales que tienen la posibilidad de crear sus propias radios de forma fácil y económica.

Con la llegada de las radios online, las plataformas como Spotify, Apple Music o Prime Music y los podcasts, el consumo de la radio tradicional ha disminuido, sobre todo entre los más jóvenes. Pese a esto, la radio continúa siendo un medio de comunicación masivo, que conservando su canal tradicional de retransmisión, ha conseguido aprovechar las nuevas oportunidades para ampliar su alcance, sin perder su esencia.

Es muy cómodo elegir qué queremos escuchar en cada momento, pero también lo es el darle a un botón y escuchar directamente lo que otros han decidido que se emita en una cadena. Esta elección ya depende de las circunstancias y de lo que le apetezca a cada persona en cada momento.

IA elige el contenido de la radio

Algunos profesionales de la industria piensan que la IA puede hacer un muy buen trabajo a la hora de elegir el contenido que los oyentes quieren escuchar. Sin embargo, otros defienden que el papel del programador humano es absolutamente esencial en esta selección de contenido y posterior retransmisión.

Brian Kamisky, presidente de Revenue Operations and Insights para iHeartMedia, defiende que la creación de contenido para la radio se reduce a crear una experiencia que construya un vínculo con los oyentes y los mantenga entretenidos, informados y con ganas de volver para escuchar más. La IA debe utilizarse de una manera responsable, pero manteniendo y mejorando los elementos humanos.

“No deberíamos estar buscando formas de reemplazar el elemento humano.”

Brian Kamisky

En iHeartMedia se utilizan algoritmos para elegir qué música se reproduce y qué combinaciones de contenido se programan, pero sin perder la intervención humana, que valide la decisión final sobre qué se retransmite. Existen actualmente soluciones de IA y Machine Learning que se dedican a ayudar en la creación de composiciones musicales, pero la calidad de estos productos es subjetiva. La selección de lo que el público quiere escuchar va a requerir, por lo menos, de la aprobación humana.

“La tecnología estará ahí para ayudarnos a clasificar las grandes cantidades de contenido que se están produciendo y nos hará más eficientes en ese proceso.”

Brian Kamisky

Una radio inteligente con IA

Varias compañías han querido innovar creando radios que cuentan con ayuda de la Inteligencia Artificial. A continuación, tenemos dos ejemplos que utilizan esta tecnología en diferentes aspectos.

En primer lugar, Worldcast systems, una empresa que se dedica a diseñar y desarrollar equipos de retransmisión innovadores de radio y televisión en todo el mundo, presenta la primera Inteligencia Artificial para radio FM, SmartFM. A través de la IA se implementa un algoritmo que es capaz de adaptar en tiempo real la potencia de emisión en función de diferentes variables de la señal que entra en el transmisor.

Con esta nueva tecnología pretenden:

  • Mejorar la experiencia de escucha para los oyentes
  • Reducir los costes energéticos entre un 10 y un 40%
  • Reducir las emisiones de CO2

Por otro lado, la empresa de comunicación Uniform Communications, presenta Solo, una radio digital inteligente que interactúa con las personas. Escaneando las caras es capaz de determinar su estado de ánimo y encontrar una canción que se identifique exactamente con cómo se siente cada persona.

Solo funciona a través de Spotify y un análisis de las características faciales de la persona que se sitúa en frente del dispositivo. Aprovecha que la plataforma ya tiene categorizadas sus canciones por estados de ánimo. Los diseñadores de Uniform predicen que la tecnología, que ya es capaz de reconocer esas características atípicas, irá mejorando a medida que avancen los algoritmos.

El futuro de la radio tradicional

¿Serán capaces todas estas novedades tecnológicas de reemplazar a la radio tradicional? Pese a todas estas innovaciones la radio tradicional parece insustituible. Isaac Moreno, presidente del Foro de Radio Híbrida, explicaba en la feria BITAM 2018.

“Es analógica, lo sé, pero es la reina de la radiodifusión, no sólo en España sino en Europa. Algunas razones son su ubicuidad, sencillez de uso, privacidad, seguridad, control de todo el tramo de distribución y su gratuidad.”

Isaac Moreno

Muchos expertos coinciden en que, pese a que la Inteligencia Artificial y las nuevas tecnologías pueden aportar muchas mejoras e innovaciones a la radio, la presencia humana es, y siempre será, fundamental en este medio a la hora de conectar y lograr empatizar con el oyente.

Para mantenerte al día con LUCA visita nuestra página web,  suscríbete a LUCA Data Speaks o síguenos en Twitter, LinkedIn y YouTube.

Innovación tecnológica: 7 ejemplos que se benefician de la inteligencia artificial

Carlos Rebato    12 febrero, 2020

La innovación tecnológica se vale de muchas áreas disruptivas para modificar positivamente nuestras vidas. En la actualidad una de las que genera más impacto es la inteligencia artificial (IA). A continuación, presentamos siete ejemplos de la utilidad de la inteligencia artificial y cómo contribuye a mejorar nuestras vidas.

1. Inteligencia Artificial para innovar en eHealth y detectar el cáncer de mama

Varias universidades del mundo, entre ellas la Universidad de Valencia en España, entrenan redes neuronales artificiales que utilizan machine learning para realizar diagnósticos más precisos.

Investigadores del Instituto de Física Corpuscular (CSIC-UV) y de la Universidad Politécnica de Valencia participaron en este sistema. Aplicando IA se reduce el número de falsos positivos. La fiabilidad de detección es cercana al 90%, la más alta en este tipo de sistemas.

2. Impacto en el crecimiento económico

La inteligencia artificial tiene el potencial de generar innovación tecnológica que hace uso de la robótica y el Internet de las Cosas (IoT). Esto se traduce en el aumento del crecimiento económico en 1,7 puntos en 16 sectores industriales y de servicio, según informe de Accenture.

3. Impulso del emprendimiento, las pymes y las empresas SMART

La innovación tecnológica es una característica de las empresas SMART. En estas entidades la definición de objetivos medibles es fundamental. Los pequeños emprendimientos y las pymes también se apoyan en tecnologías para diferenciarse de la competencia.

Los modelos de inteligencia artificial, machine learning e inteligencia de negocios son útiles para impulsar a las empresas mediante objetivos SMART. Los objetivos inteligentes son relevantes porque dirigen los esfuerzos estratégicos, las campañas y determinan cuáles estrategias son más eficaces.

Gracias al uso de tecnologías innovadoras, las empresas inteligentes o SMART identifican objetivos con estos atributos:

  • Específicos (Specific)
  • Medibles (Measurable)
  • Alcanzables (Achievable)
  • Realistas (Realistic)
  • Temporales (Time)

Según el MIT Technology Review algunas de las empresas más inteligentes son, entre otras:

  • Nvidia
  • SpaceX
  • Amazon
  • IFlytek
  • Kite Pharma
  • Intel
  • Apple
  • Merck
  • Tesla
  • Adidas

4. Mejora de la movilidad e infraestructuras más inteligentes en las Smart Cities

Aprovechando el potencial de la computación en la nube, el IoT y la inteligencia artificial se mejora la infraestructura urbana. También se perfecciona la atención ciudadana y a los servicios de seguridad, haciéndolos más eficientes.

Proyectos basados en Azure Digital Twins de Microsoft, que incluyen computación en la nube, inteligencia artificial e IoT conectan personas, lugares y dispositivos.

Las soluciones que se desarrollan incorporan innovaciones basadas en transformación digital para abordar problemas comunes:

  • Mejorar la movilidad urbana
  • Construir infraestructura inteligente y más eficiente.
  • Mejorar la atención al ciudadano e incentivar la ciudadanía digital
  • Incrementar la seguridad y prevención.

Un ejemplo en busca de crear ciudades inteligentes y con mejor calidad de vida es el Smart City Expo World Congress.

5. Aplicaciones inteligentes y asistentes virtuales en la palma de la mano

La inteligencia artificial y el machine learning incorporados en chatbots y apps inteligentes representan oportunidades de innovación tecnológica. Incorporados en soluciones desarrolladas para dispositivos móviles, personalizan los servicios a disposición de los clientes.

Algunas de las aplicaciones en donde la tecnología artificial potencia la transformación digital incrementando la competitividad incluyen:

  • La captura de datos del comportamiento de los clientes mediante chatbots y sus análisis mediante IA e inteligencia de negocios.
  • Atención a clientes en forma automatizada y personalizada, con retroalimentación (feedback) en línea.
  • Procesos de selección de RRHH, identificando candidatos y personal óptimo para lograr los objetivos y mejorar la productividad de empresas.

6. Biotecnología, nanobots y nuevos productos

Sectores como alimentación, medicina, generación de energía y seguridad son algunos de los sectores que se benefician de la creación de nuevos productos y de la biotecnología.

Tejidos auto-limpiantes y órganos artificiales impresos en 3D son ejemplos concretos de los beneficios de los nuevos productos. También están los tejidos capaces de replicarse y sanar más rápido, y las pinturas que ahorran energía.

Los sistemas electrónicos también se favorecen mediante el uso de nanoelementos que incrementan la velocidad de los dispositivos. Sin duda, otro beneficio de estas tecnologías con el ahorro energético y el aumento de la capacidad computacional.

7. Modelos inteligentes de recomendación empresarial

Incluir habilidades analíticas y predictivas a partir de la aplicación de la inteligencia artificial y el big data mejora los sistemas de recomendación empresarial.

La inteligencia de negocios (business intelligence (BI)) aprovecha los beneficios de la integración tecnológica con habilidades analíticas y de aprendizaje.

Los modelos inteligentes de recomendación basados en BI facilitan la extracción, modelado, visualización y evaluación eficiente de datos.

Los algoritmos de machine learning también se utilizan en estos sistemas para predecir y determinar servicios o productos a ofrecer. Poder aplicar la innovación tecnológica en la gerencia empresarial redunda en enfoques innovadores de gestión. El objetivo es desarrollar habilidades críticas para la toma de decisiones apoyados en la inteligencia.

Photo by Franck V. on Unsplash

Descubre la relación entre las redes neuronales artificiales, la inteligencia artificial y el eHealth

Carlos Rebato    12 febrero, 2020

Las redes neuronales artificiales (RNA) son modelos de la inteligencia artificial que se inspiran en el comportamiento de las neuronas y las conexiones cerebrales para resolver problemas. Para entender mejor el concepto, tenemos que iniciar por responder dos preguntas. ¿Qué es la inteligencia artificial? ¿Qué es una red neuronal?

La inteligencia artificial (IA, en inglés AI o Artificial Intelligence) es una rama de la ciencia de la computación que se ocupa de modelar la conducta inteligente. Los sistemas de IA utilizan algoritmos y modelos para analizar, organizar, procesar y convertir datos. El objetivo es obtener información útil para la toma de decisiones.Una red neuronal es un modelo simplificado que simula cómo los cerebros de los seres vivos, en especial el humano, procesa información.

Funcionamiento de las redes neuronales artificiales

Las redes neuronales artificiales (en inglés, ANN, Artificial Neural Networks) se inspiran en el sistema nervioso y el comportamiento biológico, creando un sistema de interconexión en capas de neuronas artificiales que colaboran para procesar datos de entrada y generar salidas.

Como modelo computacional, las RNA utilizan grafos y funciones, conformadas por elementos de proceso (EP o nodos) y conexiones (enlaces). Procesan entradas y generan salidas que ayudan a resolver problemas. En algunos modelos se utiliza memoria local en los nodos o elementos de proceso. Los nodos y conexiones de la red neuronal se organizan en capas.

Fuente: Fernando Sancho Caparrini, (2018)

Utilidad de las redes neuronales artificiales

Las redes neuronales se diferencian de otros modelos de IA en tener la capacidad de aprender en forma automática. Este proceso también es conocido como machine learning o aprendizaje de máquina.

Algunas de las aplicaciones generales de las redes neuronales artificiales son:

  • Sistemas inteligentes para la toma de decisiones en la gestión empresarial.
  • Predicción.
  • Reconocimiento de tendencias.
  • Reconocimiento de patrones y gestión de riesgo, aplicados por ejemplo en la detección de fraude.
  • Artefactos inteligentes con capacidad de aprendizaje, por ejemplo, los homepods o altavoces inteligentes.
  • Hogar inteligente o domótica.
  • Sistemas de visión computacional y detección.
  • Vehículos autónomos y energías renovables.

Usos exitosos de redes neuronales artificiales

Captar clientes mediante el envío manual de mensajes de correo electrónico es un proceso que puede ser poco eficiente. Microsoft utilizó el software de red neuronal BrainMaker para determinar cuáles son los clientes más probables en convertirse en compradores, tras recibir correos de campañas de e-marketing.

Se utilizaron como datos la fecha de la compra, la cantidad y el tipo de producto  adquirido. Microsoft aumentó del 4,9 % al 8,2 % la tasa efectiva de respuesta al correo directo. Esto implica para la empresa una campaña más efectiva de mercadeo, obteniendo los mismos ingresos con 35 % menos de costos.

En finanzas, la predicción del valor futuro de bonos y otros instrumentos de inversión es una tarea especializada. Investigadores de la Universidad de Stanford en Palo Alto, California, han aplicado para esta tarea sistemas de predicción híbridos. Combinan redes neuronales artificiales y varias modalidades de machine learning para mejorar la predicción del valor futuro de bonos.

Las mejoras se reflejan en obtener predicciones con un margen de error de tan solo 78 céntimos de euro, con cálculos que apenas requieren segundos. Las predicciones sin uso de RNA a disposición de un agente de bolsa pueden llegar a tardar hasta 15 minutos luego de una transacción.  

Redes neuronales artificiales en servicios inteligentes de salud (eHealth)

Las aplicaciones de las redes neuronales en la medicina y la atención de la salud son diversas.

Es un área disruptiva en donde se combinan las ciencias de la salud, de la computación y la inteligencia artificial. La eSalud, o eHealth, es la aplicación de las tecnologías de la información y de la comunicación en apoyo de los campos de la salud, sus profesionales y usuarios.

El ehealth ha sido implementada exitosamente en casos asociados con:

  • Asistencia sanitaria virtual.
  • Sistemas de predicción en salud utilizando RNA y big data.
  • Predicción de resultados en cirugía cardíaca.

Un ejemplo es el uso de IA y RNA en sistemas de ayuda a la identificación de enfermedades y diagnósticos. Estos sistemas contribuyen a la toma de decisiones y mejoran la calidad de la atención a los pacientes.

El uso de algoritmos para la clasificación de enfermedades y la predicción de mortalidad hospitalaria, que incluyen redes neuronales, tienen una precisión entre el 81,7 % y el 99,8 %, según resultados de la investigación doctoral de Ana Monsalve en la Universidad de Alicante, España.

Photo by Amanda Dalbjörn on Unsplash

IoT ayuda a reducir el cambio climático

Beatriz Sanz Baños    12 febrero, 2020

Casi sin darnos cuenta estamos integrando Internet of Things en nuestras acciones cotidianas, pero también en nuestro trabajo. Haber aplicado la hiperconectividad de una manera tan natural a nuestra vida y nuestro trabajo hace que también llegue a los sectores más amplios, como nuestras empresas y sus estrategias empresariales. Incluso lo estamos enfocando más allá para ayudar a minimizar problemas graves como el cambio climático.

Pero, ¿cómo es esto posible? La clave está en fijarse en una de sus principales ventajas: la eficiencia. Eficiencia no sólo significa hacer las cosas más rápido y mejor, sino también con menos recursos.

Uno de los principales factores que está acelerando el cambio climático es el excesivo consumo energético que la sociedad utiliza día a día. Sin ir más allá, los gastos derivados  de comunidades con calefacción central o el de centrales eléctricas generan una gran cantidad de contaminación, como las emisiones de dióxido de carbono.

Entonces, ¿es posible reducir el consumo de energía sin sacrificar nuestro bienestar? Sí, es posible. Hay que entender que gran parte de este gasto energético excesivo no está provocado  sólo por la necesidad, sino también por una gestión ineficiente y sin previsión. Se consume más de lo que se necesita por un escaso o escaso análisis de datos.

El excesivo consumo energético  está acelerando el cambio climático

Aquí es donde IoT, unido al Big Data, nos ofrece una solución: la red de información en tiempo real, rápida y eficaz que nos permite conocer los distintos niveles de consumo de energía y, a su vez, facilita el análisis de los puntos de mayor consumo.

Sin embargo, este problema y solución no se aplican sólo a la industria de la energía. Desde el flujo de agua hasta la distribución de alimentos todas las industrias pueden beneficiarse de la comentada red de sensores y dispositivos conectados. IoT tiene el potencial de reducir el desperdicio de recursos a escala global.

Aunque reducir la contaminación es un paso importante en la lucha contra el cambio climático también es importante que cuidemos de la salud de la naturaleza. Nuestros actos están causando que la flora y la fauna de muchas zonas enfermen y este es otro de los ámbitos donde Internet of Things puede proporcionar una ayuda muy valiosa.

La monitorizacion de la naturaleza nos permite monitorizar de manera constante la fauna y la flora y prevenir su deterioro

De la misma manera que para garantizar la recuperación de un paciente enfermo la clave es  una monitorización constante del mismo, con la naturaleza ocurre exactamente lo mismo. Utilizando sensores no intrusivos estratégicamente colocados, podemos monitorizar el estado de los animales y las plantas de la zona de manera constante y en tiempo real para saber dónde necesitamos actuar con urgencia. Estos sensores IoT pueden incluso avisar de que está sucediendo un incendio y generar una  alarma en un Centro de Control.

Estamos llegando a un punto crítico con el cambio climático. Los esfuerzos individuales no bastan para reducirlo, se requiere un esfuerzo conjunto, coordinado, o en otras palabras conectado para buscar una solución. IoT puede marcar una diferencia muy importante para que la balanza se incline del lado del planeta. 

La innovación en España, un reto para las empresas públicas y privadas

Mario Cantalapiedra    12 febrero, 2020

El Índice de Innovación Bloomberg (Bloomberg Innovation Index) ofrece una clasificación de los países más innovadores del mundo.

En su octava edición, correspondiente a 2020 y recientemente publicada, la compañía estadounidense especializada en información económica ha analizado más de 200 economías teniendo en cuenta siete categorías. El resultado final es la publicación de una lista con las 60 economías más innovadoras.

En esta ocasión, el ranking lo encabeza Alemania, seguida por Corea del Sur, Singapur, Suiza y Suecia.

Para encontrar a España, tenemos que descender en la lista hasta la posición 33.

Lo cierto es que a simple vista puede chocar una clasificación tan baja para una economía como la española, cuyo Producto Interior Bruto (PIB) nominal es el decimotercero a nivel mundial. Sin embargo, a efectos de innovación el peso relativo de nuestra economía parece ser mucho menor.

Las siete categorías de Bloomberg

A continuación detallo las siete categorías que considera Bloomberg para formar el Índice de Innovación, cada una de ellas con su correspondiente ponderación; el top cinco de países mejor situados en cada caso; así como la posición que ocupa España:

1. Intensidad en I+D

El primer indicador mide el porcentaje de PIB que dedica un país a investigación y desarrollo (I+D).  Este apartado lo encabeza Israel, seguido por Corea del Sur, Suiza, Suecia y Japón, mientras que España aparece en la posición 31.

2. Valor añadido en la industria

En este caso, se mide el valor añadido por la industria de cada país como porcentaje sobre PIB nominal y per cápita. El primer lugar lo ocupa Irlanda, seguida por Singapur, Corea del Sur, Alemania y Japón. España aparece en el puesto 30.

3. Productividad

Esta categoría mide el nivel general de productividad de la población que se encuentra en edad laboral. De nuevo el primer puesto es para Irlanda, seguida por Macao, Islandia, Singapur y Noruega. En cuanto a España, ocupa la posición 34.

4. Densidad de empresas públicas de alta tecnología

Se analiza el número de empresas públicas de alta tecnología en relación al total de empresas públicas nacionales y al total global de empresas públicas de alta tecnología.

Estados Unidos, Francia, Alemania, Corea del Sur e Israel lideran esta clasificación, mientras que España figura en la posición 44, siendo su peor resultado parcial.

5. Inversión en educación superior

Se evalúa el nivel educativo del país midiendo el total de matrículas en la universidad como porcentaje de las personas que terminan estudios secundarios, el porcentaje de la mano de obra que tiene estudios universitarios, así como los graduados en carreras técnicas (ciencias e ingeniería) sobre el total de graduados y como porcentaje de la mano de obra.

Singapur es el país que más invierte en esta materia, seguido por Lituania, Islandia, Portugal y China. En este caso, España obtiene su mejor resultado parcial apareciendo en el puesto 18.

6. Concentración de investigadores

Se refiere a los profesionales inmersos en tareas de investigación y desarrollo por número de habitantes.

Dinamarca lidera el ranking, seguida por Israel, Suiza, Islandia y Corea del Sur. En el puesto 26 podemos encontrar a España.

7. Actividad de patentes

Finalmente, para medir esta actividad se tienen en cuenta, entre otros aspectos, el número de patentes que se solicitan anualmente, las que son finalmente concedidas y las que están en vigor en relación a la población y/o el PIB, así como el crecimiento de las solicitudes a nivel internacional en términos relativos.

Estados Unidos, China, Alemania, Luxemburgo y Singapur están al frente de esta actividad, mientras que España ocupa el lugar 35.

Innovación y desarrollo económico

Con los datos anteriores a la vista, se me ocurre realizar algunas consideraciones.

Por un lado, y desde la órbita europea, resulta muy positivo constatar que Alemania está liderando la innovación en el mundo, así como que tres de los cinco primeros puestos del ranking estén ocupados por naciones europeas.

Se habla de que la innovación está girando hacia Asia, siendo muchos los ejemplos de nuevos productos y servicios que provienen de esta parte del mundo, no obstante Europa parece que está resistiendo el envite.

Por otro lado, el resultado de España se ha de considerar muy pobre en materia de innovación, lejos del que correspondería a un país con nuestro nivel de desarrollo económico.

Perder el camino de la innovación puede suponer que dicho nivel se resienta y perdamos protagonismo económico a nivel global. Porque, como decía Steve Jobs, “la innovación es lo que distingue al líder de sus seguidores”.

El fraude del CEO: fake news y deepfake en el ámbito empresarial

Rubén García Ramiro    12 febrero, 2020

Las fake news (noticias falsas o bulos) son una de las principales amenazas que los CISO deberían tener en su radar por el riesgo que suponen como herramienta para atacar la reputación de las empresas y sus ejecutivos.

Y, como la tecnología no descansa, podríamos decir no solo que su pronóstico se ha cumplido, sino que lo hemos visto evolucionar al deepfake.

De la fake news al deepfake

El deepfake es como el “ultrafalso”. Se trata de una herramienta que va un paso aún más allá que las fake news para erosionar la reputación. Tiene su origen en el ámbito político pero, debido a su poder de manipulación y sus efectos, se está trasladando al mundo empresarial, en el que impactará con pérdidas millonarias.

La “zona cero” de las fake news varía según los distintos medios, pero personalmente creo que el punto de inflexión por el impacto político que tuvo fue el 23 de mayo de 2019. Tan solo dos meses después de la entrevista en este blog a la que me refería al comienzo, el presidente del gobierno de los Estados Unidos, Donald Trump, viralizaba un vídeo de Nancy Pelosi, presidenta de la Cámara de representantes, en el que podría dar la sensación de estar en estado de embriaguez. Este vídeo que el propio presidente viralizó estaba manipulado. Según un perito informático, en él se reducía la velocidad hasta en un 75 por ciento con el fin de trasmitir una “comunicación entorpecida” que menospreciaba a la protagonista.­­

¿Qué es exactamente el deepfake?

A lo largo del año pasado vimos cómo comenzaba a aparecer en titulares el deepfake, que básicamente es un modelo de aprendizaje automático que se utiliza para crear audio y vídeo realista pero falso o manipulado. Los primeros ejemplos de deepfake que pudimos ver eran, sobre todo, caras superpuestas sobre personajes famosos o de cierta reputación.

Para que os hagáis una idea del proceso, por un lado se cargan cientos de fotos de la persona sobre la que se hace el truco y, por otro, cientos de fotos o vídeos de la que suplanta a la anterior, y después se procesan. Cuantas más fotos y vídeos, mejor calidad, y cuanta mayor calidad, el coste computacional de procesamiento crece. He hecho la prueba: un vídeo deepfake de 45 segundos, con unas 100 fotos de cada personaje, supone un procesamiento de cinco horas de un portátil estándar.

La calidad resultante es de bastante baja calidad y se puede distinguir razonablemente como ilegítimo, pero nos sirve para entender el potencial impacto que esta nueva tecnología podría tener en nuestra capacidad de discernir los hechos de la ficción.

Hasta la fecha, la mayor parte de la deepfake se ha centrado en su potencial para campañas de desinformación y manipulación masiva, alimentadas a través de las redes sociales. Pero dicha tecnología no solo se centra en la suplantación de caras en vídeos, sino que también emplea cambios de voz, lo que permite que se pueda poner cualquier cosa en boca de cualquier persona.

Pero ya no solo eso… Imaginad la combinación de las deepfakes con uno de los métodos de ataque más conocido: el spearphishing, que básicamente consiste en ataques dirigidos a empleados de alto nivel para tratar de engañarlos para la realización de una tarea. La finalidad, por ejemplo, podría ser el pago de una factura falsa, el envío de un documento confidencial o la concesión de credenciales a un usuario. Este tipo de ataque de ciberseguridad resulta más difícil de detectar desde una perspectiva tecnológica, ya que el correo electrónico que lo desencadena no suele contener enlaces o archivos adjuntos sospechosos.

El fraude del CEO 2.0

Deepfake tiene la capacidad de sobrealimentar estos ataques y puede generar el fraude del CEO 2.0, que ya incluso ha salido en los medios. Imaginad que recibís un correo electrónico del CEO de vuestra compañía en el que os pide vuestra participación en alguna acción financiera (normalmente se trata de un ataque dirigido a gente de menor rango, pero con pocos grados de separación); después os llega un mensaje de texto del número móvil del CEO y, finalmente, un correo con una nota de voz del CEO, que hace referencia a las comunicaciones anteriores. Llega un momento en el que el ataque rompe la barrera de la verdad y el receptor acepta la solicitud como real y auténtica. Tras la insistencia y oír su propia voz, el empleado no considera la posibilidad de que la orden del CEO sea falsa ni se le pasa por la cabeza desautorizarlo.

Estoy convencido de que conforme avance la tecnología deepfake y dispongamos de equipamiento más potente podremos llegar a ver videollamadas con quien creemos que es nuestro CEO pero que, en realidad, será un vídeo falso creado en tiempo real. 

El remedio: «Zero Trust»

Esta amenaza en el horizonte genera un nuevo frente que requiere que la ciberseguridad deba evolucionar también. Actualmente no hay un escudo efectivo para defenderse del deepfake, si bien ya se están haciendo progresos, como el Deepfake detection challenge. Recientemente Twitter también ha anunciado que tomará medidas. De momento, el único remedio es la concienciación, el espíritu crítico y educación por parte de los usuarios frente a estos nuevos tipos de ataques. Habrá que estar alerta ante cualquier comportamiento sospechoso o fuera de lugar por parte del destinatario, por mínima que sea la sospecha. Es el “Zero Trust” como mantra en ciberseguridad.

Foto de Ordenador creado por freepik – www.freepik.es

Informe de tendencias: Ciberamenazas Hacktivistas 2019

ElevenPaths    12 febrero, 2020

El Informe de Ciberamenazas Hacktivistas es un informe analítico que recoge el escaneo periódico del comportamiento de la amenaza hacktivista en cinco anillos de observación: Europa y Reino Unido, Norteamérica, Latinoamérica, MENA/Asia, y África, donde se realiza una descripción de las operaciones hacktivistas y ciberataques más significativos, la caracterización selectiva de las identidades hacktivistas a las que se atribuye la autoría de las acciones, y un análisis enfocado de las estructuras, infraestructuras, intenciones y capacidades de las identidades hacktivistas.

En este resumen adelantamos lo más destacado del año:

Ciberamenazas Hacktivistas en Europa

La ciberamenaza hacktivista en Europa durante 2019 se ha mantenido, al igual que en resto del mundo, concentrada en ataques por desfiguración sobre webs provistas de gestores de contenidos vulnerables o de software desactualizado. Puede afirmarse que esta es la tendencia dominante globalmente con respecto a la ciberamenaza hacktivista en todos los países.

En algunos países de Europa, atacantes específicos han desarrollado ciberataques más ideológicamente motivados en la naturaleza militante del hacktivismo, adscribiendo esos ciberataques a marcos narrativos específicos desarrollados para justificar ideológicamente las acciones. En esta línea de ciberacciones ofensivas más dirigidas han destacado marcos narrativos específicos en Italia y España.

Reino Unido

En el Reino Unido se ha reproducido el patrón ya descrito para Europa de desfiguraciones principalmente sobre webs privadas probablemente explotando vulnerabilidades comunes de software, principalmente en gestores comerciales de contenidos.

Norteamérica

Las ofensivas hacktivistas en Norteamérica han estado igualmente caracterizadas durante 2019 por desfiguraciones sobre webs dotadas de software desactualizado y vulnerable, en un volumen en general menor que en otras regiones.

Entre las acciones llevadas a cabo para ilustrar este patrón pueden mencionarse la llevada a cabo en enero cuando ‘zHypnogaja’ desfiguraba dos subdominios del Massachusetts Institute of Technology, que estaban programados con el gestor de contenidos WordPress desactualizado; o en julio, la desfiguración por ‘G4mm4’ con un fichero nervo.html y su alias la web del gobierno de la ciudad de Wappingers Falls en el Estado de Nueva York, que estaba desarrollada con una versión vulnerable de Drupal; o la inyección por ‘M3sicth’ del fichero relaz.html con su alias en webs de otras tres ciudades estadounidenses, que están equipadas con un gestor de contenidos DotNetNuke vulnerable; en noviembre ‘unbid’ utilizaba su alias sobre dos subdominios alojados en la Universidad de Yale, que estaban programados con el gestor de contenidos Drupal.

Latinoamérica

Durante 2019 en Latinoamerica se han concentrado principalmente ciberataques vulnerando webs de instituciones de gobierno local y regional en varios países equipadas con software desactualizado y vulnerable, principalmente gestores comerciales de contenidos. Aparte esta pauta general, dos marcos narrativos de distinto ritmo se han sucedido ciberataques concentrados brevemente en Ecuador y en mayor medida en Chile como reacción hacktivista a climas de protesta social en ambos países, con un conato de resucitar ataques en Nicaragua que no resultó materializado en ningún escenario sostenido.

MENA y Asia

Durante 2019 la operativa hacktivista en ambas regiones se ha caracterizado, al igual en la mayoría de países afectados en otras regiones, por ataques por desfiguración sobre webs exponiendo vulnerabilidades comunes en software generalmente desactualizado.

África

En África, al igual que en Latinoamérica, el patrón principal de ataques hacktivistas viene dominado por acciones de desfiguración sobre webs que exponen vulnerabilidades comunes en software desactualizado, con la diferencia en África de que en vez de ser principalmente afectadas webs de gobiernos locales y regionales (como en Latinoamérica) lo son webs ministeriales de primera línea de gobierno.

Elementos globales

Durante todo 2019 ha sido evidente el patrón hacktivista compuesto por desfiguraciones de sitios web que exponían software desactualizado y vulnerable, seguidas esas desfiguraciones por inyecciones de contenido SEO Spam contingentes a los ataques hacktivistas por desfiguración. Este patrón ha sido protagonizado principalmente por identidades atacantes con rasgos turcos. En menor porcentaje que los contenidos SEO Spam, contingentes a las desfiguraciones también eran inyectados script en Javascript que conducen a los visitantes de las webs comprometidas a redes de distribución de contenidos maliciosos.

Informe completo disponible aquí:

Descargar informe:

ElevenPaths-Informe tendencias ciberamenazas hacktivistas 2019Download

Caso de éxito BCP: datos para reforzar la imagen de marca y aumentar el tráfico móvil

AI of Things    12 febrero, 2020

En esta campaña realizada por LUCA para el Banco de Crédito de Perú (BCP), uno de los bancos más importantes y el proveedor líder de servicios financieros integrados del país, se consiguió un 66% de conversiones y un VTR medio del 91% gracias a la solución de LUCA Advertising Data Rewards.

En este caso, el banco tenía dos objetivos principales: generar reconocimiento de marca a la vez que construía una imagen digital sólida y, en segundo lugar, impactar a su público objetivo en el canal móvil para incentivar el tráfico hacia su app y captar leads.

Esto fue posible, en primera instancia, gracias al formato Data Rewards Video, un formato que asegura altas tasas de retención de marca a través de la visualización de un vídeo publicitario a cambio de paquetes de dato; estos paquetes se consiguen tras responder correctamente a una pregunta sobre el vídeo. Con este tipo de contenido, la marca logró generar engagement, informar y dar soluciones al usuario sobre el buen uso de aplicaciones de banca.

“Con Data Rewards podemos obtener datos importantes sobre el recuerdo del anuncio mediante una pregunta al final del vídeo, para así asegurarnos de que el usuario tiene que ver el vídeo al 100% y de que estamos transmitiendo nuestro principal mensaje de una forma correcta.”

Yesenia Delgado, Digital Planner BCP

Asimismo, para generar conversiones, combinaron lo anterior con el formato Data Rewards Lead, que permite obtener usuarios interesados en el alta de un servicio a través de la información recogida.

Así pues, Data Rewards es el formato que garantiza a las marcas que su mensaje ha sido entregado, entendido y recordado. Además, a través de la segmentación de nuestros clientes en Perú, hemos conseguido llegar de forma efectiva al público objetivo de la campaña, optimizando aún más la inversión. 

En LUCA Advertising entendemos la necesidad del cliente a través de sus datos. El problema de conexión en Latinoamérica – cerca de 80% de la población consume datos prepago –  es una oportunidad para las marcas que eligen el formato de Data Rewards en sus campañas digitales.

Incrementando la intención de compra con publicidad móvil: caso de éxito de Milpa Real

Para conocer más casos de éxito de LUCA, visita nuestra página web, contacta con nosotros o síguenos en Twitter, LinkedIn o YouTube.

¿Sabes qué es la inteligencia artificial y cómo surgió?

Carlos Rebato    11 febrero, 2020

La inteligencia artificial (IA) siempre nos ha parecido una idea del futuro. Y Hollywood se ha encargado de propagar esta idea. Sagas como Terminator muestran a robot´s humanoides que piensan y razonan por sí mismos. Entonces, ¿la IA nos proveerá de máquinas que piensan y actúan como humanos? En este artículo describimos qué es la inteligencia artificial, su origen y en qué campos se aplica. ¿Estás listo?

¿Qué es la inteligencia artificial y cuál es su origen?

En la práctica, la inteligencia artificial es la simulación de procesos de inteligencia humana por parte de sistemas informáticos o máquinas. De este modo, los objetivos de la inteligencia artificial incluyen el aprendizaje, el razonamiento y la percepción. Para lograrlo, utiliza un enfoque multidisciplinario basado en matemáticas, psicología y otras áreas del conocimiento.

John McCarthy, informático estadounidense, fue el pionero de las investigaciones en IA. Acuñó el término en 1956, durante la conferencia en la universidad de Darmouth. MacCarthy respondía a la pregunta qué es la inteligencia artificial de forma muy sencilla.

Decía que la IA es “la ciencia y la ingeniería de crear máquinas inteligentes, especialmente programas de computación inteligente”. Sostenía que se podrían crear máquinas que simulen el aprendizaje o cualquier otro aspecto de la inteligencia humana.

Pero el origen de esta innovación tecnológica se remonta a 1950, cuando Alan Turing publicó su famoso artículo “Computing Machinery and Intelligence”. Turing defendía la posibilidad de emular el pensamiento humano a través de la computación. Con base en este estudio nace la “prueba de Turing”. Este test es utilizado para determinar si una computadora realmente piensa como un humano.

Tipos de inteligencia artificial

Según Frankenfeld J. (2019) existen dos tipos de inteligencia artificial: débil y fuerte. Veamos qué es la inteligencia artificial de acuerdo a estas dos categorías:

Inteligencia artificial débil

Los sistemas que realizan una actividad específica son categorizados como inteligencia artificial débil. Estos, deben ser activados a través de comando de voz o de un interruptor. Alexa de Amazon y Siri de Apple son ejemplos de IA débil. Ambos están diseñados para responder preguntas que tú les hagas.

Inteligencia artificial fuerte

Estos sistemas son más complejos. Los sistemas de IA fuerte están diseñados para sustituir por completo una actividad que suele hacer un ser humano, sin la intervención directa de este. Los autos sin conductor y los motores del buscador de Google son ejemplos de estos sistemas.

Ramas de la inteligencia artificial

Desde mediados del siglo XX, la respuesta a la pregunta qué es la inteligencia artificial ha estado mutando a medida que nacen nuevas ramas de aplicación. Entre la ramas de la IA destacan las siguientes:

Sistemas expertos

Los sistemas expertos son la rama más conocida de la IA. Según este paradigma, la inteligencia es un programa que debe funcionar sin importar si se ejecuta en la computadora o en un cerebro. La forma deductiva en que estos sistemas representan el conocimiento es a través de símbolos y reglas. En la práctica, son sistemas informáticos muy utilizados en las industrias y en la administración empresarial.

Deep Learning

Smart Panel dice que el Deep Learning o aprendizaje profundo “se define como un algoritmo automático, estructurado o jerárquico que emula el aprendizaje humano con el fin de obtener ciertos conocimientos”. Equipo Editorial Smart Panel. (10 abril de 2019).

Esta rama de la IA no requiere de reglas programadas previamente. Aquí el propio sistema es capaz de aprender por sí mismo para ejecutar una o varias tareas, previo entrenamiento.

Algoritmos Genéticos (AG)

Un algoritmo genético (AG) imita a la evolución biológica como estrategia para resolver problemas. De este modo, un algoritmo genético propone un conjunto de soluciones probables a un problema específico. Esta técnica utiliza una métrica llamada fitness que evalúa cuantitativamente cada solución.

Pero el AG no solo está diseñado para ofrecer nuevas soluciones. También puede generar mejoras a las soluciones que ya funcionan. Incluye un proceso en el que se reproducen varias soluciones y se eliminan las copias imperfectas, hasta las soluciones que resuelvan el problema.

Maching Learning

El machine learning crea sistemas que aprenden automáticamente. Se trata de una máquina que analiza datos y es capaz de predecir comportamientos futuros. Un ejemplo de esto son los algoritmos utilizados en los buscadores de Google y en la tienda virtual de Amazon. Ya contestamos la pregunta qué es la inteligencia artificial. Nos guste o no, es innegable que la IA está presente en nuestra vida cotidiana. Pero también forma parte del mundo de los negocios. De hecho, un artículo del HSBC (2018) pronostica que gracias al uso de la IA la productividad empresarial crecerá en un 40 % para 2030.