[vc_row][vc_column][vc_single_image image=”3346″ img_size=”full”][/vc_column][/vc_row][vc_row][vc_column][vc_column_text]Por decimosexta ocasión, Ifema acogió el Congreso Internacional y Feria Profesional Expoelearning, que organiza la entidad ferial junto a Aefol y en la que participé como Director de Desarrollo In Company de IEBS mezclando conceptos como Open Innovation y Machine Learning.[/vc_column_text][vc_column_text]
El contexto actual
[/vc_column_text][vc_column_text]En mi ponencia, comencé por situar el contexto en el que estamos actualmente. Un contexto marcado por la disrupción tecnológica que vivimos en la que el Machine learning se encuentra en un momento de máxima expectación según la gráfica Hype Cycle de la consultora Garnert. Esto significa que el Machine Learning se encuentra en un momento dulce de divulgación mediática y de estudio por empresas e investigadores, pero su momento de aplicación real y de máxima rentabilidad está aún por llegar, y esto será en dos o tres años.
Además, en el contexto actual, la única constante es el cambio, y desde esta idea, sólo hay dos alternativas: 1) arriesgar y evolucionar, o bien, 2) no hacer nada, y fracasar. ¿Qué opción quieres?
[/vc_column_text][vc_column_text]
Machine Learning
[/vc_column_text][vc_column_text]Cada vez es más habitual leer u oír hablar sobre machine learning o aprendizaje automático, una rama de la inteligencia artificial que básicamente trata de lograr que las máquinas “aprendan” por sí solas.
Los avances en esta disciplina se han unido al uso de ingentes cantidades de datos para poder entrenar a estos motores y lograr resultados sorprendentes en muchos casos.
Existe otro concepto asociado al Machine Learning que es el Depp Learning, pero son diferentes. Un sistema con Machine Learning podría “aprenderse” los datos y clasificar con mayor precisión los vehículos, pero uno con Deep Learning puede “entrenarse” sobre los nuevos datos que va recibiendo. Es decir, puede emplear un diferenciador erróneo y equivocarse una vez, pero a la siguiente emplea otro para acercarse cada vez más al resultado correcto.
Google emplea Deep Learning en sus algoritmos de reconocimiento de voz e imagen, Netflix y Amazon lo utilizan para adelantarse a tus gustos y los investigadores del MIT (Instituto Tecnológico de Massachusetts) para predecir el futuro.
El Deep Learning toma conceptos básicos de la IA y los enfoca en la resolución de problemas del mundo real a partir de redes neuronales profundas que imitan la forma en que nuestro cerebro toma decisiones. Es decir, emplea los datos que conoce para tomar decisiones sobre datos nuevos. Por eso es la tecnología más similar al funcionamiento cerebral humano.
Dentro del Machine Learning, algunas de las tecnologías que están directamente implicadas son:
- Reconocimiento de voz
- Reconocimiento de emociones por voz o imagen
- Reconocimiento de objetos
- Análisis predictivo
- Itinerarios formativos adaptados a cada alumno de forma automática
[/vc_column_text][vc_column_text]
Open Innovation
[/vc_column_text][vc_column_text]La Open Innovation consiste en una forma más abierta de buscar la innovación a través de la idea de que las principales fuentes de innovación no tienen porque estar necesariamente dentro de la propia empresa, sino que existen muchas más fuentes externas y con un valor incalculable. Reflexionemos sobre la siguiente cuestión: ¿Por qué conformarnos con un equipo de 10 investigadores cuando fuera de la empresa hay miles de personas con talento capaces de proporcionarnos mejores ideas o tecnología?
La Open Innovation no desmerece el valor del talento interno de las empresas, lo que hace es sumarle talento, ideas y capacidades de fuera de ella.[/vc_column_text][vc_single_image image=”569″ img_size=”full”][vc_column_text]
Mezclando Open Innovation y Machine Learning
[/vc_column_text][vc_column_text]En base al concepto de Open Innovation, como conclusión principal de mi ponencia, expresé la idea de que las empresas de formación online tienen la oportunidad de generar gran capacidad de innovación a través de jóvenes Startups digitales con tecnología aplicable al Machine Learning.
Colaboración que puede ser en distintos formatos como por ejemplo, acuerdos de partnership, toma de participación minoritoria o adquisición. Y estos son sólo algunos ejemplos de colaboración.
La realidad actual nos dice que existe mucho talento en el ecosistemas emprendedor, y que las medianas empresas necesitan de esas capacidades para evolucionar.
PUEDES VER Y DESCARGAR LA PRESENTACIÓN DESDE ESTE ENLACE.[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column][vc_images_carousel images=”3350,3349,3348,3347,3345″ img_size=”full” autoplay=”yes” wrap=”yes”][/vc_column][/vc_row]