Machine learning

Machine learning (aprendizaje automático) es la técnica de construir programas que mejoran con datos. En lugar de que un programador escriba la regla ("si el cliente debe más de 60 días, marcar riesgo"), se le muestran al algoritmo miles de casos pasados con su resultado (qué clientes pagaron, cuáles no) y el algoritmo encuentra solo qué variables lo anticipan. El resultado es un modelo que, ante un caso nuevo, estima una probabilidad o una clasificación.

Los modelos de lenguaje que hoy se asocian con "IA" son una forma de machine learning aplicada a texto, pero el campo es más amplio y anterior. En una pyme aparece en el filtro de spam del correo, en la detección de fraude de la tarjeta, en el pronóstico de demanda de un sistema de stock y en las recomendaciones de Mercado Libre. Funciona bien cuando hay muchos casos históricos comparables; con pocos datos o situaciones nuevas, un modelo aprendido no tiene de dónde generalizar.

Supermercado Ejemplo tiene 3 años de ventas diarias de 4.200 artículos. Entrenó un modelo de pronóstico de demanda con esos datos más el calendario de feriados y la temperatura. Para los 300 productos frescos, el error promedio del pronóstico bajó de 28% (estimación manual del encargado) a 16%. En plata, el desperdicio de lácteos y fiambres pasó de unos $3,4 millones por mes a $2,1 millones. Para los 40 productos nuevos del año, sin historia, el modelo no sirvió y siguieron estimando a mano.

El Consultor de Gestión no entrena un modelo con los datos de la empresa: consulta y describe lo que el sistema ya tiene (ventas, stock, saldos). Donde sí interviene el aprendizaje automático es en el modelo de lenguaje que interpreta las preguntas y en el reconocimiento de texto de los comprobantes que lee el Conciliador, ambos entrenados de antemano sobre volúmenes enormes de texto y documentos.