Investigación de operaciones: el campeón oculto de la inteligencia artificial
“La investigación de operaciones significa ver el panorama completo. Nuestros programas van desde la optimización local hasta la global”, afirma Hans-Jürgen Zimmermann, economista y fundador de INFORM.
Las tecnologías basadas en Inteligencia Artificial (IA) se consideran el resumen del progreso. La IA fascina a las personas y aparece con frecuencia en los titulares. En el entorno de negocios, los métodos como aprendizaje de máquina y redes neuronales o Big Data son de conocimiento general. En cambio, la disciplina matemática conocida como investigación de operaciones (OR, por sus siglas en inglés) parece ser que pasa inadvertida.
“La investigación de operaciones significa ver el panorama completo. Nuestros programas van desde la optimización local hasta la global”, afirma Hans-Jürgen Zimmermann, economista y fundador de INFORM.
La OR no aparece en titulares y nadie se emociona por este concepto. “El término no es muy llamativo”, comenta Hans-Jürgen Zimmermann, pionero en OR. “Eso no ha cambiado mucho en los últimos 60 años”, añade. Sin embargo, la IA y la OR están relacionadas y se complementan. Sin la OR, las empresas hoy en día no podrían tomar decisiones informadas en un mundo cada vez más complejo y globalizado con infinidad de interdependencias. Sin el aprendizaje de máquina y el Big Data, la información necesaria no estaría disponible con la calidad requerida.
La OR es una herramienta de apoyo de decisiones inteligentes para personas que operan sistemas complejos. También es interdisciplinaria: los usuarios establecen una meta, ya sea mejor calidad del producto, mejor servicio, menores gastos o menores riesgos y para esto necesitan identificar todos los factores de impacto, ya sean económicos, sociales, psicológicos o físicos. Mediante técnicas matemáticas el software calcula una solución optimizada. Mientras que la IA calcula predicciones basadas en lógica para automatizar procesos, los modelos de OR ejecutan procesos y los optimizan. Hoy en día, ambos enfoques se interconectan cada vez más.
Amplio rango de aplicaciones
Esta combinación garantiza que el rango de aplicaciones en que se puede utilizar la OR sea muy amplio, ya sea ahora o en el futuro. Tanto en ámbitos como producción, logística, transporte público, salud, energía, educación y política, las aplicaciones de OR determinan más aspectos cotidianos de lo que muchos creerían. Al modelar distritos electorales equilibrados, organizar horas médicas confiables para hospitales, calcular secuencias de producción eficientes para fábricas o planificar rutas de entrega más rápidas para transportistas, su uso es altamente necesario y es complejo imaginar todas estas situaciones cotidianas sin OR y sus algoritmos y modelos matemáticos.
A pesar de que actualmente la disponibilidad oportuna de datos se usa para entender mejor los procesos de negocio, también hay mayor conciencia sobre lo indispensable que son los algoritmos y las matemáticas para tomar las mejores decisiones posibles basadas en este conocimiento. Así, “aunque el término “OR” no está en boca de todos, se ha vuelto el campeón oculto de la IA”, agrega el fundador de INFORM.
Primer software estándar
A finales de 1970 INFORM desarrolló uno de sus primeros productos estándar dentro del contexto de optimización de transporte interno. En la actualidad, el software SyncroTESS optimiza procesos logísticos de transporte de numerosas industrias, desde la logística de construcción y gestión de contenedores, hasta la gestión de patios para grandes fabricantes de vehículos. En 1991 el software también se utilizó por primera vez en el aeropuerto de Frankfurt para gestionar los complejos procesos de ground handling de las aeronaves. El ingreso a la industria de la aviación también marcó el comienzo de INFORM como un competidor global. Hoy en día, bajo el nombre de GroundStar, el sistema de INFORM gestiona hasta 20.000 vuelos al día en más de 170 aeropuertos en el mundo.
Este tipo de sistemas demuestran cómo la combinación de Big Data, estadística y aprendizaje de máquina con algoritmos de optimización de OR ofrece nuevas posibilidades de aplicación y brinda apoyo a distintas empresas en sus procesos de transformación digital. En la actualidad, los datos se crean cada segundo: fábricas, comercios, universidades, bibliotecas y hospitales producen datos constantemente. Lo positivo de esto es que mientras existan más datos disponibles, mejor es el funcionamiento de herramientas basadas en OR y más amplio es su rango de aplicación.