“El procesamiento del lenguaje natural (NLP) y los análisis basados en búsquedas son solo algunas de las tecnologías emergentes que las empresas están utilizando para conectar a sus profesionales más brillantes con los datos adecuados. No se trata de una élite particular, sino de los profesionales conocidos como trabajadores del conocimiento (Knowledge Workers), que cuentan con habilidades de liderazgo, visión estratégica y una comprensión profunda de cómo funciona el mundo empresarial, también del comportamiento de los consumidores”.

 

El contexto y el auge del NLP

Antes de adentrarnos en el contexto, debemos decir que el uso de esta tecnología integrada en las plataformas analíticas, nos ayudaa aprovechar y sacar el máximo partido al lenguaje natural para alcanzar los resultados empresariales tomando decisiones más informadas.

Cada vez que le preguntamos a Siri o a Alexa por algún tipo de contenido, se activa una compleja cadena de código de última generación. Esto les permite entender la pregunta, encontrar la información que buscamos y nos responde en un lenguaje que entendemos y que nos resulta útil. Estas capacidades solo han sido posible gracias a los avances tecnológicos de los últimos años. Hasta hace muy poco, interactuábamos con los ordenadores en un lenguaje que ellos entendían, no el común de los mortales. En consecuencia, hemos aprendido su lenguaje.

Pero ahora ellos están aprendiendo el nuestro.

La tecnología que sustenta esta revolución en las relaciones entre humanos y ordenadores es el Procesamiento del Lenguaje Natural (NLP, por sus siglas en Inglés). Y, desde hace algunos años, está transformando las actuales plataformas de BI, en formas que van mucho más allá de la simple disposición de la interfaz. Dentro de muy poco tiempo —ahora solo estamos asistiendo a la expansión generalizada y su aplicación a contexto de uso universales, y vemos algunos casos de uso que muestran solo pinceladas (muy útiles) de todo lo que podrá hacer la IA—, veremos cómo la información que transformará los negocios y cambiará la vida de las personas se descubrirá simplemente hablando con un chatbot.

Este futuro no está lejos. En cierto modo, ya estamos en esta pantalla.

 

¿Qué es el Procesamiento del Lenguaje Natural (NLP)?

Las tecnologías del procesamiento del lenguaje natural, también conocida como lingüística computacional, es la combinación de técnicas de aprendizaje automático, IA y lingüística, que nos permite hablar con las máquinas como si fueran humanos.

Piensa que hasta hace unos años, las búsquedas efectivas en Google se conseguían utilizando exactamente las palabras clave adecuadas estructuradas con términos de búsqueda booleanos: AND, OR y NOT. Para obtener el máximo rendimiento de las respuestas que deseabas de Google, tenías que conocer sus trucos, su lenguaje. Más tarde Google introdujo la búsqueda semántica. Su algoritmo aprendía asociaciones entre palabras, lo que te permitía hacerle una pregunta de la misma manera que se la harías a un amigo. Internamente, traducía esa pregunta en una búsqueda booleana estructurada que entendía, pero el proceso para ti era invisible.

Es la misma tecnología que te permite preguntarle a Siri: qué tiempo hace hoy o cuál es el vuelo más barato a Borneo mañana a primera hora, sin convertir tu idioma en “puertas” lógicas computacionales. Basta con preguntarle: “¿Cuál es el vuelo más barato a Barcelona mañana?” para que Siri “lo entienda” y “busque” en las aerolíneas vuelos desde tu ubicación a tu destino, comparando los parámetros de coste para encontrar cuál es la opción más económica o que se ajuste mejor a tu horario. Siri entiende “mañana” y “más barato” sin que tengas que especificar la fecha, o definir más barato como el precio más bajo.

Estos ejemplos son relativamente incipientes. Aunque sorprende a nuestros abuelos, para muchos, todavía pueden resultar algo frustrante la experiencia, y cuando lo son es porque la pregunta puede responderse con datos muy estructurados. Pero el objetivo de NLP es dejar obsoletas las interfaces gráficas, incluso las de usuario, para que interactuar con una máquina sea tan fácil como hablar con un ser humano.

Por otra parte, el uso del lenguaje natural en las plataformas de Business Intelligence ha transformado radicalmente la forma en que las organizaciones acceden, exploran e interpretan la información estratégica. La incorporación de tecnologías de procesamiento de lenguaje natural democratiza el BI y lo vuelve mucho más accesible y eficaz para toda la organización, independientemente del nivel técnico de los usuarios. Y tendrá enormes ramificaciones en el uso del BI y un impacto relevante en los modelos de decisiones empresariales.

 

Las tecnologías NLP democratizará los datos

La mayor consecuencia será la reducción, o eliminación completa, de las barreras de entrada al BI y al big data en general. Muchas empresas de la industria de soluciones de BI, se están dando cuenta de esta tendencia y están dando pasos para garantizar que los datos sean cada vez más fáciles de usar y de acceder. La IA Generativa (GenAI), por ejemplo, está acelerando aún más este cambio, permitiendo a los usuarios interactuar con datos complejos a través de consultas en lenguaje natural, generar perspectivas automáticamente y elaborar informes sin necesidad de grandes conocimientos técnicos. Pero aún queda camino por recorrer.

Imagínate, por ejemplo, que eres capaz de obtener respuestas a preguntas importantes en cualquier momento y lugar, con solo formular una pregunta. Al integrar un chatbot conversacional en una solución de BI, acceder a la información será tan fácil como preguntar: «¿Cómo han cambiado los ingresos en los últimos tres trimestres?”, en lugar de necesitar años de experiencia y familiaridad con el software para entender cómo formular la pregunta y obtener los datos que necesitas. Este ejemplo es muy simple, pero llegaremos a determinar con bastante precisión el número de pedidos que recibiremos cada día si ponemos en marcha determinadas acciones en nuestros productos; y no hablamos de publicidad, sino de experiencia de cliente.

También facilitará el acceso a los datos sobre la marcha, ya que se elimina la necesidad de una interfaz gráfica de usuario. Las consultas pueden hacerse mediante texto o comandos de voz en los smartphones; el procesamiento se realiza en la nube.

Google puede decirte hoy qué tiempo hará mañana. Pero muy pronto, usted podrá preguntar a su chatbot de datos personales sobre el estado de ánimo de los clientes esta mañana, y cómo se sentirán con su marca la semana que viene; todo ello mientras caminas tranquilamente por la calle dando un paseo por tu parque favorito.

El uso del lenguaje natural en BI derriba de un plumazo las barreras técnicas tradicionales y convierte el análisis de datos en una herramienta verdaderamente estratégica, transversal y al servicio de todos los usuarios

 

NLP hará que el BI sea más perspicaz

Actualmente, la NLP tiende a fundamentarse en convertir el lenguaje natural en lenguaje de máquina. Pero a medida que la tecnología madure —especialmente el componente de IA—, el ordenador mejorará en la “comprensión” de la consulta y empezará a ofrecer respuestas (inteligentes) en lugar de simples resultados de búsqueda.

Veamos algunas de sus aplicaciones en BI:

 

 

Esta integración está permitiendo ir un paso más allá de la simple formulación de las preguntas: también los usuarios podrán recibir las respuestas de esta forma.

Al principio, el chatbot probablemente responderá a cuestiones similares a esta: “¿Cómo han evolucionado los ingresos en los últimos tres meses?”. Pero no solo devolverá  unas cuantas páginas de datos para que los usuarios las analicen, sino que generarán cuadros de mando intuitivos que resuman visualmente las tendencias y perspectivas clave, proporcionando narrativas para complementar el análisis.

Pero a medida que va aprendiendo las relaciones semánticas y las inferencias de las preguntas, podrá, además, realizar automáticamente el filtrado y la organización necesarias para ofrecer una respuesta más inteligible, en lugar de limitarse a mostrar datos.

Imagínate lo potentes que se volverán los cuadros de mando cuando estén plenamente integrados con el lenguaje natural, tal y como Sisense ya lo hace: no solo formularás las preguntas en lenguaje natural, recibirás las respuestas en lenguaje natural.

 

 

NLP aprovechará los datos no estructurados

Uno de los grandes desafíos en la aplicación de NLP es ampliar el alcance de esas respuestas haciendo que los datos no estructurados sean comprensibles para una máquina.

Por ejemplo, los primeros intentos de los análisis de sentimiento ya van más allá de la detección de si un tuit habla sobre su empresa o marca, para analizar el texto que lo rodea y determinar si ese tuit es positivo, negativo o neutro. A medida que mejore el reconocimiento de voz, el audio y el video se convertirán también en fuentes cada vez más accesibles.

Aún es pronto. Piensa en el análisis de sentimiento actual como el tipo de precisión que obtienes cuando utilizas Google Translate para descifrar un artículo de noticias en alemán (un proceso que se basa en gran medida en aspectos de la propia tecnología NLP). Watson, de IBM, una tecnología de vanguardia del análisis de sentimiento, actualmente solo puede detectar alegría, miedo, tristeza, asco e ira. Los humanos sentimos muchas más emociones que estas.

Bueno, la mayoría.

Pero a medida que Watson y compañía se vuelven más matizados, la NLP abre las enormes reservas de multimedia disponible públicamente en Internet para el análisis masivo por parte de las máquinas, tomando datos que antes requerían un ojo humano para interpretarlos y arrojando respuestas cuantitativas, respuestas en lenguaje natural o ambas.

 

Contratar un asistente personal de datos

La interfaz mediante la cual se conseguirá todo esto es similar a los chatbots de atención al cliente que se ven hoy en día en muchos sitios web.

Dependiendo del programa, puede estar a caballo entre sus aplicaciones habituales, integrando análisis predictivos de BI en todos los ámbitos del negocio, ofreciendo análisis basados en datos en cada momento del día a una serie de usuarios, como los gestores de producto o los analistas de datos.

Imagine su chatbot de BI flotando en la esquina, como el viejo clip de Word (pero que ahora sí funciona), listo para responder preguntas en un chat de Slack, una reunión de Zoom o en la preparación de un evento dentro de tu agenda de trabajo.

En lugar de preguntarte: “¿Quién ha sido mi mejor vendedor este año?” y hacer clic en los datos para encontrar la respuesta, podrás simplemente hacerle esa pregunta al chatbot, y te dará la respuesta como si se la estuvieras preguntando a un amigo por Whatsapp. Esto puede ser decisivo para definir los KPIs. Además, irá aprendiendo siempre que cada lunes, a primera hora, hagas la misma pregunta.

En pocas palabras: datos disponibles al instante, en cualquier contexto y dispositivo para que todos puedan utilizar su potencia.