====== Unidad 1: Sistemas de Inteligencia Artificial en la mejora de la eficiencia operativa ====== ===== 1. Introducción ===== La Inteligencia Artificial (IA) es una disciplina que permite a los sistemas informáticos realizar tareas que normalmente requieren inteligencia humana: aprender, razonar, percibir, decidir o interactuar con el entorno. En el ámbito empresarial, la IA se utiliza principalmente para: * Mejorar la eficiencia operativa * Automatizar procesos * Optimizar la toma de decisiones * Reducir costes y errores * Incrementar la competitividad Ejemplo real: Una empresa logística como Amazon utiliza IA para optimizar rutas de reparto y prever la demanda de productos. ----- ===== 2. Principios fundamentales de los sistemas inteligentes ===== Un sistema de IA se basa en tres pilares: ==== 2.1 Datos ==== La IA necesita datos para aprender y tomar decisiones. Ejemplo: * Datos de ventas * Sensores IoT * Historial de clientes ==== 2.2 Algoritmos ==== Son las reglas o modelos matemáticos que procesan los datos. Ejemplos: * Árboles de decisión * Redes neuronales * Sistemas basados en reglas ==== 2.3 Capacidad de aprendizaje ==== Permite mejorar el rendimiento con la experiencia. --- Tabla resumen: ^ Elemento ^ Función ^ Ejemplo ^ | Datos | Materia prima | ventas, sensores | | Algoritmos | Procesamiento | red neuronal | | Aprendizaje | Mejora continua | ML supervisado | ----- ===== 3. Campos de aplicación de la Inteligencia Artificial ===== La IA se aplica en múltiples sectores: ==== 3.1 Visión artificial ==== Permite interpretar imágenes y vídeo. Ejemplos: * Control de calidad industrial * Reconocimiento facial ==== 3.2 Procesamiento de vídeo ==== Análisis automático de escenas. Ejemplo: * Sistemas de vigilancia inteligentes ==== 3.3 Reconocimiento de voz y lenguaje natural ==== Convierte voz en texto o interpreta lenguaje humano. Ejemplos: * Asistentes virtuales * Transcripción automática ==== 3.4 Asistentes virtuales y recomendadores ==== Sistemas que sugieren acciones o productos. Ejemplos: * Netflix (recomendaciones) * Chatbots de atención al cliente ==== 3.5 Ciencia de datos y Data Mining ==== Extracción de conocimiento a partir de datos. ==== 3.6 Ciberseguridad ==== Detección de anomalías y ataques. ----- ===== 4. Técnicas básicas en Inteligencia Artificial ===== Las técnicas más comunes incluyen: * Aprendizaje automático (Machine Learning) * Sistemas expertos * Lógica difusa * Redes neuronales * Inferencia probabilística Ejemplo sencillo: Un modelo que predice si un cliente comprará o no un producto. ----- ===== 5. IA y eficiencia operativa en empresas ===== La IA mejora procesos empresariales mediante: ==== 5.1 Automatización ==== Sustituye tareas repetitivas. Ejemplo: * Chatbots de atención al cliente ==== 5.2 Optimización de procesos ==== Reduce tiempos y costes. Ejemplo: * Optimización de rutas de reparto ==== 5.3 Predicción ==== Anticipa eventos futuros. Ejemplo: * Predicción de demanda ----- ===== 6. Industria 4.0 y transformación digital ===== La Industria 4.0 integra: * IA * IoT * Big Data * Robótica Ejemplo de fábrica inteligente: * sensores en máquinas * mantenimiento predictivo * control automático de calidad ----- ===== 7. Ciclo de vida del producto y sistemas PLM/PDM ===== Los sistemas PLM (Product Lifecycle Management) y PDM (Product Data Management) permiten gestionar: * Diseño del producto * Producción * Mantenimiento * Retirada La IA ayuda a: * predecir fallos * optimizar diseño * reducir costes ----- ===== 8. Actividad práctica ===== ==== Actividad 1: Identificación de IA en la vida real ==== Busca 3 empresas reales y responde: * ¿Dónde usan IA? * ¿Qué problema resuelven? * ¿Qué beneficio obtienen? Ejemplo: * Netflix → recomendación de contenido → aumenta retención de usuarios --- ==== Actividad 2: Caso empresarial ==== Una empresa de transporte quiere reducir costes. Preguntas: * ¿Qué datos necesitaría? * ¿Qué técnicas de IA aplicarías? * ¿Qué beneficios esperas? ----- ===== 9. Evaluación ===== Se valorará: * Comprensión de conceptos básicos * Capacidad de identificar aplicaciones reales * Calidad del razonamiento en casos prácticos * Uso adecuado del vocabulario técnico ----- ===== 10. Recursos ===== * Python (scikit-learn) * Google Teachable Machine * IBM Watson * Microsoft Azure AI * OpenAI APIs (ejemplos de modelos modernos)