Un día «pensaremos en el Machine Learning de la forma en que pensamos en la electricidad: es difícil imaginar el mundo sin él»,
Dijo el Jefe de Innovación de SAP Juergen Mueller en el reciente SAP TechEd Barcelona.
Bajo Mueller, SAP se ha embarcado en un viaje para llevar el Machine Learning a negocios en todo el mundo, esencialmente «electrizando» todas las aplicaciones con esta tecnología.
Para los no iniciados, el Machine Learning toma Big Data, lo ejecuta contra sofisticados algoritmos y ayuda a las aplicaciones a aprender de esta información. El poder de cálculo masivamente mejorado hace esto posible en tiempo real. Lo que es más importante, permite que las aplicaciones «piensen» y resuelvan los problemas de manera independiente – va más allá de lo que estaban explícitamente programados para hacer, ya menudo lo que los seres humanos pueden hacer.
A diferencia de muchas empresas de tecnología que están empezando a explorar el Machine Learning y su significado para las empresas, SAP tiene una visión y una estrategia bien desarrolladas para ganar en un mercado que IDC estima ser de $ 47 mil millones de dólares en 2020. Mueller dice: Una manera clara de ofrecer valor comercial con el Machine Learning «.
Markus Noga, que dirige el aprendizaje de máquinas de SAP a nivel mundial, dijo: «SAP quiere ser el líder empresarial en Machine Learning.
Los datos son el combustible para el Machine Learning, y más del setenta por ciento de todas las transacciones comerciales tocan un sistema SAP. Entendemos a nuestros clientes y sus datos, eso es lo que nos diferencia y nos da un fuerte derecho a ganar «.
En SAPPHIRE NOW en mayo de 2016, SAP lanzó varios prototipos de aprendizaje de máquinas y puso una participación en el terreno, prometiendo que SAP hará que todas las aplicaciones sean inteligentes. Ahora la compañía está haciendo bien en esta promesa a través de una variedad de iniciativas de tecnología e ecosistemas.
En primer lugar, la compañía lanzará los prototipos de aprendizaje de máquinas demostrados en SAPPHIRE NOW como aplicaciones en 2017. Este conjunto inicial se ocupará de los problemas que consumen mucho tiempo como:
- Emparejar los pagos entrantes con cuentas por cobrar. Aprendiendo de las acciones pasadas de los contables, el sistema puede procesar automáticamente pagos futuros en su nombre.
- Detectar logotipos en video de alta definición, por ejemplo, identificar dónde y cuándo aparece el material de marca en eventos televisados. Esta nueva tecnología llamada «visión por computadora», permite a los propietarios de marcas entender el retorno de la inversión para la publicidad gastar más rápida y precisamente.
- Clasificación y agrupación de tickets de servicio al cliente. Al evaluar las actividades históricas de los profesionales del servicio, el sistema puede aprender cómo acelerar los tiempos de respuesta y mejorar la satisfacción del cliente.
SAP ya ha comenzado a trabajar en su próxima ola de aplicaciones, utilizando el Design Thinking para involucrarse con clientes y unidades de negocio dentro de la empresa para encontrar escenarios más valiosos.
En segundo lugar, SAP está creando una plataforma para que los desarrolladores y socios puedan construir aplicaciones de aprendizaje de máquinas más fácilmente. Cada una de las nuevas aplicaciones mencionadas anteriormente tendrá servicios correspondientes que brindan funcionalidad como coincidencia de facturas o identificación visual. Estos servicios estarán abiertos a los desarrolladores como un conjunto de APIs que les permitirán incorporar simplemente capacidades de aprendizaje de máquinas en las aplicaciones existentes. A medida que SAP y su ecosistema creen nuevas aplicaciones, este banco de servicios aumentará.
«Nuestra estrategia es simple. Haremos que todas las aplicaciones empresariales sean inteligentes. Haremos que la inteligencia esté disponible para los usuarios empresariales de línea de negocio en el punto de consumo, justo en la aplicación de negocios donde la necesiten «, dijo Noga.
Lo que nos lleva a la tercera iniciativa. SAP Innovation Center Network está involucrando socios y clientes. Están solicitando comentarios directos sobre los mejores escenarios empresariales para el machine learning
