De la mera interacción al conocimiento profundo del usuario
La utilización de máquinas, allí donde tradicionalmente se había requerido la interacción con personas, no es nueva: cajeros automáticos, máquinas de vending, estaciones de servicio, sistemas de control de accesos… Pero a nadie se le escapa, en plena gestión de la crisis provocada por el Covid-19, que esta tendencia va a experimentar un crecimiento acelerado durante los próximos meses y años. A los motivos económicos que habían justificado la progresiva substitución de la persona por másquinas en determinadas actividades de cara al público, ahora se unen motivos sanitarios relacionados con la salvaguarda de la salud pública.
De hecho, dadas las circunstancias actuales, es el propio usuario el que, en muchos casos, prefiere interactuar con una máquina antes de hacerlo con otra persona.
En este contexto, se abre un gran abanico de oportunidades para aquellas empresas capaces de implementar soluciones HMI (Human Machine Interface) que permitan (1) mejorar la experiencia del usuario, (2) capturar información relativa a sus necesidades, preferencias, deseos y aspiraciones y que, eventualmente, (3) sean incluso capaces de actuar de manera autónoma en función de dicha información.
Esto nos sitúa en el ámbito del AIoT (Intelligence of things) en el que, mediante el uso combinado del IoT y la inteligencia artificial, se pretende añadir una capa cognitiva y ejecutiva a la funcionalidad actual de los objetos. Todo ello con la finalidad de dotarlos de la autonomía necesaria para analizar situaciones y tomar decisiones en función de los análisis realizados.
Pensemos, por ejemplo, en el ámbito de las smart cities. Ese en el que el uso de las tecnologías disponibles nos debe permitir dar una respuesta cada vez más eficaz, eficiente y sostenible a las necesidades de instituciones, empresas y ciudadanos.
Aquí, gracias a la captura de datos a través de la interacción entre máquina y persona, ya es posible recolectar y transformar una gran cantidad de información que, mediante algoritmos avanzados de Inteligencia Artificial (IA), sea traducida en un conocimiento que permita actuar e implementar nuevas medidas de prevención, actuación o, incluso, de resolución inmediata de emergencias.
En el entorno urbano, las aplicaciones capaces de utilizar soluciones HMI a tal efecto pueden ser muy variadas: entradas de metro, estaciones de autobuses, tótems informativos, gasolineras, parquímetros, gestión de espacios urbanos compartidos…
Una aplicación (en un estado muy embrionario) del uso de soluciones HMI capaces de dotar de más y mejor información al sistema, en esos entornos urbanos, lo tenemos en la utilización de “contadores de felicidad” en espacios públicos. Estos contadores suponen un intento de capturar la opinión de los usuarios, tanto turistas como ciudadanos, con el objeto de medir su nivel de satisfacción en relación con un evento o espacio concreto.
Mediante el despliegue masivo de soluciones HMI orientadas a la captura de este tipo de información, en diferentes espacios y contextos, se puede llegar a dotar al sistema de un conocimiento profundo del estado de ánimo y del nivel de satisfacción del ciudadano. El potencial de este paradigma es enorme.
Pensemos en el desarrollo de soluciones que, mediante la implantación de procesos de inteligencia artificial y deep learning, puedan establecer mejoras progresivas en sus propios mecanismos de respuesta, de manera autónoma, sin intervención humana en el proceso de toma de decisiones.
Imaginemos, por ejemplo, una aplicación en la que un parquímetro es capaz de inferir el estado de ánimo del usuario en función del nivel de disponibilidad de aparcamiento en una zona o barrios determinados. ¿Y si ese parquímetro pudiera llegar a ese mismo tipo de conclusiones en función del tipo de interacción que establece con el usuario? ¿Y si dispusiera de la capacidad y autonomía necesarios para ofrecer un determinado nivel de descuento cuando la experiencia del usuario no es la más adecuada? ¿Y si ese nivel de descuento no fuera aleatorio, sino que respondiera a un conocimiento profundo sobre el tipo de políticas de precio tienen un mejor resultado en el medio y largo plazo? ¿Y si ese conocimiento profundo lo hubiera generado el propio sistema de parquímetros, de manera autónoma, sin intervención humana, gracias al uso de mecanismos de inteligencia artificial? ¿Y si además de considerar el rendimiento económico del sistema, se considerara también la maximización del nivel de satisfacción del ciudadano? ¿Y si…?
Se trata de tan solo un ejemplo, pero desde Monolitic creemos que este tipo de soluciones pueden resultar en una gran oportunidad para redefinir y mejorar los actuales procesos de gestión de servicios al ciudadano. Soluciones inteligentes, conectadas y automatizadas que optimicen el rendimiento de todo tipo de aplicaciones en el ámbito urbano.
Por ello, a través de partners como Litemax, Aaeon o IEI, ofrecemos nuevas soluciones tanto de visualización como de hardware industrial, que permitan agilizar la adaptación de sistemas existentes, así como el diseño de nuevos productos y servicios basados en la aplicación de nuevas tecnologías en el ámbito del AIoT.
Aina Servent
