Hoy en día no pueden existir organizaciones, donde las aplicaciones de los sistemas de información faciliten la generación de conocimiento e información y promuevan la elevación de la producción de la organización,
a partir de la generación de una base de conocimiento que permita al trabajador de información incrementar esa base, o a partir de ella crear conocimiento y distribuir información, para generar una organización mas efectiva y diferenciarse de las demás en forma continua.
LA ADMINISTRACION DEL CONOCIMIENTO EN LA ORGANIZACIÓN
En una economía de información, el conocimiento y las aptitudes centrales, son fundamentales en la organización, pues permiten saber y/o aprender las cosas de una forma eficiente y eficaz, que otras organizaciones no puedan copiar, es una fuente principal de utilidades.
Los activos del conocimiento tienen una importancia comparable, si no es mayor, a la de los activos físicos y financieros para garantizar la competitividad y supervivencia de la empresa.
La administración del conocimiento es importante en las organizaciones planas o de red, pues no hay capas administrativas, lo que permite a los miembros de equipo y grupo de trabajo estar conectado con otros especialistas e su campo.
Las organizaciones crean programas explícitos de administración del conocimiento para proteger y distribuir los recursos de conocimiento que han identificado, para descubrir nuevas fuentes de conocimiento.
Por lo general los programas de administración del conocimiento son dirigidos por un funcionario de conocimiento en jefe (CKO –Chief Knowledge Officer). El CKO ayuda a diseñar programas y sistemas para encontrar fuentes de conocimiento o aprovechar mejor lo existente.
Sistemas de información y Adm. del conocimiento
Son los siguientes:
Trabajo de conocimiento y productividad en las economías de información, la productividad de una organización depende del aumento de la productividad de los trabajadores de conocimiento e información.
Los sistemas de Automatización de Oficinas (OAS) y de trabajo profesional son las aplicaciones de los sistemas de información que están creciendo más rápidamente.
Mucha de la eficiencia de los trabajadores se debe a contracciones corporativas y medidas de reducción de costos.
Los cambios en la productividad son difíciles de medir, pues hay problemas para identificar unidades de producción adecuadas.
La introducción de tecnología de información n garantiza automáticamente la productividad. Los rendimientos sobre las inversiones, mejorar si se reexaminan sus procedimientos, procesos y metas.
INFORMACION Y SISTEMAS DE TRABAJO DEL CONOCIMIENTO
Distribución del conocimiento: Sistemas de manejo de oficinas y documentos
Casi todo el trabajo de datos y la mayor parte del trabajo del conocimiento tienen lugar en oficinas, incluyendo la mayor parte de la labor que efectúan los administradores.
Las oficinas tienen tres funciones básicas:
1. Administrar y coordinar la albor de los trabajadores de datos y conocimiento.
2. Vincular la labor de los trabajadores de información locales con todos los niveles y las funciones de la organización.
3. Vincular la organización con el mundo exterior, que incluye a clientes proveedores, reguladores del gobierno y auditores externos.
Los trabajadores de oficina abarcan una gama muy amplia: profesionales, administradores, personal de ventas, entre otros. Siendo sus actividades más comunes:
1. Manejar documentos, que incluye crearlos, almacenarlo, recuperarlos y diseminarlos.
2. Programar actividades de individuos y grupos.
3. Administrar datos de clientes, empleados y proveedores.
Los sistemas de automatización de oficinas (OAS), son cualquier aplicación de tecnología de información que busca aumentar la productividad de los trabajadores de información den la oficina.
La implementación de sistema de imágenes de documentos, que son sistemas que convierten documentos e imágenes a una forma digital, como por ejemplo:
Documentos -> Scanner -> Disco óptico -> Jukebox
Por otro lado, el empleo de la intranet baja los costos y permite la disponibilidad de documentos a todos. Se puede publicar información en herramientas para crear páginas web y colocarlas en un servidor Web.
Creación del Conocimiento: Sistema de Trabajo del conocimiento (KWS)
El trabajo de conocimiento es la parte del trabajo de información que crea nuevos conocimientos e información, de ahí que los trabajadores de conocimientos crean nuevos productos o encuentran maneras de mejorar los productos existentes.
Los roles clave de los trabajadores del conocimiento:
Los trabajadores de conocimiento, se apoyan en sistemas de trabajo del conocimiento más especializados, los cuales se diseñan específicamente para promover la creación de conocimientos de manera que facilite el desarrollo el negocio.
Requisitos de los sistemas de trabajo del conocimiento
Entre los ejemplos de sistema de trabajo de conocimiento, tenemos:
Los sistemas CAD (diseño asistido por computadora), los sistemas de realidad virtual y simulación, entre otros..
Los sistema de realidad virtual cuentan con funciones de visualización, generación de superficies y simulación, tienen un alcance que va más allá de los CAD clásicos.
Asimismo, se están creando aplicaciones de realidad virtual para la web, por un lenguaje estándar denominado Lenguaje de Modelado de Realidad Virtual (VRML).
Compartir conocimientos: Sistemas de colaboración en grupos y entornos de conocimiento en intranets
En esta parte tenemos a los grupos de trabajo (groupware) y las intranets.
Groupware
Los grupos de trabajo era hasta hace poco la herramienta primaria para crear entornos de trabajo en colaboración, y se construyen sobre tres principios clave: comunicación, colaboración y coordinación. Este software permite que lo grupo trabajen juntos con documentos, programen reuniones, envíen formatos electrónicos, se compartan carpetas, datos compartidos y correo electrónico.
Intranets
Los entornos de conocimiento con intranets, permiten la colaboración entre grupos, correo electrónico, foros, y documentos web y multimedios. Por ejemplo, la Ford, conecta a sus 95000 empleados profesionales de todo el mundo, y se construyo con el fin de acortar el ciclo de desarrollo de productos de los automóviles.
Los empleados pueden acceder a bibliotecas en línea y un centro web de excelencia que contiene información acerca de practicas óptimas, normas y recomendaciones.
INTELIGENCIA ARTIFICIAL
La inteligencia artificial, es el esfuerzo por desarrollar sistemas computarizados (tanto hardware y software) que se comporten como seres humanos. Esto sistemas serían capaces de aprender lenguajes, realizar tareas físicas coordinadas (robótica), emular las habilidades y la toma de decisiones de las personas (sistemas expertos).
Lo sistema de inteligencia artificial exitosos se basan en los conocimientos, las habilidades y patrones de razonamiento selectos de seres humanos, pero no dan muestras de inteligencia humana.
Los negocios están interesados en la I.A, por las siguientes razones:
1. Conservar conocimiento y habilidades que podrían perderse cuando un experto se retire.
2. Para almacenar información en forma activa, para ser usada por los empleados como un manual electrónico.
3. Para crear un mecanismo que no este sujeto a sensaciones humanas como fatiga y preocupación.
4. Eliminar trabajos rutinarios e insatisfactorios que realizan las personas.
5. para ampliar la base de conocimientos de la organización, pues permite alcanzar soluciones a problemas específicos que son demasiado grandes y complejos para ser analizados por seres humanos en corto tiempo.
Sistemas Expertos
Son sistema de información que resuelven problemas capturando conocimiento de un dominio específico y limitado de saber humano. Ayudan a tomar decisiones, pues hacen preguntas pertinentes y explican las razones para efectuar ciertas acciones.
Los sistemas expertos son estrechos, someros y frágiles. De ahí que efectúen tareas muy limitadas que los profesionales podrían realizar en unos cuantos minutos u horas.
En general los S.E sólo se usan de manera eficiente en situaciones en las que el dominio de conocimiento es muy limitado y no implica más de unos cuantos miles de reglas.
Los marcos de conocimiento pueden servir para representar conocimientos al organizar la información en grupos cuyas características están relacionadas entre sí. Las relaciones se basan en características compartidas, más de una jerarquía. Este enfoque se funda en las creencias de que las personas usan marcos, o conceptos, para entender rápidamente sus percepciones.
El núcleo de A.I (o Shell), es el entorno de programación de un sistema experto. Actualmente, un número cada vez mayor de sistemas expertos usa núcleos de AI, que son entorno de desarrollo amable con el usuario. La estrategia que se sigue para buscar en la base de reglas de denomina máquina de inferencias, esta sigue en sí dos estrategias: encadenamiento hacia delante y encadenamiento hacia atrás.
En el encadenamiento hacia adelante, la máquina de inferencias parte de la información introducida por el usuario y busca en la base de reglas para llegar a una conclusión.
En el encadenamiento hacia atrás, la estrategia para buscar e la base de reglas parte de un hipótesis y procede a hacer preguntas al usuario acerca de hechos selectos, hasta que se confirma o rechaza la hipótesis.
Construcción de un sistema experto
Es un proceso iterativo en que cada fase podría requerir varias iteraciones, antes de que se desarrolle un sistema completo. Generalmente el entorno en que opera un sistema experto, cambia constantemente, así que el sistema debe sufrir cambios constantes. Un detalle importante que los sistemas expertos sobre todo los grandes, al ser tan complejos sucede que en unos cuantos años los costos de mantenimiento son iguales a los de su desarrollo.
Un equipo de desarrollo de AI consta de uno o más expertos que dominan perfectamente la base de conocimientos, y uno o más ingenieros del conocimiento que pueden traducir los conocimientos (descritos por el experto) a un conjunto de reglas o marcos.
El equipote debe seleccionar una solución apropiada para un problema en un sistema experto, y en ello hay que tener muy en cuenta los costos y los ahorros que producirá el sistema propuesto. Seguidamente, se elabora un prototipo para probar las suposiciones acerca de la forma de codificar el conocimiento de los expertos.
A continuación se elabora un sistema a plena escala, concentrándose en la adición de un número muy grande de reglas, de ahí que la complejidad del sistema crece con el número de reglas, y un problema que puede aparecer es la transparencia al usuario final, que puede no comprenderlo.
Problemas con los sistemas expertos
Un problema que tienen los sistemas expertos es que se ocupan de problemas de clasificación, en los que el número de posibles resultados es reducido y conocidos.
Otro problema es que la base de conocimientos es frágil, pues no pueden aprender ni cambiar en el tiempo, y considerando los cambios permanentes en el conocimiento de muchas ciencias, hacen que este sea un problema crítico.
Los sistemas expertos sólo pueden representar formas limitadas de conocimiento. También, S.E no son capaces de representar conocimiento que sea intuitivo, basado en analogías y en un sentido de las cosas.
Son más eficaces en automatización de las funciones de oficina de más bajo nivel: servicios en la banca, seguros, ventas, entre otros.
Información Estratégica de la Organización: Razonamiento basado en casos
Los sistemas expertos capturan básicamente información y conocimiento de expertos individuales, pero también de las organizaciones y los saberes colectivos que han acumulado en muchos años. Estos conocimientos de la organización se puede capturar y almacenar utilizando el razonamiento basados en casos (CBR, del inglés case based reasoning).
Esto casos se almacenan en base de datos, para emplearlas posteriormente cuando el usuario se topa con un caso nuevo, que emplea parámetros similares a los casos.
El procedimiento consiste en que el sistema experto busca casos cuyas características sean similares al nuevo caso, escoge el que mejor coincida y aplica las soluciones del caso viejo al nuevo. Los casos que fracasen también se almacenan con las indicaciones del porque fracasaron. Los sistemas expertos operan aplicando un conjunto de reglas SI –ENTONCES-SI NO a una base de conocimiento, a partir de experiencias de expertos humanos.
OTRAS TECNICAS INTELIGENTES
Las organizaciones actualmente están empleando técnicas de computación inteligente para extender su base de conocimiento, y proporcionar soluciones a problemas que son demasiado grandes o complejos, entre ellos tenemos, a las redes neuronales, la lógica difusa, los algoritmos genéticos y los agentes inteligentes se están convirtiendo en aplicaciones.
Redes Neuronales
Son básicamente hardware o software que intenta emular los patrones de procesamiento de cerebro biológico. Veamos, el cerebro humano es capaz de formar cerca de 10000 billones de interconexiones por segundo, y esa capacidad excede lejos a cualquier maquina conocida o que algunas vez se fabricara con la tecnología actual.
Si bien se han simulado redes neuronales en computadoras, el detalle esta en que cuando la red se equivoca (es decir elige el camino errado en la red), se eleva la resistencia en algunos circuito, lo que provoca que otras neuronas disparen, de manera que si este proceso continua durante miles de ciclo, la maquina aprende la respuesta correcta.
A diferencia de una red neuronal artificial con dos neuronas, las biológicas se convierten en elementos de procesamiento ( interruptores); los axones y las dentritas en alambres, y las sinapsis en resistencias variables que llevan entradas ponderadas (corrientes) que representan datos.
En cambio, un sistema experto que buscan emular o modelar la forma en que un experto humano resuelve problemas, en cambio los diseñadores de redes neuronales tratan de inculcar inteligencia en el hardware, a partir de una forma o capacidad generalizada de aprender.
El sistema experto es muy específico para un problema dado y no es fácil readiestrarlo.
Un ejemplo sencillo sería identificar un perro, un sistema experto entrevistaría a muchas personas para entender cómo los seres humanos reconocen a los gatos; en cambio una red neuronal, se llevaría a un sitio de prueba, conectándola a un televisor y comenzaría el aprendizaje, donde cada vez que no se perciba a un perro los circuitos se y sus interconexiones se ajustan. Una vez reconocido un perro, el sistema ya no se ajusta y se explora otro objeto para identificarlo.
Un detalle importante es que los sistemas expertos, por lo regular proporcionan explicaciones de sus soluciones, las redes neuronales no siempre pueden explicar porqué obtuvieron una determinada solución, es mas nos siempre pueden garantizar una solución con total certeza y es posible que no pueden llegar a la misma solución de nuevo con los mismos datos de entrada. Las redes neuronales son muy sensibles.
Lógica Difusa
Es un adelanto relativamente nuevo en inteligencia artificial, basado en reglas, tolera la falta de precisión (porque usa términos no específicos, llamados funciones de membresía, para resolver problemas) e incluso la utiliza para resolver problemas que antes no habría sido posible resolver.
La lógica difusa consta de diversos conceptos y técnicas para representar e inferir conocimientos imprecisos, inciertos o poco confiables.
Puede crear reglas que usan valores aproximados o subjetivos y datos incompletos o ambiguos.
La lógica difusa se acerca más a la forma en que las personas realmente piensan, que a las reglas SI –ENTONCES tradicionales.
Permite resolver problemas que antes no podían resolverse, permitiendo mejorar la calidad de los productos y servicios.
Algoritmos Genéticos (computación adaptativa)
Son métodos de solución de problemas, que promueven la evolución de las soluciones a problemas específico, mediante uso de modelo de organismos vivos que se adaptan a su entorno – proceso evolutivo.
Esos algoritmos se programan para que funcionen de forma parecida a la manera en que las poblaciones resuelven problemas: cambiando y reorganizando sus partes componentes, al utilizar procesos como reproducción, mutación y selección natural.
Los algoritmos genéticos, promueven la evolución de soluciones a problemas específicos, al controlar la generación, variación, adaptación y selección de posibles soluciones mediante procesos de bases genéticas.
A medida que las solucione se alteran y combinan, las peores se desechan y las mejores sobreviven para producir soluciones todavía mejores.
Sistemas Híbridos
Los algoritmos genéticos, la lógica difusa, las redes neuronales y los sistemas expertos se pueden integrar en una sola aplicación que aproveche las mejores características de estas tecnologías. Estos sistemas se llaman sistemas híbridos de Inteligencia Artificial. Por ejemplo, la GE obtuvo resultados impresionantes al combinar tecnología de algoritmos genéticos y sistemas expertos.
Agentes Inteligentes
Son programas de software que trabajan en segundo plano para realizar tareas específicas, repetitivas y predecibles, para un usuario individual, un proceso de negocios o una aplicación de software.
El agente usa una base de conocimientos integrada a aprendida para realizar tareas o tomas decisiones a nombre del usuario.
Los agentes inteligentes se pueden programar de modo que tomen decisiones con base en las referencias personales del usuario; por ejemplo, eliminar correo electrónico chatarra, programar citas, encontrar el pasaje mas barato.
No hay comentarios:
Publicar un comentario