Decideo: Noticias sobre Inteligencia de Negocios, Big Data, Data Science, Data Mining


Actualidades y análisis

Utilización del aprendizaje profundo para reemplazar a la cajera de la cantina


, el 4 Marzo 2019 | Leído 362 veces

¿Ha soñado usted con que el paso por la caja del comedor de su empresa sea totalmente automatizado, reduciendo las filas de espera… a riesgo de perderse la sonrisa de la cajera? Este ya es el caso en China, aparentemente. Y es básicamente gracias al aprendizaje profundo.



Foto Bundo Kim / Unsplash
Foto Bundo Kim / Unsplash
Se los confieso, mis últimas experiencias en el comedor o la cantina de la empresa me dejaron un recuerdo imborrable… No sentí de parte de la cajera la menor empatía ni recibí la más simple sonrisa que haya alegrado mi día… Dicho esto, comprendo muy bien que su trabajo es ingrato y poco gratificante.

Primer paso: observar el contenido de la bandeja; luego escribir en el teclado los códigos correspondientes a cada plato; después solicitar la presentación del carnet o gafete por el lector y eventualmente cobrar un pago con tarjeta bancaria. Todo esto con el estrés de la hora pico, la cual le impone encadenar estos pasos de la manera más rápida posible, para evitar que se forme una cola de gente. En efecto es imposible para la persona a cargo de este trabajo comenzar una conversación o cualquier otra interacción humana que valorizaría su trabajo pero que ralentizaría el proceso.

Por supuesto que siempre es posible disertar sobre lo que es la inteligencia, pero me parece que este tipo de empleo no demanda demasiada. Se trata de una tarea repetitiva, de un algoritmo que hasta ahora no era automatizable, ya que la interfaz con el mundo real (el reconocimiento del contenido de la bandeja) no era posible. La única « inteligencia » humana utilizada, era entonces observar la bandeja, y transformar esta captura ocular en un dato de entrada en la caja registradora... hasta que la tecnología nos permita automatizar este reconocimiento de imágenes...

No es inteligencia. Es automatización.

No es inteligencia artificial sino aprendizaje automático, o podemos hablar incluso aprendizaje profundo ya que el término está de moda. El sistema de aprendizaje es entrenado para reconocer el conjunto de platos ofertados. Y esto no debe ser muy complicado... Hacer la diferencia entre rebanadas de salchichón, puré de papas con jamón y una manzana, está dentro del alcance de cualquier sistema de « machine learning ». Comenzamos por presentarle a la máquina decenas de platos con diferentes comidas, en sus diferentes variantes y la disposición del contenido de los platos. El sistema aprende a reconocer cada plato y a evaluar su contenido.
La matriz de aprendizaje está entonces compuesta de fotos de miles de platos posibles, en los que los elementos del contenido se modelan en forma digital y se asocian a la etiqueta del contenido.
Una vez que la fase de aprendizaje es realizada y verificada, pasamos a la ejecución, en la que cada cliente del comedor de la empresa presenta su bandeja a la cámara. La cámara captura el contenido, identifica los platos y hace el cálculo del costo.
El testigo pasa a una segunda cámara que reconoce a la persona que presenta la bandeja, con el fin de debitar de su cuenta el monto correspondiente sin que tenga que sacar ninguna tarjeta para el pago.
Eventualmente, en caso de problemas de reconocimiento de la imagen asociada al contenido de la bandeja o a la persona, el cliente puede ser dirigido hacia un supervisor, el cual se encargará de corregir el reconocimiento de imagen de la máquina, y entonces de alimentar el lazo de retroacción de algoritmo de aprendizaje.

Ventajas: costo, rapidez, ausencia de manejo de dinero en efectivo

Evidentemente, la primera ventaja es el costo de funcionamiento del sistema. Esta máquina automática reemplaza a una persona en caja y puede trabajar 24h/24 sin pausa. A este ritmo, esta cometerá sin duda menos errores que un ser humano.
El reconocimiento facial permite de igual manera suprimir los carnets o gafetes, y por supuesto el manejo de dinero en efectivo, ambos de alto costo para el comedor de empresa.

Cálculo meramente económico

Justificar esta inversión requiere solo un cálculo simple. ¿Cuánto cuesta la máquina (amortización y gastos de funcionamiento) y cuánto cuesta una persona (salario más recargos y gastos varios) que realice este mismo trabajo? En los países en los que la máquina sea menos cara, esta será instalada.

La máquina no será capaz de resolver todas las situaciones, me dirá usted. Una persona será siempre necesaria. ¡Y usted tiene toda la razón! Jamás serán reemplazadas al 100% los cajeros... pero una persona acompañada de nueve máquinas tratará manualmente los casos particulares, por lo que un sistema así podrá suprimir el 90% de los empleos, preservando la exactitud y la calidad del servicio.
Interesémonos ahora en las cifras de servicio de restauración colectiva. Había en 2007 en España alrededor de 78.000 empleados en este sector. De acuerdo a nuestras estimaciones, eso podría corresponder a aproximadamente 10.000 establecimientos. Y el mercado ciertamente ha progresado además en estos diez años.

Aún más interesante es que en una entrevista a la revista Néorestauration, el presidente de Multi Restauration Services (MRS) explicaba en abril de 2017 que « necesitamos crear un ágora, una plaza de pueblo en donde uno pueda relajarse, comunicarse, discutir y comer desde las 8 am a las 8 pm ». Se trata entonces de horarios extensos, que requieren la presencia de una persona en la caja… y que aumenta entonces el costo de funcionamiento. Mientras que nuestra máquina puede funcionar 24h/24 sin pausa y sin costo adicional…
Hagamos esta simple hipótesis de trabajo, imaginemos que en estos 10.000 establecimientos haya en promedio 5 personas encargadas de las cajas registradoras. Imaginemos que conservemos solo una. ¡Serían entonces 40.000 empleos eliminados, o más bien reemplazados por una máquina sin inteligencia, pero capaz de automatizar esta tarea!

Entonces ¿cuándo veremos a empresas como Elior o Sodexho invertir en este tipo de máquinas y suprimir los empleos correspondientes?
Los desarrolladores de fantásticas soluciones de aprendizaje de máquina y de automatización como nosotros ¿tienen acaso conciencia del impacto de su trabajo sobre ciertas clases de trabajadores? ¿Cómo nos preparamos y le hacemos acompañamiento a esta automatización? ¡Ciertamente no es nueva! La revolución industrial, luego la aparición de los primeros sistemas de tratamiento de información, automatizaron y eliminaron empleos. Y en cada vez, no hicimos ningún esfuerzo previo de preparación para lidiar con las consecuencias…
¡Es una pena!




Nuevo comentario:
Twitter

Usted puede comentar o proporcionar más información a todos los artículos de este sitio. Los comentarios son libres y abiertos a todos. Sin embargo, nos reservamos el derecho a eliminar, sin previo aviso ni explicación, todo comentario que no cumpla con nuestras normas internas de funcionamiento, es decir, cualquier comentario difamatorio o sin relación con el tema del artículo. Así mismo, los comentarios anónimos son eliminados sistemáticamente si son demasiado negativos o muy positivos. Exprese sus opiniones, compártalas con los demás y asúmalas. Gracias de antemano. Igualmente, agradecemos tener en cuenta que los comentarios no sean enviados automáticamente a los redactores de cada artículo. Si usted desea realizar una pregunta al autor de un artículo, contáctelo directamente, no utilice los comentarios.


Twitter
Rss
LinkedIn
Google+
Facebook