Sistemas de información: Toma de decisiones - PDF

Sistema de soporte para la toma de decisiones Persigue la implantación de los sistemas de información en los negocios los cuales tiene tres objetivos básicos: Automatizar los procesos operativos Proporcionar información que sirva de apoyo al proceso de toma de decisiones. L...

Sistema de soporte para la toma de decisiones Persigue la implantación de los sistemas de información en los negocios los cuales tiene tres objetivos básicos: Automatizar los procesos operativos Proporcionar información que sirva de apoyo al proceso de toma de decisiones. Lograr ventajas competitivas. Para lograr esto es importante contar con una infraestructura de hardware y software, base de datos y comunicaciones de datos con el fin de que puedan operar los sistemas de soporte para la toma de decisiones y los sistemas de información estratégicos. Plataforma de sistemas transaccionales: Es indispensable contar con una adecuada plataforma de sistemas transaccionales, de referencia integrados a través de un sólido manejo de base de datos. Plataforma de información requerida para los sistemas de apoyo a las decisiones. Administración Inventario de Contabilidad de pedidos de materia prima y General clentes refacciones Cuentas por pagar Facturación Compras a proveedores Base de datos Cuentas por integrados cobrar Recursos Humanos Inventario de producto terminado Distribución de Explosión de Mantenimiento producto a materiales a equipo clientes industrial Proceso de toma de decisiones: Este proceso es una de las actividades que se realizan con mayor frecuencia en el mundo de los negocios. Lo llevan a cabo todos los niveles de la organización, desde asistentes o auxiliares, hasta los directores generales de las empresas. Los tres tipos toma de decisiones son: Planeación estratégica. Control administrativo. Control operacional. La Planeación estratégica se enfoca en el largo plazo, en el desarrollo de objetivos y en la asignación de recursos para cumplirlos. El control administrativo se enfoca en el mediano plazo, al uso de los recursos en la organización. El control operacional está enfocado en los problemas cotidianos es decir a corto plazo. Modelo del proceso de toma de decisiones de simon:  Reconocer que el Inteligencia problema existe Generar alternativas Diseño de solución Evaluación y selección Selección de una alternativa Implantación Seguimiento Modelo del proceso de toma de decisiones de Slade: Identificar el problema Identificar Viejos Escoger acciones alternativas usuales Evaluar alternativas Escoger una No Generar nueva alternativa alternativa No hay alternativas Abandonar el Implantación problema Decisiones repetitivas: Este tipo de decisiones se toman en niveles organizacionales intermedios y se caracterizan por ser en ciertas medidas predecibles estas se pueden desarrollar en las operaciones cotidianas de la empresa ejemplo: Decidir el programa de producción del próximo bimestre. Decidir el límite de crédito de los principales clientes. Decidir el pago de proveedores. Decisiones no repetitivas: Esta categoría de decisiones suelen presentarse en los niveles más alto de la organización y se caracterizan por un considerable grado de incertidumbres. Con frecuencia son llamadas decisiones no estructuradas o no programadas Ejemplo: Cambio de una materia prima de mayor costo, pero con un mayor rendimiento. Cambio en la estructura de pasivo de la empresa. Determinar la conveniencia de efectuar alianzas estratégicas con algún competidor foráneo para optimizar los procesos de producción y mercado. Decisiones independientes: Son tomadas en forma aislada por una persona, sin la participación de otras. Decisiones simultaneas: Solo se toman en grupo, ya que son producto de la interacción y negociación entre varias personas en forma simultaneas. Definición de los tipos de sistemas de apoyo a las decisiones: Es el conjunto de programas y herramientas que permiten obtener de manera oportuna la información que se requiere durante el proceso de la toma de decisiones que se desarrolla en un ambiente de incertidumbre. Tipos de sistemas de apoyo a las decisiones: Sistema de soporte para la toma de decisiones (DSS: Decision Support System) Sistema de información para ejecutivos (EIS: Executive Information System). Sistema para la toma de decisiones de grupo (GDSS Group Decision Support Systems). Sistema experto de soporte para la toma de decisiones (EDSS: Expert Decision Support Systems). Tipos de sistemas de apoyo a las decisiones: Sistema de soporte Sistema de para la toma de información para decisiones (DSS) ejecutivos (EIS) Sistema de apoyo a las decisiones Sistema de soporte Sistema expertos de para la toma de soporte para la toma decisiones de de decisiones grupos (GDSS) (EDSS) Características de los sistemas de soporte para la toma de decisiones (DSS) Interactividad (sistema computacional amigable). Tipo de decisiones (estructuradas o no estructuradas) Frecuencia de uso (en la administración media y alta de la organización). Variedad de usuario (ventas, producción, administración, etc.) Flexibilidad (estilos administrativos: autocrático, participativo, etc.). Desarrollo (sin la ayuda de miembros de informática). Interacción ambiental (permite la información externa) Comunicación ínterorganizacional (comunicación a todo nivel). Acceso a base de datos. Simplicidad. Sistema de soporte para la toma de decisiones en grupo Groupware: Definición: Existen diferentes términos que definen groupware, entre ellos, trabajo cooperativo apoyado con computadora, cómputo interpersonal, sistemas compartidos, cómputo cooperativo, sistemas coordinados o cómputo en equipo. Es una tecnología nueva que está ligada a las necesidades de los grupos de trabajos en los negocios y consiste del software computacional diseñado especialmente para apoyar el trabajo grupal. Ventajas: Permite enlazar departamentos, persona en diferentes lugares físicos o compañías completas, de manera que se mejora la eficiencia y la velocidad de los proyectos en equipo. Permite que los integrantes de un equipo puedan continuar su trabajo sin tener que moverse de su oficina o de su localidad. Revoluciona el concepto de oficina, pues permite trabajar en equipo frente a una computadora y de manera eficiente. Sistema de soporte para la toma de decisiones en grupo (GDSS) Es un sistema interactivo basado en computadora, el cual facilita la solución de problemas no estructurados por un conjunto de tomadores de decisiones que trabajan juntos como un grupo. Componente de un sistema de soporte para la toma de decisiones en grupo. Hardware y software Recurso humano Procedimientos Al unir estos componentes de un GDSS es posible realizar juntas cuya temática esté relacionada con el proceso de toma de decisiones. Roles de las distintas personas que participan en las reuniones grupales. Líder o facilitador: Es el que da las instrucciones y dirige el funcionamiento del grupo. Solicitante, jefe o encargado del grupo: Es la persona que solicita la reunión su rol esencial es definir los objetivos de las reuniones de trabajo y seleccionar las actividades que se ejecutaran durante la toma de decisiones cabe mencionar que en algunas ocasiones el líder y el solicitante puede ser la misma persona. Participantes: Son las personas que forman parte del equipo de trabajo, su rol principal es recolectar y proveer información a la junta, para apoyar el cumplimiento del objetivo planeado para el grupo. Componentes de un Sistema de soporte para la toma de decisiones en grupo (GDSS) Software de GDSS Base de Base de Datos Datos modelos Procesador (Hardware) Interfaz con el usuario Facilitador del grupo 1 Operador Miembros del grupo Fases de una reunión de toma de decisiones grupal: Generación de ideas Organización de ideas Evaluación de ideas Análisis y exploración Administración de la información Características de los GDSS Los GDSS son sistemas diseñados especialmente para apoyar las decisiones en grupo, lo que implica que no están formados por elementos de sistemas ya existentes. La meta de un GDSS es apoyar el trabajo de los tomadores de decisiones, por lo tanto el uso de este sistema mejora las decisiones resultantes. Un GDSS debe ser accesible para usuarios con diferentes niveles de conocimiento computacional. Un GDSS puede ser específico o general, específico si se diseña para un tipo o clase de problema, y general si se diseña para tomar diversas decisiones organizacionales. Un GDSS contiene mecanismos para evitar el desarrollo de conductas negativas en el grupo. Un GDSS debe motivar a todos los miembros del grupo a participar de manera activa. Ventajas y desventajas del uso de GDSS: Ventajas: Motiva a los miembros del grupo a trabajar juntos, ya que se pueden aportar varias ideas al mismo tiempo. Mejora la etapa de preparación de la reunión de trabajo. Da la misma oportunidad de participación a todos los miembros del grupo. Cuando en una junta es necesario que estén presentes muchas personas se optimiza el uso de la información que aporta cada miembro del grupo. Proporciona un mecanismo para enfocar al grupo en problemas claves y descartar las conductas que perjudican el desarrollo de la junta de toma de decisiones. Apoya el desarrollo de una memoria organizacional de una junta a otra, pues permite almacenar más información sobre lo que se ha logrado. Mejora la calidad de la toma de decisiones debido a que el anonimato de las contribuciones permite una mayor y mejor participación por parte de los miembros del grupo. Incrementa la creatividad en la toma de decisiones. Desventajas: Falta de costumbre al utilizar un sistema para soportar el proceso de toma de decisiones diferentes al de la forma tradicional de realizarlo. Resistencia al cambio por parte de los administradores por miedo a ser reemplazados por el sistema. La responsabilidad al tomar una decisión puede diluirse ya que las aportaciones son anónimas y la decisión representa el consenso grupal. Que en el grupo no exista una cultura desarrollada de trabajo en equipo y en consenso, lo cual haga que el uso de GDSS se realice de manera forzada. Diseño de salas: Cuarto de decisiones ( los miembros se sientan alrededor de un gran escritorio y al frente se coloca una pantalla gigante). Red local de decisión (esta alternativa se utiliza cuando es necesario que cada miembro del grupo trabaje en su propia oficina en el momento de celebrarse la junta. Teleconferencias (son útiles cuando los miembros del grupo están geográficamente distantes, pero deben reunirse para tomar una decisión). Toma de decisiones remota ( es cuando un grupo de personas que deben de reunirse regularmente para tomar una decisión, están físicamente dispersos y requieren de una comunicación ininterrumpida. Usos prácticos de un GDSS: Determinar la misión de una empresa. Formular estrategias. Evaluar administradores. Planear los sistemas de información. Apoyar negociaciones. Apoyar las decisiones visuales. Apoyar los trabajos que involucran diseño y revisiones de control de calidad. Apoyar una decisión en particular (alianzas estratégicas). Sistemas de información para expertos Datos: Es el valor que toma una variable matemática y que probablemente carece de importancia para un tomador de decisiones. Información: El concepto de información nace cuando un dato o conjunto de datos es de utilidad para un tomador de decisiones. ( semáforo en rojo ) Conocimiento: Sugiere alternativas de acción o guías de actuación específicas relacionadas con la información. Definición de sistemas experto: Es un sistema computacional interactivo que permite la creación de bases de conocimiento, las cuales una vez cargadas responden a preguntas, y despejan y sugieren cursos de acción emulando / simulando el proceso de razonamiento de un experto para resolver problemas en un área específica del conocimiento humano. De esta definición se desprenden las dos capacidades fundamentales que poseen los sistemas expertos:   Capacidad para aprender.  Capacidad para simular el proceso del razonamiento humano. La capacidad para aprender requiere la interacción de un experto en alguna rama específica del saber y un ingeniero de conocimiento que se encarga de traducir este conocimiento del experto a reglas heurísticas para formar la base del conocimiento. Entrevista, propone Reglas heuristicas Bases del conocimiento Conceptos, Conocimientos Experto Ingeniero del conocimiento La capacidad para imitar el razonamiento que posee el sistema experto se desprende de “caminar” a lo largo de las reglas heurísticas introducidas o enseñadas al sistema por un experto a través del proceso de aprendizaje durante la carga o generación de las bases del conocimiento. Este proceso de razonamiento ocurre cuando se consulta al tomador de decisiones. Proceso de razonamiento como apoyo a la toma de decisiones durante la utilización de un sistema experto. Usuario o Problema o Solución al tomador de situación decisiones problema Consulta y utilización Bases del conocimiento Beneficios que genera el uso de sistemas expertos y costos que involucra  Reducción de la dependencia de personal clave  Facilita el entrenamiento del personal  Mejora la calidad y eficiencia del proceso de toma de decisiones  Transferencia de la capacidad de decisiones Costos que involucra: Existen una serie de costos involucrados en el desarrollo y uso de los sistemas expertos, que deberán considerarse durante el análisis de factibilidad de un sistema en particular, entre los cuales se pueden incluir:  Shell o paquete generador del sistema experto.  El equipo computacional o hardware requerido.  Consultoría especializada.  Contratación o pago a los ingenieros del conocimiento.  El tiempo de los expertos.  Costos de implementación.  Costos involucrados con el mantenimiento y seguimiento del sistema. Todos estos costos son únicos y no se repiten, con excepción de los costos de mantenimiento y seguimiento del sistema. Finalmente es necesario agregar que la evaluación económica de un proyecto de inversión para el desarrollo e implementación de un sistema experto, se podría aplicar los métodos clásicos de evaluación de proyectos como la tasa interna de rendimiento (TIR) o el método Valor presente neto (VPN). El generador de sistemas experto o shell: Es el programa o software que permite desarrollar el sistema experto. Shell constituye la herramienta que apoya el proceso de creación de las bases de conocimiento y facilita la utilización del modelo por parte de los usuarios. Componentes del shell y el desarrollo de un sistema experto:  Ingeniero del conocimiento  Experto  Base del conocimiento  Motor de inferencia  Interfaz de usuario Componentes del Shell y el desarrollo de un sistema experto. Ingeniero del Experto conocimiento Sistemas de Reglas información heurística convencionales Base del conocimiento Base de datos Motor de inferencias Interfaz de usuario Problema Soluciones, recomendaciones Usuario Selección de aplicaciones para sistemas expertos: Características que deben cumplir los problemas para considerarlos susceptibles de resolverse a través de un sistema experto:  Utilización de varios expertos dentro del trabajo rutinario.  Toma de decisiones complejas y siguen una secuencia lógica  Las decisiones lógicas, así como la soluciones del problema, o regla heurística (es la lógica de la toma de decisiones)  El conocimiento que se está modelando se encuentra bien delimitado y es profundo, no amplio y superficial.  El problema no tienen solución analítica.  Cuando hay pocos expertos en otras áreas de la organización o localidades distantes. Conclusión: Los sistemas expertos son sistemas computacionales que permiten la creación de bases del conocimiento, las cuales una vez cargadas responden a preguntas, despejan dudas y sugieren cursos de acción emulando / simulando el razonamiento de un experto para resolver problemas en un área específica del conocimiento humano. SISTEMA DE INFORMACIÓN PARA EJECUTIVOS Definición: Es una herramienta que permite el monitoreo y seguimiento por parte del ejecutivo de los factores críticos del éxito del negocio. Características de un EIS o ESS:  Están diseñados para cubrir las necesidades específicas y particulares de la alta administración de la empresa.  El sistema debe contar con capacidad para manejar información que proviene de los sistemas transaccionales de la empresa y/o fuentes externas.  Implica que los ejecutivos pueden interactuar en forma directa con el sistema sin el apoyo o auxilio de intermediarios.  Sistema creado con altos estándares en su interfase hombre-maquina, caracterizado por graficas, textos, información tabular, etc.  Libre accesibilidad a la información de la base de datos de la organización, esta información puede incluir el análisis de tendencias, ventas por país, ventas por productos, etc.  El sistema está soportado por elementos especializados de hardware, tales como monitores, videos de alta resolución y sensibles al tacto, ratón e impresoras con tecnología avanzada. Hoy día la frontera entre un DSS y un EIS se hace más pequeña ya que los sistemas desarrollados actualmente cuentan con características de ambos, como son la capacidad de efectuar DRILL DOWN (penetrar diferentes niveles) y elaborar diferentes escenarios de decisión. Factores del éxito de un EIS ó ESS. Para que un EIS tenga éxito es necesario que cumplan con los siguientes factores:  Que se vea bien ( orientado hacia el uso de gráficos de las pantallas )  Que sea relevante ( tener acceso a datos que son importantes para la organización y son puntos críticos para el éxito de la empresa)  Que sea rápido ( tiempo de repuesta cortos )  Que la información esté disponible y actualizada. Los cuatro factores anteriores aseguran que un EIS se utilice en una empresa y que tenga el éxito esperado, estos factores deben de tener una infraestructura de sistemas transaccionales completas, soportada por un sistema manejador de base de datos (DBMS). El proceso de desarrollo de un EIS: El proceso de desarrollo de un EIS tiene características que lo hacen único. En primera instancia, porque es el primer sistema de se desarrolla en la empresa dirigido a ejecutivo. En segundo lugar, las técnicas utilizadas para el análisis y desarrollo de los tradicionales sistemas transaccionales no necesariamente funcionan en un 100 %. Identificación de las alternativas para el desarrollo del sistema: Existen diferentes alternativas para el desarrollo de un sistema de información para ejecutivos (EIS) antes de crear la propuesta para el desarrollo del sistema de elegirse la alternativa de se desee.  Desarrollar el sistema de manera interna a partir de cero. Esto significa que el departamento de sistemas de información asignará a un equipo de trabajo para el desarrollo del sistema.  Otra alternativa es hacer modificaciones a los sistemas actuales con el fin de cubrir los requisitos del ejecutivo.  Desarrollar el sistema a partir de cero con la ayuda de desarrolladores externos con experiencia previa en EIS. Cada una de las alternativas tiene ventajas y desventajas en renglones tales como costo, tiempo y control durante el desarrollo de la aplicación. Creación de la propuesta: La creación de la propuesta ayudará a tener un apoyo más sólido para el desarrollo del sistema y a minimizar la resistencia por parte de los ejecutivos. Además, se puede contribuir a que la administración acepte el proyecto. Las principales razones que existen para presentar de manera formal una propuesta de un EIS son:  Claro entendimiento con el ejecutivo.  Reducir la resistencia al cambio.  Manejar las expectativas.  Lograr el compromiso de los recursos. Con todo esto, el ejecutivo tendrá una visión más clara de lo que es un EIS, de las expectativas con respecto a su uso y de los recursos que requiere su desarrollo. Determinación de las necesidades del ejecutivo: Este paso consiste en determinar las necesidades del ejecutivo.  Cuestionar al ejecutivo acerca de cuales son las preguntas que le gustaría formular al regresar de un período de vacacional de tres semanas.  Aplicar la metodología relacionada con los factores críticos del éxito, incluye tipo de información, periodicidad y formato de presentación entre otros.  Realizar entrevista con los directores o gerentes de las distintas áreas funcionales de la empresa, con el objetivo de conocer que información consideran relevante.  Enumerar los principales objetivos de la empresa a corto y mediano plazos y definir la información necesaria para darle seguimiento.  Preguntar a los ejecutivos cuáles son los datos que no le gustaría que llegaran a manos de la competencia.  A través de simple observación o entrevistas para determinar la información que utiliza para presentar los informes de fin de mes. Creación del sistema y presentación de un prototipo: Por lo general, un prototipo de arranque (inicial) de un EIS requiere de 6 semanas hasta 4 meses para su desarrollo. Una vez que se desarrollo el prototipo de arranque, el EIS evoluciona cuando se le agregan nuevas capas o funciones. Ejemplo: Modelo de prototipos para el desarrollo de un sistema de información para ejecutivos. Identificación de las alternativas Para el desarrollo del sistema Creación de la propuesta Determinación de las necesidades del ejecutivo Creación del sistema y presentación de un prototipo Implantación exitosa de un EIS: Para que un ejecutivo lo utilice, debe implantarse considerando los siguientes factores importantes que según Rockart, aseguran una implantación exitosa de EIS.  Ejecutivo comprometido con el proyecto e informado sobre él.  Socio operativo (es la persona más cercana al ejecutivo en lo que a relación de trabajo se refiere, porque es quien mejor conoce los gustos y necesidades de este último.  Personal idóneo en el departamento de informática.  Tecnología apropiada ( hardware y software )  Administración de los datos (que exista una adecuada infraestructura de base de datos interna y externa).  Relación clara con los objetivos del negocio.  Manejo de la resistencia al cambio.   Administración adecuada de la evolución y expansión del sistema. Efecto del EIS en el proceso de planeación y control de la organización: Los EIS contribuyen en forma importante a rediseñar y reestructurar los procesos de planeación y control de una organización. Las principales mejoras que pueden lograrse al utilizar este tipo de sistemas son entre otras: 1. Mejora los sistemas actuales de reportes corporativos o divisionales, a través de: Cambios en el método de recolección de información. Mejoras en la integridad de los datos. Acelerar el proceso de obtención de información. Cambios en la forma de presentar la información (graficas, dibujos, fotografías, etc.). 2. Rediseño de los sistemas actuales de reportes, a través de los cuales se pone atención en los factores críticos para manejar el negocio. El funcionamiento rápido de los negocios en la actualidad implica cambio del enfoque tradicional de planeación en períodos trimestrales. La disponibilidad de nuevas metodologías, tales como factores críticos del éxito. El rápido avance en las capacidades del hardware y software. 3. Cambios en los procesos de planeación y pronósticos. Un sistema de planeación es aquel que produce o genera las metas que debe alcanzar la organización. Biometría En Disney World, se toman medidas biométricas de los visitantes con pase de varios días para asegurarse de que el pase es usado por la misma persona todos los días. La biometría es el estudio de métodos automáticos para el reconocimiento único de humanos basados en uno o más rasgos conductuales o físicos intrínsecos. El término se deriva de las palabras griegas "bios" de vida y "metron" de medida. La "biometría informática" es la aplicación de técnicas matemáticas y estadísticas sobre los rasgos físicos o de conducta de un individuo, para “verificar” identidades o para “identificar” individuos. En las tecnologías de la información (TI), la autentificación biométrica se refiere a las tecnologías para medir y analizar las características físicas y del comportamiento humanas con propósito de autentificación. Las huellas dactilares, las retinas, el iris, los patrones faciales, de venas de la mano o la geometría de la palma de la mano, representan ejemplos de características físicas (estáticas), mientras que entre los ejemplos de características del comportamiento se incluye la firma, el paso y el tecleo (dinámicas). La voz se considera una mezcla de características físicas y del comportamiento, pero todos los rasgos biométricos comparten aspectos físicos y del comportamiento. Historia La biométria no se puso en práctica en las culturas occidentales hasta finales del siglo XIX, pero era utilizada en China desde al menos el siglo XIV. Un explorador y escritor que respondía al nombre de Joao de Barros escribió que los comerciantes chinos estampaban las impresiones y las huellas de la palma de las manos de los niños en papel con tinta. Los comerciantes hacían esto como método para distinguir entre los niños jóvenes. En Occidente, la identificación confiaba simplemente en la "memoria fotográfica" hasta que Alphonse Bertillon, jefe del departamento fotográfico de la Policía de París, desarrolló el sistema antropométrico (también conocido más tarde como Bertillonage) en 1883. Éste era el primer sistema preciso, ampliamente utilizado científicamente para identificar a criminales y convirtió a la biométrica en un campo de estudio. Funcionaba midiendo de forma precisa ciertas longitudes y anchuras de la cabeza y del cuerpo, así como registrando marcas individuales como tatuajes y cicatrices. El sistema de Bertillon fue adoptado extensamente en occidente hasta que aparecieron defectos en el sistema - principalmente problemas con métodos distintos de medidas y cambios de medida. Después de esto, las fuerzas policiales occidentales comenzaron a usar la huella dactilar - esencialmente el mismo sistema visto en China cientos de años antes. En estos últimos años la biométrica ha crecido desde usar simplemente la huella dactilar, a emplear muchos métodos distintos teniendo en cuenta varias medidas físicas y de comportamiento. Las aplicaciones de la biometría también han aumentado - desde sólo identificación hasta sistemas de seguridad y más. Funcionamiento y rendimiento En un sistema de Biometria típico, la persona se registra con el sistema cuando una o más de sus características físicas y de conducta es obtenida, procesada por un algoritmo numérico, e introducida en una base de datos. Idealmente, cuando entra, casi todas sus características concuerdan; entonces cuando alguna otra persona intenta identificarse, no empareja completamente, por lo que el sistema no le permite el acceso. Las tecnologías actuales tienen tasas de error que varían ampliamente (desde valores bajos como el 60%, hasta altos como el 99,9%). El rendimiento de una medida biométrica se define generalmente en términos de tasa de falso positivo (False Acceptance Rate o FAR), la tasa de falso negativo (False NonMatch Rate o FNMR, también False Rejection Rate o FRR), y el fallo de tasa de alistamiento (Failure-to-enroll Rate, FTR o FER). En los sistemas biométricos reales el FAR y el FRR puede transformarse en los demás cambiando cierto parámetro. Una de las medidas más comunes de los sistemas biométricos reales es la tasa en la que el ajuste en el cual acepta y rechaza los errores es igual: la tasa de error igual (Equal Error Rate o EER), también conocida como la tarifa de error de cruce (Cross- over Error Rate o CER). Cuanto más bajo es el EER o el CER, se considera que el sistema es más exacto. Las tasas de error anunciadas implican a veces elementos idiosincrásicos o subjetivos. Por ejemplo, un fabricante de sistemas biométricos fijó el umbral de aceptación alto, para reducir al mínimo las falsas aceptaciones; en la práctica, se permitían tres intentos, por lo que un falso rechazo se contaba sólo si los tres intentos resultaban fallidos (por ejemplo escritura, habla, etc.), las opiniones pueden variar sobre qué constituye un falso rechazo. Si entro a un sistema de verificación de firmas usando mi inicial y apellido, ¿puedo decir legítimamente que se trata de un falso rechazo cuando rechace mi nombre y apellido? A pesar de estas dudas, los sistemas biométricos tienen un potencial para identificar a individuos con un grado de certeza muy alto. La prueba forense del ADN goza de un grado particularmente alto de confianza pública actualmente (ca. 2004) y la tecnología está orientándose al reconocimiento del iris, que tiene la capacidad de diferenciar entre dos individuos con un ADN idéntico. Tabla comparativa de sistemas biométricos Lo que sigue a continuación es una tabla en la que recogen las diferentes características de los sistemas biométricos: Ojo Ojo Huellas Geometría de la Escritura y Voz Cara (Iris) (Retina) dactilares mano firma Muy Fiabilidad Muy alta Alta Alta Media Alta Alta alta Facilidad de uso Media Baja Alta Alta Alta Alta Alta Prevención de Muy Muy alta Alta Alta Media Media Media ataques alta Muy Aceptación Media Media Media Alta Muy alta Alta alta Estabilidad Alta Alta Alta Media Baja Media Media Estándares asociados a tecnologías biométricas En los últimos años se ha notado una preocupación creciente por las organizaciones regulatorias respecto a elaborar estándares relativos al uso de técnicas biométricas en el ambiente informático. Esta preocupación es reflejo del creciente interés industrial por este ámbito tecnológico, y a los múltiples beneficios que su uso aporta. No obstante ello, aún la estandarización continua siendo deficiente y como resultado de ello, los proveedores de soluciones biométricas continúan suministrando interfaces de software propietarios para sus productos, lo que dificulta a las empresas el cambio de producto o vendedor. A nivel mundial el principal organismo que coordina las actividades de estandarización biométrica es el Sub-Comité 17 (SC17) del Joint Technical Committee on Information Technology (ISO/IEC JTC1), del International Organization for Standardization (ISO) y el International Electrotechnical Commission (IEC). En Estados Unidos desempeñan un papel similar el Comité Técnico M1 del INCITS (InterNational Committee for Information Technology Standards), el National Institute of Standards and Technology (NIST) y el American National Standards Institute (ANSI). Existen además otros organismos no gubernamentales impulsando iniciativas en materias biométricas tales como: Biometrics Consortium, International Biometrics Groups y BioAPI. Este último se estableció en Estados Unidos en 1998 compuesto por las empresas Bioscrypt, Compaq, Iridiam, Infineon, NIST, Saflink y Unisis. El Consorcio BioAPI desarrolló conjuntamente con otros consorcios y asociaciones, un estándar que promoviera la conexión entre los dispositivos biométricos y los diferentes tipos de programas de aplicación, además de promover el crecimiento de los mercados biométricos. Los estándares más importantes son: Estándar ANSI X.9.84 Estándar creado en 2001, por la ANSI (American National Standards Institute) y actualizado en 2003, define las condiciones de los sistemas biométricos para la industria de servicios financieros haciendo referencia a la transmisión y almacenamiento seguro de información biométrica, y a la seguridad del hardware asociado. Estándar ANSI / INCITS 358 Estándar creado en 2002 por ANSI y BioApi Consortium, que presenta una interfaz de programación de aplicación que garantiza que los productos y sistemas que cumplen este estándar son interoperables entre sí. Estándar NISTIR 6529 También conocido como CBEFF (Common Biometric Exchange File Format) es un estándar creado en 1999 por NIST y Biometrics Consortium que propone un formato estandarizado (estructura lógica de archivos de datos) para el intercambio de información biométrica. Procesos de Autentificación e Identificación biométrica En el proceso de autentificación (o verificación) los rasgos biométricos se comparan solamente con los de un patrón ya guardado, este proceso se conoce también como uno-para-uno ( 1:1 ). Este proceso implica conocer presuntamente la identidad del individuo a autentificar, por lo tanto, dicho individuo ha presentado algún tipo de credencial, que después del proceso de autentificación biométrica será validada o no. En el proceso de identificación los rasgos biométricos se comparan con los de un conjunto de patrones ya guardados, este proceso se conoce también como uno-para-muchos ( 1:N ). Este proceso implica no conocer la identidad presunta del individuo, la nueva muestra de datos biométricos es tomada del usuario y comparada una a una con los patrones ya existentes en el banco de datos registrados. El resultado de este proceso es la identidad del individuo, mientras que en el proceso de autentificación es un valor verdadero o falso. El proceso de autentificación o verificación biométrica es más rápido que el de identificación biométrica, sobre todo cuando el número de usuarios (N) es elevado. Esto es debido a que la necesidad de procesamiento y comparaciones es más reducido en el proceso de autentificación. Por esta razón, es habitual usar autentificación cuando se quiere validar la identidad de un individuo desde un sistema con capacidad de procesamiento limitada o se quiere un proceso muy rápido. Cuestiones y preocupaciones: Como con muchos otros progresos tecnológicos interesantes y de gran alcance, las excesivas dudas en lo referente a la biometría pueden eclipsar una crítica más general. La biometría puede llegar a asociarse con fallos severos de la justicia en aquellos casos en los que la tecnología ha desviado la atención del verdadero foco, así, un individuo podría:  introducir deliberadamente ADN en la escena de un crimen  relacionar sus propios parámetros biométricos con la identidad de otra persona  engañar a un detector de huellas dactilares mediante una superficie que tuviera una huella impresa en ella  engañar un reconocimiento ocular mediante una fotografía de un iris verdadero  interferir la señal del aparato de reconocimiento biométrico y el sistema informático que procesa dicha señal. Robo de identidad Las preocupaciones acerca del robo de identidad por el uso de la Biometria aún no han sido resueltas. Si el número de tarjeta de crédito de una persona es robado, por ejemplo, puede causarle a esa persona grandes dificultades. Si sus patrones de escaneado de iris son robados, sin embargo, y eso permite a otra persona acceder a información personal o a cuentas financieras, el daño podría ser irreversible. Frecuentemente, las tecnologías biométricas han sido puestas en uso sin medidas adecuadas de seguridad para la información personal que es resguardada a través de las mismas. Privacidad Aunque la biometría es frecuentemente utilizada como un medio para combatir la criminalidad, existe la preocupación de que la biometría pueda ser utilizada para disminuir las libertades personales de los ciudadanos. Los desarrollos en tecnología video digital, infrarrojos, rayos X, inalámbricas, sistemas de posicionamiento global, biometría, escaneado de imágenes, reconocimiento de voz, ADN, y identificación de ondas cerebrales le proveen al gobierno con nuevos métodos para "buscar e investigar" vastas bases de datos individuales y colectivas de información sobre la población en general. Los Padres de la Constitución de los Estados Unidos nunca pensaron acerca de este tipo de "búsquedas e investigaciones" cuando diseñaron la Cuarta Enmienda, pero como uno de los avances tecnológicos de nuestro tiempo, nosotros tenemos que pensar en ese contexto. Inteligencia artificial Asimo, robot humanoide creado por la compañía Honda. Se denomina inteligencia artificial a la rama de la informática que desarrolla procesos que imitan a la inteligencia de los seres vivos. La principal aplicación de esta ciencia es la creación de máquinas para la automatización de tareas que requieran un comportamiento inteligente. Algunos ejemplos se encuentran en el área de control de sistemas, planificación automática, la habilidad de responder a diagnósticos y a consultas de los consumidores, reconocimiento de escritura, reconocimiento del habla y reconocimiento de patrones. Los sistemas de IA actualmente son parte de la rutina en campos como economía, medicina, ingeniería y la milicia, y se ha usado en gran variedad de aplicaciones de software, juegos de estrategia como ajedrez de computador y otros videojuegos. El matemático sudafricano, Seymour Papert, es considerado pionero en esta ciencia. Escuelas de pensamiento La IA se divide en dos escuelas de pensamiento: La inteligencia artificial convencional La inteligencia computacional. Inteligencia artificial convencional Se conoce también como IA simbólico-deductiva e IA débil. Está basada en el análisis formal y estadístico del comportamiento humano ante diferentes problemas:  Razonamiento basado en casos: ayuda a tomar decisiones mientras se resuelven ciertos problemas concretos.  Sistemas expertos: infieren una solución a través del conocimiento previo del contexto en que se aplica y de ciertas reglas o relaciones.  Redes bayesianas: propone soluciones mediante inferencia estadística.  Inteligencia artificial basada en comportamientos: sistemas complejos que tienen autonomía y pueden auto- regularse y controlarse para mejorar. Inteligencia artificial computacional La inteligencia computacional (también conocida como IA subsimbólica-inductiva e IA fuerte) implica desarrollo o aprendizaje iterativo (p.ej. modificaciones iterativas de los parámetros en sistemas conexionistas). El aprendizaje se realiza basándose en datos empíricos. Algunos métodos de esta rama incluyen:  Máquina de vectores soporte: sistemas que permiten reconocimiento de patrones genéricos de gran potencia.  Redes neuronales: sistemas con grandes capacidades de reconocimiento de patrones.  Modelos ocultos de Markov: aprendizaje basado en dependencia temporal de eventos probabilísticos.  Sistemas difusos: técnicas para lograr el razonamiento bajo incertidumbre. Ha sido ampliamente usada en la industria moderna y en productos de consumo masivo, como las lavadoras.  Computación evolutiva: aplica conceptos inspirados en la biología, tales como población, mutación y supervivencia del más apto para generar soluciones sucesivamente mejores para un problema. Estos métodos a su vez se dividen en algoritmos evolutivos (ej. algoritmos genéticos) e inteligencia colectiva (ej. algoritmos hormiga) Historia Los primeros desarrollos en inteligencia artificial comenzaron a mediados de los años 1950 con el trabajo de Alan Turing, a partir de lo cual la ciencia ha pasado por diversas situaciones:  El término fue inventado en 1956 por John McCarthy, Marvin Minsky y Claude Shannon en la Conferencia de Dartmouth , un congreso en el que se hicieron previsiones triunfalistas a diez años que jamás se cumplieron, lo que provocó el abandono casi total de las investigaciones durante quince años.  En 1980 la historia se repitió con el desafío japonés de la quinta generación de computadoras, que dio lugar al auge de los sistemas expertos pero que no alcanzó muchos de sus objetivos, por lo que este campo sufrió una nueva interrupción en los años noventa.   En la actualidad se está tan lejos de cumplir la prueba de Turing como cuando se formuló: Existirá Inteligencia Artificial cuando no seamos capaces de distinguir entre un ser humano y un programa de computadora en una conversación a ciegas.  Como anécdota, muchos de los investigadores sobre IA sostienen que "la inteligencia es un programa capaz de ser ejecutado independientemente de la máquina que lo ejecute, computador o cerebro". Fundamentos y filosofía Como ocurre casi siempre en el caso de una ciencia recién creada, la inteligencia artificial aborda tantas cuestiones confundibles en un nivel fundamental y conceptual que, adjunto a lo científico, es necesario hacer consideraciones desde el punto de vista de la filosofía. Gran parte de esta ciencia se junta con temas en la filosofía de la mente, pero hay ciertos temas particulares a la IA. Por ejemplo  ¿En qué consiste la inteligencia? ¿Cómo la reconoceríamos en un objeto no humano, si la tuviera?  ¿Qué sustancia y organización se requiere? ¿Es posible que una criatura hecha de metal, por ejemplo, posea una inteligencia comparable a la humana?  Aunque una criatura no orgánica pudiera solucionar problemas de la misma manera que un humano, ¿tendría o podría tener consciencia y emociones?  Suponiendo que podemos hacer robots con una inteligencia comparable a la nuestra, ¿debemos hacerlo? Durante más de 2000 años de tradición en filosofía, han ido surgiendo diversas teorías del razonamiento y del aprendizaje, simultáneamente con el punto de vista de que la mente se reduce al funcionamiento físico. La psicología ofrece herramientas que permiten la investigación de la mente humana, así como un lenguaje científico para expresar las teorías que se van obteniendo. La lingüística ofrece teorías para la estructura y significado del lenguaje, así como la ciencia de la computación, de la que se toman las herramientas que permiten que la Inteligencia Artificial sea una realidad. Empezó con el nacimiento de Platón en 428 adC y con lo que aprendió de Sócrates. La temática de su obra fue muy diversa: política, matemática, física, astronomía y diversas ramas de la filosofía. El filósofo Hubet Dreyfus (1979) afirma que: Bien podría afirmarse que la historia de la inteligencia artificial comienza en el año 450 adC, cuando Platón cita un diálogo en el que Sócrates le pregunta a Eutidemo: "Desearía saber cuál es la característica de la piedad que hace que una acción se pueda considerar como pía... y así la observe y me sirva de norma para juzgar tus acciones y las de otros." Los filósofos delimitaron las más importantes ideas relacionadas con la inteligencia artificial, pero para pasar de allí a una ciencia formal era necesario contar con una formalización matemática en tres áreas principales: la computación, la lógica y la probabilidad. La idea de expresar un calculo mediante un algoritmo formal se remota a la época de Jwarizmi, matemático árabe del siglo IX, con cuyas obras se introdujeron en Europa los números arábigos y el álgebra (de su nombre al-Jwarizmi deriva la palabra Algoritmo). El hombre se ha aplicado a sí mismo el nombre científico de homo sapiens como una valoración de la trascendencia de nuestras habilidades mentales tanto para nuestra vida cotidiana como para nuestro propio sentido de identidad. Los esfuerzos del campo de la inteligencia artificial se enfocan en lograr la compresión de entidades inteligentes. Una de las razones de su estudio es el aprender más de nosotros mismo. A diferencia de la filosofía y de la psicología, que también se ocupan de la inteligencia, los esfuerzos de la Inteligencia Artificial están encaminados tanto a la construcción de entidades como a su compresión. Otra razón por la cual se estudia la Inteligencia Artificial es debido a que las entidades inteligentes así construidas son inteligencia Artificial ha sido posible crear diversos productos de trascendencia y sorprendentes. Nadie podría pronosticar con toda precisión lo que se podría esperar en el futuro, es evidente que las computadoras que posean una inteligencia a nivel humano tendrán repercusiones muy importantes en nuestra vida diaria así como el devenir de la civilización. El problema que aborda la inteligencia artificial es uno de los más complejos: ¿Cómo es posible que un diminuto y lento cerebro, sea biológico o electrónico, tenga capacidad de percibir, comprender, predecir y manipular un mundo que en tamaño y complejidad lo excede con creces?, pero a diferencia de la investigación en torno al desplazamiento mayor que la velocidad de la luz o de un dispositivo antigravitatorio, el investigador del campo de la inteligencia artificial cuenta con pruebas contundentes de que tal búsqueda es totalmente factible. La inteligencia artificial permite al hombre emular en las máquinas el comportamiento humano, tomando como base el cerebro y su funcionamiento, de manera tal que se pueda alcanzar cierto razonamiento. Limitaciones físicas y espacio-temporales El concepto de IA es aún demasiado difuso. Contextualizando, y teniendo en cuenta un punto de vista científico podríamos englobar a esta ciencia como la encargada de imitar a una persona, y no por fuera en su cuerpo, sino imitar al cerebro, en todas las funciones posibles, existentes en el humano o inventadas sobre el desarrollo de la máquina inteligente. Así, aplicando literalmente la definición de Inteligencia Artificial, no cabe otra posibilidad que pensar en máquinas inteligentes, es decir, sin emociones que obstaculicen encontrar la mejor solución a un problema dado. Debemos pensar en dispositivos artificiales capaces de concluir miles de premisas a partir de otras premisas dadas, sin que ningún tipo de emoción tenga opción de sobrevivir. En esta línea, hay que saber que ya existen sistemas inteligentes. Capaces de tomar decisiones acertadas. Sin embargo, el concepto de IA que la mayoría de las personas podemos hacernos es muy distinto al descrito anteriormente, pues lo que realmente nos gustaría, lo que produciría curiosidad experimental, es un dispositivo con emociones. Y aquí, es donde finaliza el campo científico y comienza todo un conjunto de teorías, avisos, discusiones y toda forma expresiva de conflictos intelectuales entre semejantes por vaticinar lo que podría o no ocurrir si existiesen máquinas emocionales. Se podria decir que aquí finaliza la ciencia porque, hoy por hoy, no existe red neuro-electrónica, o sistema informático, capaz de desarrollar emociones, pues la naturaleza, el origen de las emociones fue la supervivencia de la especie. Y dotar a una máquina de instinto de supervivencia sería tan irracional como imposible, pues el instinto de supervivencia está impreso en cada célula del cuerpo humano, o cualquier ser vivo (pues una planta tiene dicho instinto capaz de hacerla crecer buscando el Sol, por ejemplo). Sí podría ser posible utilizar el instinto de las células junto a una Inteligencia Artificial, perfectamente conectadas y capaces de colaborar entre sí para lograr algo parecido a un humanoide. Pero estos no son años de estos temas, simplemente por el avance tecnológico que vivimos en el presente espacio-tiempo. Además habría que añadir el concepto de heurística. Dicho concepto, se basa en la búsqueda de un camino a seguir para llegar a una solución, la heurística son las decisiones tomadas en dicho camino y las razones de ello. Así si pretendemos "implementar" la inteligencia nos basaremos en un conocimiento previo, pues hasta el momento la I.A. se basa todo en conocimiento humano, no conocimiento desarrollado, y llegaremos al objetivo deseado. Críticas Las principales críticas a la inteligencia artificial tienen que ver con su incapacidad de imitar por completo a un ser humano. Normalmente la lógica usada por la inteligencia artificial llega a aserciones que no son comunes del humano; es por ello que esta lógica artificial es llamada "Lógica Difusa". Se entiende por este término los resultados que da una computadora que no son comunes a nuestro pensamiento. Se da principalmente porque manejan resultados como totalmente verdaderos o totalmente falsos. Aunque esta lógica usada por la inteligencia artificial comúnmente puede convencer que la máquina sí piensa, si realizáramos test como el de Turing sabríamos que carece de pensamiento. Otros experimentos como la Habitación china de Searle han mostrado como una máquina puede simular pensamiento sin tener que tenerlo y puede pasar muchos test, sin siquiera entender lo que hace. Tecnologías de apoyo  Interfaces de usuario  Visión artificial Aplicaciones de la inteligencia artificial  Lingüística computacional  Minería de datos (Data Mining)  Mundos virtuales  Procesamiento de lenguaje natural (Natural Language Processing)  Robótica  Sistemas de apoyo a la decisión  Videojuegos  Prototipos informaticos Científicos en el campo de la inteligencia artificial  Jeff Hawkins  John McCarthy  Marvin Minsky  Alan Turing, discípulo de John Von Neumann, diseñó el Test de Turing que debería utilizarse para comprender si una máquina lógica es inteligente o no.  Joseph Weizenbaum  Raúl Rojas  Ray Kurzweil