LAS PRINCIPALES TÉCNICAS DE LA INTELIGENCIA ARTIFICIAL APLICADAS EN LA GESTIÓN FINANCIERA EMPRESARIAL

UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS

[pic 1]

LAS PRINCIPALES TÉCNICAS DE LA INTELIGENCIA ARTIFICIAL APLICADAS EN LA GESTIÓN FINANCIERA EMPRESARIAL

INGENIERO:

JAVIER JORGE, CARLOS REYES

INTEGRANTE:

HILARIO ASTORAYME, ANTUANETTE INGRID

Código orcid: 0000-0002-4261-3281
Antuanette Ingrid Hilario Astorayme

[pic 2][pic 3][pic 4]

[pic 5]

RESUMEN

Este artículo abarca de técnicas que presenta la Inteligencia Artificial, junto a sus paradigmas, dónde encontraremos los sistemas expertos, las redes neuronales, los algoritmos genéticos, la lógica borrosa y la teoría “Rough sets” y sus diferentes aplicaciones en la gestión financiera de una empresa. Se considerará que la alta dirección a la hora de planificar, ejecutar y controlar la gestión financiera de la empresa se podría ayudar de las nuevas tecnologías que ofrece la Inteligencia Artificial en la toma de decisiones eficientes, con el propósito de enfrentar desafíos que

impone el entorno económico global y la creciente innovación que afrontan las empresas en este ciclo XXI.

Palabras clave: Rough sets, algoritmo, paradigma.

ABSTRACT

This article covers the techniques presented by Artificial Intelligence, along with its paradigms, where we will find expert systems, neural networks, genetic algorithms, fuzzy logic and the "Rough sets" theory and its different applications in the financial management of a company. business. It will be considered that the senior management when planning, executing and controlling the financial management of the company could be helped by the new technologies offered by Artificial Intelligence in making efficient decisions, with the purpose of facing challenges imposed by the environment. global economy and the growing innovation faced by companies in this 21st cycle.

Key words: Rough sets, algorithm, paradigm.

INTRODUCCIÓN

En los últimos años ha acontecido un gran cambio en el ámbito empresarial debido al avance de la tecnología. La presencia de nuevos patrones que generan las empresas denominado “gestión del conocimiento” (capturar, organizar y almacenar el conocimiento de los trabajadores en busca de una transformación en un activo intelectual para que se pueda compartir), una marcada tendencia hacia la globalización de los mercados y la incertidumbre en la toma de decisiones han contribuido al avance de este. Vivimos en un mundo más complejo dónde tenemos que ser competitivos y sostenibles a través del tiempo ya que es un reto para la supervivencia de las empresas. En este contexto, el avance de la tecnología y el surgimiento de nuevos paradigmas deben ser un soporte para el logro de los objetivos de la gestión empresarial llevada a cabo mediante decisiones adecuadas, eficaces y oportunas. Los cambios mencionados anteriormente se pueden extender al campo de las decisiones empresariales, específicamente al de las finanzas. Normalmente las explicaciones se basan en modelos cuantitativos que utilizan el lenguaje científico, junto a verificaciones empíricas. pese a ello las investigaciones más recientes tienen aspectos cualitativos en lo que se ha dado a llamar como el “paradigma de la psicología financiera”, intentando explicar el comportamiento de los inversionistas. Tema donde se encuentran grandes limitaciones, específicamente en los modelos racionales planteados por las finanzas tradicionales y modernas. Con el propósito de ahondar en estos nuevos paradigmas se ha desarrollado técnicas de la inteligencia artificial que tienen consigo soportes de ayuda para tomar decisiones en la actividad empresarial. Estos soportes consideran información cualitativa y a partir de ahí diseñan modelos estadísticos ayudando a los decisores en la resolución de los diversos problemas empresariales. Las técnicas que abordaremos son: los sistemas expertos, las redes neuronales, los algoritmos genéticos, la lógica difusa y la técnica reciente de los conjuntos aproximados o Rough sets. Estas técnicas pueden combinarse para una solución más adecuada del problema en estudio. La inteligencia artificial tiene dos aproximaciones fundamentales dentro del amplio concepto, una de ellas tiene un alto nivel de abstracción y vista microscópica, a esta categoría pertenece la psicología clásica, los sistemas basados en el conocimiento, el aprendizaje simbólico de la máquina y técnicas de búsqueda. El segundo concepto se caracteriza por un bajo nivel de abstracción y modelos biológicos microscópicos cómo las redes neuronales y algoritmos genéticos que se encuentran en esta categoría. Se han desarrollado nuevas herramientas denominadas “inteligencia computacional” las cuales tienen una aplicación en la gestión financiera empresarial especialmente en el tratamiento de la información imprecisa. Tenemos 3 técnicas dentro de ello: la teoría de los conjuntos aproximados, los sistemas borrosos y los sistemas caóticos.

CONTENIDO

1. Sistemas expertos

Los sistemas expertos se definen como sistemas de computación (hardware y software) que recopilan y simulan el pensamiento de expertos humanos en un área específica del conocimiento estos sistemas son capaces de procesar y memorizar información, aprenden y razonan en situaciones determinadas, comunicándose con humanos explicándoles el porqué de esas decisiones se han sido tomadas. de esta forma los sistemas expertos actúan como un consultor que puede proporcionar ayuda a un humano en un área específica.

Según O´Leary (1995), citado por Suárez (2000), existen dos enfoques para la construcción de los sistemas expertos:

El primer enfoque permite la introducción del conocimiento acumulado de expertos humanos a lo largo de su vida profesional, obteniéndose de esta forma lo que se conoce como sistema experto. El principal problema de este enfoque se relaciona con el proceso de captación de la información, la cual se ha de hacer mediante entrevista al experto en un dominio específico o mediante la observación de su comportamiento a través de un análisis de protocolo. Esto trae bloqueos o cuellos de botellas en el desarrollo de la aplicación.

El segundo enfoque busca la elaboración de programas de ordenador capaces de generar conocimiento a través del análisis de los datos empíricos y posteriormente se usa ese conocimiento para hacer inferencias sobre nuevos datos. Como resultado de este enfoque surgen procedimientos conocidos como Machine Learning (Aprendizaje Automático) o Data Mining (explotación de datos), los cuales permiten transformar una base de datos en base de conocimiento (más adelante en este artículo se menciona con más detalle este concepto). Este segundo enfoque es uno de los más utilizado para el diseño de sistemas expertos.

...