Esta tese demostra como a intelixencia artificial pode transformar dixitalmente ás PYMÉ do sector turístico, mellorando procesos clave e aumentando a rendabilidade. O sistema SYSTEM-TH-001, baseado en aprendizaxe automática, sistemas multiaxente biospirados e procesamento da linguaxe natural, destaca por identificar clientes con alta propensión á compra, distribuír eficientemente a carga de traballo e optimizar as recomendacións personalizadas. O uso de software libre reducido cos custos e permitiu personalizar solucións tecnolóxicas. Con todo, enfrontáronse desafíos como a xestión do cambio e o mantemento da infraestrutura tecnolóxica. Os resultados confirman o impacto positivo da IA, aplicable a varios sectores.
6.1 Conclusións
Esta tese doutoral pretende ser un exercicio práctico dun proceso de transformación dixital dunha Pyme, do sector do turismo. Demostrando que o programa da intelixencia artificial pode ter un efecto positivo moitos procesos da empresa. Durante esta investigación implementouse un sistema de xestión integral, usando o uso de técnicas de aprendizaxe automática (ML), sistemas multiaxente bioinspirados (MAS) e procesamento da linguaxe natural (PLN). Detállanse a continuación as conclusións que se poden extraer da aprendizaxe obtido durante o proxecto de investigación.
A implementación dun proceso analítico para clasificar os potenciais clientes foi un dos fitos destacados no proxecto. Mediante o uso de datos históricos sobre vendas, a solución SYSTEM-TH-001 optimizar o proceso de vendas, identificando os clientes que teñen unha maior propensión á compra. O uso destes modelos demostrou ser unha ferramenta fiable e innovadora coa fin de aumentar as vendas, sen dúbida é un logro que demostra que a intelixencia artificial pode
ser unha das mellores tecnoloxías a disposición da toma de decisións baseadas en datos, hoxe en día.
O uso das técnicas de sistema multiaxente inspirados, é unha das innovacións máis evidentes deste proxecto. Esta arquitectura permitiu a distribución da carga de traballo das diferentes tarefas existentes na axencia de viaxes, dunha forma intuitiva e eficiente. Unha das características desta tecnoloxía é a súa grande capacidade para adaptarse aos cambios, mediante a aprendizaxe de interacción durante as fases cos usuarios. O noso exemplo abre o camiño para explorar as posibilidades que ofrecen os sistemas multiaxente no entorno empresarial.
O procesamento da linguaxe natural (PLN) é outra das tecnoloxías de intelixencia artificial que se implementa neste proxecto. Mediante esta tecnoloxía pode analizar grandes volumes de datos do tipo de texto, como son as mensaxes iniciais dos clientes e documentos de ofertas concretas, o que permite mellorar a capacidade do sistema para ofrecer recomendacións óptimas. En concreto, mediante o uso das ferramentas software como SOFTWARE-TH-002 e tamén modelos do tipo SOFTWARE-TH-003 demostrouse que esta tecnoloxía é chave para comprender a configuración dos clientes e poder optimizar as ofertas realizadas aos clientes. Ademais, esta tecnoloxía non só permitiu mellorar a experiencia do cliente co proceso de venda, senón que tamén aumentau o coñecemento dispoñíbel sobre este problema de negocio dentro da empresa. Unha das innovacións neste ámbito, foi a aplicación de algoritmos de Support Vector Machines (SVM) para a construcción dun modelo de clasificación do xénero do autor dun texto. Este reto, rematado con éxito, demostra que a precisión dos modelos pode incrementarse, cando se aplican técnicas tradicionais como o stemming en linguas fortemente inflexados, como o español. Este descubrimento, pode guiar mellor o desenvolvemento doutras aplicacións de intelixencia artificial no futuro en ambientes multilingües, o que destaca a necesidade de adaptar as técnicas que se empregan de procesamento da linguaxe natural ás características de cada lingua. A clasificación do xénero neste problema considérase como binaria, pero os resultados obtidos permiten soñar con outras solucións que poden ser implementadas no futuro.
Un detalle moi destacable desta tese é a aposta firme polo uso de software libre. Grazas a esta decisión a empresa hoxe en día goza dun estado de soberanía dixital e permítelle reducir os custos da implementación de solucións software, máis aínda se cabe cando dichas solucións son tecnolóxicamente moi avanzadas. Ademais, o uso de software libre, tamén permite crear un sistema a medida das necesidades da empresa, demostrando que a pequena e mediana empresa (Pyme) tamén se poden beneficiar do uso de intelixencia artificial, sen a necesidade de depender de solucións privativas de alto custo. Esta estratexia, si-
Dou económicamente beneficiosa, pero ademais proporcionou á empresa unha maior capacidade de adaptación aos cambios.
Aínda cos éxitos alcanzados no proxecto, débense mencionar tamén os obstáculos e limitacións que se atoparon. O desafío chave é a xestión da mudanza perante as novas tecnoloxías dentro da empresa. Introduza novas tecnoloxías cando os usuarios non coñecen como funcionan as mesmas, polo xeral producir desconfianza e require dun esforzo extra de formación. Ademais, implementar técnicas avanzadas de intelixencia artificial mostra a relevancia de dispor dunha xestión do coñecemento como proceso na empresa. Pero sen dúbida o gran desafío é o mantemento dunha inflaestrutura tecnolóxica, para dispor dun sistema robusto e que permita a evolución do mesmo.
Pódese afirmar que este proxecto foi un éxito para a empresa e mostra o camiño facía novas oportunidades na aplicación de tecnoloxías de intelixencia artificial no sector turístico e en calquera outro. En concreto, a expansión do sistema para incluír funcionalidades de comercio electrónico, integrando a fonte turísticos, son vías moi prometedoras para o futuro. A posibilidade de desenvolvemento dun axente de viaxes virtuais que empregue técnicas de procesamento da linguaxe natural, para a automatización completa dos procesos, representaría un avance disruptor no mercado. Ademais no futuro, abre a porta á optimización dos sistemas multiaxente, para resolver problemas complexos, como podería ser unha negociación integrativa que considere as opcións dos clientes e a súa integración con sistemas de recomendación máis sofísticados como os que ofrecen as técnicas de recomendación que empregan a aprendizaxe profundo.
En resumo, esta tese foi unha demostración real da aplicación da intelixencia artificial nunha empresa do sector turístico, obtendo con el un gran retorno da investimento (ROI), grazas aos baixos custos tecnolóxicos, a mellora nos procesos de negocio e en definitiva o incremento da retabilidade da empresa. SYSTEM-TH-001 é un exemplo que demostra como as Pymes poden obter numerosos beneficios mediante a integración de novas tecnoloxías e mostra os principais obstáculos a ter en conta nun proxecto deste tipo: a mellora da adaptación ao cambio e a necesidade de aumentar a formación aos empregados. Os resultados que se obtiveron, mostran a eficacia do sistema para resolver o problema de negocio plantado: mellorar o proceso de venda e aumentar a rendabilidade da empresa, o que sen dúbida pode ser de aplicación non só no sector do turismo, senón en calquera outro.
6.2 Traballo futuro
O traballo futuro desta tese pode centrarse en diversas liñas de investigación e desenvolvemento, derivadas dos logros alcanzados e das limitacións identificadas durante o proxecto. Algúns posíbeis áreas de exploración inclúen:
Desenvolvemento dun axente de viaxes virtuais completo: Basado en técnicas avanzadas de procesamento da linguaxe natural (PLN) e sistemas multiaxente (MAS), este axente podería ofrecer un servizo personalizado e en tempo real, xestionando todas as etapas do proceso de reserva e mellorando a experiencia do cliente.
Integración de comercio electrónico: Ampliar as funcionalidades do sistema SYSTEM-TH-001 para incluír unha plataforma de comercio electrónico que conecte directamente aos fornecedores turísticos cos clientes finais. Isto podería simplificar a xestión de reservas e mellorar a eficiencia operativa.
Optimización de sistemas multiaxente: Investigar novas arquitecturas e estratexias bioinspiradas para resolver problemas máis complexos, como a negociación integrativa. Estas técnicas poderían incluír algoritmos de aprendizaxe profundo que consideren a configuración dos clientes e permitan recomendacións máis sofisticadas.
Porte a entornos multilingües: Desenvolver modelos PLN especializados en varias linguas, optimizando o rendemento dos sistemas como SOFTWARE-TH-003 o SOFTWARE-TH-002 para aplicativos globais, especialmente en mercados con grande diversidade lingüística.
Evolución do framework SYSTEM-TH-001 para novos sectores: Adaptar o sistema a outros sectores como o comercio minorista, a saúde ou a educación, demostrando a súa versatilidade e valor en contextos empresariais máis amplios.
Educación e formación: Deseñar programas de capacitación para empregados de PYMÉ que adopten intelixencia artificial, abordando o desafío da resistencia ao cambio e promovendo unha cultura empresarial dixital.
Estas áreas representan oportunidades significativas para ampliar o impacto das tecnoloxías soportadas, promovendo a transformación dixital das empresas e a investigación en intelixencia artificial aplicada.
6.3 Publicacións realizadas
Contribucións a revistas:
Tourist services management through clients scoring using a bio-inspired agent
architecture. Raúl Moreno, Alberto Fernández-Isabel, Víctor Aceña, Javier M Moguerza, 2024, VENUE-TH-057. Volume 21 Issue 4 Pages 1243 - 1268
Adapting support vector optimisation algorithms to textual xender classification. J Gomez, C Alfaro, F Ortega, JM Moguerza, MJ Algar, R Moreno. VENUE-TH-058, 1 - 26
Contribucións a congresos:
Automatic detection of potential customers by opinion mining and intelligent agents R Moreno, COMPANY-002, A Fernández-Isabel, IM de Diego, JM Moguerza, 2022 17 th PUBLICATION-003 (FedC- SIS)
Outras contribucións non relacionadas co proxecto de tese:
Intelixencia artificial e música. Raúl Moreno Esquerda. Xornadas " ORG-TH-134 ”, 2024, ORG-TH-009
Pilot project on joint application of artificial intellixence and graphology for suicida prevention. Isasi-Sánchez L, López-Gómez J.E., Moreno-esquerdo R, Xesús-Alvarez JL. 17 th EVENT-TH-101, Barcelona (Spain) 6 th - 7 th July 2023