Universidad de Oriente

Núcleo de Anzoátegui
Escuela de Ingeniería y Ciencias Aplicadas
Departamento de Ingeniería Civil

HERRAMIENTAS DE
APLICACIÓN DE INTELIGENCIA
ARTIFICIAL

Bachiller:
Mariana Aponte C.I.: 21.327.025
Rafael Pacheco C.I.: 22.998.749

Profesor(a):
Ing. María Ramírez
Áreas de Grado I-2019

Resumen
La Inteligencia Artificial se ha ido introduciendo en el campo de softwares y continuará haciéndolo en
el futuro previsible. Esta tecnología llega a los usuarios, ya sean programadores o no, mediante el uso
de distintas herramientas como lenguajes de programación y modelados para programar aplicaciones
inteligentes. Estas aplicaciones inteligentes han incorporado algoritmos de aprendizaje profundo y de
máquina en su funcionalidad diaria para automatizar mejor las tareas, ahorrando tiempo y energía al
usuario.

Palabras clave: Inteligencia Artificial, Software Inteligente, Aprendizaje Profundo, Machine Learning,
Lenguaje de Programación, Herramientas, Modelado, Algoritmos.
1. INTRODUCCIÓN
La inteligencia artificial podría definirse como la
inteligencia de las máquinas y que el ser
humano intenta dotar de dicha inteligencia a
los sistemas para que puedan ser capaces de
imitar o superar las capacidades mentales del
ser humano como lo son razonamiento,
compresión, imaginación, reconocimiento,
creatividad hasta poder llegar a reproducir
emociones.
La usabilidad y el factor humano son la medida
en la que un producto se puede usar por
determinados usuarios para conseguir unos
objetivos específicos con efectividad, eficiencia
y satisfacción en un contexto de uso dado como
la adaptabilidad (software adaptivo), facilidad
de aprendizaje como son los agentes
inteligentes, los bot conversacional que son
capaces de interactuar con los usuarios sin que
se puedan dar cuenta que están hablando con
un robot. La IA comenzó como el resultado de
la investigación de la ciencia cognitiva que
estudia cómo la información es representada y
transformada en el cerebro humano, y la lógica
matemática que estudia la forma del
razonamiento.
La Inteligencia Artificial es una combinación de
informática, robótica, psicología, lógica
matemática entre otros, con el único fin de
crear máquinas que puedan simular un
comportamiento inteligente es decir que
puedan “pensar”.
La idea de construir una máquina que pueda
realizar tareas que requieran de inteligencia
humana es uno de los objetivos de la IA, ya que
esta pretende que estas máquinas no solo
realicen la tarea con inteligencia sino que
también aprendan o adquieran conocimientos,
es por esto que desde 1956 los sistemas buscan
mejorar su estructura de datos y el desarrollo
de algoritmos.
Para que un software piense y actúe por cuenta
propia, depende de un conjunto de tecnologías.
Además deber ser, enseñado al inicio, como un
niño. Después, él repite las acciones, adquiere
hábitos, aprende cosas nuevas, incorpora el
aprendizaje a los patrones comportamentales
existentes y crea un ciclo de aprendizaje
continuo, lo que permite que se ajuste
rápidamente a los cambios de escenario.
2. SOFTWARE DE INTELIGENCIA ARTIFICIAL
La inteligencia artificial (IA) se está convirtiendo
en un elemento básico de todo el software
empresarial, ya sea que los usuarios lo sepan o
no. A menudo, las capacidades de aprendizaje
automático e inteligencia artificial están
integradas dentro de las aplicaciones y brindan
a los usuarios funcionalidades tales como
capacidades de automatización o predictivas.
Estas aplicaciones inteligentes simplifican los
procesos y las tareas que realizan las empresas
y los empleados con la ayuda de IA, pero es
importante diferenciar entre las herramientas
que están habilitadas para IA y aquellas que
ayudan a desarrollar aplicaciones inteligentes.
El software de IA es lo último. Proporciona a los
desarrolladores herramientas para crear
aplicaciones inteligentes, ya sea agregando
aprendizaje automático o reconocimiento de
voz a una solución, o creando una aplicación
completamente nueva desde cero con la ayuda
de una plataforma de IA. Estas herramientas de
desarrollador suelen ser algoritmos, bibliotecas,
marcos de código, o kits de desarrollador que
pueden ayudar a los usuarios a crear una
máquina y una funcionalidad de aprendizaje
profundo para el software. El uso de la IA en el
software eventualmente se convertirá en nada
más que una norma: una característica que no
se considera revolucionaria, sino que se
considera necesaria. El mundo del software se
esfuerza por alcanzar esa norma con el uso de
herramientas de desarrollador de inteligencia
artificial.
Quienes creen que el uso generalizado de la IA
en los negocios será la caída para los
empleados humanos están equivocados. En
cambio, el software de IA ayudará a mejorar la
experiencia de los empleados y ofrecerá formas
automatizadas y simplificadas para que los
trabajadores completen tareas manuales y
mundanas. Ayudará a las empresas a trabajar
de manera más inteligente y a tomar decisiones
más inteligentes. El software de IA proporciona
a los ingenieros de software las herramientas
para construir estas soluciones que ayudarán a
beneficiar a los empleados en todas las áreas
de negocios.
2.1. ¿POR QUÉ USAR SOFTWARE DE IA?
La razón por la que alguien usaría el software
de IA es construir una aplicación inteligente
desde cero o agregar una máquina o un
aprendizaje profundo a una aplicación de
software preexistente. El software IA permite a
los usuarios implementar el aprendizaje
automático general o capacidades de
aprendizaje profundo más específicas, como el
procesamiento del lenguaje natural, la visión
artificial y el reconocimiento de voz. Si bien esta
es la razón principal, y algo obvia, hay muchas
motivaciones detrás de esta razón, y algunos de
los temas más comunes son los siguientes:
- Automatización de tareas mundanas: las
empresas pueden implementar el
aprendizaje automático para ayudar a
automatizar las acciones tediosas que los
empleados deben realizar en su día a día. Al
utilizar la inteligencia artificial para estas
tareas, las empresas pueden liberar tiempo
para que los empleados se concentren en
los aspectos más importantes. El software
de IA no ofrece una forma de automatizar a
las personas fuera de sus trabajos, sino que
ofrece una herramienta complementaria
para ayudar a mejorar su rendimiento en el
trabajo.
- Capacidades predictivas: la funcionalidad
predictiva es similar a la automatización en
el sentido de que realiza una tarea o
proporciona un resultado que las soluciones
asumen que es correcto en lugar de que un
ser humano necesite hacerlo manualmente.
Esto puede ser tan simple como las
soluciones de administración de gastos que
agregan un gasto a un informe por su
cuenta. ¿Cómo un software sabría hacer
esto? Porque utiliza la inteligencia artificial
y el aprendizaje automático para
comprender que el usuario carga el mismo
cargo en su informe todos los meses.
Entonces, en lugar de que el empleado
tenga que agregarlo cada mes, predice lo
que aparecerá en el informe y lo automatiza
para ellos. Este tipo de capacidad predictiva
se puede agregar en aplicaciones con
software IA.
- Toma de decisiones inteligente: si bien
puede pensarse que las soluciones
predictivas toman decisiones inteligentes,
este aspecto de la IA ayuda a los seres
humanos a tomar decisiones inteligentes en
lugar de que el software lo haga por ellos. El
aprendizaje automático puede ayudar a
eliminar las conjeturas a la hora de tomar
decisiones empresariales críticas al
proporcionar pruebas analíticas y
resultados previstos. Esta funcionalidad no
solo ayuda a eliminar los errores humanos
 de la toma de decisiones, sino que también
puede ayudar a los usuarios con la
información necesaria para defender las
decisiones que toman.
- Personalización: al utilizar algoritmos de
aprendizaje automático, los desarrolladores
de software pueden crear un alto nivel de
personalización, mejorando sus productos
de software para todos los usuarios al
ofrecer experiencias únicas. La creación de
aplicaciones que reconocen a los usuarios y
sus interacciones permite contar con
potentes sistemas de recomendación,
similares a los utilizados por Amazon para
ayudar a personalizar las compras de los
consumidores, o las capacidades de
recomendación de películas de Netflix.
- Creación de interfaces de conversación:
dada la popularidad de las ofertas de
inteligencia artificial de los consumidores,
como la Alexa de Amazon, Siri de Apple y
Google Home, el uso de interfaces de
conversación se está adentrando en el
mundo B2B. Para las compañías de
software que intentan innovar y
mantenerse al día con estos avances, el
software IA es el lugar para comenzar. La
implementación del reconocimiento de voz
en un software puede permitir a los
usuarios interactuar con la aplicación de
una manera simplificada y única.
. espacio muy general, con varias subcategorías
2.2. ¿QUIÉN USA SOFTWARE DE IA?
Si bien muchos empleados probablemente
interactúan con aplicaciones inteligentes, los
usuarios del software de IA son principalmente
ingenieros de software que usan las
herramientas para construir esas aplicaciones
inteligentes. Se requiere un alto conocimiento
del aprendizaje automático y el desarrollo de
software para utilizar completamente el
software de IA. Existe una brecha significativa
en la necesidad de desarrolladores de
aprendizaje automático y en el número de
candidatos calificados. Muchas compañías más
grandes ofrecen salarios altos a quienes pueden
construir algoritmos de aprendizaje automático
o tener el conocimiento para entrenar modelos
de aprendizaje profundo. A pesar de la
demanda y los lucrativos salarios, todavía hay
una escasez general de personal que pueda
aprovechar el software de IA.
Del mismo modo, hay una escasez de científicos
de datos, otra posición que puede utilizar
software de IA. Los científicos de datos no
están necesariamente desarrollando
aplicaciones inteligentes, sino que utilizan
modelos de aprendizaje automático para
extraer información útil de los datos. Con
mayor frecuencia, estos empleados se
beneficiarían del análisis predictivo o del
procesamiento del lenguaje natural, entre otras
características del software de IA, para obtener
valiosas perspectivas empresariales de los
datos de la empresa. Muchas empresas
también pagarán un alto salario a los científicos
de datos a medida que su valor sea cada vez
mayor debido a la cantidad de datos que
consumen las empresas.
2.3. TIPOS DE SOFTWARE DE IA
El software de inteligencia artificial es un
diferentes, que incluyen plataformas de IA,
chatbots, aprendizaje profundo y aprendizaje
automático. El aprendizaje profundo se vuelve
aún más granular con otras subcategorías,
como la PNL, el reconocimiento de voz y la
visión por computadora (reconocimiento de
imagen). Cada una de estas subcategorías
ofrece a los usuarios una funcionalidad muy
diferente que son potencialmente valiosas para
que las empresas avancen.

- Plataformas IA: Para los desarrolladores
que intentan construir sus propias
aplicaciones inteligentes sobre otra
plataforma, las plataformas IA son la
solución ideal. Al igual que una plataforma
de aplicación estándar, estas herramientas
a menudo proporcionan la funcionalidad de
arrastrar y soltar con algoritmos
precompilados y marcos de código para
ayudar a construir la aplicación desde cero.
La diferencia entre las plataformas de
inteligencia artificial y las plataformas de
nube como productos de servicio (PaaS) es
que la primera proporciona la capacidad de
agregar bibliotecas, marcos de máquina y
de aprendizaje profundo al construir la
aplicación. Las plataformas IA en última
instancia dan a las aplicaciones una ventaja
inteligente; Son una mezcla de productos
de código abierto y propietarios, lo que
significa que hacen posible la creación de
una aplicación inteligente con poca
sobrecarga. Sin embargo, para aquellos que
no tienen suficiente conocimiento de
desarrollo, estas plataformas pueden
resultar desafiantes.
- Chatbots: los chatbots son una de las áreas
más refinadas del software de IA y tienen
propósitos muy específicos en el mundo de
los negocios; la experiencia del cliente y la
automatización. Estas soluciones utilizan
PNL para interactuar con los clientes a
través de conversaciones de texto y voz. Los
chatbots se utilizan a menudo como la
primera línea de defensa para los centros
de atención telefónica o los agentes de
servicio al cliente de chat en vivo. Al utilizar
un chatbot para determinar la gravedad de
una solicitud o el motivo de la interacción,
las empresas pueden dirigir mejor a los
clientes o posibles clientes. Estas
herramientas pueden interpretar el tema
general de las solicitudes y garantizar que la
persona correcta responda a la consulta.
Además, los chatbots se pueden utilizar
como asistentes virtuales o herramientas de
asistencia al cliente, como los nuevos
chatbots de Facebook. Mientras más
chatbots interactúan y hablan con los
usuarios, más pueden aprender y adaptar
su vocabulario y su inteligencia general.
Todo esto es posible debido a la máquina y
la funcionalidad de aprendizaje profundo
dentro del software.
- Aprendizaje profundo: los algoritmos de
aprendizaje profundo difieren de los
algoritmos de aprendizaje automático
específicamente porque usan redes
neuronales artificiales para hacer sus
predicciones y decisiones, y no
necesariamente requieren entrenamiento
humano. Con las redes neuronales
artificiales, los algoritmos elaborados
pueden tomar decisiones de una manera
similar a la del cerebro humano. Sin
embargo, las decisiones se toman en una
escala más pequeña porque actualmente es
imposible replicar la cantidad de conexiones
neuronales en el cerebro humano. El
aprendizaje profundo se puede dividir en
las subcategorías de reconocimiento de
imágenes (visión artificial), procesamiento
de lenguaje natural (PNL) y reconocimiento
de voz. Los algoritmos de reconocimiento
de imágenes permiten que las aplicaciones
aprendan imágenes específicas píxel por
píxel; El uso más común de un algoritmo de
reconocimiento de imagen puede ser la
capacidad de Facebook para reconocer las
caras de sus amigos al etiquetarlos en una
foto. La PNL tiene la capacidad de consumir
lenguaje humano en su forma natural, lo
que permite que una máquina entienda
fácilmente los comandos simples y el habla
del usuario. La PNL se usa ampliamente en
 aplicaciones como Siri de iPhone o Cortana
de Microsoft en productos de Windows.
Cada una de estas subcategorías utiliza
redes neuronales artificiales y se basa en las
profundas capas de conexiones neuronales
de la red para un mayor nivel de
aprendizaje.
- Aprendizaje automático: La categoría de
algoritmo de aprendizaje automático
consiste en una amplia gama de bibliotecas
y marcos que pueden realizar una variedad
de tareas de aprendizaje automático
cuando se implementan correctamente.
Cuando se integran en el software, estos
algoritmos predominantemente de código
abierto permiten que las aplicaciones
tomen decisiones y predicciones basadas
completamente en datos. Estos algoritmos
aprenden, a menudo utilizando aprendizaje
supervisado o reforzado, en función de los
conjuntos de datos que se les presentan
para el consumo. Estos estilos de
aprendizaje automático requieren algún
elemento de entrenamiento humano. Hay
varios tipos diferentes de algoritmos de
aprendizaje automático, entre los que se
incluyen el aprendizaje de reglas de
asociación, las redes bayesianas y el
aprendizaje de agrupamiento y árbol de
decisiones, entre muchos otros.
2.4. TENDENCIAS RELACIONADAS CON EL
SOFTWARE DE IA
La inteligencia artificial ha sido una de las
tendencias tecnológicas más importantes en la
última media década y, a medida que continúa
la saturación de marketing para la inteligencia
artificial, las palabras de moda pueden ser
abrumadoras. Sin embargo, dentro del
software de IA, se han determinado algunas
tendencias dentro de la tendencia: IA integrada
y aprendizaje automático como un servicio
(MLaaS).
- Inteligencia Artificial Integrada: la máquina
y la funcionalidad de aprendizaje profundo
se están incorporando en casi todos los
tipos de software, ya sea que el usuario lo
sepa o no. El uso de la IA integrada en el
software como CRM, automatización de
marketing y soluciones de análisis permite a
los usuarios optimizar los procesos,
automatizar ciertas tareas y obtener una
ventaja competitiva con capacidades
predictivas. La inteligencia artificial
incorporada solo se recuperará en los
próximos años de manera similar a la forma
en que lo han hecho la implementación en
la nube y las capacidades móviles en la
última década. Eventualmente, será tan
común que los proveedores no tendrán que
destacar el hecho de que su producto se
beneficia del aprendizaje automático;
Simplemente será asumido y esperado.
- Aprendizaje automático como servicio: El
mundo del software se ha convertido en
una estructura de microservicios mucho
más granular en los últimos años,
particularmente para las necesidades de
operaciones de desarrollo. Además, el auge
de los servicios de infraestructura de nube
pública ha permitido a grandes empresas
como Google, Amazon y Microsoft ofrecer
servicios de desarrollo e infraestructura a
otras empresas con un modelo de pago por
uso. El software de IA no es diferente, ya
que esas mismas compañías ofrecen
aprendizaje automático como un servicio
(MLaaS) a otras compañías. Los
desarrolladores pueden aprovechar
fácilmente estos algoritmos y soluciones
predefinidos al proporcionarles sus propios
datos para obtener información. Le ahorra
tiempo, recursos y dinero a las empresas
 más pequeñas al no tener que contratar
desarrolladores de aprendizaje automático
capacitados, sino que utiliza sistemas
creados por otras compañías empresariales.
2.5. Problemas potenciales con el software
de IA
Muchos usuarios potenciales asumen que el
software de IA es capaz de todo fuera de la
caja, pero casi siempre este no es el caso. El
software de IA requiere una gran cantidad de
datos para aprender lo que el usuario quiere
que aprenda. Los usuarios a menudo
necesitarán entrenar algoritmos de aprendizaje
automático, utilizando técnicas como el
aprendizaje por refuerzo, el aprendizaje
supervisado y el aprendizaje no supervisado
para construir una aplicación verdaderamente
inteligente. Por ejemplo: Un modelo de visión
por computadora no puede determinar si una
imagen es un gato o un perro a menos que
haya aprendido cómo se ve un gato y cómo se
ve un perro. También hay una escasez de
personas que entienden cómo construir estos
algoritmos y cómo entrenarlos, para realizar las
acciones que necesitan. El usuario común no
puede simplemente activar el software IA y
hacer que resuelva todos sus problemas. En
cambio, se necesita una gran cantidad de
conocimientos de desarrollo de software y
aprendizaje automático.
3. DESARROLLO EN INTELIGENCIA ARTIFICIAL
Un programa o aplicación basado en
Inteligencia Artificial trata de dotar a las
computadoras de capacidades para que puedan
realizar acciones inteligentes. Se trata de
facilitar la ejecución de tareas o el análisis de
datos. En este sentido, muchas empresas están
buscando a expertos para generar nuevos
servicios basados en IA.
Para la programación de sistemas expertos
existen diferentes opciones e infinidad de
herramientas. A continuación se presentan
lenguajes de programación y opciones en nube
más recomendados que ofrecen diferentes
fabricantes de hardware y software:
- Python: Es uno de los lenguajes más
utilizados por su simplicidad y las filosofías
DRY (Don’t Repeat Yourself / No Te Repitas)
y RAD (Rapid Application Development /
Desarrollo Rápido de Aplicaciones) en las
que se basa. Puede utilizarse tanto para
estructurar datos como para generar
algoritmos y dispone de un catálogo de
librerías muy extenso que facilita el
desarrollo de cualquier tipo de proyecto.
Python sirve para trabajar en aplicaciones
de todo tipo, sean móviles, web, data
science o IA.
- R: R dispone de paquetes de programación
muy numerosos que pueden utilizarse en el
ámbito de Machine Learning. Estos
paquetes implementan algoritmos de
aprendizaje automático. Se trata de uno de
los mejores lenguajes para analizar y tratar
datos y crear buenas aplicaciones
inteligentes con finalidades estadísticas.
- Lisp: Lisp existe desde 1958 y aún sigue
existiendo y creciendo, trabaja con
expresiones simbólicas y prototipado y se
utiliza en proyectos cuyo objetivo es
permitir a las aplicaciones ejecutar
razonamientos similares a los humanos.
- Prolog: Suele utilizarse para diseñar
sistemas especializados, sobre todo en el
ámbito de la medicina. Prolog es un
lenguaje de referencia en el entorno de la
ingeniería, permite automatizar el
backtracking, que consiste en buscar
 errores y retroceder hasta el punto anterior
para tomar otra alternativa. Se basa en
estructuras de datos arbóreas que facilitan
la búsqueda de patrones. Todas estas
características combinadas convierten este
lenguaje en uno de los más flexibles.
- Java: Java es un lenguaje de programación
orientado a objetos. Sus características más
destacadas son la transparencia, la
mantenibilidad y la portabilidad. Permite
codificar algoritmos muy fácilmente y es
muy escalable. Dispone de interfaces de
datos muy atractivas para mejorar la
experiencia del usuario. Teniendo en cuenta
que una IA está basada en gran medida en
estos algoritmos y orientado al ser humano,
Java es una buena opción para la
codificación.
- C++: Se trata de uno de los mejores
lenguajes de programación para desarrollar
en inteligencia artificial, puesto que esta
tecnología requiere de ejecuciones y
tiempos de respuesta rápidos. Está
orientado a objetos y es compatible con
bibliotecas que ayudan a escribir códigos
rápidamente.
Hasta acá se observan los lenguajes de
programación que se pueden utilizar para
desarrollar aplicaciones de IA. Muchos de ellos
proveen librerías que ayudan al desarrollo para
no empezar desde cero pero existen otras
opciones que permiten conseguir resultados
más rápidos y con un alto grado de eficacia,
éstos son los servicios en nube.
Cada vez hay más herramientas para modelar
IA y así facilitar que todo el mundo, aunque no
sean programadores, puedan acceder a esta
fascinante tecnología. Google, Amazon,
Microsoft y otras empresas han visto los
entornos de modelado para IA como una forma
de promoción. La llaman “programación visual”
y promete crear aplicaciones propias de
aprendizaje automático sin programar. Algunas
son:
- Azure Machine Learning Studio: Es el
entorno de modelado que propone
Microsoft y es un entorno simple,
ejecutable en el navegador y que ofrece un
entorno visual y drag-and-drop donde no
hay necesidad de escribir ningún tipo de
código. El proceso es el siguiente, definir los
datos de entrada, procesar si es necesario,
se utilizan para entrenar diferentes tipos de
modelos de ML y finalmente se evalúan los
resutados.
- SSPS Modeler de IBM: La alternativa de
IBM a Azure ML Studio es el SPSS Modeler
que parte de Watson Studio. Permite definir
el data pipeline, el modelo que se quiere
generar (clasificador, predictivo,…) y evaluar
y visualizar los resultados. Tiene una librería
muy completa de algoritmos y modelos
predefinidos que te evitan empezar de cero.
- RapidMiner: Incluye una herramienta de
diseño visual de workflows para prototipar
y validar modelos predictivos. Viene con un
buen número de conexiones con servicios
externos, muchas de ellas para la
integración de datos. RapidMiner soporta
más de 60 tipos de ficheros y formatos de
datos, tanto para datos estructurados como
no estructurados.
- Orange: Se trata de una herramienta de
aprendizaje y visualización de modelos de
ML en la que el análisis de los datos se
realiza vía la conexión de widgets en un
flujo de datos común. Cada widget se
encarga de una o más tareas de
recuperación, procesado, visualización o
evaluación de datos. Cada quien puede
 crear su propio widget pero casi todo de lo
que se pueda imaginar ya tiene su wiget
creado.
- Knime: Es una plataforma genérica para el
análisis de datos que puede usarse con
muchos fines diferentes. Hay más de 2000
tipos de nodos que se pueden utilizar para
ello. Las extensiones Knime para data
scientists y Knime para deep learning son
las que más interesan para el desarrollo de
aplicaciones de IA. La extensión de DL
permite a los usuarios realizar todo tipo de
operaciones sobre redes neuronales y si se
complementa con la extensión para DS
enriquece mucho toda la parte de recogida
y proceso de datos. Además, Knime es open
source.
- DIANNE: Si el objetivo principal son las
redes neuronales, DIANNE es una buena
opción. En DIANNE, las redes neuronales se
definen como un grafo dirigido que se
puede crear visualmente con su editor
online a partir de módulos predefinidos.
- TensorFlow y TensorBoard: Si se desea más
que nada aprender cómo funcionan las
redes neuronales, TensorFlow playground
permite jugar con redes neuronales
(añadiendo / quitando neuronas y
modificando sus parámetros) y aprender así
sus conceptos básicos. Con TensorBoard se
obtiene un conjunto de aplicaciones web
para inspeccionar ejecuciones de
TensorFlow.
4. CONCLUSIÓN
La evidencia demuestra que debemos avanzar
tecnológicamente en la sistematización y
simplificación de las tareas del día a día. Para
llegar a esto, es necesario entender que existen
herramientas que se utilizan para crear
aplicaciones inteligentes y programas, que
permiten trabajar de manera más sencilla y
rápida sin la necesidad de ser ingenieros en
software o desarrolladores en el ámbito de la
inteligencia artificial. Aunque se tiene la idea de
que la inteligencia artificial llegó para desplazar
al trabajador en sus tareas, generalmente en la
mayoría de los casos vino para agilizar estos
procesos. La automatización de estos procesos
ahorra tiempo y le permite a los usuarios tener
un mejor rendimiento en tareas que requieren
de ser trabajadas manualmente. Es necesario
educar a las personas en este campo
tecnológico para ir avanzando cada día más en
la inteligencia artificial y así dar a entender que
es una herramienta revolucionaria.
5. REFERENCIAS
Cabot, Jordi. (2018). Crea aplicaciones de
Inteligencia Artificial sin programar.
https://ingenieriadesoftware.es/crea-
aplicaciones-de-inteligencia-artificial-sin-
programar/#
Chavarría, Ignacio. (2019). Desarrollo en
Inteligencia Artificial ¿Por dónde empieza?.
https://ichavarria.es/desarrollo-en-inteligencia-
atificial-por-donde-empiezo/
Contreras, A. (2018). El Mejor Software de
Inteligencia Artificial (IA).
https://tienda.digital/2018/12/28/el-mejor-
software-de-inteligencia-artificial/
Galván, Pedro. (2018). Impacto de la
Inteligencia Artificial en el Desarrollo de
Software.
https://sg.com.mx/revista/56/inteligencia-
artificial-desarrollo-software