"algoconomy: el futuro que te espera"
TRANSCRIPT
TRABAJO FIN DE MASTER Master en Digital Business
TITULO
"Algoconomy: el futuro que te espera"
Autor/a: Miguel Ángel Morcuende
Tutor: José Luis Peinó
MDB Ed Oct 2015/2016
ÍNDICE
1. RESUMEN...............................................................................................Pag 2
2. INTRODUCCIÓN......................................................................................Pag 3
3. MARCO TEÓRICO....................................................................................Pag 4
4. DESARROLLO..........................................................................................Pag 9
5. CONCLUSIONES.......................................................................................Pag 41
6. ANEXOS..................................................................................................Pag 43
7. BIBLIOGRAFÍA.........................................................................................Pag 44
2
RESUMEN
Hoy día estamos viviendo en la tormenta perfecta, iniciando un nuevo ciclo de
incertidumbre económica y a la vez en medio de un gran Tsunami, que podemos
denominar “Digital por todos los lados” (Digital Everywhere). La confluencia de tres
tendencias: los volúmenes de datos sin precedentes, masivamente mayor potencia de
procesamiento y las nuevas herramientas analíticas, están creando un "punto de
inflexión" más allá del cual algoritmos diferenciales se convierten en el nuevo centro de
competencia.
Para poder comprender el nuevo contexto hemos examinado el libro de Carlota Pérez1 “Technological Revolutions and Financial Capital: The Dynamics of Bubbles and
Golden Ages” de 2002, donde se desarrolla una perspectiva acerca de las cinco
revoluciones tecnológicas ocurridas en los últimos 250 años. Y lo más importante, se
explica el comportamiento del capital financiero en cada fase de estas revoluciones.
Si profundizamos en la revolución tecnológica actual (Época de la Informática y las
Telecomunicaciones (TIC) (1971-2040?), podemos encontrar las cinco fases siguientes:
"Irrupción" (1971, primer microprocesador de Intel), "Frenesí" (1987-2000, nacimiento de
Internet), "Punto de Inflexión" (con dos crisis: la burbuja de las punto-com y la crisis
financiera mundial, 2.001-2.010), "Sinergia "(2010-2025, Algoconomy) y "Madurez" (2025-
2040?). Esta Época de la Informática y las Telecomunicaciones se encuentra en la
mitad de su ciclo que marca la transición de una turbulenta época dorada, dirigida
por el capital financiero, a una época de bonanza (más armoniosa), dirigida por el
capital productivo.
Y es en esta fase (sinergia) y en la siguiente (madurez) donde adquiere importancia la
“Algoconomy”, que podemos definir: “los algoritmos crean un ecosistema económico
actuando sobre los datos y aplicando reglas de negocio dinámicas, generando una
ventaja competitiva y un valor de negocio adicional”; es decir hablamos de la
Economía de los Algoritmos. Según Gartner2: "Interconexiones, Relaciones y Algoritmos
están definiendo el futuro de los negocios". Lo que vamos a ver durante los próximos
años será la batalla de los FAGA (Facebook, Apple, Google y Amazon) con las
grandes empresas (las tradicionales) para tomar posiciones y ser líderes en la fase de
madurez, con el fin de desplazar a otras empresas. ¿Serán las empresas tradicionales
las que desplazarán a las FAGA durante los próximos 15-20 años o viceversa?
Los algoritmos dinámicos son el núcleo de las nuevas interacciones con los clientes. Los
algoritmos, por tanto, definen los procesos de negocio. Pero ¿Cómo trabaja tu
empresa?, ¿Puedes calcular el valor de la confianza en tu relación Digital?, ¿Qué
algoritmos ha desarrollado?. Es difícil reconocer a los algoritmos como elementos
discretos que generan valor, debido a que están dentro de los procesos de negocio
existentes (Uber, Tesla, PageRank, Netflix, Facebook, Amazon, Waze, Google,…).
Este Trabajo Fin De Master (TFM) está destinado a identificar los algoritmos que están
ejecutándose hoy día, tanto en negocios de éxito, como en próximos negocios. El
objetivo final será revelar la importancia de Algoconomy en los próximos años. En
definitiva, nuestra tarea será la de analizar en qué fase de madurez se encuentran los
algoritmos en diferentes empresas y cuál es su impacto económico en diversos
sectores. Para ello, también examinaremos los resultados de una encuesta ad hoc
realizada para este proyecto de investigación, analizando sus conclusiones. La
siguiente revolución será en 20XX ¿será la Época de la Bio-Tecnología y Nano-
Tecnología, Bioelectrónica y Nuevos Materiales?, ¿Triunfará definitivamente el
Grafeno?
2
SUMMARY
Today we are living in the perfect storm, starting a new cycle of economic uncertainty
and while in the midst of a large Tsunami, we could name “Digital Everywhere”. The
confluence of three trends: unprecedented data volumes, massively increased
processing power and new analytical tools, are creating a "tipping point" beyond
which differential algorithms become the new center of competence.
In order to understand the new context we have examined the book3 “Technological
Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages”, Carlota
Pérez, 2002, where it develops a perspective on five technological revolutions occurred
in the last 250 years. And most importantly, financial capital behavior is explained at
every stage of these revolutions. If we delve into the current technological revolution
(Age of Information Technology and Telecommunications (1971-2040?), we find the
following five phases: "Irruption" (1971, first Intel microprocessor), "Frenzy" (1987-2000,
birth of the Internet), "Turning point" (with two crises: the bubble of the dot-com and the
global financial crisis, 2001-2010), "Synergy" (2010-2025, Algoconomy) and "Maturity"
(2025-2040?. Nowadays "Age of Information Technology and Telecommunications" is in
the middle of the cycle that marks the transition from a turbulent golden age, led by
financial capital, to a time of prosperity (more harmonious), and led by the productive
capital.
And it is in this phase (Synergy) and the next (Maturity) where "Algoconomy" becomes
important. Algoconomy definition might be: “the algorithms create an economic
ecosystem acting on the data and applying dynamic business rules, creating a
competitive advantage and an additional business value”; we talk about the
Algorithmic Economy. According to Gartner: "Interconnections, Relationships and
algorithms are defining the future of business". Over the next few years we will see the
battle of FAGA (Facebook, Apple, Google and Amazon) with large companies
(traditional) to take positions and be leaders in the maturity phase, in order to displace
to other companies. Will the traditional companies that move to the FAGA over the
next 15-20 years or vice versa?
Dynamic algorithms are the core of the new interactions with customers. Algorithms
therefore defined business processes. But how your company works? Can you
calculate the value of trust in your Digital relationship? What algorithms developed? It is
difficult to recognize the algorithms as discrete elements that generate value, because
they are within existing business processes (Uber, Tesla, PageRank, Netflix, Facebook,
Amazon, Waze, Google,...) We will analyze different algorithms in the digital
environment and how their application is changing business.
This Master's Thesis (TFM) is intended to identify algorithms that are running today, both
successful businesses, and nearby businesses. The ultimate goal is to reveal the
importance of Algoconomy in the coming years. In short, our task will be to analyze in
which maturity stage we can find the algorithms in different companies and what is
their economic impact in various sectors. To do this, we will also examine the results of
an ad hoc survey conducted for this research project, exposing and analyzing its
findings. The next revolution will be in 20XX? Will be the Age of Biotechnology and
Nanotechnology, Bioelectronics and New Materials? Or graphene definitely succeed?
INTRODUCCIÓN
Los Algoritmos definen la forma en que funciona el mundo: ¿Cuánto petróleo se
produce, refina y distribuye?; la determinación de la combinación adecuada de
medicamentos para un paciente; ¿Cómo funciona una ciudad? En un futuro próximo,
cómo funcionarán nuestros coches. Ello es posible por la confluencia de tres
tendencias: los volúmenes de datos sin precedentes, masivamente mayor potencia de
procesamiento y las nuevas herramientas analíticas, están creando un "punto de
inflexión" más allá del cual algoritmos diferenciales se convierten en el nuevo centro de
competencia.
Los algoritmos dinámicos son clave en las nuevas interacciones con los clientes. A lo
largo de este trabajo de investigación analizaremos algunos ejemplos de esta
Algoconomy:
El algoritmo de recomendación de Amazon te mantiene engaged
(comprometido/ocupado) dentro de su web y finalmente te incita a comprar,
usando para ello sus recomendaciones.
El algoritmo dinámico de múltiples fuentes (construido a través de crowd-
sourcing) de Netflix te mantiene siempre viendo nuevos contenidos y según sea
tu perfil de usuario te sugiere nuevas series, películas o contenidos de tu
agrado.
El algoritmo de Waze dirige miles de coches independientes en las carreteras;
cada coche recibe la mejor ruta, según el tráfico. Ello está cambiando los
patrones de tráfico de manera sustancial. En tiempo real, de forma dinámica.
Los algoritmos en el área de servicios financieros están creando un nuevo
ecosistema de negocios conocido como “Fintech4”. Pero evidentemente,
habrá que estar atento a que esto suceda en otras industrias.
…
En el mundo puramente digital, los agentes actúan de forma independiente con base
en nuestros algoritmos. Asistentes personales virtuales se están convirtiendo en una
realidad. Gartner afirma que en 2022, los usuarios no estarán en la simple utilización de
aplicaciones en sus dispositivos, de hecho se habrán olvidado de aplicaciones.
Dentro de esta economía de los algoritmos hay que tener en cuenta 3 áreas que están
ya viviendo esta transformación.
En el presente trabajo analizaremos las tres áreas que más influencia está ejerciendo
en el desarrollo de Algoconomy, que son: Big Data, Internet de las Cosas y la
Seguridad; y además estas áreas están influenciando sobre un nuevo ecosistema de
negocio digital (Digital Business). ¿Qué ocurrirá en 2020 cuando 30.000 millones de
cosas estén interactuando con negocios y 6.000 millones de personas con Smart
Phones?
Para el 2020 los ingresos procedentes de nuevos negocios digitales crecerán un 80 por
ciento.
4
MARCO TEÓRICO
Para poder entender el marco teórico de la posición donde nos encontramos, nos
hemos basado en el libro de Carlota Pérez “Technological Revolutions and Financial
Capital: The Dynamics of Bubbles and Golden Ages” de 2002, donde se desarrolla una
perspectiva acerca de las cinco revoluciones tecnológicas ocurridas en los últimos 250
años. Y lo más importante, se explica el comportamiento del capital financiero en
cada fase de estas revoluciones. Cada revolución tecnológica produce un cambio
estructural y un nuevo tejido productivo. Y cada revolución tecnológica sigue la
“curva S de la innovación”; cada curva S normalmente se puede dividir en dos
períodos, con una gran crisis financiera en el medio. Toda revolución se compone de
cinco fases que duran alrededor de una década o década y media cada una, o sea
cada revolución dura medio siglo.
Las cinco revoluciones tecnológicas que menciona Carlota Pérez5 son: Revolución
Industrial (1771), Época del Hierro, la Máquina de Vapor y el Ferrocarril (1829), Época
del Acero y la Ingeniería Pesada (1875), Época del Petróleo, el Automóvil y la
Producción en Masa (1908) y la Época de la Informática y las Telecomunicaciones
(TIC) (1971). Por tanto, es preciso entender el contexto histórico del porqué y del
dónde estamos.
El estudio de las grandes oleadas tecnológicas permite afirmar que la crisis actual es
un fenómeno típico del modo en cómo se asimilan las grandes oleadas de cambio
tecnológico; es la quinta vez en dos siglos y medio que ocurre este tipo particular de
auge financiero y colapso espectacular, por tanto es un fenómeno repetitivo, basado
en ciclos. Cada oleada tiene un doble poder transformador, se produce una vasta
transformación de la economía y la sociedad. La gráfica muestra las fechas
aproximadas de los períodos de instalación y despliegue de cada oleada de
desarrollo6.
Si profundizamos en la revolución tecnológica actual (Época de la Informática y las
Telecomunicaciones (TIC) (1971-2040?), podemos encontrar las cinco fases siguientes:
"Irrupción" (1971, primer microprocesador de Intel), "Frenesí" (1987-2000, nacimiento de
Internet), "Punto de Inflexión" (con dos crisis: la burbuja de las punto-com en el año
2000 y la crisis financiera mundial, 2001-2010), "Sinergia "(2010-2025, Algoconomy) y
"Madurez" (2025-2040?). Esta Época de la Informática y las Telecomunicaciones se
encuentra en la mitad de su ciclo; por tanto, hoy nos ubicamos en la fase de sinergia y
los próximos años estaremos en fase de madurez. Y esta mitad del ciclo marca la
transición de una turbulenta época dorada, dirigida por el capital financiero, a una
época de bonanza (más armoniosa), dirigida por el capital productivo.
Cada oleada tiene dos períodos distintos7, definiendo el carácter cambiante del
proceso de asimilación, de manera que la secuencia recurrente se compone de cinco
fases que duran alrededor de una década o década y media cada una, “Irrupción”,
“Frenesí”, “Punto de Inflexión”, “Sinergia” y “Madurez”. En definitiva, y para tener la
fotografía completa, estamos hablando en cada oleada de:
- Período de Instalación (liderado por el capital financiero) que dura dos o
tres décadas y se compone a su vez de dos fases: “Irrupción” y “Frenesí”.
- Punto de Inflexión, es el intervalo de reacomodo (se produce una recesión,
o sea una gran burbuja financiera y un colapso del mercado de capitales)
- Período de Despliegue (liderado por el capital productivo) que dura dos o
tres décadas y se compone a su vez de dos fases: “Sinergia” y “Madurez”.
Este tipo de transformaciones económicas masivas implican procesos complejos de
asimilación, forma en que el progreso ocurre en el capitalismo. Abarcan cambios
sociales radicales en producción, organización, gestión, comunicación, transporte y
consumo, lo que lleva a un "modo de vida " diferente. Cada oleada requiere grandes
cantidades de esfuerzo, inversión y aprendizaje, tanto individual como social. Ésa es la
razón por la que todo el proceso dura medio siglo en desarrollarse, durando más de
una generación, hay tres generaciones8 que hoy día conviven9. Una sociedad con
una infinidad de rutinas, hábitos, normas y reglamentos, tratará de adaptarse a la
revolución anterior, pero no encontrará fácil asimilar la nueva. Esta adaptación se
convierte un obstáculo para la introducción y difusión de la próxima revolución
tecnológica, ocurriendo un proceso de destrucción creativa institucional, con el
desmantelamiento simultáneo del marco antiguo y la instalación progresiva del nuevo.
6
La fase actual de sinergia es clara por cómo llegan a ella actores desde diferentes
lugares del globo, confundiendo los conocidos mercados emergentes (BRIC: Brasil,
Rusia, India y China) con mercados de economías más avanzadas, sobre todo China
como podemos apreciar en la gráfica, donde se compara el valor del mercado de
una determinada compañía tecnológica, su región y su ranking; seguimos viendo a
EE.UU. liderando el ranking, pero la irrupción de China es más que evidente según se
puede apreciar en el siguiente gráfico10:
Goldman Sachs argumenta que el potencial económico de Brasil, Rusia, India y China
(BRIC) es tal que pueden convertirse en las cuatro economías dominantes hacia el año
205011. Estos países se estima que tendrán más del 40 por ciento de la población
mundial y tendrán un PIB combinado de 134.951 mil millones de dólares. En casi cada
escala, serían las entidades más grandes en la escena global; los potenciales
herederos del poderío económico limitado a los miembros del llamado "G-7", (Estados
Unidos, Japón, Alemania, Reino Unido, Francia, Italia y Canadá). China e India,
respectivamente, podrán ser los proveedores globales dominantes de tecnología y de
servicios, mientras que el Brasil y Rusia llegarán a ser semejantemente dominantes
como proveedores de materias primas, aunque los dos últimos ya empezaron a
aumentar de manera estupenda sus parques industriales. Se presume así que el paso
siguiente será la cooperación dentro del BRIC, puesto que Brasil y Rusia juntos
constituyen los mayores surtidores de materiales y alimentos del mundo actual. Así, el
BRIC tiene el potencial de formar un bloque económico de enorme alcance con un
estatus mayor que del actual G812 (G7 y Rusia). La tesis de Goldman Sachs documenta
así como las materias primas, el trabajo, la tecnología, y las compañías se han
difundido hacia fuera de Estados Unidos a través del mundo.
El periódico The Financial Times afirma que el grupo BRICS se está derrumbando como
organización debido a que “la recesión en Brasil y Rusia se hace más profunda”, un
hecho que es indiscutible13. La conclusión a la que llega el diario es que los países
tecnológicamente desarrollados, como Taiwán y Corea del Sur están empujando
hacia fuera las economías basadas en las materias primas, como Brasil y Rusia y podría
ser una evaluación correcta de la situación actual; no sería descabellado pues Taiwan
se está convirtiendo en un polo de innovación14 en el Internet de las Cosas IoT.
Además los niveles de inversión (IPO, Initial Public Offering, en castellano Oferta Pública
de Venta –OPV-) son parecidos al ciclo de la burbuja “.com”, aunque más bajos en
inversión (un 33 por ciento menor), pero están por encima de los niveles del 1999, lo
que significa que hay una inversión real y grande enfocada en las empresas de
tecnología; los actores comienzan a buscar su sitio en la fase de sinergia, con el fin de
ser líderes en la fase próxima de madurez, lo vemos en el gráfico15:
Esta inversión en tecnología parece más que evidente en tres áreas (Big Data, Internet
de las Cosas y Seguridad), que van a impulsar la consolidación de los negocios
digitales (Digital Business); siendo el papel de la economía de los algoritmos
(Algoconomy) relevante en los años venideros
Big Data El término Big Data16 procede de las conocidas 3V: Volumen de datos (se habla ya de
capacidades de almacenamiento de Brontobytes17 (1000 Yottabytes = 1
Brontobyte), Velocidad de los datos (la velocidad a la que llegan los datos, imaginar la
conectividad que tenéis en casa, muchas veces mayor de la que disponemos en
nuestras empresas) y Variedad de los datos (que tienen diferentes representaciones
como texto, audio, vídeo,…). Estas 3V exigen formas innovadoras y rentables de
procesamiento de la información, que permitan una visión perfeccionada para la
toma de decisiones y la automatización de procesos.
Las nuevas plataformas van menos en la línea de acaparar y almacenar datos y más
en la línea de explotar esos datos inteligentemente mediante algoritmos. Las
plataformas determinarán el valor diferencial de los negocios. Los datos son
importantes, pero cualquiera puede almacenarlos; los datos no hacen nada si no se
sabe cómo usarlos. Los algoritmos son los que definen la acción, están creando nuevos
ecosistemas en todas las industrias. Son la base de las nuevas relaciones con los
clientes (Google, Amazon, Waze, Netflix,...).
Debajo se muestra un ejemplo del crecimiento de los datos hoy día18.
8
Internet de las Cosas (IoT) El Internet de las Cosas19 (IoT) "es la red de objetos físicos dedicados (cosas) que
contienen tecnología embebida, para detectar o interactuar con sus estados internos
o el entorno externo". El IoT comprende un ecosistema que incluye: cosas, la
comunicación, las aplicaciones y el análisis de datos.
En 2016, el gasto de dispositivos conectados a internet (la parte hardware de
IoT) superará los 2,5 millones de dólares cada minuto20. Esto son muchas
interconexiones creando miles de millones de relaciones gestionadas, no por datos,
sino por algoritmos.
¿Qué ocurrirá en 2020 cuando 30.000 millones de cosas estén interactuando con
negocios y 6.000 millones de personas con Smart Phones?
En 2020, el gasto en servicios relacionados con la tecnología y la IoT ascenderá a
263.000 millones de dólares.
Seguridad Para 2020, el 50 por ciento de las grandes compañías tendrán un Digital Risk Officer 21que gestionará la IT (Information Technology, Tecnologías de la información), la
OT (Operational Technology, Tecnologías de la Operación) y la IoT (Internet of Things,
Internet de las cosas). Llevándolo al asunto de los algoritmos, habrá que
proporcionar algoritmos de confianza y a la vez seguros. Actualmente el 65 por
ciento de las empresas ha sufrido ataques o brechas de seguridad, por ello estamos
viendo un aumento en los presupuestos de seguridad, el presupuesto hoy triplica al de
2011.
En 2015, el gasto mundial en seguridad ascendió a 75.000 millones de dólares22.
Por último, sin duda toda esta economía de los algoritmos y los tres factores
anteriormente citados (Big Data, IoT y Seguridad) influirán en el denominado negocio
digital (Digital Business).
Digital Business Digital Business23 es la creación de Nuevos Negocios difuminando los mundos Digital y
Físicos.
Digital Business promete marcar el comienzo de una convergencia sin precedentes
entre personas, las empresas y las cosas, que altera los modelos de negocio existentes
-incluso los que nacieron en épocas de Internet y comercio electrónico-.
Para el 2020 los ingresos procedentes de nuevos negocios digitales crecerán un 80 por
ciento.
Aquellos que sean capaces de beneficiarse de las oportunidades transitorias y
explotarlas dinámicamente ("Business Moments24") obtendrán ventajas competitivas sin
precedentes.
Tras esta explicación podemos afirmar que en el futuro las organizaciones serán
valoradas, no solo por lo datos sino por los algoritmos que transforman los datos en
acciones y son capaces de impactar a los clientes. "Interconexiones, Relaciones y
Algoritmos están definiendo el futuro de los negocios".
DESARROLLO
Resultados Encuesta de Campo Con el fin de tener datos “reales” de profesionales del sector, del 28 de marzo 2016 al
15 de abril de 2016, se envió el formulario de encuesta25 a altos ejecutivos (C-Level) del
sector de Tecnologías de la Información y Comunicación (TIC), cuyas funciones
abarcan tanto el ámbito nacional como el internacional, con diferentes
responsabilidades (vicepresidente, dirección General, dirección de Informática,
dirección de Marketing, dirección Corporativa, dirección Digital, dirección de
Tecnología, dirección de Innovación, Socios, …).
Ha habido una respuesta de un 26 por ciento a la solicitud de encuesta. Hemos
extraído algunos datos significativos.
Todos han respondido afirmativamente a la pregunta: “¿Está familiarizado con el
término "Big Data"?”; pero cuando se solicita: “De manera breve, explíquenos que
entiende usted por Big Data” no hay una respuesta igual, sólo una de las respuesta
menciona “algoritmos” dentro de la definición; una muy curiosa y sencilla expone:
“Transformar la información en valor, en conocimiento”. En cuanto a la pregunta de:
“¿Está llevando a cabo su organización, en esta materia, proyecto alguno?” sólo dos
encuestados respondieron negativamente, por lo tanto, el 93,5 por ciento de los
encuestados está desplegando algún proyecto de Big Data.
Con respecto a la pregunta de “¿Sabía que las empresas están usando algoritmos
para diferenciarse de la competencia y obtener ingresos?” la respuesta es
concluyente, el 100 por ciento responde afirmativamente.
Entrando en la materia de este trabajo, cuando se pregunta: “¿Puede citar algún
ejemplo de Algoritmos que conozca?” los encuestados proporcionan los nombres de
los siguientes algoritmos: Watson Healthcare, Watson Analytics, Algoritmos cognitivos,
Machine Learning, Algoritmo de Twitter, Optimización de rutas de transporte,
Algoritmos de "Minería de Procesos", Algoritmos Criptográficos, Blockchain, Best Day,
Algoritmos de scoring, Algoritmo de recomendación de Amazon, Page Rank,
EdgeRank, Detección de fraude en compañías de seguros, Netflix, Waze, sistemas de
scoring basados en comportamiento en navegación, algoritmos de optimización de
recursos NFV, algoritmo de Spotify. Por último, dentro de las respuestas aparece una
curiosidad, se confunde Hadoop con un algoritmo, cuando en realidad es un
framework de software que soporta aplicaciones distribuidas bajo una licencia libre26.
Siguiendo con la encuesta, a la pregunta “¿Tiene/ha desarrollado o está desarrollando
su compañía algoritmo alguno que tenga que ver con la relación que ésta tiene con
sus clientes? (¿puede explicar en qué consiste?)”, 14 de las respuestas fueron “NO”, 1
respuesta “no lo concozco” y otras 16 fueron “Sí” (entre los algoritmos expuestos:
Customer Engagement; relacionados con las cookies para segmentación de clientes;
de probabilidad de impagos; análisis de comportamientos en clientes de retail; análisis
de sentimientos (sentimental analysis); percepción de los programas; optimización de
despliegues de infraestructura NFV; implantación de Watson para Customer
experience recomendation en el ámbito de Retail Banking).
Respecto de la pregunta, “¿Qué presupuesto destinan al desarrollo de algoritmos? (1:
10
0-100K€ / 2: 100K-500K€ / 3: 500K-1MM€ / 4: 1-3MM€ / 5: +3MM€)”, fueron 12 respuestas
con la opción “1”, 4 respuestas con la opción “2”, 2 respuestas con la opciones “4” y
“3”, y 11 respuestas con la “5”; por lo tanto, las respuestas obtenidas impelen que
estamos todavía en una etapa incipiente, pero las empresas comienzan a estar
concienciadas del término Algoconomy.
Por último la pregunta “En relación con factores MACRO económicos, ¿piensa usted
que la información procedente de sus clientes y de los clientes de otras compañías
podría condicionar la evolución de un sector de actividad?, ¿en qué medida?” fue
respondida afirmativamente por todos los encuestados. La mayoría hace comentarios
de que la información de los clientes será fundamental para el futuro de la mayoría de
las empresas. Una respuesta que puede resumir el sentimiento de los encuestados
podría ser: “La información procedente de las empresas y personas siempre ha
condicionado la evolución de los mercados y sectores. Creo que lo que vamos a vivir
es una aceleración del cambio y un cambio de las estructuras empresariales de aquí
en adelante ya que cualquiera hoy día puede crear un gran negocio digital con una
buena idea y un puñado de dólares o euros. Amazon, Google y muchas nuevas
pequeñas empresas que nacieron digitales hace menos de 10 años están acelerando
este cambio. Los grandes dinosaurios que no se adapten y sobre todo aquellos que no
sean capaces de reducir drásticamente sus estructuras de mando piramidales, serán
descuartizados o desaparecerán directamente por ser económicamente inviables”.
Situación Actual
Para el explicar el desarrollo de este trabajo hay que tener en cuenta dos variables,
que además ahora coinciden en el tiempo:
- La variable tecnológica, o sea en el momento en que nos encontramos
dentro de la revolución tecnológica actual (Época de la Informática y las
Telecomunicaciones (1971-2040?), situándonos en la fase de "Sinergia"
(2010-2025) y después vendrá la de "Madurez" (2025-2040?).
- La variable económica, porque aunque estamos ante una situación de
incertidumbre económica, actualmente nos encaminamos hacia una fase
económica de crecimiento económico. Tras la fase de
desapalancamiento, nos encontramos en lo que se denomina la fase de
Reflación del ciclo de deudas a largo plazo, puesto que se han puesto en
marcha una serie de acciones dirigidas a un aumento de la demanda y a
una reanudación de la actividad económica y del empleo (más
información en el Anexo).
Por lo tanto, la fase de sinergia en la que nos encontramos, unido a las dos crisis
económicas recientes (la de las “.com” en 2000 y la crisis financiera global de 2008),
en mi opinión favorecen: primero, las inversiones en tecnología y, segundo, van a
generar disrupciones que permitirán cierta relevancia en la fase de madurez. Por ello,
pienso que Algoconomy será fundamental en los próximos años, podemos definir
Algoconomy como: “los algoritmos crean un ecosistema económico actuando sobre
los datos y aplicando reglas de negocio dinámicas, generando una ventaja
competitiva y un valor de negocio adicional”.
Según la RAE (Real Academia Española de la Lengua): Algortimo: Conjunto ordenado
y finito de operaciones que permite hallar la solución de un problema. Tras esta precisa
definición de la RAE es cabal destacar que los algoritmos no son algo de nuestros días,
fue probablemente Euclides27, un matemático y geómetra griego del 325 a. C., que se
le conoce como "El Padre de la Geometría" quien inventó el primer algoritmo con el
descubrimiento de “El algoritmo de Euclides”28, que es un método antiguo y eficaz
para calcular el máximo común divisor (MCD) y fue originalmente descrito en su obra
Elementos. El algoritmo de Euclides extendido es una ligera modificación que permite
además expresar al máximo común divisor como una combinación lineal. Este
algoritmo tiene aplicaciones en diversas áreas como álgebra, teoría de números y
ciencias de la computación entre otras. Con unas ligeras modificaciones suele ser
utilizado en ordenadores debido a su gran eficiencia.
Viajando un poco más tarde en el tiempo, hay un artículo del IEEE29 de enero de 2000
que trató de reunir los 10 algoritmos30 de mayor influencia en el desarrollo y la práctica
de la ciencia y la ingeniería en el siglo XX y según describe el artículo son: Método
Montecarlo31 (1946, John von Neumann, Stan Ulam y Nick Metropolis); algoritmo
simplex32 (1947, George Dantzig); método iterativo del subespacio de Krylov33 (1950,
Magnus Hestenes, Eduard Stiefel y Cornelius Lanczos); la aproximación por
descomposición a la computación de matrices34 (1951, Alston Householder);
compilador Fortran35 (1957, John Backus); algoritmo QR36 (1959–61, J.G.F. Francis);
quicksort37 (1962, Tony Hoare); transformada rápida de Fourier38 (1965, James Cooley y
John TReino Unidoey); algoritmo de detección de relación entero39 (1977, Helaman
Ferguson y Rodney Forcade); método multipolo rápido40 (1987, Leslie Greengard y
Vladimir Rokhlin).
En este trabajo tenemos la ardua tarea de poner en contexto los algoritmos41, término
en amplio debate hoy día. Los algoritmos hoy día se utilizan en la economía y la
gestión empresarial y muchos son compartidos, pero también los usamos
cotidianamente, por ejemplo usamos algoritmos en: búsquedas; compras online;
viajes; salvar vidas; seguridad utilizada en las tarjetas de crédito; reconocimiento facial
de nuestro Smart Phone (nos permite distinguir automáticamente las caras de otros
elementos para enfocarlas); en el "trading algorítmico", se conecta un algoritmo
directamente al mercado electrónico y las transacciones suceden sin la intervención
humana. Los algoritmos pueden predecir dónde se puede ganar dinero más rápido y
con más precisión que cualquier ser humano; o por ejemplo, ¿qué algoritmos
podemos usar para resolver problemas algorítmicos?, ¿Cuáles son los 10 algoritmos42
que uno debe saber para resolver la mayoría de problemas algorítmicos?…
Algunos ejemplos de algoritmos están en la toma de decisión43 (desde los que usan
cada programador, pasando por los que usan los científicos de datos y hasta los que
usan los sistemas complejos). Volviendo a la definición de algoritmo pero acortándola:
un algoritmo es una serie de instrucciones, como una receta de cocina, que puede
seguirse -paso a paso- para resolver un problema específico, y ésto es lo que les hace
potentes en el entorno de la computación, porque en definitiva son un conjunto de
instrucciones. Las instrucciones deben ser bien definidas, ordenadas, finitas y a prueba
de dudas, de manera que si se siguen los pasos sucesivos se alcanzará el fin deseado.
El analista de Gartner Alan Duncan44 afirma que “El negocio de los algoritmos es
fundamental para la ventaja competitiva”, expone que45 “en el año 2018, más del 50
por ciento de las grandes organizaciones a nivel mundial competirá usando la
analítica avanzada y algoritmos propietarios, causando la interrupción de industrias
enteras”. Por ello, Gartner46 ha introducido oficialmente ante los inversores el término
“Economía de los Algoritmos”.
12
La confluencia de tres tendencias: los volúmenes de datos sin precedentes,
masivamente mayor potencia de procesamiento y las nuevas herramientas analíticas,
están creando un "punto de inflexión" más allá del cual algoritmos diferenciales se
convierten en el nuevo centro de competencia.
Por todo ello, pensamos que Algoconomy será fundamental en nuestras vidas durante
los próximos años, en esta fase de sinergia y madurez que explicábamos al inicio del
trabajo. Lo que hoy día se pide a los algoritmos es que sean eficientes, es decir que
sean rápidos en encontrar la posible solución y que además ésta sea eficiente. Hasta
hace poco los algoritmos eran creados por matemáticos, pero desde hace unos años
estos algoritmos son creados por computadores. Veamos ejemplos de ambos
algoritmos que nos rodean en el día a día y otros que desconocemos47:
En 1945 John Von Neumann48 desarrolló el algoritmo de ordenamiento por
mezcla49, que es muy eficiente para ordenación de grandes cantidades.
En 1962 Lloyd S. Shapley y David Gale nos enseñan a resolver el problema del
matrimonio estable50. En 2012 se otorga51 el Premio Nobel de Economía a los
economistas estadounidenses Alvin E. Roth y Lloyd S.Shapley.
En 1963 dos científicos en la empresa norteamericana SDC52, considerada la
primera empresa de software del mundo, escriben el algoritmo de
ordenamiento de burbujas53.
El algoritmo54 de Google se suele confundir con el Page Rank55 (1998), tuvo su
origen en el motor de búsqueda56 “BackRub” que se basaba en un algoritmo
matemático que puntuaba la relevancia de páginas web (BackRub se utilizó
en los servidores de Stanford durante más de un año, pero finalmente la
Universidad dejó de emplearlo porque requería demasiado ancho de banda).
‘PageRank’ fue el nombre del número calculado por el algoritmo (número del
1 al 10). Según Google57 “los algoritmos son fórmulas y procesos informáticos
que convierten las preguntas en respuestas. Los algoritmos de Google se basan
en más de 200 señales únicas (signals) o pistas que permiten adivinar lo que
realmente podrías estar buscando. Estas señales incluyen, entre otros, los
términos de los sitios web, la actualidad del contenido, tu región y el
PageRank”. Google actualiza58 su algoritmo alrededor de 500 veces al año, lo
que equivale a un cambio cada 17.5 horas.
En 2007 el Servicio Nacional de Salud británico (National Health Service (NHS))
descubre un algoritmo para curar pacientes con lesión renal aguda (IRA)59,
dicho algoritmo se convierte en un protocolo nacional de actuación para
emparejar donantes de riñón, encontrando un donante para un paciente en
minutos, lo denominan algoritmo AKI60.
En 2013, al equipo de la torre de control de Heathrow se unió un algoritmo
heurístico (encuentra soluciones razonablemente buenas en tiempos
razonablemente rápidos), que mediante millones de cálculos por segundo
pudiera ofrecer una respuesta ideal al tráfico aéreo, optimizando el número de
vuelos cada hora61 de una manera eficiente y segura. En Heathrow hay 1.300
vuelos operando diariamente (hay un límite máximo de 480.000 despegues al
año). Es importante el orden de despegue, es preciso evitar las turbulencias de
los aviones más grandes en los medianos, agrupando los aviones grandes y los
medianos y optimizando la separación entre ellos, ver dónde se dirigen los
aviones, uno al Norte, otro al Sur y sucesivamente,… El algoritmo trata de
adivinar el orden de despegue, por lo tanto yendo hacia atrás en el tiempo,
sabrá la hora en que debe estar listo, a qué hora debe abandonar la zona de
aparcamiento,… indicando al piloto exteriormente mediante un panel
luminoso a qué hora debe hacer la maniobra para dirigirse al despegue (push
back62); ello significa que no habrá retrasos en los despegues y producirá un
ahorro anual de 15 millones de libras en combustible por la eficiencia en los
despegues.
Así podríamos seguir describiendo algoritmos casi cada mes. La calidad de un
algoritmo será fundamental para la posición competitiva de cientos de productos, por
lo que veremos varias batallas comerciales librándose desde el teclado de una
computadora63.
Algoritmos del sector Financiero
Negociación (Trading Algortihm)
Para Kevin Slavin64 que es profesor del Media Lab en el MIT (Instituto Tecnológico de
Massachusetts) hay que pensar en el rol que las matemáticas están adquiriendo hoy
día. En su charla TED65 de Julio de 2011 hablaba de los algoritmos, “que son las
matemáticas que usan los ordenadores para tomar decisiones”, explica que en Wall
Street hay 2.000 físicos trabajando, de forma que crean algoritmos (algortihm trading)
con el fin de tomar decisiones de cómo se ha de invertir. Pero es difícil saber cómo
funciona el “Black Box Trading” (así se llama en Wall Street), usando estos algoritmos
de comercio (algorithmic trading) “lo que hacen es dividir un paquete de acciones en
una millonésima parte y repartirlas (por ejemplo en 1 millón de acciones –shares-) y
después mediante el mismo algoritmo ver dónde están cada una de ellas y volver a
reagruparlas. Es decir, hay un montón de algoritmos que se programan para ocultarse
en la bolsa y otro montón de algoritmos que se programan para encontrarlos, eso
supone el 70 por ciento de la bolsa de EE.UU”, afirma Kevin Slavin.
La principal característica de estos algoritmos es la “velocidad”, operan en
microsegundos. Pero pongamos en contexto el significado, para hacer un clic de
ratón necesitamos 500.000 microsegundos, si un algoritmo tarda más de 5
microsegundos en ejecutar una acción, se le considera perdedor. En Nueva York, en la
calle Hudson, edificio construido en 1930, fue sede de Western Unión, se alberga el
Centro de Datos66 que contiene el punto neutro de internet67, que son los que hacen
14
posible la descentralización de Internet68, existe una la lista de los puntos de peering
más importantes por tamaño69, las tres primeras posiciones se las llevan Frankfurt (DE-
CIX con un rendimiento o Throughput70 de 3.159 Gbit/s), Amsterdam (AMS-IX con 2.749
Gbit/s) y Londres (LINX 1.990 Gbit/s).
En 2012, en el edificio de la calle Hudson, se instaló el equipo para el comercio
algorítmico (algorithm trading), alrededor del mismo se han ido instalando muchas
empresas de trading (Marco Polo, Cherokee Nation, Bluegrass,…), con el fin de llevar a
cabo operaciones microsegundos más rápidas que incluso en Wall Street (ubicado a
una milla de distancia). Es decir, cuanto más cerca esté tu algoritmo de Internet más
ventaja competitiva tendrá y más rápido será ejecutando órdenes. Por tanto, cuanto
más nos alejemos del edificio de la Calle Hudson más nos atrasaremos en milisegundos.
Dichas empresas mueven millones de dólares por segundo con la compra y venta de
acciones a una velocidad difícil de ver en tiempo real. Entonces, pagan alquileres
millonarios para ganar unos milisegundos, en un negocio donde vender miles de
acciones en fracciones de segundo proporciona millones, cada milisegundo es vital.
En la fotografía inferior las empresas de trading, que se mencionaban antes, se
encuentran a 8 microsegundos del Data Center de la calle Hudson.71
El fin es acercarse a Internet y hacer que un algoritmo pueda cerrar un contrato 3
segundos antes, con el simple hecho de estar más cerca del Data Center que alberga
el punto neutro de Internet. Incluso llegando a poner puntos de conexión en medio del
Océano. Veamos la siguiente ilustración, elaborada por matemáticos del MIT, que
muestra los puntos rojos (en teoría los puntos donde reside la gente que quisiera hacer
negocio de trading: las ciudades) y los puntos azules (las ubicaciones más eficientes
para poner los servidores).
Nanex72 ha desarrollado una aplicación NxCore que es un ticker de alto rendimiento
que presenta en una pantalla todo el mercado de acciones bursátiles de EE.UU, con
sus cotizaciones y transacciones, algunas de las cuales presentan unos datos
inverosímiles en dicho mercado. OPRA73 (Options Price Reporting Authority, Autoridad
de Reporte de Precios sobre Opciones) ahora transmite más de 4.500.000 cotizaciones
por segundo, y 8 mil millones de citas por día de negociación. Lo curioso es que con
estos algoritmos se pueden descubrir patrones e incluso darles nombres como74:
Cuchillo, Carnaval, la Mezcla Boston, Crepúsculo,…
Hay veces que los algoritmos entran en conflicto, se encuentran trabados entre sí, en
bucles, sin intervención humana y ocurren acciones inverosímiles, como las crisis de
Wall Street en 2010, o como la ocurrida en Amazon que un “libro de Moscas” llegó a
costar 23 millones de dólares75. Por eso, en Internet tenemos algo también curioso, hay
7 personas que tienen una clave secreta que permitirá resetear internet si ocurre algo
con las DNS76.
Este interesante blog explica la teoría del Dow 77, indica que es una idea propuesta
inicialmente por Charles Dow, creador de la compañía Dow&Jones en 1882, y
precursor del Wall Street Journal. Se basa en la existencia de tendencias principales y
secundarias, que pueden actuar como aviso de cambio de tendencia en el mercado,
algo parecido a las manadas de pájaros volando juntos y describiendo movimientos,
que aparentemente no tienen sentido, pero podría haber una naturaleza predecible
del comportamiento de bandadas de pájaros mediante algoritmos matemáticos. ¿Es
posible utilizar los mecanismos de la madre Naturaleza para anticipar movimientos de
bolsa?. Quizá sí.
Ese movimiento característico de ciertas bandadas de pájaros se puede imitar en una
simulación por ordenador con algoritmos muy sencillos78. Inspirado por este
comportamiento, el autor del artículo intenta reproducir de un modo simplificado un
algoritmo, desarrollado en Amibroker79 (plataforma gráfica de trading) que nos
permita elegir las acciones que se mueven al unísono. Este algoritmo se puede simular
mediante las órdenes de tipo rotacional: se compran un bloque de acciones, y se
rotan cada cierto tiempo, vendiendo las peores y comprando nuevas. Según algunos
comentarios en Internet80 lo que le distingue a Amibroker es la rapidez en sus backtest,
pudiendo hacer simulaciones contra 500 acciones en segundos.
Hoy día el funcionamiento de la bolsa está manejado por algoritmos, los algoritmos se
usarán en una tercera parte del volumen de negociación total en divisas en 2016,
según la consultora GreySpark Partners81 hace diez años no se usaban los algoritmos en
la negociación de divisas. El uso de algoritmos ha aumentado notablemente debido a
la supervisión ordenada por los gobiernos, para evitar fallos humanos como los que se
describen a continuación. Pero ojo, los algoritmos, al ser usados por máquinas,
también pueden fallar.
Actualmente los algoritmos se usan para ejecutar aproximadamente el 90 por ciento
de las órdenes realizadas al tipo de cambio fijo diario, que es el que usan las grandes
gestoras de activos como tipo de referencia para las conversiones de divisas
Volviendo al hecho de que las máquinas pueden fallar, concretamente el 6 de mayo
de 2010 se produjo un fallo en un algoritmo, provocando una alarma de CAOS
financiero y global durante 5 minutos, se denominó “Flash Crash82”, se abrió una
investigación para buscar al culpable pero en realidad fue el propio algoritmo que
cometió un error y decidió vender acciones por valor de casi 5.000 millones de dólares;
el índice Dow Jones Industrial Average se desplomó cerca de 1.000 puntos,
aproximadamente un 9 por ciento, para recuperar esa pérdida escasos minutos
después. Cuando el algoritmo hizo esta venta, otros algoritmos asociados notaron la
bajada de los valores y automáticamente se comportaron como si de una tendencia
16
bajista "extrema" se tratara (vender más del 90 por ciento de las acciones). Esta
situación es percibida por los traders de todo el mundo, los cuales, como es evidente
también comienzan a venderlo todo. Fueron 20 minutos en los que ningún inversor
sabía lo que estaba ocurriendo.
Los reguladores tomaron la medida de colocar un botón de apagado, capaz de
detener la actividad bursátil en caso de que a las máquinas, en un futuro, se les vuelva
a ir la cabeza (o sean manipuladas). Posteriormente se ha comprobado que no fue
un fallo de ningún algoritmo, en abril de 2015, Navinder Singh Sarao, un operador con
sede en Londres, fue detenido por su presunta participación en el Flash Crash. Sarao
supuestamente utilizó un programa automatizado para generar grandes órdenes de
venta, empujando a la baja los precios, que luego canceló para comprar a los precios
más bajos del mercado. La Commodity Futures Trading Commission presentó cargos
civiles contra Sarao. Sarao y su compañía, Nav Sarao Futures Limited, presuntamente
obtuvieron más de $ 40 millones en ganancias de la negociación durante el Flash
Crash. A sus 31 años Navinder83 descubrió en 2010 la vulnerabilidad de los mercados
bursátiles, impulsados por transacciones a alta velocidad originadas por algoritmos
que indican en milisegundos cuáles acciones negociar y cuándo hacerlo.
Con este tipo de software cualquiera podía emitir miles de órdenes de venta en
minutos, lo cual tiene un impacto directo en el precio de la acción. A mayor número
de oferta, el mercado reacciona inmediatamente haciendo que la acción vaya en
caída libre, recordemos la manada de pájaros y cómo el grupo sigue la tendencia (así
actúa el mercado bursátil)
"La investigación del caso señala que él estuvo enviando lo que se conoce como
spoof order (orden de venta falsa) para acciones en la bolsa de valores de Estados
Unidos. Con ello hizo que cayeran los precios… y cuando eso ocurrió, retiró esas
órdenes", explica Robert Peston84, editor de economía de BBC. Posiblemente podría ser
extraditado a Estados Unidos donde podría sumar hasta 22 cargos que le podrían
llegar a suponer una condena de hasta 380 años en prisión85.
Algo parecido se repitió el 24 de agosto de 201586, conocido como lunes negro,
algunos de los gestores más importantes del mundo aseguran que la crisis de China y
los tipos de la Fed no bastan para justificar los desplomes. La culpa es del trading
automatizado87, aseguran. Una de las firmas que ha cosechado más éxito con este
tipo de trading técnico o automatizado es Bridgewater88, el mayor hedge fund del
mundo (maneja 150.000 millones de dólares en inversiones globales), que ha creado
una estrategia llamada "paridad de riesgo" (risk parity): consiste en crear una cartera
formada por acciones, bonos y materias primas que ajusta dinámicamente el peso de
cada activo en función de su volatilidad, en vez de seguir las teorías tradicionales de
asignación de pesos en las carteras. Según algunas firmas de análisis, esta estrategia
ha alcanzado 600.000 millones de dólares bajo su gestión, a los que hay que añadir el
apalancamiento (endeudamiento) que suelen utilizar estos vehículos para incrementar
su inversión. Por tanto, su potencia es enorme para mover el mercado. Y cuando
aumenta la volatilidad en la bolsa y reducen su peso en sus carteras, pueden provocar
desplomes como los del lunes negro.
Este artículo más que interesante explica cómo los algoritmos que ejecutan las órdenes
han evolucionado mucho y cada vez son más sofisticados, pero se pueden
equivocar89. Y algunos hablan de tecnología para ayudar a los inversores a olvidar sus
emociones90.
El indicador que mide la volatilidad es el VIX que el 24 de agosto de 2015 alcanzó
cotas de 55, en octubre de 2008 llegó a 89.
Tras estas explicaciones podríamos pensar en muchas personas tratando de descubrir
cómo triunfar en la bolsa aplicando algoritmos. Este trabajo de la Universidad
Complutense de Madrid (UCM) podría ser uno de ellos. El objetivo de este proyecto,
“Aplicación de predicción en bolsa basada en indicadores técnicos y computación
evolutiva91” es crear una aplicación que, utilizando algoritmos genéticos, y otros tipos
de algoritmos evolutivos y de aprendizaje automático, sea capaz de utilizar
exclusivamente el análisis técnico para tratar de maximizar las ganancias obtenidas en
un período de tiempo.
Otro ejemplo curioso en este caso que afectó a Tesla, los algoritmos de trading no son
capaces de pillar la broma de Tesla… y las acciones explotan92. "Tesla presenta el
nuevo Tesla W", junto a una imagen de un reloj de muñeca del que sale una miniatura
del popular Big Ben, era una broma, realmente, Después de que Tesla publicara la
nota de prensa en su blog, Bloomberg republicó su titular en sus terminales financieros
que utilizan los brookers y numerosos algoritmos, preparados para saltar en cuanto se
anunciara un nuevo producto de Tesla, hicieron que se produjeran un montón de
órdenes de compra de acciones de Tesla en la bolsa. El precio de las acciones de
Tesla subió unos 2 dólares durante un breve periodo, lo que causó que la
capitalización bursátil de la compañía creciera 100 millones de dólares más. Durante
esos breves instantes también se batió récord de movimiento de acciones de esta
misma empresa: unas 400.000, una cifra que no se repetía desde el pasado febrero.
Los algoritmos de negociación o comercio, han existido casi desde la aparición de los
ordenadores. En la década de los años 80 que era "el comercio de programa"
(Program Trading), a continuación, en la década de los 90 se convirtió en "el comercio
de computación" (Computing Trading) después en el 2000 "comercio algorítmico”
(algo trading) y ahora "comercio de alta frecuencia o HFT93” (Hight Frequency Trading)
y luego se sitúa el "Ultra HFT" (Ultra Hight Frequency Trading).
En 2012 el 85 por ciento del mercado bursátil usaba algoritmos94; no hay datos precisos
de la actividad hoy día, pero algunas fuentes señalan que gran parte del mercado de
operaciones con acciones globales (global equity trading), podría estar funcionando
18
hoy con algoritmos, resultando por ejemplo en 2015 una capitalización mundial del
mercado de 67 billones de dólares95, con China e india siendo los principales actores.
El "Audit Trail" que ha lanzado la FED tiene el objetivo de asegurar el almacenamiento,
seguimiento y consulta en tiempo real de todos los movimientos de los mercados de
capitales en EE.UU., con un almacenamiento de datos de cuatro a seis años. Es un reto
en el que está trabajando toda la industria para, primero, entender si es plausible con
el estado del arte actual del Big Data96.
Una tendencia hoy día en aumento es el Block Chain97 (“BlockChain”, la base
Tecnológica de Bitcoin que sacude el Sistema financiero98), aunque es algo incipiente,
el mercado de capitalización de Bitcoins, según BlockChain, traducido a dólares se
estima en 7.300 millones de dólares99.
Best Day100 es un tipo de Algoritmo para predecir el mejor día para comprar/vender
las acciones basadas en el modelo dado del valor de las acciones)101
Algoritmo de scoring102 de la compañía Traity103 (en palabras de Juan Cartagena,
socio fundador: "Pretendemos establecer un scoring social alternativo al del sector
financiero"). Se puede decir que es un agregador de perfiles de redes sociales y webs
de consumo colaborativo (BlaBlaCar o eBay) que ayudan a certificar la fiabilidad de
cada usuario104.
Ahora para descubrir fraudes las compañías de seguros califican las probabilidades de
cometer fraude que tienen sus clientes usando una combinación del algoritmo, un
análisis de redes sociales y el modelo de regresión. Con esta calificación logran
identificar al 90 por ciento de quienes participan en conducta fraudulenta105.
Por otro lado, ¿dejaríamos al azar de un algoritmo elegir el mejor plan para un
determinado tipo de seguro?106
Ya están disponibles en el mercado una serie de "administradores de riqueza
automatizados" (automated wealth managers) ya están disponible107, bajo la premisa
de que los algoritmos pueden ofrecer consejos financieros a cambio de una pequeña
fracción del precio de un asesor de la vida real.
Algoritmos en sector Transporte
La automatización y los vehículos sin conductor se van a convertir en realidad, el CEO
de Volvo anunciaba108 “vamos a aceptar toda responsabilidad cuando nuestros
coches están en modo autónomo”, de forma que si se produce algún tipo de
accidente reconocerán sus responsabilidades. El gobierno federal de EE.UU ha
considerado al sistema de Inteligencia Artificial (IA) de Google como un conductor109
permitiendo a los ordenadores y al software que operan dichos vehículos a
considerarlo como el "conductor", originando nuevas preocupaciones en torno a la
responsabilidad110. Según Google “Hemos enseñado a nuestros vehículos para
desplazarse a través de muchos escenarios complicados en calles de la ciudad”.
“Nuestros coches utilizan sus sensores y software para detectar objetos como
peatones, ciclistas, vehículos y más, y están diseñados para conducir con seguridad a
su alrededor”. En definitiva, constantemente el software se hace una serie de
preguntas y las responde instantáneamente para ir trazando el desplazamiento del
vehículo: ¿dónde estoy?, ¿qué hay a mí alrededor?, ¿qué va a ocurrir? Y ¿qué debo
hacer? Básicamente la construcción de un coche autónomo se reduce111 a tres tareas
clave: 1) La localización precisa (localización "Monte Carlo"), 2) detección de
obstáculos y 3) planificación de la trayectoria.
Los fabricantes de automóviles y desarrolladores de tecnología para automóviles
autónomos crearán una oportunidad 87.000 millones de dólares en 2030, siendo el
software la parte más importante. Los datos estiman que el mercado Chino ascenderá
a 24.000 millones de dólares, el mercado de EE.UU a 21.000 millones de dólares y el
Europeo a 20.000 millones de dólares, con unos ingresos correspondientes a software
de 25.000 millones de dólares, que será la partida más importante112.
El algoritmo para la optimización de rutas de transporte113 es algo habitual en este tipo
de compañías. Podríamos aquí mencionar el caso de UPS que mediante el uso de su
algoritmo Orion114 podría predecir la mejor ruta para sus conductores (tráfico, ahorro
de combustible, optimización de entregas,…) y conllevaría un ahorro unos 400 millones
de dólares a UPS en 2017.
El modelo de Uber115 se basa en conectar a personas que necesitan un servicio de
transporte con conductores no profesionales usando una aplicación y un algoritmo116
de “precios dinámicos” (surge pricing). La aplicación calcula la tarifa basada en el
tiempo y distancia recorrida y factura al conductor electrónicamente. La fijación de
precios dinámica y automática que usa Uber permite subir los precios de la carrera
para ajustar la oferta y la demanda. ¿Cómo? usando los datos de conductores y
usuarios117, que obtienen en tiempo real, pueden subir los precios. El objetivo doble:
reducir la demanda y aumentar la oferta (más conductores pueden acudir a esta
zona mejor remunerada). Estos conductores pueden ser socios ("driver partners"), que
decidieron emprender a través de Uber o trabajar con el vehículo de otra persona.
Desde noviembre del 2015 la comisión que cobra Uber a los socios es del 25 por ciento,
el conductor ha de abordar todos los gastos para tener el coche preparado, por ello
muchos conductores dudan de la rentabilidad de esta alianza118, a pesar de que se
evitan el pago de impuestos al estado (como hacen los taxistas). En cuanto a los
ingresos de los conductores, reciben el 75 por ciento de la carrera; sus patrones se
corresponden con 0,85 dólares por milla (1,6 kilómetros) ó 0,15 dólares por minuto.
Algunos artículos demuestran sus pérdidas reales, pero aun así sus ingresos (netos) se
triplicaron en 2015, llegando a 1.500 millones de dólares y con 4.100 millones en
efectivo119. Uber recibió muchas críticas porque en algunas emergencias (huracanes,
atentados) los precios se dispararon. Decidieron poner un límite superior al precio en
este tipo de ocasiones, estando dicho límite en la franja superior de precios de los
últimos 60 días. Pero podemos afirmar que Uber es hoy la empresa más importante de
trasporte privado del planeta por un algoritmo que funciona en los cinco continentes
20
para moverte por las grandes ciudades. Acaba de recibir una de 3.500 millones de
dólares del Fondo Soberano de Arabia Saudí120, por lo que se habla de una valoración
de 62.500 millones de dólares para esta compañía.
Los algoritmos de fijación de precio de los vuelos son secretos de cada compañía y
varían con el tiempo. Normalmente los vuelos a primera hora y a última hora son más
caros porque son los que usan las empresas y están dispuestas a pagar más. Pero
también es cierto que el precio de un asiento en un vuelo concreto varía según el día
y la hora en la que se realice la compra: las compañías saben que las empresas (que
están dispuestas a pagar más) compran entre semana y por la mañana. Y también
que no suelen dejar un fin de semana en medio entre la ida y la vuelta. También saben
que los que tienen urgencia pagan más, y por tanto según se acerca la fecha del
viaje los precios suben. Si eres un usuario avezado puedes conseguir precios con
descuentos121, según un artículo del New York Times, aunque las compañías están
permanentemente jugando con los precios, lo cual hace que cada vez sea más difícil
acertar con los pronósticos122.
Waze surge como aplicación de tráfico y navegación basada en la comunidad123,
Waze fue creada como una herramienta de navegación social para transporte
privado. La aplicación incluye un algoritmo de enrutamiento (algoritmo de Instrucción
de Unión Interactiva124) que sólo se activa si hay una conexión con el servidor de
Waze. Usa la información de tu viaje para calcular velocidades promedio, verificar
errores, mejorar la estructura vial, y conocer el sentido de las calles y los giros
permitidos. Funciona mejor en los viajes cotidianos y de rutina; y son los usuarios los que
potencian los mapas y la navegación. Cuantos más usuarios conduzcan con Waze
abierto, mejor será la navegación, calcular la ruta óptima es una tarea difícil. Google
compró Waze en Junio de 2013, una operación valorada en $966 millones de
dólares125. Waze podría servir a Google de guía de navegación para los futuros coches
autónomos, de hecho Waze la usan mayoritariamente los conductores de Uber. Según
otras fuentes126 "Waze tiene opciones para notificar los accidentes, la presencia de la
policía, las cámaras de velocidad y bloqueo de carreteras, todas las cosas que
Google no tiene." Waze ganó el premio a la mejor aplicación móvil (Best Overall
Mobile App) en el Congreso Mundial Móvil de 2013 (Mobile World Congress),
superando a Dropbox, Flipboard y otros127. El CEO de Waze Noam Bardin discutía el
modelo de negocio de la compañía en la conferencia de WSJD en Laguna Beach,
California128 afirmando que su modelo de negocio era capturar dinero de los
inversores para dárselo a los ingenieros y que pudiesen mejorar la plataforma, pero
ahora que forman parte de Google su modelo de se basará en publicidad basada en
la localización del usuario (Location Base Advertising Platform), porque piensan que en
móviles se invertirá mucho en publicidad móvil real, no en banners.
No hay fuentes que indiquen los ingresos de Waze, hay una estimación del mercado
potencial de 4.000 millones de dólares129, pero es evidente que con esta compra
Google ha apartado a Waze de sus competidores (Facebook y Apple).
Tesla introdujo una nueva tecnología de piloto automático (AutoPilot) que los
vehículos eléctricos (Electric Vehicle –EV-) de sus modelos Tesla S y Tesla X incorporan.
El algoritmo AutoPilot permite cambiar de manera autónoma de carriles, seguir a
distancia a los vehículos y trazar curvas, junto con la combinación usual de la
tecnología de prevención de accidentes tales como frenado de emergencia y
cambio de dirección de emergencia, lo que ha evitado colisiones en sus usuarios,
permitiendo al vehículo girar el volante para evitar la colisión130 es su sistema de
asistencia automática para el conductor (Automated Driver Assistance Systems).
Otra de las Diferencias de Tesla es su módulo de computación visual Tegra (Tegra
Visual Computing Module (VCM)) que usando una pantalla de 17 pulgadas permite
integrar dos funciones en una: el sistema de información y entretenimiento
(Infotainment) y proporcionar ayuda a la conducción visual131. En definitiva, más allá
del uso de las Redes Neuronales Profundas (DDN), los vehículos eléctricos de Tesla
procesan todo la información mediante algoritmos. El lanzamiento de su modelo Tesla
3 ha batido todos los records que se podrían predecir, pues la reserva de estos
vehículos (con entrega estimada a finales de 2017) llegaría a los 10.000 millones de
dólares132. Se estima133 “que en 2020 la conducción autónoma se hará popular y que
conllevaría una expansión mayor de la esperada de los vehículos eléctricos, lo que
podría llegar incluso a desencadenar una crisis del petróleo”. A pesar de las
informaciones positivas, los resultados económicos no acompañan actualmente, pues
en 2015 Tesla perdió 793 millones de dólares134
Algoritmos en sector Retail
Un trabajo de investigación de algoritmos no podía dejar de analizar uno de los
estandartes internacionales españoles, el grupo Inditex (Zara, Massimo Dutty, Bershka,
Pull&Bear,…) cuenta con 7.013 tiendas distribuidas en 88 países, probablemente el
mayor imperio mundial de la moda. Y a todas ellas siguen llegando las novedades en
un máximo de 48 horas desde que salen del centro logístico de Arteixo135. Ya vayan a
Málaga o a Melbourne. Las ventas de Inditex136 aumentaron un 15,4 por ciento en
2015, hasta 20.900 millones de euros y el beneficio neto ascendió a 2.875 millones de
euros.
Pablo Isla, presidente del grupo, siempre insiste en que en el centro de la empresa está
el cliente, es lo que se denomina hoy día Empresa Centro Cliente (ECC) en los
programas de fidelización; otro ejemplo español de este tipo de Empresas Centro
Cliente es Mercadona, donde al cliente internamente lo llaman “el jefe” y toda su
estrategia se centra en “el jefe”.
El modelo de éxito de Inditex se basa en controlar “todo”, no dejan nada al libre
albedrío. 300 diseñadores que trabajan decidiendo cómo vestir al mundo desde
Arteixo, su truco es no fabricar más de 12.000 ejemplares de cada prenda para todo el
mundo, las tiendas de Inditex reciben mercancía nueva dos veces por semana, solo
tarda entre dos y tres semanas en llevar un diseño nuevo de la mesa de dibujo a los
escaparates. Zara lanza unas 18.000 nuevas referencias al año, comparadas con las
4.000 de H&M o GAP; toda la producción pasa por España. Como rota más deprisa, los
clientes sienten estar comprando algo exclusivo y la empresa reduce los costes de
stock. Un algoritmo predice las tallas que más se van a vender, según la tienda, para
anticiparse a la demanda y reducir el stock del almacén. En 1975, cuando Amancio
Ortega abrió en La Coruña su primer Zara: “dime qué demandan los clientes que se lo
fabrico". Tienen un control total del flujo de la información, desde el teléfono, al fax y
ahora usando un sofisticado sistema de big data.
En los 88 países en los que está presente Inditex comparten el mismo sistema eléctrico
centralizado, otro algoritmo, desarrollado por la compañía, permite al departamento
de Medio Ambiente medir los consumos energéticos de cualquier tienda del mundo
desde su ordenador en Arteixo. El equipo del Centro Tecnológico, inaugurado en 2014,
es uno de sus pilares fundamentales, con una inversión de más de 1.000 millones de
euros en tecnología que ha realizado el grupo en los últimos cinco años.
22
Desde la propia empresa afirman que la siguiente revolución de la compañía pasa por
los algoritmos y el internet móvil. En cuatro años, la empresa prevé duplicar su volumen
de ventas online. El 80 por ciento de las visitas a su web y el 50 por ciento de sus ventas
ya se realizan desde el teléfono o la Tablet.
En 2014 Zara adquirió 500 millones de chips RFID137, con el uso de esta tecnología
pueden controlar, mediante sus algoritmos: de una manera inmediata las prendas que
han de reponerse, porque se acaban de vender; en 5 segundos si el material que
acaba de llegar a la tienda es exacto en número y modelos; en 15 minutos, en una
tienda grande, saben lo que se precisa reponer (antes dedicaban una mañana
entera); en 3 horas, y con seis personas, pueden hacer el inventario completo (antes
precisaban un día y entre 20 y 24 personas). Además, esta tecnología "nos permite
saber si la talla S de la falda que nos piden está en el almacén o incluso en los
probadores. La clave está en la precisión, para reducir el tiempo de espera del
cliente". Otras grandes cadenas como Walmart o JC Penney han intentado la
aplicación de esta tecnología pero sin mucho éxito. Inditex es de momento el mayor
retailer que ha logrado su aplicación masiva.
Hace una década, el semanario The Economist alababa en un extenso reportaje sobre
Zara su modelo de fast-fashion. Sin embargo, ponía en duda que pudiera mantener el
ritmo de reposición de nuevos modelos semanales cuando llevara a cabo sus
ambiciosos planes de expansión de duplicar tamaño en cinco años. The Economist se
equivocó138.
La informática combinada con la logística ha sido el aliado perfecto para lograrlo. En
1993 Inditex fue pionera en aplicar el primer carrusel de paquetería a la industria textil
(una mezcla de la paquetería de Correos y las cintas de maletas del aeropuerto). En
2000 decide desarrollar su propio software para hacer su carrusel más eficiente. Jorge
Méndez, uno de los 80 ingenieros de Logística afirma "el algoritmo nos permite ahora
que el carrusel reparta miles de prendas por las cajas no solo en función del tipo de
prenda y de talla que necesita cada tienda, sino en el orden en que lo va a necesitar
reponer la tienda". En 2000 Inditex decide desarrollar su propio software para hacer su
carrusel más eficiente. Para lograr el sistema matemático que permite este nivel de
optimización de los envíos, Inditex empezó a trabajar con el Instituto Tecnológico de
Massachusetts (MIT) en 2008. Cuanto más afinan, más tiempo se ahorra el personal de
la tienda y más se reducen los costes de stock. Ahora está investigando con la
facultad de Físicas de la Universidad Politécnica de Barcelona cómo mejorar la
eficiencia del proceso con la prenda colgada, ya que es una de las partes más
costosas del inventario.
En definitiva, en el caso de Inditex encontramos los siguientes algoritmos:
- Algoritmo que predice las tallas que más se van a vender según la tienda y
su ubicación.
- Algoritmo que mide los consumos energéticos para controlar los estándares
de calidad de Inditex con el Medio Ambiente, con el fin de optimizar los
consumos.
- Algoritmo de control de costes y del stock combinado con RFID, que
permite saber en cada momento cuántas prendas hay y dónde están.
- Algoritmo de procesamiento logístico eficiente (optimización del carrusel en
función del tipo de prenda y la talla que necesita cada tienda y su orden).
- Algoritmo de eficiencia de la prenda colgada será el siguiente paso en la
evolución de Inditex.
Inditex no explica claramente la influencia de los algoritmos en sus ingresos (20.900
millones de euros en 2015), pero es seguro que son una parte importante, pues se han
enumerado hasta 5 algoritmos diferentes.
Hablemos de cifras del entorno retail, en 2015 las ventas mundiales alcanzaron 22,5
billones de dólares139, correspondiendo 1,7 billones de dólares a la venta online (E-
commerce), lo que supone un incremento del 25,1 por ciento respecto del año
anterior según los datos de eMarketer. Este crecimiento online seguirá creciendo hasta
los 3,6 billones de dólares en 2019; ello supondrá una gran influencia de los algoritmos
en dicho crecimiento.
Otro ejemplo de este sector es Ocado140 un supermercado británico exclusivamente
virtual que depende de los algoritmos para mover dos millones de ítems diariamente.
La planta de Ocado141 es enorme, variable y movible. Algoritmos predictivos revisan y
abastecen las existencias de más de 43.000 productos, anticipando la demanda del
consumidor; algoritmos para controlar el sistema organizan el tráfico de más de 7.000
canastas que viajan por la planta; algoritmos de ruta controlan el movimiento de una
flota de más de 1.500 camionetas, chequeando más de 4 millones de rutas distintas
por segundo. Y la máquina entera tiene que auto adaptarse continuamente (Machine
Learning), aprende sola cómo hacerlo todo mejor: la máquina se tiene que afinar por
sí misma. "En última instancia, los que tienen el control son los algoritmos", los ingresos
de esta empresa son 1.100 millones de libras (2015), unos 1400 millones de euros.
Hay algoritmos embebidos dentro de los robots de limpieza como Roomba142 o Neato.
Los aspiradores inteligentes de Roomba, por ejemplo, memorizan la distribución de una
habitación y aprenden por sí solos cualquier posible cambio.
Otro ejemplo es el algoritmo de recomendación de eBay, el 90 por ciento de lo que la
gente compra en la plataforma procede de búsquedas. El algoritmo “Best match”
(mejor resultado) tiene el objetivo de aumentar las ventas y reducir las malas
experiencias del comprador, asegurándose de que los compradores son más felices y
por tanto haya más probabilidades para futuras compras. Para ello usa una serie de
factores: Relevancia para la búsqueda del comprador, popularidad entre los
compradores de artículos, valor para los compradores, listado de integridad y calidad,
términos del anuncio de servicio (como la política de retorno y el tiempo de
manipulación), perfil del vendedor o el riesgo del vendedor en eBay, un informe del
historial del vehículo de AutoCheck por Experian para los vehículos que figuran en
eBay Motors,… eBay reportó 1.725 millones de dólares de beneficios en 2015, a pesar
de que los ingresos cayeron un 2 por ciento. Ebay ganó 1.580 millones de euros en
2015. Pero, en 2015, la compañía anunció 2.400 despidos en todo el mundo.
Algoritmos en sector Energía y Servicios Públicos
Otro ejemplo español es Repsol, el proyecto Caleidoscopio143 nació para unir ciencia y
tecnología de última generación con el propósito de descubrir nuevos yacimientos de
gas y petróleo. Usó una nueva generación de chips que maneja complejos algoritmos
matemáticos, testados anteriormente en el superordenador MareNostrum144.
24
La colaboración entre Repsol y el BSC-CSN (Barcelona Supercomputing Center -
Centro Nacional de Supercomputación) comenzó en 2007 y se ha centrado en
proyectos de alto contenido en I+D en el ámbito de la geofísica de exploración de
hidrocarburos145. Con el fin de encontrar petróleo y gas a miles de metros bajo el
subsuelo. Con este proyecto, Repsol se sitúa a la vanguardia de la exploración en
zonas de subsuelos complejos y con grandes reservas, como el Golfo de México o las
aguas profundas de Brasil, donde se estiman unos recursos de 100.000 millones de
barriles de petróleo. Repsol alcanzó en 2015 una producción media de 558.900
barriles146 equivalentes de petróleo al día (bep/d), es decir dichos descubrimientos
proporcionarían una abundante fuente de riqueza para Repsol, tanto económica
(actualmente el margen por barril es de 4,3 dólares147, lo que llevaría a una cantidad
de 430.000 millones de dólares) como de continuidad en el tiempo (unos yacimientos
de ese tamaño permitirían a Repsol una producción de petróleo diaria y continua
durante 490 años). El barril de Brent tiene un volumen de 159 litros de crudo. De los
cuales se obtiene aproximadamente un 18 por ciento de gasolina, un 38 por ciento de
gasoil y el resto es compuesto por queroseno, asfalto y lubricantes148.
A este proyecto principal se le añaden dos nuevos proyectos, fruto de la creación en
2011 del Repsol-BSC Research Center: Repsolver y el proyecto Lab Virtual. El objetivo
del proyecto Repsolver es lograr simular cualquier sistema físico en un superordenador.
El proyecto Lab Virtual, complementario del anterior al poder utilizar sus simulaciones,
trata de optimizar los parámetros de un sistema y su plan de desarrollo incluye la
optimización de los parámetros de operación de un reactor químico o el diseño y
operación de una batería.
Según investigadores149 del departamento de Autonomic Systems del BSC-CNS,
“combinando las mejoras en la eficiencia del hardware y las instalaciones con una
configuración adecuada del software que los gestiona, usando energías renovables,
se pueden reducir los costes energéticos en un 30 por ciento y la dependencia de la
red eléctrica externa en un 80 por ciento, acercándonos al objetivo de tener CPD con
cero emisiones contaminantes”. El BSC-CNS desarrollará algoritmos para decidir la
ubicación óptima de las cargas de trabajo entre CPD y la temporalización de su
ejecución para realizar el máximo de trabajo con el mínimo de emisiones. Los
resultados se validarán en ocho centros de datos de Europa. Repsol no menciona la
parte económica correspondiente a los algoritmos, los ingresos de 2015 ascendieron a
63.077 millones de euros150.
El sector de Energía y Servicios Públicos (Utilities) podrá ser uno de los más afectados
por los algoritmos, el uso de Machine Learning151 permitiría: el descubrimiento de
patrones de uso de energía para mejorar la experiencia de usuarios y fidelizar más a
los clientes; aumento de la participación ciudadana en programas de eficiencia
energética (actualmente muy bajos), aumentar los procesos de eficiencia energética;
ayudar a los usuarios a mejorar el calentamiento de sus hogares optimizando la
energía y ahorrando costes; optimizar los puntos de ajuste de los termostatos; integrar
los Vehículos Eléctricos en la red energética; evitar altas tasas de rotación (Churn152). El
uso de Big Data junto con algoritmos propietarios: reducirá el tiempo de recogida de
residuos hasta un 80 por ciento, reducirá un 75 por ciento los costes, ahorrará
combustible (por usar menos rutas y menos camiones) y conseguirá unas ciudades
más limpias y sostenibles153; la basura inteligente en ciudades inteligentes.
Algoritmos en sector Turismo Booking.com, para lograr mayores ingresos de sus ventas, necesitará maximizar una
fórmula parecida a esta154:
Beneficio esperado= (N. de reservas * precio medio de venta * por ciento de comisión)
- costes de adquisición
Donde entendemos que:
Número de reservas= n. de consultas * porcentaje de conversión – cancelaciones.
Esta fórmula es claramente una simplificación aunque será suficiente para entender la
lógica de negocio de las agencias de viajes online (OTA, Online Travel Agency), así
como de la mayoría de los intermediarios. Por lo tanto, en esta fórmula, el número de
las reservas depende de 3 factores:
- Cuántas veces se consulta el hotel
- Con qué porcentaje de conversión tienen dichas consultas
- Cuántas de estas reservas finalmente se realizan (si no se produce un
“check-in” Booking no suele cobrar).
El algoritmo de una OTA suele ser un “espejismo” de lo que afecta positiva o
negativamente a sus ventas y a sus estrategias comerciales. Y en este ámbito el ratio
de conversión es una referencia que permite tanto la comparación entre los hoteles
que se están vendiendo, como la evolución de la eficacia de sus ventas.
Booking.com ofrece servicios de reserva de alojamiento para más de 850.000
propiedades en más de 220 países y territorios en sus sitios web y en 42 idiomas, lo que
incluye a aproximadamente 390.000 propiedades de alquiler de vacaciones155. En julio
de 2005, el Grupo Priceline adquirió Booking.com, que fue considerada como la
inversión más rentable en Internet en la década del 2000, ayudando a catapultar
Priceline en sus ganancias, en dicho grupo se incluyen marcas como: Booking.com;
priceline.com; KAYAK; agoda.com; rentalcars.com y OpenTable. En 2015 el grupo
gastó 2.800 millones de dólares en motores de búsqueda de Google (principalmente),
servicios de meta-búsqueda e investigación de viajes y marketing de afiliados para
generar tráfico a los mencionados sitios web. En 2015 obtuvo unos ingresos de 9.200
millones de dólares, dos tercios de los ingresos156 se deben a Booking.com, unos 6.100
millones de dólares, gran parte por el algoritmo de booking.
España es la tercera potencia turística del planeta, en 2015 batió récord en número de
viajeros internacionales, cerca de 68 millones de personas. El Top ten de las reservas en
España las gestionan: Booking, Expedia, Hotelbeds, Gulliver Travel Associates, Hotusa,
Hotel Reservation Service, Orbitz, The Booking Button, Agoda y Travelocityx157.
El mercado de las agencias de viaje online (OTA) actualmente está dominado por dos
gigantes: Expedia (nació en Microsoft que posteriormente la vendió por 1.500 millones
de dólares158 ) y Priceline. Las reservas online son ya un 40 por ciento de las ventas de
viajes159, el móvil es un dispositivo fundamental. Actualmente hay nuevos entrantes
atacando con fuerza como AirBnB, TripAdvisor, Amazon con Amazon Destinations y
Google que lanzó su sitio de meta-búsquedas Google Flight.
Según Euromonitor International160 el mercado global de ventas de viajes alcanzará los
3 billones de dólares en 2018, siendo alrededor de 1 billón de dólares para la parte
online. En definitiva, los algoritmos van a tener mucho que decir en este mercado
actualmente “en explosión”.
26
Algoritmos en sector Salud
¿Siguen siendo válidas las dietas universales para cualquier persona?. Cada individuo
responde de forma muy diferente a los alimentos que consume. Por eso, científicos del
Instituto de Ciencia Weizmann161de Israel crearon un algoritmo162 (algoritmo de
aprendizaje automático) que predice cómo el organismo de diferentes individuos
responde a los alimentos y establece cuál es la dieta más adecuada para ellos. El
doctor Eran Segal explicó que el algoritmo predice "con alto nivel de confiabilidad"
cómo el cuerpo reacciona a los niveles de glucosa en la sangre, estos niveles son
fundamentales para el control del peso y la diabetes, y están vinculados a muchas
otras enfermedades. La primera fase de este estudio ha finalizado denominándose
“proyecto de nutrición personalizada”163, su conclusión es “las dietas universales
pueden tener utilidad limitada”. Hay un vídeo que explica el proyecto164. Algoritmos
como el desarrollado aquí podrán ver la luz en forma de aplicaciones de dietas
personalizadas que pueden estar controlados por nuestro Smart Phone, de hecho ya
existen algunos ejemplos como las 39 Mejores Aplicaciones de Salud y Bienestar de
2016165.
Hoy día vivimos bajo una fiebre del culto al cuerpo y los próximos años llegará otra por
cuidar nuestra alimentación para vivir más años; seleccionaremos los mejores
alimentos para la familia. El sistema de puntuación nutricional166 (Nutritional Scoring
System) NuVal® es alimentado por el índice general de calidad nutricional (ONQI®,
Overall Nutritional Quality Index), un algoritmo para medir la calidad nutricional de los
alimentos y bebidas según la influencia que tienen en la dieta. NuVal® es
independiente, no hay ningún interés comercial detrás y fue desarrollado con el fin de
combatir la epidemia de obesidad en los Estados Unidos. Asigna un número (entre 1 y
100): “con este número puedes tener una decisión y decidir sobre un alimento”.
En los últimos años, los médicos han utilizado grandes volúmenes de datos (incluyendo
la recolección de los datos genéticos) y los algoritmos para desarrollar la "medicina
predictiva", disciplina que consiste en la prevención de futuros riesgos para la salud
basada en estilo de vida actual (analizando los datos). Las compañías de seguros con
el patrocinio de programas para promover el uso de dispositivos de control y
detección genética167 podrían seguir la misma tendencia.
Apervita168 inaugura la primera Comunidad Mundial y un Marketplace sobre analíticas
para la salud y datos, cuenta169 con diez miembros fundadores y más de 250
algoritmos y ofrece: medidas, vías, protocolos y conjuntos de datos para que
empresas y profesionales pueden crear, publicar y suscribirse a su analítica de datos,
de fácil aplicación en su flujo de trabajo. Algoritmos clínicos avanzados forman parte
del futuro del sector de la Salud. El sector de la salud se está moviendo hacia un
modelo de prestación de servicios de cuidado digitales, ofreciendo soluciones de
interoperabilidad, datos genómicos, acceso a la atención médica, democratización
de la analítica, encaminado a orquestar el sistema de salud en tiempo real. Los
recientes anuncios de instituciones médicas sobre la intención de publicar extensas
carteras de algoritmos avanzados a través de un mercado abierto (Open
Marketplace) muestran el creciente interés sobre el intercambio de algoritmos clínicos.
Hay ejemplos de algoritmos que nos podrán controlar la dieta según el tipo de
organismo170
IBM considera Watson Healthcare171 una pieza clave en su estrategia a largo plazo
para convertirse en el mayor proveedor de analítica (en 2015 los ingresos de Watson
Analytics172 fueron en torno a 18.000 millones de dólares en ingresos173) y exponen que
en los próximos años habrá una escasez de Data Scientists174 que las empresas no
podrán cubrir, por ello se producirá un aumento en las analíticas cognitivas que usarán
los ciudadanos (“Citizen Analytics”). IBM afirma que cada persona es probable que
genere más de 1 millón de gigabytes de datos relacionados con la salud en su tiempo
de vida. Equivalente a 300 millones de libros. En Watson Healthcare, estamos
integrando nuestras propias capacidades orgánicas con las de las compañías
adquiridas Merge, Phytel y Explorys. “Healthcare es una nueva oportunidad de ingresos
y beneficios para IBM, queremos cambiar la cara de la asistencia sanitaria con nuestra
plataforma cognitiva para proporcionar valor a los proveedores, los contribuyentes y
los socios”, afirma Martin Schroeter175, VP de IBM; se estiman unos ingresos de 3.000
millones de dólares para Watson Healthcare176. Un artículo de Wired sugería que
Watson era mejor detectando cáncer que los propios médicos177 (la tasa de éxito de
diagnósticos de Watson para cáncer de pulmón es 90 por ciento, comparado con el
50 por ciento de los médicos humanos.)178
La Agencia de Alimentos y Medicamentos estadounidense FDA (Food and Drug
Administration) acaba de aprobar el uso de Eko Core179, dispositivo que se acopla a
un estetoscopio convencional y que conecta con un smartphone, a través de
Bluetooth y la conexión a Internet del móvil procesa acciones avanzadas. Usando una
aplicación graba las secuencias de audio del ritmo cardíaco que captura a través del
estetoscopio, almacenando las del paciente y comparando posteriormente la
evolución mediante estadísticas y gráficas. Utilizando un algoritmo inteligente podría
analizar la forma de onda capturada con otras pregrabadas sanas o con alguna
patología y clasificar de forma automática el ritmo cardíaco como normal o anormal,
ofreciendo un posible diagnóstico posterior realizado por un especialista180. Hay más
de 750.000 millones de dólares anuales de pérdidas181 en el sector y la enfermedad
cardiovascular afecta a una cuarta parte de la población mundial. Se espera que el
mercado de la monitorización cardíaca sea de 23.300 millones de dólares en 2017.
Cada vez hay más personas preocupadas por su salud que apuestan por distintos
gadgets para monitorizar su actividad diaria. Fitbit, el fabricante de pulseras que
registra calorías quemadas durante el día, número de pasos o el sueño. Sus ventas en
2015 se duplicaron, pasando a 1.858 millones de dólares 182. Los monitores Fitbit tienen
un algoritmo ajustado con gran precisión para el recuento de pasos, está diseñado
para buscar las pautas de movimiento183 de los pasos de las personas. ¿Podrá estar el
futuro de este tipo de gadgets en la joyería de alta gama?, ya hay marcas que han
anunciado estos artículos de lujo y a la vez para cuidar tu cuerpo184.
28
Algoritmos en Sector de Tecnologías de la Información y Comunicación (TIC)
Durante el Symposium NIPS de Canadá en 2015 el Dr. Ian R. Kerr185 introdujo un
concepto interesante, ¿pueden los ordenadores firmar contratos?, es decir, con la
capacidad de concomimiento de las máquinas y usando algoritmos, ¿se podrían
firmar contratos de cualquier tipo sin necesidad de la intervención Humana?. En EE.UU
los algoritmos no son patentables, pero algunos usos de algoritmos si lo son186, por lo
que esto podría ser una realidad en poco tiempo.
Erik Brynjolfsson y Andrew McAfee trabajan en el MIT (Instituto Tecnológico de
Massachusetts), han escrito el libro, The Second Machine Age (Norton). El libro expone
con un lenguaje asequible las líneas fundamentales de esta nueva «revolución
industrial» en marcha, la del vertiginoso crecimiento del poder de computación, los
robots, las máquinas “inteligentes”, el “internet de las cosas” y el big data; con las
consecuencias que todo ello supone para la organización de la sociedad, el modelo
económico y nuestro modo de vida. Erik en su intervención en TED187 afirma
“Actualmente la productividad va bien”, “pero ésta se ha desacoplado del empleo, y
el ingreso del trabajador medio se está estancando”, estamos entrando en la nueva
Era de las Máquinas (The new machine age). Expone el ejemplo: “¿cómo un
trabajador cualificado puede competir con un paquete de software de 39 dólares?” y
explica el éxito del programa “intuit” afirmando que “hoy la mayoría de los
estadounidenses tienen su declaración e impuestos más barata, más rápida y más
precisa que hace unos años, debido a este programa: pero el 17 por ciento de los
asesores fiscales han perdido su trabajo, esto está ocurriendo en todas las industrias”,
“la nueva era de la máquina es: digital, exponencial y combinatoria”; reforzando la
importancia que va a tener la Algoconomy en el futuro, otra idea que refuerza el
porqué de este Trabajo Fin de Máster, los algoritmos van a tener una tremenda
importancia en los próximos años.
Volviendo a los argumentos de Brynjolfsson, afirma que el invento más importante de
nuestros días se sitúa en el Machine Learning (aprendizaje de las máquinas). Según Erik
Brynjolfsson. “Las personas están compitiendo contra las máquinas y muchos están
perdiendo la carrera. En vez de competir contra la máquina, tenemos que aprender a
competir con la máquina. Éste es nuestro gran desafío”. “la tecnología no determina
nuestro destino, somos nosotros quienes le damos forma”.
Hemos hablado ya de PageRank, pero es preciso destacar que todos los buscadores
de Internet presentan cuatro pilares importantes: Robot, Índice, Interfaz de Búsqueda y
Algoritmo. La verdad es que la historia de cambios en el algoritmo de Google es
trepidante188, aquí podemos ver una lista completa189 de los algoritmos y su evolución.
El algoritmo de búsqueda de Google está en constante cambio y a cada
actualización le han ido dando el nombre de un animal. La clasificación se basa en 5
niveles: vitales, útiles, relevantes, poco relevantes y fuera de tema (Off Topic). Google
ordena los resultados de la búsqueda utilizando varios factores, el más importante es el
Page Rank. El Page Rank es un valor numérico que representa la importancia de una
página web. Para Google que un sitio enlace con otro sitio significa un voto. Cuantos
más votos tenga un sitio más importante será para Google. Pero también le da
importancia a que la votación provenga de una página u otra. Según Brin y Page “si
una página tiene un vínculo de la página principal de Yahoo, este puede ser un
vínculo, pero uno muy importante. Dicha página debería estar mejor clasificada que
otras páginas con muchos vínculos pero de lugares desconocidos”. “Es decir, es más
probable que alguien llegue a una web si tiene un enlace en un portal concurrido,
que si tiene siete enlaces en páginas personales de desconocidos”.
En cuanto a los cambios en el algoritmo de búsqueda de Google, hay dos tipos:
cambio de algoritmo (Caffeinie y Colibri) y actualizaciones dentro del algoritmo (a
veces denominado filtro, donde se sitúan: Panda, Venice, Penguin,...). Aunque la
mayoría de las últimas actualizaciones lanzadas se centraban en la calidad de los
resultados, en Septiembre de 2013 Google hace un cambio de algoritmo (no un
cambio en su algoritmo, sino uno nuevo denominado Colibri, la traducción del inglés
Hummingbird). Colibrí es el nuevo algoritmo de búsqueda de Google, diseñado para
abrir el camino hacia la búsqueda conversacional real, no se trata de un cambio de
algoritmo en el ámbito de resultados, sino una que es una evolución del algoritmo
existente. Google no se enfoca en la calidad de los resultados, sino que ahora ha
aprendido a responder a preguntas. Con el aumento del uso de dispositivos móviles,
Google tiene que estar preparado para manejar consultas más largas y coloquiales,
como por ejemplo, “a cuánto está Madrid de aquí” o “comparar mantequilla con
aceite de oliva”. Colibrí añade la habilidad de entender el significado de las palabras,
hacer comparaciones y aplicar filtros en un contexto dado, lo que permite al buscador
ofrecer resultados precisos a consultas complejas. Supone un cambio que afecta al 90
por ciento de las búsquedas a nivel mundial, ya que en lo que trata de incidir es en
entender las nuevas búsquedas de los usuarios basadas en frases más complejas y
contextos más semánticos, en principio afecta sobre todo a los dispositivos móviles,
que son los que utilizan esta forma de buscar normalmente.
o RankBrain190 es el nombre de un nuevo sistema de interpretación que
confiere a Google un mejor entendimiento de las consultas de
búsqueda, especialmente las más ambiguas. Se integra en el algoritmo
de búsqueda Hummingbird191 y emplea inteligencia artificial para
determinar qué es lo que busca el usuario. Según Google, RankBrain es
la tercera señal de referencia en la clasificación de páginas web
(contenido y enlaces van primero). No añade nuevos factores al
algoritmo de ranking, pero determina el peso de los existentes
basándose en la consulta del usuario.
Todo lo demás sigue igual, es decir, los algoritmos Google Penguin, Panda e incluso
PageRank siguen activos y funcionando de la misma forma.
Sin duda la búsqueda en Google usando la voz192 (Google Voice Search) está
marcando un antes y un después en la interacción con el buscador, pues ahora
puedes comprobar citas en tu agenda, obtener información nutricional, preguntar por
el tráfico, crear recordatorios o incluso ir a través de tus álbumes y encontrar fotos
específicas. En combinación con Google Ahora (Google Now193), el Gráfico de
conocimiento194 (Knowledge Graph195) y una mejor comprensión del lenguaje natural
(Natural Language), la búsqueda se está convirtiendo en más inteligente,
conversacional y más útil con cada actualización nueva.
Actualmente Google tiene 3,5 millones de búsquedas al día y las acciones de
Alphabet196 (Google) siguen subiendo y su capitalización bursátil superó los 546.000
millones de dólares, por delante de Apple (533.000 millones de dólares), aunque ya en
el mes de abril de 2016 Apple volvió a superar a Google en capitalización197. Eso sí, el
99 por ciento de los ingresos de Alphabet corresponden a Google, de los que más del
90 por ciento corresponden a publicidad198; en concreto los ingresos de Google en
2015 ascendieron a 21.300 millones de dólares, de los que 19.078 millones de dólares se
30
corresponden con la publicidad, en gran parte gracias a los algoritmos de búsquedas.
El algoritmo de posicionamiento de Yahoo se conoce como WebRank199 y, como el
PageRank de Google, se mide con una valoración entre 1 y 10. La medida del
WebRank está relacionada con la barra de Yahoo. También influyen en el
posicionamiento el interfaz y otros pesos de posicionamiento parecidos a los usados
por Google. El WebRank usa además para posicionar las páginas criterios de
popularidad, como por ejemplo la antigüedad de la Web, ya que se considera una
muestra de credibilidad. Yahoo otorga mucho peso al título, permitiendo repeticiones
de palabras. El título puede llegar a 100 caracteres. Además, las keywords en la URL
parecen tener más peso que en el PageRank de Google. En este caso, según los
últimos resultados de la compañía, el negocio de las búsquedas se situaría en el
entorno de los 3.200 millones de dólares al año200, parte de ellos debidos al algoritmo
WebRank. Los ingresos totales estarían por encima de los 4.300 millones de dólares.
En cuanto al algoritmo que usa Bing, como explica la propia Microsoft201 “cada
resultado de búsqueda mostrado se obtiene mediante un algoritmo informático que
asocia los términos de búsqueda que escribes con los resultados de nuestro índice. En
general, intentamos proporcionar una colección de resultados de búsqueda que sea
lo más completa y útil posible. Diseñamos algoritmos para proporcionar los resultados
más relevantes y útiles y determinar los resultados de búsqueda mostrados que
aparecen para cada búsqueda”. En el Blog de Bing202 dan un paso más y explican
cómo el algoritmo de Ranking de Bing usa los contenidos de calidad como el factor
principal en sus resultados de búsquedas (los tres pilares de la calidad del contenido
son: autoridad, utilidad y presentación).
Ranking = f (Topical Relevance, Context, Content Quality)
En Bing, la relevancia es un resultado en función de:
La importancia del tema a la consulta ("¿Responde a la consulta?") (Topical
relevance)
La calidad del contenido (tal como se mide por los tres pilares descritos
anteriormente: autoridad, utilidad y presentación) (Content Quality)
Contexto ("es la consulta acerca de un tema reciente?", "¿Cuál es la ubicación
física del usuario?"...) (Context)
El negocio de búsquedas es por primera vez rentable para Microsoft, algo que se
llevaba esperando en los últimos trimestres, Bing ha generado 1.000 millones de dólares
en ingresos en el primer trimestre de 2016203, principalmente por haber decidido
delegar en otras empresas externas algunas responsabilidades. Los ingresos totales en
este trimestre ascienden a 20.400 millones de dólares, que es un 12 por ciento menos
que en el mismo periodo del año pasado. Los beneficios - antes de impuestos - se
quedaron un 1 por ciento por debajo de lo cosechado en 2015, con 5.800 millones de
dólares.
Las meta keywords, al contrario que en los principales buscadores en los que estamos
habituados a optimizar nuestro contenido, siguen siendo uno de los principales
factores de los algoritmos de Baidu204. Baidu ingresó 2.450 millones de dólares en los
tres primeros meses de 2016205, lo que le llevaría a unos ingresos anuales por encima de
los 10.000 millones de dólares en la parte de búsqueda. Robin Li, presidente y
consejero delegado de Baidu afirmó: "Esperamos que nuestro negocio central, el
motor de búsqueda, nos ofrezca más oportunidades de negocio a través de la
plataforma integrada de mercadotecnia y servicios de transacciones por internet",
añadió. El mayor motor de búsqueda del país asiático ha venido haciendo incursiones
en nuevos mercados como el de los negocios online a offline, la producción de vídeos
y el I+D en los coches sin conductor y otras tecnologías de inteligencia artificial, para
pulsar los potenciales mercados que trae consigo el cambio en la economía de China.
Hay diversos artículos que abordan los cambios en el algoritmo de Facebook206, en
concreto el algoritmo de Noticias de Facebook (News Feed) ha cambiado varias
veces y de muchas maneras diferentes en los últimos diez años. Con 1,3 millones de
usuarios activos, es crucial para entender la plataforma y utilizarlo en consecuencia
para la apropiada estrategia de marketing en redes sociales. El algoritmo EdgeRank207
es determinado según tres criterios esenciales208: la afinidad; el peso relativo de los
tipos de contenidos y de las interacciones; y el tiempo de la publicación. Ciertas
herramientas, como EdgeRank Checker209, de la compañía Social Bakers, permiten a
los administradores de los sitios web verificar la compatibilidad de su página Facebook
con los criterios de EdgeRank210 y dan sugerencias para mejorar la tasa de
compromiso (engagement) alrededor de sus publicaciones.
Facebook se tomó en serio el problema de los Centros de Datos y puso en marcha su
proyecto de construcción de Data Centers eficientes211, a partir del mismo sugirió la
construcción de hardware open source212, es decir la necesidad de fabricar servidores
y equipos de red que sean baratos, compactos, eficientes que permitan un engranaje
innovador optimizado para centros de datos y cargas de trabajo en la nube. Su
liderazgo en el desarrollo de estándares, hardware híper escalable, utilizando
componentes intercambiables le llevó al desarrollo del Proyecto abierto de
Computación213 (Open Compute Project (-OCP-), en el que ya participan, a parte del
VP de Infraestructuras de Facebook, más de 150 miembros, entre ellos: Goldman
Sachs, Microsoft, Intel, Rackspace,… Si hablamos de la parte económica, Facebook
terminó un 2015 de una manera excelente con unos ingresos de 17.900 millones de
dólares214, con el 80 por ciento de sus ingresos publicitarios procedentes de dispositivos
móviles, no hay una declaración oficial de Facebook con respecto al peso de
EdgeRank en la partida de ingresos, pero podemos pensar que tiene un gran peso.
Facebook te ayuda a optimizar los ingresos por publicidad en su plataforma
(Advertising) con un tutorial215. También se producen situaciones de violación de la
propiedad intelectual, cuando alguien que no ha creado un vídeo lo toma como
parte de su propiedad intelectual216 y se beneficia de los correspondientes ingresos
publicitarios, algunos lo denominan Facebook Freebooting, algunos lo especifican y lo
definen como el fraude de Facebook217.
Aparte del algoritmo EdgeRank, uno de los aspectos que más ha cambiado218 es el
tratamiento de los contenidos engañosos (o ClickBait), Facebook se hizo eco de los
comentarios de los usuarios que no estaban contentos, y pretende combatir este tipo
de contenidos.
En el libro219 The Black Box Society220, The Secret Algorithms That Control Money and
Information de Frank Pasquale, se hace un repaso a los algoritmos de “caja negra”,
que son aquellos que no sabemos cómo funcionan, cuál es el criterio con el que lo
hacen, con qué objetivos fueron concebidos, qué reglas están aplicando, etc. El libro
expone que cada vez hay más algoritmos y que deberíamos comenzar a discutir
también sobre el “accountability” o “escrutinio” de los algoritmos. Es decir, la ética de
un algoritmo. En una era en la que las apuestas contras las divisas de los países, los
coches o servicios públicos son autónomos, o personas o sistemas de Big Data que
toman decisiones de salud son codificadas en algoritmos, no podemos esquivar esta
32
conversación. En el texto de Pasquale, se introduce la “Ética de la tecnología” bajo
tres perspectivas que debieran ser consideras cuando construimos algoritmos: Crítica
deontológica (que los resultados a obtener deban satisfacer una serie de reglas,
políticas, principios, etc.); Crítica teleológica (valorar las consecuencias de los
resultados que obtienen esos algoritmos); Crítica de valores (diseño que considera de
manera explícita e implícita los valores compartidos en una sociedad global, además
de a los propios stakeholders que perciben y usan el sistema como se pensaba en un
comienzo). Con estas tres miradas a incorporar, cada vez que enfrentamos el diseño y
desarrollo de un algoritmo, tendremos varios elementos a considerar: Disponibilidad;
Facilidad de mantenimiento; Inteligibilidad; Integridad del algoritmo; Selección del
modelo y atributos; Integridad de los datos; Propiedad colectiva de los datos; Sesgo
de selección. En uno de los primeros congresos sobre algoritmos, allá por Mayo de
2013, el congreso Governing Algorithms221, se trataron muchos de estos temas.
Telegram, competidor de Whastapp, utiliza un sistema de encriptación para transmitir
los mensajes con el fin de evitar que alguien pueda espiar las comunicaciones. El
sistema requiere una clave única y exclusiva que el usuario debe crear al instalar la
aplicación. Para evitar que la clave pueda se robada o hackeada, el sistema usa un
algoritmo matemático llamado Diffie-Hellman222. Esta ecuación tiene una propiedad
que permite operar un número a con otro b que tengan como resultado c. La clave es
que a partir de c es muy difícil conocer los números que lo han generado223.
Matemáticamente revertir esta función es tan difícil como calcular un logaritmo
discreto (un millón de millones de cuatrillones más costosa que la operación usada
para transformar los números iniciales). Dos interlocutores pueden generar
conjuntamente una clave compartida sin que un intruso, que esté escuchando las
comunicaciones, pueda obtenerla. El protocolo criptográfico Diffie-Hellman es un
protocolo de establecimiento de claves entre partes que no han tenido contacto
previo, utilizando un canal inseguro, y de manera anónima (no autentificada). Este
algoritmo224 mostraba que la criptografía asimétrica o de clave pública era posible. En
su sistema, la clave pública, que no es secreta y se puede distribuir libremente, se utiliza
para el cifrado, mientras que una clave privada, que nunca puede abandonar el
dispositivo de recepción, se utiliza para el descifrado. El innovador artículo de Diffie y
Hellman “New Directions in Criptography”, publicado en 1976, introdujo las ideas de la
criptografía y las firmas digitales de clave pública, que son la base de los protocolos de
seguridad más utilizados en el Internet actual. Este protocolo protege las
comunicaciones por Internet y miles de millones de dólares en transacciones
financieras diarias. Por ello les adjudicaron en 2015 el “Premio Nobel de la Informática”
225. Cualquier usuario de la World Wide Web está familiarizado con el uso de la
criptografía de clave pública para establecer conexiones seguras. Una URL segura
típica comienza con "https", donde la "s" significa que el protocolo de capa de
transporte seguro será utilizado para cifrar la comunicación.
Así de seguro es el sistema de encriptación de Telegram. La aplicación también
permite chats seguros en los que ni siquiera su servidor puede leer los mensajes que
envías. La invención de la criptografía de clave pública y firmas digitales revolucionó la
seguridad informática, hablamos del Algoritmo criptográfico226. El MIT creó un sistema
de Inteligencia Artificial capaz de detectar el 85 por ciento de los ciberataques227.
Existen rumores sobre la adquisición de Telegram por parte de Google, es conocido
que hoy día Telegram no tiene un modelo de negocio que pueda ser viable en el
tiempo y Google necesita una aplicación que ya esté en el mercado y funcionando,
de nada le servirá lanzar una nueva aplicación para integrarse en esta tecnología de
mensajería instantánea que le pueda servir para competir con Facebook. En las
conversaciones existentes, aunque no están del todo claras, se habla de una cifra de
1.000 millones de dólares por dicha adquisición228.
Jan Koum (cofundador y consejero delegado), matemático ucraniano, ideó un
algoritmo para Whatsapp que enterró en la historia los caros mensajes sms229, desde
entonces los usuarios de WhatsApp no paran de aumentar en todo el mundo230. Jan
hizo una publicación en Facebook231 (que adquirió la compañía de mensajería
instantánea el pasado año por 16.000 millones de dólares) anunciando algunos de sus
datos: servicio disponible en 53 idiomas y 1.000 millones de usuarios activos que se
envían al día: 42.000 millones de mensajes, comparten 1.600 millones de fotografías y
250 millones de vídeos. España se ha convertido en el país de Europa en el que más se
usa WhatsApp: El 70 por ciento de los usuarios de internet móvil en España ya utilizan
WhatsApp, y una reciente encuesta afirma que el 96 por ciento de los españoles
prefieren usar una ‘app’ de mensajería como WhatsApp, Skype o Telegram, antes que
llamar por teléfono. Aunque su modelo de negocio no es trivial, ni público, quieren
convertir WhatsApp en una extensión de comunicación para la empresa.
Whastapp acaba de anunciar otro refuerzo en la seguridad de las comunicaciones232,
se trata del encriptado de extremo a extremo233, finalmente se activó una de las
características más demandadas y esperadas en WhatsApp234: el cifrado extremo a
extremo. Eso significa que todos nuestros mensajes, fotografías, vídeos y notas de voz
serán cifrados al ser enviados, y solo se descifrarán cuando lleguen al dispositivo del
receptor235.
Shazam es otro caso a destacar, su algoritmo se basa en la huella digital acústica se
crea a partir de la muestra y se compara con una base de datos para encontrar
coincidencias. Una vez hecha la relación, el usuario puede recibir información tal
como el título de la canción, artista, álbum, enlaces de interés. La huella digital
acústica236 se basa en el espectrograma237, de forma que cada canción se
parametriza en una tabla donde se convierte en una serie de frecuencias fuertes
vinculadas al tiempo de la canción donde se producen. Shazam lo que hace es
comparar esas tablas que tiene memorizadas para identificar la canción que está
sonando238. Aunque Shazam no es rentable, contiene una base de datos de 35
millones de canciones y una teórica valoración de 1.000 millones de dólares239. Todo
ello le podría hacer atractivo para cualquier empresa que piense en posicionarse en
este tipo de servicios, o servicios paralelos de valor añadido.
Otro tipo de algoritmos como los de Percepciones de Personalidad (Personality
Insights)240 se sitúan en sistemas cognitivos, capaces de auto aprender y de dar una
34
respuesta inteligente para diferentes ámbitos profesionales (por ejemplo seleccionar
los mejores candidatos a determinadas universidades conociendo su histórico de
notas, el poder adquisitivo de sus padres, y lugar de residencia,… o en un proceso de
reclutamiento para la empresa ver qué candidatos se adaptan mejor al puesto y la
empresa en concreto).
Machine Learning241 incluye diferentes tipos de algoritmos (aprendizaje supervisado,
aprendizaje no supervisado, aprendizaje semi supervisado, aprendizaje por refuerzo,
transducción, aprendizaje multi-tarea, K-Nearest Neighbors242, Random Forest 243…).
Machine Learning son algoritmos para inferir incógnitas partiendo de datos conocidos,
aunque hay más ejemplos244. Otro tipo de algoritmos son los usados en la minería de
datos245, que proceden de la Inteligencia Artificial 246(IA) y de la estadística, algunos247
de ellos son algoritmos de árboles de decisión (Algoritmo ID3248, Algoritmo C4.5249.),
algoritmos de agrupamiento o clustering (Algoritmo K-means).
Algoritmo personalizado de recomendación de Amazon250 que ellos llaman “filtrado
colaborativo ítem a ítem” 251, es un desarrollo interno que nació porque ninguna de las
propuestas existentes por aquel entonces (principios de década) servían para grandes
conjuntos de datos. Funciona asociando cada producto comprado por un usuario
con una lista de productos similares252, que se obtiene en función de los elementos que
hayan sido adquiridos en un mismo pedido, añadidos a un carrito de la compra, o
almacenados en una lista de deseos (wish list). En 2015 su volumen de ventas alcanzó
los 107.000 millones de dólares253, pero los márgenes operativos fueron de 2.200
millones de dólares. Se estima que entre el 10 y el 15 por ciento de los ingresos de
Amazon se deben a su algoritmo de recomendación, unos 10.000 millones de dólares.
Amazon tiene una patente curiosa ‘One Click Buy’ o compra con un click254. En la
actualidad, Amazon Machine Learning utiliza un algoritmo de regresión estándar en el
sector para generar modelos255.
Las empresas tecnológicas, los conocidos como FAGA (Facebook, Google, Apple y
Amazon), ejercen su influencia como medios de comunicación y por ello encontramos
también relación con el entorno de los algoritmos. Las compañías tecnológicas insisten
en que no son proveedores de noticias sino simplemente las redes de distribución,
muestra de ello es este interesante artículo256 “The Algorithm is an editor”. En una
reciente entrevista con Business Insider, Mark Zuckerberg de Facebook dijo: "Creo que
la plataforma es el núcleo de nuestro producto que usa la gente para compartir y
consumir los medios de comunicación, nosotros no somos una compañía de medios
de comunicación". El artículo continua, “los representantes autorizados de las
empresas Google, Apple y Twitter de manera similar insisten en que no son agencias
de noticias, sino que simplemente entregan contenido que sus algoritmos encuentran
sobre lo que las personas buscan o quieren o, en el caso de Facebook y Twitter, lo que
los amigos o seguidores de los usuarios recomiendan”. Sobre esta línea, aunque ellos
digan que no son medios, podrían llegar a convertirse en editores de información,
usando algoritmos. “Instant Articles” de Facebook, permite a las noticias cargarse
mucho más rápido que antes (¿qué sentido tiene acudir a los medios a informarse si
Facebook me los selecciona, filtra –según mis preferencias- y me los entrega más
rápidos?), estarán abiertos a todos los editores en abril. Apple ha lanzado “Apple
News”, Google ofrece páginas móviles acelerado (“Accelerated Mobile Pages”), y
Twitter tiene momentos (“Moments”).
El Washington Post ofrece la totalidad de su contenido diario disponible a través de
“Instant Articles” de Facebook. Las plataformas de medios sociales (Social Media) son
una nueva fuente de ingresos por publicidad. Para las empresas de tecnología, la
noticia es más contenido que pueden utilizar para atraer a los lectores a permanecer
en sus plataformas durante períodos de tiempo más largos y por ende expuestos a más
anuncios (o sea, más ingresos). Pero el cambio es más profundo. Facebook ha
implementado algoritmos que determinarán quién ve qué artículos del Washington
Post. Dos personas con intereses muy similares pueden obtener noticias diferentes,
dependiendo de lo que los servidores de Facebook creen que es mejor para cada
lector. Éste es un cambio extraordinario con respecto a los tiempos en los que un
editor, de un periódico determinado, seleccionaba lo que el lector vería, ya sea en
forma impresa o a través de la propia web del papel.
Se está produciendo un cambio radical, Apple y Twitter emplean personas para hacer
la selección de contenidos (Content Curators), pero los algoritmos tienen otros
patrones y criterios de selección. Tanto la selección de contenidos como la inmersión
de más tiempo en las plataformas de los FAGA va a posibilitar un cambio en los
patrones de consumo de la información y también las fuentes de los ingresos
publicitarios, por lo que el panorama irá cambiando de como lo hemos conocido. Una
reflexión interesante dentro de los FAGA es cómo los algoritmos podrán diferenciar
entre lo que una persona quiere consumir y la publicidad adecuada. Esto que podría
convertirles no en unos meros transmisores de la información, sino en unos editores
digitales que, usando algoritmos, determinarán qué contenidos ver y qué publicidad,
también, eso cambia por completo las reglas del juego conocidas, que afectará a la
sociedad por la calidad de la democracia involucrada en esa selección de
contenidos y publicidad.
De un tiempo a esta parte algunas de las empresas adquiridas por Apple tienen un
elemento en común: los algoritmos. No cualquier algoritmo, los algoritmos de
recomendación, siendo la propia Apple en algunos casos257, como la compra de
Beats, la que ha reconocido que dichos algoritmos, concretamente los utilizados en
Beats Music (ahora Apple Music), eran una de las principales motivaciones para su
compra. Otros ejemplos de adquisiciones motivadas por estos conjuntos de
instrucciones lo tenemos en BookLamp, servicio de recomendación de libros,
Matcha.tv anteriormente y Swell, aplicación de radio y podcasts que Apple adquirió
hace menos tiempo, todas las compras motivadas por su algoritmo. Pero hay uno de
ellos que ha generado más polémica, el algoritmo de búsqueda de Apple Store258.
En cuanto a la variable económica259, Apple ha presentado las siguientes estimaciones
para el segundo trimestre de 2016: Ingresos de entre 50.000 y 53.000 millones de
dólares, Margen bruto entre el 39 por ciento y el 39,5 por ciento, Gastos operativos
entre 6.000 y 6.100 millones de dólares, Otros ingresos / (gastos) de 325 millones, Tipo
impositivo del 25,5 por ciento; su capitalización bursátil se sitúa en 533.000 millones de
dólares.
Twitter260 ha añadido un nuevo algoritmo que completa una funcionalidad ya
existente, “Mientras no estabas”, que lo que hacía era mostrar los tuits más relevantes
de las personas a las que seguimos y que se habían enviado mientras no estábamos
conectados a la red de microblogging261, esta nueva funcionalidad ha introducido
una polémica, pues hay muchos usuarios no conformes. Tras la renovación, ahora
Twitter mostrará los tuits que más puedan interesar al usuario en la parte superior de la
cronología, en orden inverso, empezando por el más reciente. Una vez se hubieran
mostrado aquellos que se podían haber perdido, comenzarán el resto de tuits, en
orden cronológico inverso, como siempre. A pesar de sus 305 millones de usuarios
activos, y con una capitalización bursátil de la compañía en un nivel de 12.000
millones, que podría perfectamente posibilitar una hipotética adquisición si apareciese
alguna compañía interesada en ello, Twitter no crece262. La compañía liderada por
36
Jack Dorsey informa de ingresos por valor de 595 millones de dólares, en el primer
trimestre de 2016, un crecimiento del 36 por ciento, frente a los 607,8 que esperaban
los analistas consultados por Thomson Reuters. Aun así es un buen crecimiento frente a
los 435,9 millones del año anterior. La mala noticia para los inversores es la baja
previsión de ingresos para el próximo trimestre, que unido a ingresos que no cumplen
con la expectativa producen una caída del 8 por ciento en el valor de la acción en
operaciones tras cierre263.
Existen otros algoritmos de optimización de recursos NFV (Virtualización de las
Funciones de la Red (NFV por el inglés “Network Functions Virtualization”), consiste en
“virtualizar” componentes esenciales de la red, como cortafuegos, routers,
conmutadores, almacenamiento, balanceadores de carga etc. De manera que no es
necesario tener los equipos físicos, y se puedan realizar las mismas funciones,
desplegando así funciones y servicios de red basadas en software, que pueden ser
alojados en hardware (servidores) de forma centralizada o distribuida). Telefónica se
ha asociado con BigML para desarrollar un algoritmo capaz de predecir en qué start-
up merece la pena invertir264.
Algoritmos en Sector de Medios
El algoritmo de You Tube consta de miles de líneas de código y analiza muchas
variables a la hora de devolver una búsqueda, entre los criterios que usa You Tube se
sitúan265: información de la etiqueta del título, retención de la audiencia, las palabras
clave en etiqueta de la descripción, Etiquetas, duración del vídeo, Número de
suscriptotes después de ver comentarios, “Gusta y “No Gusta”. Realmente hay mucho
secretismo alrededor del algoritmo de You Tube, dos de las variables fundamentales
son la relevancia del vídeo y la calidad266, también hay fuentes que mencionan el uso
de Machine Learning en su algoritmo de recomendación. Cristos Goodrow (Vice
President Engineering de Google) comenta en un vídeo que You Tube hace unas 100
modificaciones al año en su algoritmo con el fin de beneficiar a los usuarios en
términos de mejorar la búsqueda, la experiencia de usuario y el tiempo de
permanencia en su plataforma267.
Algunas estadísticas268: YouTube tiene más de mil millones de usuarios, la plataforma
contiene 32 millones de vídeos, 2.900 millones de vistas en todo el mundo, y consta
7.800 millones de suscriptores269, entre otros muchos datos. Los datos financieros de You
Tube son escasos, algunos lo sitúan en unos ingresos de 9.000 millones de dólares en
2015.
Algorithmia270 “una startup que nació en 2013 con el objetivo de avanzar en el arte del
desarrollo de algoritmos, descubrimiento y uso. Como desarrolladores nosotros mismos
creemos que, dadas las herramientas adecuadas, las posibilidades de innovación y el
descubrimiento son ilimitadas. Hoy construimos lo que creemos que es la próxima era
de la programación: una colaboración, siempre viva y una comunidad con un
enfoque orientado a hacer de las máquinas con las que interactuamos mejor. La
comunidad define la API Algorithmia. Una API que expone el conocimiento colectivo
de desarrolladores de algoritmos en todo el mundo”, ya hay más de 800 algoritmos
disponibles en el mercado (Marketplace), proporcionando la inteligencia necesaria
para realizar diversas tareas en los campos de aprendizaje automático (Machine
Learning), procesamiento de audio y visual, e incluso la visión por ordenador. Los
desarrolladores de algoritmos pueden alojar su trabajo en el sitio y cobrar una tarifa
por uso a desarrolladores que integren el algoritmo en su propio trabajo. La plataforma
alienta nuevas incorporaciones a su biblioteca a través de un sistema de
recompensas, que permite a los usuarios que los algoritmos que soliciten los
investigadores, familiarizados con el campo apropiado, puedan contribuir con su
trabajo o desarrollar desde cero aplicando una tarifa determinada. Es uno de los
primeros lugares destinados a comprar algoritmos.
Se calcula que más del 75 por ciento de la actividad en Netflix (visionado de películas
o series) procede de los algoritmos de recomendación y personalización de Netlix271,
entre ellos están: Cinematch272, Dinosaur Planet, Gravity; algunos de ellos proceden de
Crowdsourcing. Estos algoritmos permiten saber lo que busca el usuario, cuánto tiempo
reproduce un contenido, saber si vuelve a ese contenido una vez pausado, cómo
navegas por ellos, qué tipos de series o películas les gusta, en qué dispositivos ves los
contenidos, cuándo, cual es la valoración (rating) que has proporcionado a los
mismos,… El director de Ingenieros de Netflix, Xavier Amatriain afirma que: “la mayoría
de nuestros algoritmos se basan en la suposición de que los patrones de visualización
similares representan los gustos de usuario similares. Podemos utilizar el
comportamiento de los usuarios similares para inferir sus preferencias”. Netflix trabaja
con recomendaciones contextuales, es decir la recomendación varía dependiendo
del día de la semana, la hora del día, el dispositivo, y a veces incluso la ubicación. El
comportamiento del visionado del usuario es el parámetro más importante que tienen
afirma.
Si la parte de etiquetado aporta el lado humano al sistema de recomendación
automática de Netflix, hay más de 40 personas etiquetando y catalogando
manualmente (tagging) el contenido de series y películas, los algoritmos son la base
tecnológica y más "robótica". En la actualidad, Netflix usa 15 algoritmos diferentes.
Uno, por ejemplo, se dedica a encontrar contenidos similares a los que acabas de ver.
Otro en agrupar personas con los mismos gustos (los citados "taste clusters") y otro en
distinguir entre los títulos mejor y peor valorados. Son números y estadísticas que se
mezclan y procesan con el objetivo de analizar causas y motivaciones por las que un
usuario ve una película u otra, o a qué hora se ve más un contenido o qué tipo de
documental suelen ver aquellos que antes han visto tal otro273. Durante el primer
trimestre del 2016, Netlix reportó ingresos por 1.958 millones de dólares que significaron
un avance a tasa anual de 24.5 por ciento. Con estos resultados la compañía superó
los resultados de su competidor HBO, que sumó ingresos por 1.506 millones de dólares
en el mismo periodo274. Las acciones de Netflix cerraron el 2015 en un precio de 114,38
dólares, mientras que al cierre de este 11 de mayo su cotización cerró en 90,02 dólares,
una baja acumulada en el año de 21.3 por ciento. La capitalización de mercado de
Netflix fue de 39.650 millones de dólares en mayo de 2016. Hemos añadido un
Apéndice exclusivo para este caso, porque pensamos que es muy interesante como
estudio y análisis, aparte de poder dar a conocer sus orígenes.
Epagogix275 que usando Inteligencia Artificial Avanzada (Advanced Artificial
Intelligence) y un procesamiento propio es capaz de predecir si el guion de una
película tendrá retorno de la inversión (ROI) es decir, si podrá generar 2 millones o 300
millones, o si será un fracaso comercial; es decir, las probabilidades de éxito que
tendrán en la taquilla. Incluso dice poder señalar "las mejoras" necesarias para
aumentar el valor comercial de la película276. El sector de medios está cambiando a
una velocidad de vértigo, por ejemplo este artículo277 explica que la economía de las
App es un mercado más grande que Hollywood hoy día. Pero también uno de los
mayores sustentos de los medios, la publicidad278, está sufriendo un ataque directo con
los bloqueadores de publicidad279.
38
El algoritmo de recomendación de Spotify nació en el MIT, la empresa The Echo Nest
que fue adquirida por Spotify280 por 100 millones de dólares. Es una mezcla de
inteligencia musical, metadatos y algoritmos de recomendación personalizados para
promocionar información sobre gustos musicales. Es el ProTools281 para listas de
reproducción y lo llaman Truffle Pig. Analiza una serie de parámetros como
"bailabilidad" (danceability), intervalos de fechas o emociones y proporciona un
conjunto de recomendaciones que encajarían en tu lista de reproducción. En 2011
Spotify era el único proveedor de streaming de audio en línea, hoy han salido varios
competidores o servicios complementarios: Apple/Beats, Google /Songza, Rdio,
Amazon, Deezer,... Según Jim Lucchese, el CEO The Echo Nest, el objetivo de Spotify es
“crear la mejor experiencia de escucha absoluta” y recuerda “cuanto más tiempo
pase esa persona en nuestra plataforma, más convencido estará de contratar
nuestros servicios Premium, que es donde obtiene el dinero Spotify”. El resultado de
todo esto es lo que Spotify llama "perfiles de sabor" (Taste Profiles), un análisis de
preferencias y herramienta de visualización, actualmente disponible sólo para los
empleados. Mediante la evaluación de los metadatos de lo que escuchas, Spotify
puede determinar una serie de atributos para hacerte la recomendación. Aunque
también es importante cómo las personas hablan de la música en línea y cómo la
están escuchando282. La compañía explica que es importante diferenciar entre la
música que la persona escucha a la que realmente le gusta.
Spotify sigue trabajando para convertirse en la columna vertebral de música legal en
la industria y se puede convertir en el DJ Digital del futuro, permitiendo el acceso a
cualquier persona a ser DJ por un día. Algoriddim283 está actualizando sus aplicaciones
de DJ con una gran novedad284 la integración con Spotify. Esto permite disponer de las
canciones propias en iTunes junto con 35 millones de canciones de Spotify en la nube,
sin duda todo un mundo de posibilidades. Algoriddim permite a cada persona ser un
artista y a los DJs poder crear con herramientas intuitivas masivas.
Spotifiy ha llegado a un acuerdo para publicar historias en Facebook sobre su
actividad285 publicándose automáticamente junto con los mensajes de noticias (news
feed Ticker) y en su perfil de línea de tiempo (profile Timeline). Después, los usuarios
pueden hacer clic en la historia del Ticker para cargar la aplicación correspondiente y
escuchar la canción, ver la película, etc. Los ingresos de Spotify se han duplicado en el
último año286, hasta casi 2.200 millones de dólares, el número de suscriptores se elevó
hasta 28 millones. Sin embargo, las pérdidas también se ampliaron, 189 millones de
dólares. Como la mayoría de servicios en streaming, que pagan grandes cantidades
de dinero en derechos de copyright, Spotify nunca ha conseguido beneficios.
Otros Sectores
En el campo de las bellas artes hay un algoritmo neural de estilo artístico287, en este
caso en el ámbito la pintura. Los seres humanos han dominado la habilidad para crear
experiencias visuales únicas a través de la composición de una compleja interacción
entre el contenido y el estilo de una imagen. Hasta el momento se desconoce la base
de algoritmos de este proceso y no existe un sistema artificial con capacidades
similares. Sin embargo, en otras áreas clave de la percepción visual tales como un
objeto y el reconocimiento de la cara, se ha demostrado recientemente un
rendimiento casi humano mediante una clase de modelos de visión de inspiración
biológica llamada Redes Neuronales Profundas (Deep Neural Networks). En las
imágenes del artículo se presenta un sistema artificial basado en una Red Neuronal
Profunda que crea imágenes artísticas de alta calidad. El sistema utiliza
representaciones neurales para separar y recombinar el contenido y el estilo de
imágenes arbitrarias, proporcionando un algoritmo neural para la creación de
imágenes artísticas. Por otra parte, a la luz de las sorprendentes similitudes entre las
redes neuronales artificiales de rendimiento optimizado y la visión biológica, el trabajo
ofrece un camino a seguir para la comprensión algorítmica de cómo los seres
humanos crean y perciben las imágenes artísticas. El artículo presenta un algoritmo
para combinar el contenido de una imagen con el estilo de otra imagen usando redes
neuronales convolucionales288.
¿Veremos en un futuro un algoritmo como figura de defensor del pueblo?289
Por ejemplo, las citas online es algo que crece día a día, y sus algoritmos tienen mucho
que decir. Una reciente encuesta nos indica que un tercio (1/3) de los matrimonios
actuales han surgido de las aplicaciones de dating actuales, ¿será mejor un algoritmo
para encontrar nuestra pareja que nuestro propio criterio? No sabemos si los era pero
los matrimonios que se conocen en las redes duran más y se divorcian menos290.
Meetic es actualmente la mayor empresa de contactos de Europa, siendo una de sus
principales ventajas el gran número de usuarios que tiene.
Meetic es de origen francés y uno de los mayores sitios web de búsqueda de pareja y
amigos en Europa. Desde mediados del 2002 también está disponible en España.
También en 2016 meetic es uno de los sitios más exitosos. Cuenta con más de 40
millones de usuarios y más de 20.000 nuevos usuarios registrados cada semana; tiene
más de 6 millones de usuarios en España. Está presente en 16 países europeos y
disponibles en 13 idiomas diferentes. El algoritmo de búsqueda de Meetic es su
principal cerebro. Actualmente Meetic forma parte de IAC.com, empresa
internacional con más de 50 marcas especializadas en ofrecer servicios a los
consumidores. Aunque el número de usuarios masculinos es superior al femenino, sobre
un 65 por ciento son hombres, gracias la gran cantidad de usuarios que tienen hacen
que la posibilidad de encontrar pareja mejore.
Por ejemplo, Los “call-centers” usan algoritmos para decidir la posición de una
llamada entrante en función de la localización del consumidor, la cola que haya y el
motivo de la llamada291.
Ciclo de Vida y Datos Económicos Para terminar y con el fin de aglutinar los datos económicos que hemos presentado en
el trabajo, vamos a definir cada una de las etapas del ciclo de vida292:
• Etapa de introducción: Es el momento en el que el producto se introduce en el
mercado. El volumen de ventas es bajo, dado que aún no es conocido en el
mercado. Los costes son muy altos y los beneficios inapreciables. En esta etapa
es muy importante invertir en promocionar el producto.
• Etapa de crecimiento: En esta etapa aumentan las ventas, al aumentar el
interés del cliente. Los beneficios empiezan a crecer y el producto necesita
mucho apoyo para mantenerse.
• Etapa de madurez: El crecimiento de las ventas se ralentiza y estabiliza en el
mercado. El producto está asentado y consolidado en el mercado y los
beneficios son altos.
40
• Etapa de declive: Las ventas comienzan a decrecer significativamente y el
producto se prepara para salir del mercado normalmente ya saturado. La causa
principal suele ser la obsolescencia.
Con el fin de poder calificar cada uno de los algoritmos de manera gráfica dentro de
dicho ciclo de vida, vamos a hacer su representación según los criterios anteriores:
Analizando los datos económicos del global del presente trabajo, se ha abordado un
total económico de 6,7 trillones de dólares (6,7 * 1019), de los que el 90% incluyen
algoritmos. Si de este monto quitamos la parte correspondiente al mercado de trading
y las agencias de viajes online (OTA), el presente trabajo ha analizado empresas por
valor de 573.783 millones de dólares, de las que un 25,3 por ciento es debido a la
economía de los algoritmos (concretamente: 134.767 millones de dólares).
Por lo tanto podemos decir que los algoritmos están aquí y han llegado para
quedarse.
CONCLUSIONES
Hoy día el mundo se enfrenta a la triple crisis financiera, climática y energética. Y en
paralelo los problemas del crecimiento polarizado y desigual (generador de
epidemias, migraciones, resentimiento y terrorismo). Las causas están entrelazadas y las
soluciones deber ser globales y sistémicas. Al mismo tiempo, nos encontramos en
medio de un Tsunami digital que está revolucionando nuestras vidas, los sectores y las
pautas de comportamiento humano. Según el Banco Mundial, 1 millón de artículos
científicos y técnicos se divulgan en publicaciones académicas cada año293. Uno de
cada 10 es probable que trate acerca de un nuevo algoritmo, y uno de cada 100
probablemente alrededor de un algoritmo interesante. Podemos suponer que hay
10.000 nuevos algoritmos fácilmente producidos cada año. No todos van a ser
totalmente distintos, algunos pueden estar reemplazando a otros o bien se han
quedado obsoletos.
“Podemos imaginar un Marketplace en el que miles de millones de algoritmos están disponibles,
cada uno representando una pieza de código de software que soluciona un problema o crea
una nueva oportunidad del crecimiento exponencial de la Internet de las cosas. Como las Apps
han revolucionado la interacción humana con la máquina, ¿veremos el poder economía de los
algoritmos como el siguiente gran salto en la evolución de la interacción máquina a
máquina?”294.
En el artículo de Erik Brynjolfsson y Andrew McAfee en BBC News295 “The jobs that AI
can’t replace”, los autores señalan que parte de los trabajos actuales serán sustituidos
por máquinas y los nuevos que se generen tendrán que ver con la creatividad, los
factores más complejos para recrear tareas humanas por inteligencia artificial296.
Hemos visto en el presente trabajo que Algoconomy abre oportunidades de negocio
para ciudadanos, inversores, programadores, banqueros, criminales o incluso políticos.
Las empresas irán desarrollando algoritmos para analizar cantidades masivas de datos,
con el fin de hacer a las cosas (“things”) más inteligentes y permitir el acceso a
algoritmos (internos y a externos) a dicha empresa. Una tarea de futuro será la de
desarrollar programas éticos con el fin de desplegar de una manera positiva el
“Humanismo Digital” (Digital Humanism).
Se han consultado más de 300 referencias bibliográficas diferentes, con más de 50
ámbitos económicos y algoritmos considerados, lo que nos proporciona un valor
económico de 6,7 trillones de dólares (6,7 * 1019), de los que el 90% incluyen algoritmos.
Si de este monto quitamos la parte correspondiente al mercado de trading y las
agencias de viajes online (Online Travel Agencies), el presente trabajo ha analizado
empresas por valor de 573.783 millones de dólares, de las que un 25,3 por ciento es
debido a la economía de los algoritmos (concretamente: 134.767 millones de dólares).
Por lo tanto podemos decir que los algoritmos están aquí y han llegado para
quedarse. En 2020, los agentes de software autónomos fuera del control humano
participarán en el 5 por ciento de todas las transacciones económicas297. También en
2020, el 75 por ciento del negocio será Negocio Digital. Para concluir, la Propiedad
Intelectual de las empresas en los próximos años va a ser clave, porque les permitirá
diferenciarse para crear una ventaja competitiva adicional en el mercado y
Algoconomy tendrá un lugar fundamental en este escenario.
42
CONCLUSIONS
Today the world faces the triple crisis: financial, climate and energy.
And in parallel, polarized problems and uneven growth (which is a generator of
epidemics, migrations, resentment and terrorism). The causes are intertwined and
solutions must be global and systemic. At the same time, we are in the midst of a Digital
Tsunami that is revolutionizing our lives, sectors and patterns of human behavior. Not
surprisingly according to the World Bank, about 1 million scientists and technical articles
in academic journals are reported each year. One in 10 is likely to try on a new
algorithm, and one of every 100 probably about an interesting algorithm. Therefore we
can assume that there are 10,000 new algorithms easily produced each year298. Not
everyone will be totally different, some may be replacing other or have become
obsolete.
“Imagine a marketplace where billions of algorithms are available, each one representing a
piece of software code that solves a problem or creates a new opportunity from the exponential
growth in the internet of things. As apps have revolutionized human to machine interaction, we’ll
see the algorithm economy power the next great leap in machine-to-machine evolution?” 299.
Inside BBC News300 article by Erik Brynjolfsson and Andrew McAfee “The jobs that AI
can’t replace”, the authors shows that part of the current work are replaced by
machines and new generated will have to do with creativity, the more complex factors
when recreating human tasks by artificial intelligence301.
We have seen in this paper that Algoconomy opens business opportunities for citizens,
investors, developers, bankers, criminals or even politicians. The companies will develop
algorithms to analyze massive amounts of data, in order to make “things” smarter and
allow access to internal algorithms and external algorithms to the company. Therefore,
a task for the future will be to develop ethics programs in order to deploy in a positive
way the "Digital Humanism".
We have been consulted more than 300 different references, with over 50 economic
sectors and algorithms considered, which provides an economic value of 6.7 trillion
dollars (6,7 * 1019), of which 90 percent include algorithms. If from this amount we
remove the share market trading and OTAs (Online Travel Agencies) this paper has
analyzed companies worth 573,783 million dollars, of which 25.3 percent is due to the
economy of the algorithms (specifically: 134,767 million).
Therefore we can say the algorithms are here and here to stay. In 2020, autonomous
software agents beyond human control will participate in 5% of all economic
transactions302. Also in 2020, 75 percent of the business will be Digital Business.
To conclude, Intellectual Property in companies within the upcoming years will be key
because it will allow them to differentiate to create an additional competitive edge in
the market and Algoconomy will have a central place in this scenario.
ANEXOS
Con el fin de profundizar en algunos asuntos que pensamos pueden resultar
interesantes, se adjuntan tres anexos:
- ANEXO I COMO FUNCIONA LA ECONOMÍA
- ANEXO II THINGIFICATION
- ANEXO III NETFLIX
44
BIBLIOGRAFíA
1 https://www.amazon.es/Technological-Revolutions-Financial-Capital-
Dynamics/dp/1843763311
2 http://www.gartner.com/newsroom/id/3142917
3 https://www.amazon.es/Technological-Revolutions-Financial-Capital-
Dynamics/dp/1843763311
4 https://es.wikipedia.org/wiki/Fintech
5 https://www.youtube.com/watch?v=5RPQAji2YrA
6 http://www.carlotaperez.org/downloads/pubs/Perez_RTCF_Cap_5.pdf
7 Informe de Altran: “Value migration in the ICT & Media Sector in Europe: an European
Tragedy”
http://www.altran.es/fileadmin/medias/ES.altran.es/documents/Ecosistema/InformeTEM2015.
pdf#c292708
8 http://www.merca20.com/conoce-las-diferencias-entre-millennials-genx-y-baby-boomers/
9 http://www.merca20.com/conoce-las-diferencias-entre-millennials-genx-y-baby-boomers/
10 www.kpcb.com/InternetTrends
11 https://es.wikipedia.org/wiki/BRICS
12 https://es.wikipedia.org/wiki/G8
13 http://es.rbth.com/blogs/mirada_global/2016/02/12/cual-es-la-fuerza-de-los-brics-a-dia-
de-hoy_567401
14 http://www.computerweekly.com/feature/Inside-Taiwan-The-engine-room-of-the-internet-
of-things
15 www.kpcb.com/InternetTrends
16 http://www.gartner.com/it-glossary/big-data
17 http://www.w3bsecurity.com/understanding-file-sizes-bytes/
18 https://techzine.alcatel-lucent.com/cable-operators-business-landscape-2016-changes
19 http://www.gartner.com/it-glossary/internet-of-things/
20 http://www.gartner.com/newsroom/id/3142917
21 http://www.gartner.com/document/2771823
22 http://www.gartner.com/newsroom/id/3135617
23 http://www.forbes.com/sites/gartnergroup/2014/05/07/digital-business-is-everyones-
business/#483e17292d66
24 http://www.gartner.com/smarterwithgartner/the-rise-of-the-business-moment/
25 https://docs.google.com/forms/d/1_QTJQOC15AR-
mDH3IOblOT0Ivv26GIoRRaROL51EI4Q/viewform?c=0&w=1
26 https://es.wikipedia.org/wiki/Hadoop
27 https://es.wikipedia.org/wiki/Euclides 28 https://es.wikipedia.org/wiki/Algoritmo_de_Euclides
29 https://es.wikipedia.org/wiki/Institute_of_Electrical_and_Electronics_Engineers
30 http://www.computer.org/csdl/mags/cs/2000/01/c1022.html
31 http://en.wikipedia.org/wiki/Monte_Carlo_method
32 http://en.wikipedia.org/wiki/Simplex_algorithm
33 http://en.wikipedia.org/wiki/Iterative_method
34 http://en.wikipedia.org/wiki/Matrix_decomposition
35 https://es.wikipedia.org/wiki/Fortran
36 https://es.wikipedia.org/wiki/Algoritmo_QR
37 https://es.wikipedia.org/wiki/Quicksort
38 http://es.wikipedia.org/wiki/Transformada_r%C3%A1pida_de_Fourier
39 http://en.wikipedia.org/wiki/Integer_relation_algorithm
40 http://en.wikipedia.org/wiki/Fast_multipole_method
41 https://en.wikipedia.org/wiki/Algorithm_characterizations
42 https://www.quora.com/What-are-the-10-algorithms-one-must-know-in-order-to-solve-
most-algorithm-problems
43 https://image-store.slidesharecdn.com/f30558b9-b2ad-4eea-a5f6-da66f7a66a5a-
original.jpeg
44 http://www.gartner.com/analyst/51402/Alan-D.-Duncan
45 http://www.gartner.com/smarterwithgartner/five-keys-to-understanding-algorithmic-
business/?cm_mmc=social-_-rm-_-gart-_-swg
46 http://investor.gartner.com/phoenix.zhtml?c=99568&p=irol-irhome
47 https://www.youtube.com/watch?v=wPMZr9RDmVk&sns=em
48 https://es.wikipedia.org/wiki/John_von_Neumann
49 https://es.wikipedia.org/wiki/Ordenamiento_por_mezcla
50 https://en.wikipedia.org/wiki/Stable_marriage_problem
51 http://www.expansion.com/2012/10/15/entorno/1350293186.html
52 https://en.wikipedia.org/wiki/System_Development_Corporation
46
53 https://es.wikipedia.org/wiki/Ordenamiento_de_burbuja
54 http://www.google.com/patents/US6285999?hl=es
55 http://infolab.stanford.edu/~backrub/google.html
56 https://www.google.com/about/company/history/?hl=es
57 http://www.google.es/intl/es/insidesearch/howsearchworks/algorithms.html
58 http://deteresa.com/cambios-algoritmo-google/
59 https://es.wikipedia.org/wiki/Insuficiencia_renal_aguda
60 https://www.england.nhs.uk/patientsafety/akiprogramme/aki-algorithm/
61http://www.bbc.com/mundo/noticias/2015/02/150206_aeropuertos_trafico_atascos_am
62 https://es.wikipedia.org/wiki/Push-back
63 http://www.forbes.com.mx/algoritmo-la-receta-secreta-que-da-ventaja-competitiva/
64 https://www.linkedin.com/in/slavin
65 https://www.ted.com/talks/kevin_slavin_how_algorithms_shape_our_world#t-75767
66 http://www.taringa.net/post/offtopic/19111791/El-Centro-de-Datos-de-New-York-Como-
luce-por-dentro.html
67 https://es.wikipedia.org/wiki/Punto_neutro
68 https://www.youtube.com/watch?v=T2jb1tzXzMw
69 https://en.wikipedia.org/wiki/List_of_Internet_exchange_points_by_size
70 https://es.wikipedia.org/wiki/Throughput
71 https://www.ted.com/talks/kevin_slavin_how_algorithms_shape_our_world#t-700516
72 http://www.nanex.net/
73 http://www.opradata.com/overview/opra_over.jsp
74 http://www.theatlantic.com/technology/archive/2010/08/market-data-firm-spots-the-
tracks-of-bizarre-robot-traders/60829/
75 http://www.abc.es/20110425/medios-redes/abci-libro-caro-amazon-201104250930.html
76 https://www.theguardian.com/technology/2014/feb/28/seven-people-keys-worldwide-
internet-security-web
77 http://slowinver.com/descubre-la-teoria-de-dow-como-metodo-de-inversion/
78 http://www.rankia.com/blog/slowinver/2577628-imitando-naturaleza-para-predecir-bolsa
79 https://www.amibroker.com/
80 http://www.x-trader.net/foro/viewtopic.php?t=14535
81http://www.expansion.com/mercados/2015/10/11/561a7613268e3e787b8b464c.html
82 https://es.wikipedia.org/wiki/Flash_Crash_de_2010
83http://www.bbc.com/mundo/noticias/2015/04/150422_economia_sarao_fraude_wall_stree
t_egn?ocid=socialflow_facebook
84http://www.bbc.com/mundo/noticias/2015/04/150422_economia_sarao_fraude_wall_stree
t_egn
85 http://www.abc.es/economia/abci-broker-provoco-desplome-mercados-eeuu-2010-sera-
extraditado-201603231738_noticia.html
86 http://www.cnbc.com/2015/09/25/what-happened-during-the-aug-24-flash-crash.html
87 http://www.elconfidencial.com/mercados/2015-09-11/los-fondos-echan-la-culpa-de-las-
caidas-del-mercado-al-trading-sistemico_1004916/
88 http://www.bwater.com/home/our-company/company.aspx
89 https://www.unience.com/blogs-
financieros/bolsacom/flash_crash_el_segundo_dia_mas_volatil_en_28_anos
90
http://www.bbc.com/mundo/noticias/2015/03/150317_emociones_broker_bolsa_robots_jm.s
html
91 http://eprints.ucm.es/32948/1/Memoria.pdf
92 http://www.xataka.com/aplicaciones/los-algoritmos-de-trading-no-son-capaces-de-pillar-
la-broma-de-tesla-y-las-acciones-explotan
93 https://www.quora.com/What-is-the-current-state-of-high-frequency-trading 94https://commons.wikimedia.org/wiki/File:Algorithmic_Trading._Percentage_of_Market_Volu
me.png
95 http://www.world-exchanges.org/home/index.php/news/world-exchange-news/wfe-full-
year-statistics-show-2015-global-equity-trading-volumes-rise-55-as-volatility-boosts-activity
96 https://www.sec.gov/divisions/marketreg/rule613-info.htm
97 http://www.investopedia.com/articles/personal-finance/111915/blockchain-boom-next-
big-thing-tech-startups.asp
98 http://www.abc.es/economia/abci-blockchain-base-tecnologica-bitcoin-sacude-sistema-
financiero-201511171243_noticia.html
99 https://blockchain.info/es/charts/market-
cap?timespan=180days&showDataPoints=true&daysAverageString=1&show_header=true&s
cale=1&address=
100 http://adfdiary.blogspot.com.es/search?updated-min=2016-01-01T00:00:00-
08:00&updated-max=2017-01-01T00:00:00-08:00&max-results=1&view=classic
102 http://www.elperiodico.com/es/noticias/economia/traity-define-reputacion-5069867
103 https://traity.com/
48
104 http://cincodias.com/cincodias/2014/09/12/empresas/1410542702_575403.html
105 http://converus.es/las-companias-de-seguros-refinan-nuevas-herramientas/
106 http://theconversation.com/having-trouble-picking-the-right-health-insurance-plan-let-an-
algorithm-decide-52407
107 http://www.economist.com/news/special-report/21650292-human-wealth-advisers-are-
going-out-fashion-ask-algorithm 108 http://fortune.com/2015/10/07/volvo-liability-self-driving-cars/ 109 http://www.elmundo.es/tecnologia/2016/02/10/56bb39ca46163fd7338b4596.html
110 http://www.themanufacturer.com/articles/google-self-driving-ai-considered-a-driver-
amidst-liability-concerns/ 111 https://www.quora.com/How-do-Googles-self-driving-cars-work 112 http://www.luxresearchinc.com/news-and-events/press-releases/read/self-driving-cars-87-
billion-opportunity-2030-though-none-reach
113 http://users.dsic.upv.es/~agarridot/index_archivos/papers/garrido99b.pdf
114 http://www.xataka.com/automovil/para-cambiar-de-ruta-un-conductor-de-ups-debe-
enfrentarse-a-la-certeza-de-un-algoritmo
115 https://emprendentaxi.wordpress.com/2015/01/25/uber-el-mayor-engano-comercial-de-
la-historia-y-su-burbuja-europea/
116http://faculty.chicagobooth.edu/chris.nosko/research/effects_of_uber's_surge_pricing.pdf
117 http://www.xataka.com/otros/cuando-los-algoritmos-deciden-los-precios-empiezan-a-
surgir-algunos-problemas
118 http://eleconomista.com.mx/tecnociencia/2016/03/12/uber-exprime-sus-socios-ser-lider
119 http://www.businessinsider.com/report-uber-15-billion-revenue-in-2015-2016-1
120 http://www.bloomberg.com/news/articles/2016-06-01/uber-receives-3-5-billion-
investment-from-saudi-wealth-fund
121 http://www.airfarewatchdog.com/
122http://tecnologia.elpais.com/tecnologia/2016/02/08/actualidad/1454917958_300055.html
123 https://support.google.com/waze/answer/6078702?hl=es
124https://wiki.waze.com/wiki/Algoritmo_de_Instrucci%C3%B3n_de_Uni%C3%B3n_Interactiva#
Algoritmo_Interactivo
125 https://es.wikipedia.org/wiki/Waze 126 http://www.globes.co.il/en/article-1000851449 127 https://en.wikipedia.org/wiki/Waze
128 http://www.wsj.com/video/how-waze-makes-money/3FC35ED2-77D8-4D3D-92D9-
D4940586D577.html
129 http://es.slideshare.net/myhemmy/business-model-of-waze
130 http://wccftech.com/tesla-autopilot-saves-driver-terrible-collision-watch-video/
131 http://wccftech.com/tesla-autopilot-story-in-depth-technology/3/
132 http://venturebeat.com/2016/04/03/tesla-model-3-pre-orders-surpass-10-billion/
133 https://www.enriquedans.com/2016/04/que-significa-el-exito-de-tesla-con-su-model-
3.html
134 http://www.elmundo.es/motor/2016/02/11/56bcabb622601d1f1e8b45bf.html
135http://www.expansion.com/actualidadeconomica/analisis/2016/03/11/56e1936fe2704e6c
588b4575.html
136 https://www.inditex.com/es/media/news_article?articleId=197184
137 https://es.wikipedia.org/wiki/RFID
138 http://www.economist.com/node/4086117
139 http://www.alizila.com/global-e-commerce-growth-a-bright-spot-in-retail-gloom/
140http://www.bbc.com/mundo/noticias/2016/02/160202_algoritmos_dirigen_vidas_finde_dv
141 http://www.ocadogroup.com/who-we-are/ocado-smart-platform.aspx
142http://www.irobot.es/tienda/robots/roomba?gclid=CM_FuLLXpMwCFfgW0wodGVgNzA
143 https://www.repsol.com/es_es/corporacion/conocer-repsol/canal-tecnologia/proyectos-
innovadores/buscar-mas-energia/caleidoscopio/
144 https://es.wikipedia.org/wiki/MareNostrum
145 https://www.repsol.com/es_es/corporacion/prensa/notas-de-prensa/ultimas-
notas/01042015-repsol-reafirma-apoyo-desarrollo-barcelona-supercomputing-center.aspx
146 https://www.repsol.com/es_es/corporacion/prensa/notas-de-prensa/ultimas-
notas/25022016-resultados-2015.aspx
147 http://www.eleconomista.es/empresas-finanzas/noticias/7407745/03/16/Los-margenes-
de-refino-caen-a-la-mitad-los-ultimos-meses.html
148 https://caixaofaixa.wordpress.com/2011/02/27/el-barril-de-petroleo-2/
149 http://www.networkworld.es/networking/el-bsccns-avanza-hacia-los-cpd-con-cero-
emisiones
150 http://www.informeanual.repsol.com/media/pdf/informacion-
financiera/es/desglose/01%20Cuentas%20Anuales%20Consolidadas.pdf
151 https://blog.opower.com/2015/03/utilities-machine-learning/
152 https://en.wikipedia.org/wiki/Churn_rate
153 https://youtu.be/hLoEAnTemuU?list=PL57C01E105029C55D
154 http://www.hosteltur.com/186020_como-descifrar-algoritmo-bookingcom.html
155 http://files.shareholder.com/downloads/PCLN/2143815803x0xS1075531-16-
84/1075531/filing.pdf
156 https://en.wikipedia.org/wiki/Booking.com
50
157http://economia.elpais.com/economia/2016/01/22/actualidad/1453467766_517362.html
158 http://www.fundinguniverse.com/company-histories/expedia-inc-history/
159 http://marketrealist.com/2015/08/online-travel-agencies-future-industry-outlook/
160 http://www.euromonitor.com/ 161 https://www.weizmann.ac.il/pages/
162 https://www.weizmann.ac.il/pages/algorithm-diet
163 http://newsite.personalnutrition.org/WebSite/LearnMore.aspx
164 https://youtu.be/Ryc5M3Ciytg
165 http://greatist.com/fitness/best-health-fitness-apps
166 https://www.nuval.com/science
167 Eurpean Data Protection Supervisor (EDPS)
https://secure.edps.europa.eu/EDPSWEB/webdav/site/mySite/shared/Documents/EDPS/Press
News/Press/2015/15-05-21_EDPS-2015-03_mHealth_EN.pdf
168 https://apervita.com/
169 http://www.businesswire.com/news/home/20150413006157/en/Apervita-Unveils-
World%E2%80%99s-Community-Marketplace-Health-Analytics 170 https://www.youtube.com/watch?v=Ryc5M3Ciytg&feature=youtu.be 171 https://www.ibm.com/annualreport/2015/assets/img/2016/02/IBM-Annual-Report-2015.pdf
172 http://www.ibm.com/analytics/watson-analytics/us-en/
173 http://www.meddeviceonline.com/doc/ibm-bullish-on-watson-health-0001
173 https://en.wikipedia.org/wiki/Timeline_of_Google_Search
173 https://moz.com/google-algorithm-change
174 https://www.google.com/about/careers/search#!t=jo&jid=43148&
175 http://www.fiercemedicaldevices.com/story/ibm-bets-its-future-machine-learning-and-
watson-health/2016-01-20
176 http://seekingalpha.com/article/3082556-ibm-employs-watson-capabilities-into-
healthcare-analytics
177 http://www.wired.co.uk/article/ibm-watson-medical-doctor
178 https://desempleotecnologico.com/2013/06/08/la-computadora-watson-de-ibm-
diagnostica-cancer-mejor-que-los-doctores-humanos/
179 https://ekodevices.com/how-it-works
180 http://www.xatakamovil.com/varios/eko-core-actualiza-el-clasico-estetoscopio-al-siglo-xxi
181 http://www.bizjournals.com/sanjose/blog/techflash/2015/03/eko-devices-raises-2m-for-
core-stethoscope.html
182 http://palco23.com/equipamiento/20160223/fitbit-abre-filial-en-espana-tras-duplicar-
ventas-en-2015-hasta-los-1-858-millones-de-dolares/
183 https://help.fitbit.com/articles/es/Help_article/1143
184 http://www.shefinds.com/2014/tory-burch-for-fitbit-looks-like-real-jewelry/
185 http://www.ulcc.ca/en/1999-winnipeg-mb/359-civil-section-documents/362-providing-for-
autonomous-electronic-devices-in-the-electronic-commerce-act-1999
186 https://en.wikipedia.org/wiki/Algorithm#Legal_issues
187https://www.ted.com/talks/erik_brynjolfsson_the_key_to_growth_race_em_with_em_the_m
achines?language=es#t-692829
188 http://deteresa.com/cambios-algoritmo-google/
189 https://moz.com/google-algorithm-change
190 http://deteresa.com/cambios-algoritmo-google/#rankbrain
191 https://en.wikipedia.org/wiki/Google_Hummingbird
192 https://youtu.be/yiQX-_Y0gms
193 https://es.wikipedia.org/wiki/Google_Now
194 http://www.google.es/intl/es/insidesearch/features/search/knowledge.html
195 https://youtu.be/mmQl6VGvX-c
196http://www.expansion.com/empresas/tecnologia/2016/02/01/56afce1dca47410f298b464c
.html
197http://economia.elpais.com/economia/2016/04/21/actualidad/1461268086_805869.html
198 https://abc.xyz/investor/pdf/20160331_alphabet_10Q.pdf
199 http://posicionamientoweb.tripod.com/yahoo/yahoo.htm
200 http://www.eleconomista.es/mercados-cotizaciones/noticias/7504842/04/16/Yahoo-
convence-con-unos-ingresos-de-1087-millones-de-dolares.html 201 http://onlinehelp.microsoft.com/es-es/bing/ff808447.aspx
202 http://blogs.bing.com/search-quality-insights/2014/12/08/the-role-of-content-quality-in-
bing-ranking/
203 http://www.xataka.com/empresas-y-economia/bing-al-fin-es-rentable-y-los-telefonos-se-
desploman-asi-son-los-ultimos-resultados-financieros-de-microsoft
204 http://sergiocastelo.com/seo-en-baidu-el-buscador-chino/
205 http://spanish.xinhuanet.com/2016-04/29/c_135323583.htm
206 http://wallaroomedia.com/facebook-newsfeed-algorithm-change-history/ 207 http://es.ccm.net/faq/9273-como-funciona-el-edgerank-de-facebook
208 http://www.antevenio.com/blog/2015/02/edgerank-algoritmo-facebook/
209 http://www.socialbakers.com/products/analytics
52
210 http://hipertextual.com/archivo/2012/07/como-funciona-edgerank-en-facebook/
211 https://www.facebook.com/notes/facebook-engineering/building-efficient-data-centers-
with-the-open-compute-project/10150144039563920/ 212 http://www.forbes.com/sites/kurtmarko/2014/06/22/facebook-open-source-hardware-
2/#7bd75a2648a2 213 http://www.opencompute.org/ 214 http://www.abc.es/economia/abci-ingresos-facebook-suben-25-por-ciento-2015-
201601280106_noticia.html
215 https://www.facebook.com/business/ads-guide?tab0=Mobile%20News%20Feed
216 https://youtu.be/L6A1Lt0kvMA
217 https://youtu.be/oVfHeWTKjag
218 http://www.forbes.com.mx/lo-que-debes-saber-del-cambio-de-algoritmos-en-facebook/ 219 https://blogs.deusto.es/bigdata/ 220 http://www.hup.harvard.edu/catalog.php?isbn=9780674368279
221 http://governingalgorithms.org/
222 https://es.wikipedia.org/wiki/Diffie-Hellman
223 https://www.khanacademy.org/computing/computer-science/cryptography/modern-
crypt/v/diffie-hellman-key-exchange-part-2
224 http://coddii.org/los-pioneros-en-criptografia-diffie-y-hellman-reciben-el-premio-turing
225 https://es.wikipedia.org/wiki/Premio_Turing
226 https://es.wikipedia.org/wiki/Algoritmo_criptogr%C3%A1fico
227 https://www.youtube.com/watch?v=b6Hf1O_vpwQ
228 http://androidphoria.com/novedades/google-quiere-comprar-telegram-1-billon-dolares
229http://www.elmundo.es/economia/2015/10/19/562526a922601d6a548b45bc.html
230 http://mobileworldcapital.com/es/863/
231https://www.facebook.com/photo.php?fbid=10153874647095011&set=a.101507319945250
11.456435.500035010&type=3&theater
232 http://www.xataka.com/seguridad/como-funciona-el-cifrado-extremo-a-extremo-de-
whatsapp-y-que-implicaciones-tiene-para-la-privacidad
233 http://www.actualapp.com/mensajes-whatsapp-cifrado-extremo-extremo-18564
234 https://www.whatsapp.com/security/WhatsApp-Security-Whitepaper.pdf
235 http://www.xataka.com/privacidad/whatsapp-ahora-es-seguro-por-completo-llega-el-
cifrado-end-to-end
236 https://es.wikipedia.org/wiki/Huella_digital_ac%C3%BAstica
237 http://www.poderpda.com/multimedia/como-shazam-trabaja-para-identificar-cada-
cancion/
238 http://www.ee.columbia.edu/~dpwe/papers/Wang03-shazam.pdf
239 http://www.theverge.com/2015/1/21/7865245/shazam-valuation-1-billion-new-funding-
round
240http://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/personality-
insights.html#how-it-is-used-block
241https://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico#Tipos_de_algoritmos
242 https://es.wikipedia.org/wiki/K-vecinos_m%C3%A1s_cercanos
243 https://es.wikipedia.org/wiki/Random_forest
244 http://blog.mldb.ai/blog/posts/2016/01/ml-meets-economics/
245 https://es.wikipedia.org/wiki/Miner%C3%ADa_de_datos
246 https://es.wikipedia.org/wiki/Inteligencia_artificial
247 https://es.wikipedia.org/wiki/Estad%C3%ADstica
248 https://es.wikipedia.org/wiki/Algoritmo_ID3
249 https://en.wikipedia.org/wiki/C4.5_algorithm
250 http://www.google.com/patents/US6266649
251 http://www.cs.umd.edu/~samir/498/Amazon-Recommendations.pdf
252 http://www.genbeta.com/web/asi-funcionan-las-recomendaciones-de-amazon
253 http://marketing4ecommerce.net/resultados-de-amazon-2015/
254 http://www.google.com/patents/US5960411?hl=es
255 https://aws.amazon.com/es/machine-learning/faqs/
256 http://www.wsj.com/articles/the-algorithm-is-an-editor-1460585346
257 http://hipertextual.com/archivo/2014/07/apple-apuesta-algoritmos/
258 https://www.tuapplemundo.com/la-app-store-mejora-sus-algoritmos-de-busqueda/
259 http://hipertextual.com/2016/01/apple-resultados-q1-2016
260 http://hipertextual.com/2016/02/twitter-timeline-algoritmo
261 http://www.trecebits.com/2016/02/13/como-funciona-el-algoritmo-de-twitter-para-que-
no-te-pierdas-nada/
262 https://www.enriquedans.com/2016/02/twitter-grande-o-pequena.html
263 http://hipertextual.com/2016/04/twitter-vuelve-a-ganar-usuarios
264 http://www.expansion.com/economia-
digital/innovacion/2015/10/28/5630a18022601d44628b4616.html
265 https://searchenginewatch.com/sew/how-to/2340726/5-advanced-youtube-seo-tactics-
to-drive-more-traffic-to-your-videos-website
54
266 http://www.replayscience.com/blog/how-does-the-youtube-algorithm-work/
267 https://www.youtube.com/watch?v=BsCeNCVb-d8&feature=youtu.be
268 https://www.youtube.com/yt/press/es/statistics.html
269 http://www.marketingdirecto.com/digital-general/digital/todas-estadisticas-globales-
youtube-resumidas-infografia/
270 https://algorithmia.com/
271 http://www.wired.com/2013/08/qq_netflix-algorithm/
272 http://lapastillaroja.net/2011/03/el-crowdsourcing-de-pandora/
273 http://hipertextual.com/2016/04/tecnologia-de-netflix-algoritmos
274 http://eleconomista.com.mx/mercados-estadisticas/2016/05/11/netflix-supera-hbo-
ingresos-se-rezaga-bolsa
275 http://www.epagogix.com/
276http://www.bbc.com/mundo/noticias/2015/05/150515_algoritmos_house_cards_finde_jm
277 http://www.theatlantic.com/technology/archive/2015/01/the-app-economy-is-now-
bigger-than-hollywood/384842/
278 http://alexrayon.es/2016/04/17/el-modelo-de-publicidad-de-google-la-atencion-y-
algoritmos/ 279 http://www.technologyreview.es/informatica/48975/grafico-el-auge-masivo-de-los-
bloqueadores-de/ 280 http://techcrunch.com/2014/10/19/the-sonic-mad-scientists/
281 http://www.avid.com/es/pro-tools
282 http://www.enter.co/cultura-digital/entretenimiento/la-magia-detras-de-la-lista-de-
descubrimiento-semanal-en-spotify/
283 https://www.algoriddim.com/apps
284 http://techcrunch.com/2014/05/22/algoriddim-djay-spotify-integration/
285 http://www.adweek.com/socialtimes/facebook-launches-integrations-with-spotify-netlfix-
and-more-to-populate-the-ticker-with-playable-content/268985?red=if
286https://www.bsmarkets.com/cs/Satellite?c=Page&cid=1191411509498&pagename=BSMar
kets2%2FPage%2FPage_Interna_WFG_Template&WEB=0&seccion=noticiaDesarrollada&isin=&
codNoticia=745981&idioma=es&portal=
287 http://arxiv.org/abs/1508.06576
288 https://github.com/jcjohnson/neural-style
289 http://www.cima.ned.org/blog/algorithm-ombudsman/
290 http://www.deia.com/2015/02/12/ocio-y-cultura/internet/los-matrimonios-que-se-
conocen-en-las-redes-duran-mas-y-se-divorcian-menos-
291http://www.econ.upf.edu/~montalvo/noticias/conferencia_bdebate_220514.pdf
292 https://es.wikipedia.org/wiki/Ciclo_de_vida_del_producto
293 http://wdi.worldbank.org/table/5.13
294 http://www.forbes.com/sites/gartnergroup/2015/08/14/big-data-fades-to-the-algorithm-
economy/2/#6a88f1ffe3b2
295 http://www.bbc.com/news/technology-34175290
296 https://www.enriquedans.com/2015/09/tu-trabajo-y-la-sustitucion-hombre-maquina.html
297 http://www.gartner.com/events/na/tech-growth
298 http://wdi.worldbank.org/table/5.13
299 http://www.forbes.com/sites/gartnergroup/2015/08/14/big-data-fades-to-the-algorithm-
economy/2/#6a88f1ffe3b2
300 http://www.bbc.com/news/technology-34175290
301 https://www.enriquedans.com/2015/09/tu-trabajo-y-la-sustitucion-hombre-maquina.html
302 http://www.gartner.com/events/na/tech-growth