Gerencia de Tecnologías de Información
Permanent URI for this collectionhttp://98.81.228.127/handle/20.500.12404/15123
Browse
2 results
Search Results
Item Impacto de la adopción de inteligencia artificial como estrategia de negocio en las empresas del sector servicios durante la época de pandemia en el Perú(Pontificia Universidad Católica del Perú, 2022-01-11) Aguirre Felix Díaz, Israel; Argomedo Sotelo, Greter Yojaira; Monzon Ñañez, Jorge Antonio; Tuesta Izaguirre, Carlos Alberto; Negron Naldos, Luis AlfredoLa presente tesis aborda un estudio realizado para describir e identificar sobre el uso de la Inteligencia Artificial (IA) en empresas peruanas del sector servicios (retail, banca, telecomunicaciones, seguros) en el contexto por la coyuntura de la pandemia del COVID-19, para afrontar nuevos retos y oportunidades. Definiendo como objetivo general analizar la adopción de IA realizada por parte de las organizaciones del sector servicios en su modelo de negocio. La investigación se realiza dentro de un marco de diseño no experimental, descriptivo con un enfoque cualitativo, porque se pretende presentar los resultados de la revisión de literatura sobre la IA como definición y herramientas, aplicaciones fuera y dentro del país de los distintos sectores, y una encuesta a una muestra de 41 empresas de Lima Metropolitana considerando aspectos relacionados a las tecnologías aplicadas, los procesos soportados y los beneficios obtenidos al implementar IA en sus empresas con el objetivo de establecer relevancia de este tema de investigación que son actualmente objetos de estudio por la comunidad científica. Como el estudio es no experimental, abarca los aspectos de evaluación de literatura científica, recopilando información y valora los artículos científicos revisados y que tienen gran impacto. Por otro lado, siendo de tipo longitudinal, abarca la trazabilidad de los artículos sobre la aplicación de IA desde 2008 y su evolución hasta la actualidad, incluidos otros subsectores para la investigación. Con este estudio se pretende proveer de resultados e información a las demás empresas que se encuentren evaluando su aplicación. Se encontró como resultado final que el 93% de los encuestados que aplican la IA en varios de sus procesos, basado en la tecnología de chatbots y análisis predictivo, soportando principalmente procesos de atención al cliente, procesos de marketing, ventas, procesos de control y monitoreo, así como también los beneficios más diferenciados en sus empresas como son: mejora de procesos, aumento de productividad, mayor proximidad a sus clientes, generación de mayor conocimiento, mejora en la toma de decisiones, mejora de capacidad de análisis y mejora en tiempos de respuesta.Item Identificación de obras urbanas para la ciudad de Lima a través del uso de herramientas basadas en Machine Learning(Pontificia Universidad Católica del Perú, 2021-11-17) Mendoza Bernedo, Juan Francisco; Saldaña Bustamante, Fernando Jesus; Vivanco Yovera, Rocio Susana; Negron Naldos, Luis AlfredoLa presente investigación tiene como objetivo utilizar la tecnología basada en machine learning, para la identificación de obras urbanas en la ciudad de Lima. La posibilidad de extraer y analizar información de medios sociales mediante el análisis de sentimientos, también conocido como minería de opinión (opinion mining), es, para Liu (2015), un campo de estudio que se centra en analizar las opiniones que expresan o implican sentimientos positivos o negativos. Para abordar esta problemática se propone un modelo para la clasificación de mensajes de Twitter de forma automática, a fin de comprender cuál es la intención que tiene el usuario cuando publica un mensaje sobre las obras urbanas en la ciudad de Lima, en especial pistas, parques y veredas, además de identificar la ubicación de estas obras en sus diferentes distritos. La investigación permitió reconocer patrones de comportamiento que son de gran importancia para la Municipalidad de Lima, debido a que, al tener identificada la problemática de las obras urbanas por distritos, podrá plantear estrategias para priorizar obras de manera anticipada y así poder planificarlas para su ejecución en el periodo municipal. Los resultados obtenidos utilizando el algoritmo de clasificación supervisada support vector machine (SVM) muestran valores de aciertos del modelo de alrededor del 78% en análisis de sentimientos. Se realizó una primera clasificación de distritos que necesitan urgentemente de obras urbanas, disgregada en tres tipos: parques, pistas y veredas. Los resultados generales del modelo son buenos en comparación con las investigaciones de otros autores como Aiala et al. (2017).