INTRODUCCIÓN

La Inteligencia Artificial comenzó como el resultado de la investigación en psicología cognitiva y lógica matemática. Se ha enfocado sobre la explicación del trabajo mental y construcción de algoritmos de solución a problemas de propósito general. Punto de vista que favorece la abstracción y la generalidad.
La Inteligencia Artificial es una combinación de la ciencia del computador, fisiología y filosofía, tan general y amplio como eso, es que reúne varios campos (robótica, sistemas expertos, por ejemplo), todos los cuales tienen en común la creación de máquinas que pueden "pensar".
La idea de construir una máquina que pueda ejecutar tareas percibidas como requerimientos de inteligencia humana es un atractivo. Las tareas que han sido estudiadas desde este punto de vista incluyen juegos, traducción de idiomas, comprensión de idiomas, diagnóstico de fallas, robótica, suministro de asesoría experta en diversos temas.
Es así como los sistemas de administración de base de datos cada vez más sofisticados, la estructura de datos y el desarrollo de algoritmos de inserción, borrado y locación de datos, así como el intento de crear máquinas capaces de realizar tareas que son pensadas como típicas del ámbito de la inteligencia humana, acuñaron el término Inteligencia Artificial en 1956.
Son muchos los estudios y aplicaciones que se han logrado con el desarrollo de esta ciencia, entre las cuales tenemos redes neuronales aplicadas al control de la calidad donde la red evalúa si determinado producto cumple o no con las especificaciones demandadas, control del proceso químico en el grado de acidez, algoritmos genéticos aplicados al problema cuadrático de asignación de facilidades que trata de la asignación de N trabajos en M máquinas, los autómatas programables que se usan para la optimización de sistemas de producción, en fin, todavía queda mucho por descubrir con respecto a las aplicaciones de esta ciencia

PARTE I: MARCO TEÓRICO

LA INTELIGENCIA ARTIFICIAL
Las organizaciones están empleando la tecnología de la inteligencia artificial para capturar el conocimiento individual y colectivo y codificar y extender su base del conocimiento.

¿QUÉ ES LA INTELIGENCIA ARTIFICIAL?
La inteligencia artificial (IA, por sus siglas en inglés) es el esfuerzo de desarrollar sistemas basados en computadora (hardware y software) que se comporten como los humanos. Dichos sistemas serían capaces de aprender lenguajes naturales, efectuar tareas físicas coordinadas (robótica), utilizar un aparato perceptor que informe de su comportamiento físico y de su lenguaje (sistemas de percepción visual y oral) y de emular la experiencia y la toma de decisiones de los humanos (sistemas expertos). Tales sistemas también presentarían capacidades de lógica, razonamiento, intuición y de mero sentido común propias de los seres humanos. La ilustración #1 muestra los elementos de la familia de la inteligencia artificial. Otro elemento importante son las máquinas inteligentes, el hardware físico que desempeña estas tareas.
Los sistemas exitosos de inteligencia artificial se basan en la experiencia, el conocimiento y patrones de razonamiento selectos de los humanos, pero no presentan la inteligencia de estos últimos.
Ilustración 1: Familia de la Inteligencia Artificial Los sistemas existentes de inteligencia artificial no cuentan con nuevas y novedosas soluciones a los problemas. Los sistemas existentes amplían las facultades de los expertos pero de ninguna manera los sustituyen ni captan gran parte de su inteligencia. En pocas palabras, a los sistemas existentes les falta el sentido común y la generalidad de la inteligencia natural de los seres humanos.
La inteligencia humana es sumamente compleja y mucho más amplia que la inteligencia de la computadora. Un factor clave que distingue a los seres humanos de los demás animales es su habilidad para desarrollar asociaciones y emplear metáforas y analogías como modo y manera. Usando la metáfora y la analogía, los humanos crean nuevas reglas, aplican reglas viejas a situaciones nuevas, y a veces actúan de manera intuitiva y/o instintiva sin seguir reglas. Mucho de lo que se llama sentido común o generalidad en los humanos reside en la habilidad para crear metáfora y analogías.
La inteligencia humana también incluye una habilidad exclusiva de imponer un aparato conceptual al mundo que le rodea. Los metaconceptos como causa y efecto y tiempo, y los conceptos de un orden más bajo como almuerzo y comida, son impuestos por los seres humanos al mundo que los rodea. Pesar en términos de estos conceptos y actuar de acuerdo con ellos son características capitales del comportamiento humano inteligente.

POR QUÉ LA INTELIGENCIA ARTIFICIAL ES DE INTERÉS PARA LOS NEGOCIOS
Aunque las aplicaciones de la inteligencia artificial son mucho más limitadas que la inteligencia humana, tienen un gran interés para los negocios por las razones siguientes:
- Para almacenar la información de una forma activa como memoria organizacional, creando una base del conocimiento organizacional que muchos empleados puedan examinar y preservar la experiencia que se puede perder cuando un experto reconocido deja la empresa.
- Para crear un mecanismo que no esté sujeto a sentimiento humanos como la fatiga y la preocupación. Esto puede ser especialmente útil cuando los trabajos pueden ser ambiental, física o mentalmente peligrosos para los humanos. Estos sistemas también pueden ser útiles consejeros en tiempos de crisis.
- Para eliminar los trabajos rutinario e insatisfechos que tienen que realizar las personas.
- Para reforzar la base del conocimiento de la organización generando soluciones a problemas específicos que sean demasiado enormes y complejos de analizar para las personas en un periodo corto.

CAPTURA DEL CONOCIMIENTO: SISTEMAS EXPERTOS
En las limitadas áreas de la experiencia, como un diagnóstico del sistema de ignición de un automóvil o la clasificación biológica de los especímenes, las reglas de oro empleadas por los expertos del mundo real se pueden comprender, codificar y colocar en una máquina. Los sistemas de información que resuelven problemas capturando conocimiento para un dominio muy específico y limitado de la experiencia humana se llaman sistemas expertos. Éstos capturan el conocimiento de empleados habilidosos en forma de un conjunto de reglas. El conjunto de reglas del sistema experto se agrega a la memoria, o aprendizaje almacenado, de la empresa. Un sistema experto puede ayudar a tomar decisiones haciendo preguntas relevantes y explicando las razones de adoptar ciertas acciones.
A los sistemas expertos les falta la amplitud del conocimiento y la comprensión de los principios fundamentales de un experto humano. Son meramente pasivos, superficiales y frágiles. Por lo común desempeñan tareas muy limitadas que los profesionales pueden realizar en unos minutos u horas. Los problemas que los expertos humanos no pueden resolver en el mismo periodo corto son también mucho más difíciles para un sistema experto. Sin embargo, capturando la experiencia humana en áreas limitadas, los sistemas expertos pueden proporcionar beneficios, ayudando a las organizaciones a tomar decisiones de alta calidad con menos gente.

INTELIGENCIA ORGANIZACIONAL: RAZONAMIENTO BASADO EN CASOS
Los sistemas expertos capturan primordialmente el conocimiento de los individuos expertos, pero las organizaciones también cuentan con conocimiento y experiencia colectivos adquiridos al paso de los años. Este conocimiento organizacional se puede capturar y almacenar utilizando el razonamiento basado en casos. En el razonamiento basado en casos (CBR, por sus siglas en inglés), las descripciones de experiencias pasadas de especialistas humanos, representadas como casos, se almacenan en una base de datos para la recuperación posterior, cuando el usuario encuentre un nuevo caso de características similares. El sistema busca los casos almacenados cuyas características coincidan con las del nuevo caso, encuentra el más aproximado, y aplica las soluciones del caso antiguo al nuevo caso. Las soluciones exitosas se adjuntan al nuevo caso y se guardan los dos junto con los demás casos en la base del conocimiento. Las soluciones que no funcionan también se adjuntan a la base de datos de casos junto con explicaciones de por qué las soluciones no funcionaron.

Los sistemas expertos trabajan aplicando un conjunto de reglas SI-ENTONCES-SI NO contra una base del conocimiento, donde ambas, reglas y base del conocimiento, se extraen de humanos expertos. El razonamiento basado en casos, en contraste, representa el conocimiento como una serie de casos y los usuarios expanden y refinan continuamente esa base del conocimiento.

OTRAS TÉCNICAS INTELIGENTES
Las organizaciones están utilizando otras técnicas de computación inteligente para extender su base del conocimiento al proporcionar soluciones a problemas demasiado grandes o complejos difíciles de manejar para las personas con recursos limitados. Las redes neurales, la lógica difusa, los algoritmos genéticos y los agentes inteligentes se están desarrollando dentro de las aplicaciones de negocios prometedoras.

REDES NEUROLES
Las redes neurales están diseñadas para imitar el proceso del pensamiento físico del cerebro biológico. La ilustración #2 muestra dos neuronas del cerebro de una sanguijuela. El soma, o célula nerviosa en el centro, actúa como un interruptor, estimulando a las demás neuronas y a su vez es estimulada. De la neurona brota un axón, que es un vínculo eléctricamente activo con las dendritas de las otras neuronas. Los axones y as dendritas son los “cables” que conectan eléctricamente a las neuronas entre sí. La unión de las dos se llama sinapsis. Este sencillo modelo biológico es la metáfora del desarrollo de las redes neurales. Una red neural consta de hardware o software que tratan de imitar los patrones de procesamiento del cerebro biológico.
La ilustración #3 muestra una red neural artificial con dos neuronas. Las resistencias en los circuitos son variables y se pueden utilizar para enseñar a la red. Cuando la red comete un error (es decir, toma la ruta equivocada a través de la red y arriba a una conclusión falsa), se puede elevar la resistencia en algunos circuitos, forzando a que las demás neuronas se activen. Si este proceso de aprendizaje continúa durante cientos de ciclos, la máquina aprende la respuesta correcta. Las neuronas tienen interconexiones muy precisas y operan en paralelo, como el cerebro humano, lo cual permite que la red neural procese eficientemente enormes cantidades de datos.

Ilustración 2: Neuronas Biológicas de una Sanguijuela.

Ilustración 3: Red Neural Artificial con dos Neuronas.

LA DIFERENCIA ENTRE LAS REDES NEURALES Y LOS SISTEMAS EXPERTOS
Los sistemas expertos buscan imitar o modelar la manera en que un experto humano resuelve problemas, pero los constructores de las redes neurales afirman que éstas no modelan la inteligencia humana, que no programan soluciones y que su propósito principal no es resolver problemas específicos. En vez de eso, los diseñadores de las redes neurales buscan poner inteligencia dentro del hardware en forma de una capacidad generalizadas para aprender. Por el contrario, el sistema experto es muy específico para un problema dado y no es sencillo volver a adiestrarlo.
A diferencia de los sistemas expertos, que suelen proporcionar explicaciones para sus soluciones, las redes neurales no siempre pueden explicar por qué llegaron a una solución en particular. Más aún, no siempre pueden garantizar completamente una solución cierta, llegar de nuevo a la misma solución con la misma entrada de datos, o garantizar siempre la mejor solución. Son muy sensibles y no se desempeñan bien si su adiestramiento cubre muy pocos o demasiados datos. En la mayoría de las aplicaciones actuales, las redes neurales tienen un mejor uso como auxiliares de los responsables de la toma de decisiones que como sustitutos de éstos.

LÓGICA DIFUSA
La lógica difusa es una tecnología basada en reglas que tolera imprecisiones e incluso las aprovecha para resolver problemas que antes no tenían solución. La lógica difusa consta de varios conceptos y técnicas para representar e inferir un conocimiento que es impreciso, incierto o informal. La lógica difusa puede crear reglas que utilizan valores aproximados o subjetivos y datos incompletos o ambiguos. Expresando una lógica con alguna imprecisión cuidadosamente definida, la lógica difusa está más cerca de la manera en que la gente piensa realmente que las reglas tradicionales de SI-ENTONCES.

ALGORITMOS GENÉTICOS
Los algoritmos genéticos (también conocidos como computación adaptativa) se refieren a varias técnicas de solución de problemas que se basan conceptualmente en el método que los organismos vivos usan para adaptarse a su entorno: el proceso de evolución. Están programados para funcionar de la manera en que las poblaciones resuelves sus problemas: cambiando y reorganizando sus partes componentes mediante procesos como la reproducción, la mutación y la selección natural. En consecuencia, los algoritmos genéticos promueven la evolución de soluciones para problemas particulares, controlando la generación, variación, adaptación y selección de posibles soluciones mediante procesos basados genéticamente. Conforme se modifican y combinan las soluciones, las peores se descartan y las mejores sobreviven para seguir adelante e incluso producir mejores soluciones. Los algoritmos genéricos generan programas que resuelven problemas aun cuando la gente no puede entender del todo su estructura.
Un algoritmo genético representa la información como una cadena de 0s y 1s. Una posible solución se puede presentar con una larga cadena de estos dígitos. El algoritmo genético proporciona métodos para buscar todas las combinaciones posibles de dígitos que ayuden a identificar la cadena correcta que represente la mejor estructura posible para el problema.

SISTEMAS DE INTELIGENCIA ARTIFICIAL HÍBRIDOS
Los algoritmos genéticos, la lógica difusa, las redes neurales y los sistemas expertos se pueden integrar en una única aplicación para aprovechar las mejores características de estas tecnologías. A dichos sistemas se les llama sistemas de Inteligencia Artificial Híbrido.

PARTE II: APLICACIONES DE LA IA EN LOS NEGOCIOS

“ADMINISTRACIÓN BASADA EN LA RELACIÓN CON LOS CLIENTES – ANÁLISIS DE COMPORTAMIENTO”

CASO DE ESTUDIO I: FEDEX

Federal Express Corporation (FedEx), la compañía de transporte expreso más grande del mundo, descubrió, a través de un análisis interno, que recoger los paquetes de los clientes en sus hogares significó un costo mucho mayor que brindar el servicio a los clientes que dejaban sus propios paquetes en las oficinas establecidas de FedEx. Trajecta Inc., una compañía que crea sistemas que sirven de apoyo para analizar los comportamientos de los consumidores en las organizaciones, ayudó a FedEx a comprender por qué los consumidores estaban haciendo esta petición, y qué podían hacer para convertirlos en clientes que “dejan su propio paquete en las oficinas de FedEx”.
El proyecto consistió en 4 etapas:
- Análisis a los clientes.
- Crear modelos predictivos a través de los resultados del análisis a los clientes, de datos de FedEx y de información de asesores externos.
- Seleccionar grupos de clientes los cuales se convertirían en los objetos principales para las promociones; y
- Examinar los resultados de los grupos.
FedEx identificó a los clientes que utilizaban dichos servicios y los catalogaban como “servicios a mejorar”. Quest Business Agency realizó un sondeo el cual fue lo básico para poder crear los modelos predictivos. Luego, Trajecta complementó los resultados obtenidos con los datos de FedEx y de los asesores externos. Luego, Trajecta analizó los datos con técnicas avanzadas de minería de datos, como: “Neural Networks”, el cual identificó el tipo de cliente con la mayor probabilidad de cambio. La base de clientes se categorizó en segmentos con comportamientos y atributos similares.
Trajecta concluyó su análisis predictivo tres semanas después de haber obtenido la información requerida. El modelo fue entonces usado para hacer un perfil de aproximadamente un tercio de toda la base de clientes. De este grupo, los clientes con la mayor posibilidad de cambio fueron los seleccionados. Un segundo grupo de igual tamaño fue seleccionado al azar para que fuese un grupo de control. La compañía contactó a ambos grupos vía telefónica y trató de motivarlos para que iniciaran a dejar sus paquetes en las oficinas correspondientes en vez de que la compañía pasara a buscar dichos paquetes. En el paso final del proyecto se comparó las respuestas reales de estos dos grupos con los resultados previstos por el modelo de Trajecta. Las recomendaciones probaron ser muy confiables. El estudio arrojó pruebas significativas de que los seleccionados con las herramientas de Minería de Datos de Trajecta incrementaron, de manera considerable, el comportamiento en los clientes de iniciar a dejar sus propios paquetes en las oficinas correspondientes.
El proyecto resultó en una ganancia de doble dígitos para FedEx tanto en su Estado de Resultados como en su ROI (Return of Investment). FedEx también consiguió con esto una nueva forma de entender el comportamiento de sus clientes, y la habilidad de combinar diferentes promociones con diferentes segmentos de mercado. Pero lo más importante fue, sin embargo, que Trajecta proveyó a FedEx de una nueva fuente de ventaja competitiva. “ADMINISTRACIÓN BASADA EN LA RELACIÓN CON LOS CLIENTES – SOPORTE Y MERCADEO”

CASO DE ESTUDIO II: HP

Hewlett Packard (HP), una de las compañías líderes en manufactura de equipos de tecnología de red, quiso incrementar el soporte del personal de ventas, de los clientes y potenciales clientes por medio de la implementación de un sistema de asesoramiento en línea. Nancy Clark en EXSYS explica que este sistema de asesoramiento es un “Sistema Experto”.
El sistema interactivo de asesoramiento CAST/BW, provee información de manera rápida y precisa sobre el tamaño del hardware, la configuración de la red y usos y recomendaciones. Este sistema convierte el sistema experto de SAP, centros de competencia interna de HP, el grupo de servidores de la empresa, y las implementaciones existentes del almacén de datos de SAP, en una herramienta de asesoramiento de fácil manejo.
Este Sistema Experto funciona igualmente que si se estuviera trabajando directamente con los analistas y representantes de productos más expertos de HP. Los resultados del sistema son presentados en una página de HTML (una página de búsqueda), completa con imágenes de los productos, recomendaciones y configuraciones de sistemas y, también ofrece vínculos directos para procesamiento de pedidos.

El motor de inferencia en el Sistema Experto determina la mejor configuración del hardware basado en las reglas de la base de conocimientos y requerimientos del cliente, recomienda la configuración y, también proporciona un enlace a la página Web de HP E-Commerce. La página de resultados muestra la información suministrada por el cliente, también presenta un diagrama visual con fotografías de los productos los cuales muestran el equipo y el sistema de configuración más apropiado, así como también, detalles de procesadores y de memoria.
El cliente es informado sobre cualquier problema en el rendimiento de su equipo en caso de que se recomienden mejoras significativas. El Sistema Experto también provee la habilidad de cambiar/ejecutar y pasar por varias configuraciones diferentes en función de diferentes criterios (Ej. Comparaciones basadas en el rendimiento). También, estos hacen posible al personal el identificar oportunidades de ventas cruzadas, y ser capaz de vender una mucha más amplia y mucho más compleja línea de productos.
Este caso de estudio muestra como un Sistema Experto puede proporcionar soporte a nivel mundial, las 24 horas del día, y reduce el trabajo, las llamadas telefónicas y los correos electrónicos. El Sistema Experto “Advisory” tiene una base firme en los negocios y lo ha mantenido por muchos años. La revolución de la Internet ha abierto el mercado para los sistemas de apoyo como en el caso de estudio de HP. “ADMINISTRACIÓN DE PRODUCCIÓN”

CASO DE ESTUDIO III: TEXACO

En el periódico “United States Oil & Gas Investor” en Denver, en el año 2000, salió un artículo con el título “Herramientas más Inteligentes Unen Personas más Inteligentes (Smarter Tools Join Smarter People, por su título en inglés)”, dichas herramientas como “ANN” brindaron a las compañías petroleras la ventaja de perforar menos hoyos secos, de esta forma alcanzaban los objetivos de la perforación de manera muchas más rápida y, también explotaban las reservas de manera mucho más eficiente que sus competidores.
Cuando una compañía explota una reserva excava muchos pozos bajo condiciones de perforación y de topografía similares. Los seres humanos expertos aprenden de las experiencias obtenidas a través de las perforaciones de las primeras reservas, por lo tanto, los pozos subsecuentes se trabajan de una manera mucho más rápida. Las Redes Neurales son una tecnología que han sido bien adaptadas a la automatización de este tipo de actividades complejas, según al artículo “Exploración y Producción (Exploration and Production, por su título en inglés)” publicado en la Corporación Internacional de Aplicaciones de Ciencia (SAIC, por sus siglas en inglés). Hasta hace poco tiempo, los geólogos y geofísicos analizaron los datos. Smith nos dice en su artículo “El 3D Pod de Texaco: Mejorando la Explotación de Petróleo (Texaco’s 3D Pot Improving Oil Exploration, por su traducción al español)”, publicado en “Noticias ABC (ABC News, por sus siglas en inglés)”, que normalmente los expertos podrían tomar semanas en analizar toda la información.
Port, señala a Texaco, Inc. como una historia de éxito en la Inteligencia Artificial en su artículo “Exploración Virtual de la Explotación Petrolera a la Neurocirugía (Virtual Prospecting from Oil Exploration to Neurosurgery, por su traducción al español)” publicado en “Business Week”. Port cree que para Texaco, la Minería de Datos con ANN jugó un papel clave en el descubrimiento del enorme yacimiento de petróleo en Agbami (que contiene un estimado de 1.45 billones de barriles de petróleo) en la costa de Nigeria, claramente valió la pena.
Port afirma que los signos de petróleo fueron señalados con el sistema de Minería de Datos “GeoProbe” de Texaco. Este sistema utiliza fotografías animadas para ayudar a los geólogos a filtrar características relevantes. Port explica que los métodos tradicionales, los cuales utilizan imágenes estáticas, han hecho perder muchos descubrimientos. En adición, él resalta uno de los muchos beneficios para Texaco al utilizar la Minería de Datos: “Texaco ha reducido su tiempo de toma de decisiones de perforaciones y/o no perforaciones de semanas a horas”. Texaco posee hoy en día un Centro de Visualización en 3D para analizar datos sísmicos y predecir los lugares más productivos para las perforaciones en los campos petroleros. Port concluye informando que las facilidades como las de Texaco se encuentran hoy día esparcidas alrededor del mundo en las industrias petroleras.

PAPEL DE LA REPÚBLICA DOMINICANA EN EL MUNDO DE LA INTELIGENCIA ARTIFICIAL
Hasta el momento, lo único que se conoce de la República Dominicana sobre Inteligencia Artificial es el ADIA. El ADIA es la Asociación Dominicana de Inteligencia Artificial, la cual es una sociedad sin fines de lucro, creada en el marco y auspicio de la ADRU (Asociación de Rectores de Universidades) con el propósito de fomentar, investigar y promover proyectos de Inteligencia Artificial en la República Dominicana .
Hasta ahora la ADIA ha sido respaldada y asesorada por el maestro José Basulto, especialista en el tema radicado en nuestro país en coincidencia con sus funciones de Cónsul General de la República Mexicana ante la República Dominicana .
Usando como escenario la UNIBE, la ADIA ha presentado dos conferencias magistrales, empezando de este modo a exponer a los académicos, científicos, y usuarios en general a los temas básicos de la inteligencia artificial. El primer tema tratado ha sido “El Resumen de Prensa” .
Próximamente se convocará a todos los miembros a una charla sobre “El Espejo Mágico”, el cual es un instrumento útil tanto en evaluación de prensa como en la utilidad que ofrece para evaluaciones psicológicas, conocimiento de nivel de idiomas, evaluación de la percepción de la personalidad, evaluaciones de tipos financieras y económicas, y simpatía ante otras personas en general .

CONCLUSIONES Y RECOMENDACIONES

CONCLUSIONES
• Dentro del ámbito de las Ciencias de la Computación la Inteligencia Artificial es una de las áreas que causa mayor expectación, incluso dentro de la sociedad en general, debido a que la búsqueda para comprender los mecanismos de la inteligencia, ha sido la piedra filosofal del trabajo de muchos científicos por muchos años y lo sigue siendo.
• Los métodos tradicionales en Inteligencia Artificial que permitieron el desarrollo de los primeros sistemas expertos y otras aplicaciones, ha ido de la mano de los avances tecnológicos y las fronteras se han ido expandiendo constantemente cada vez que un logro, considerado imposible en su momento, se vuelve posible gracias a los avances en todo el mundo, generando incluso una nueva mentalidad de trabajo que no reconoce fronteras físicas ni políticas. Se entiende como un esfuerzo común.
• De las diversas técnicas, los sistemas expertos son la más tradicional y la que tiene mayor implantación, especialmente en entidades financieras, que los utilizan para analizar el riesgo de crédito etc., La mayor parte de los sistemas expertos están basados en reglas de clasificación, las cuales se obtienen a partir de la experiencia acumulada por uno o varios expertos humanos. No obstante, en los últimos años ha comenzado a aplicarse una nueva metodología, los sistemas basados en casos (case based reasoning), en los cuales el análisis de cada nueva empresa se realiza por aproximación al caso más parecido de los existentes en la base de conocimientos.
• Las funciones que realiza un cerebro humano, son imitadas por la inteligencia artificial. Al igual que las redes neuronales, se han formadas redes de comunidades que se relaciones a través de la electrónica, El Internet ayuda a mejorar las relaciones entre los grandes mercados del mundo, y es el gran causante de la globalización.
• Es importante entender que las herramientas de soporte a la toma de decisiones, son eso, herramientas, y que la selección y uso, simplifican muchas operaciones y procesos en el negocio, pero que los tomadores de decisiones son la piedra angular.

RECOMENDACIONES
La inteligencia Artificial es una herramienta, que debe ser utilizada en todo tipo de organización ya sea en el sector público o privado, para que sus ejecutivos tomen decisiones en forma oportuna y de manera eficiente y la organización sea competitiva frente a la globalización y su entorno.
BIBLIOGRAFÍA

LIBROS
DIEZ, Raúl; Gómez, Alberto; De Abajo Martínez, Nicolás (2001): “Introducción a la Inteligencia Artificial: Sistemas Expertos, Redes Neuronales Artificiales y Computación Evolutiva”, Servicio de Publicaciones Universidad de Oviedo, España.
LAUDON, Kenneth; LAUDON, Jane (2004): “Sistemas de Información Gerencial: Administración de la Empresa Digital, 8va. Edición, Editora Pearson Educación, México.
SIEGEL, Joel; SHIM, Jae (2003): The Artificial Intelligence Handbook: Business Applications in Accounting, Banking, Finance, Management and Marketing, Editora Thomson/South-Western, Estados Unidos.

WEB
“Artificial Inteligence”, [en línea], Estados Unidos: http://www.enotes.com/artificial-intelligence-ai-reference/artificial-intelligence-ai#future-artificial-intelligence [Consulta: 19/01/2012]
“Asociación Dominicana de Inteligencia Artificial”, [en línea], 2008, República Dominicana: http://www.adia.org.do/default.aspx?pg=f13bc8d4-cc2b-4b71-951c-fdbe7659d32f [Consulta: 21/01/2012]
BOOTH, Corey; BULUSWAR, Sashi: The Return of Artificial Intelligence, [en línea], 2002: http://www.mckinseyquarterly.com/Business_Technology/Application_Management/The_return_of_artificial_intelligence_1201 [Consulta: 19/01/2012]
EXSYS, “Online Advice System Helps Drive Hewlett Packard E-Business Strategy” [en línea], 2001: http://www.exsys.com/appnotes/hpcase.htm [Consulta: 21/01/2012]
PORT, Spring; (2001): “Virtual Prospecting from Oil Exploration to Neurosurgery, new tools are revealing the secrets hidden in mountains of data” [en línea], 2001: http://www.businessweek.com/bw50/content/mar2001/bf20010323_999.htm [Consulta: 21/01/2012]
SAIC, “Exploration & Production Science Applications International Corporation” [en línea], 2001: http://www.saic.com/energy/oilgas/exprod.html [Consulta: 21/01/2012]
TRAJECTA, “White Paper Trajecta, Inc. in Texas [en línea], 2001: http://www.trajecta.com/news/articles.html y http://ww.trajecta.com/solutions/whitepaper_nn.html [Consulta: 21/01/2012]