En el mundo de la tecnología móvil el concepto de ‘bueno, bonito y barato’ aplica muy bien en estos tiempos gracias al desarrollo, innovación y competencia natural entre las distintas marcas de telefonía inteligente. Hoy en día es posible conseguir muy buenos celulares de gama media a buen precio, con características y funciones presentes en modelos prémium.

Marcas como Motorola, Oppo, Xiaomi, Samsung, Huawei, Vivo, Tecno, TCL, Honor y RealMe son algunas de las que tienen una oferta sólida en dicha gama orientada a personas que desean un buen equipo, de prestaciones suficientes para el día a día, a precios asequibles.

En temas de pantalla estamos hablando de equipos por encima de las seis pulgadas de espacio, con tecnología Oled y una resolución que al menos alcance el Full HD. Con esto, usted tendrán un teléfono con buen brillo y nitidez para trabajar, estudiar y entretenerse.
La tasa de refresco de la pantalla, que es la fluidez y velocidad en que se enciende y apaga el monitor, debería ser de una tasa mínimo de 90 Hz o incluso 120 Hz, presente en algunos modelos. Esto se siente bien sobretodo en videojuegos y contenidos en video, pues la experiencia se hace más fluida.
La batería debería ser mínimo de 5.000 miliamperios hora (mAh) y ojalá con opción de carga rápida de 50 W o superior, para que le dure la energía y se recargue rápidamente. En cuanto a cámaras, si bien los megapíxeles son importantes (cuantos más Mp, mejor), también lo es la cantidad de lentes y si tiene funciones de inteligencia artificial…

FUENTE: https://www.eltiempo.com/tecnosfera/dispositivos/celulares-de-gama-media-de-menos-de-2-millones-de-pesos-que-valen-la-pena-3444264

Seguir leyendo

Instagram habilitó recientemente una función que muestra la posición exacta de un perfil en el momento en que está utilizando la plataforma.

Esta característica, que ya ha generado debate, permite que los contactos visualicen la ubicación en directo, siempre que el usuario lo haya autorizado previamente.

La herramienta, similar a Snap Map (implementada por Snapchat desde 2017), puede facilitar el encuentro con amigos en espacios públicos o eventos como festivales. No obstante, también representa un riesgo al exponer datos sensibles. Por ese motivo, distintos usuarios y expertos en privacidad han optado por restringir esta función.
Hay personas que piensan que su cuenta ya está utilizando esta opción, pero no necesariamente es así. La aplicación solicita confirmación para activar el uso de la localización, y si se rechaza, la función no se activa. Sin embargo, sí se sigue mostrando en el mapa el sitio donde fue tomada una foto si se añade información geográfica, como por ejemplo al etiquetar un lugar en una publicación o historia.

FUENTE: https://www.eltiempo.com/tecnosfera/apps/expertos-recomiendan-desactivar-nueva-funcion-ubicacion-exacta-en-instagram-asi-lo-puede-hacer-por-seguridad-3444085

Seguir leyendo

En 2024, el coste medio de una hora de inactividad a nivel empresarial se ha disparado, alcanzando cifras alarmantes.

Según un informe de Siemens, en sectores como el automotor, una hora de inactividad puede costar hasta 2,3 millones de dólares, lo que equivale a más de 600 dólares por segundo.

Este incremento refleja la creciente dependencia de las operaciones digitales y la complejidad de las infraestructuras tecnológicas actuales.

Un dato que subraya la importancia crítica de contar con un Plan de Recuperación de Desastres IT (DRP) eficaz, que permita a las organizaciones mitigar los riesgos asociados al tiempo de inactividad y garantizar la continuidad operativa en un entorno cada vez más digitalizado y vulnerable a interrupciones.

Definición y objetivos del plan
Un Plan de Recuperación de Desastres IT (DRP) es más que un documento; es una estrategia que puede marcar la diferencia entre una recuperación exitosa y un colapso operativo.

Diseñado para proteger a las organizaciones contra interrupciones inesperadas, este plan combina estrategias, procedimientos y recursos enfocados en un objetivo común: garantizar la continuidad del negocio en los momentos más críticos.

FUENTE: https://www.semantic-systems.com/semantic-noticias/category/articulos-tecnologicos/

Seguir leyendo

El control de procesos es fundamental en plantas de reciclaje para garantizar la eficiencia, seguridad y calidad en la gestión de residuos. Implementar sistemas de monitoreo y optimización permite mejorar el rendimiento de las instalaciones y reducir costos operativos.

El reciclaje es un proceso fundamental para la conservación del medio ambiente y la optimización de recursos. Este proceso involucra diversas etapas, como la recolección, separación, trituración y transformación de materiales, cada una de las cuales debe ser monitoreada cuidadosamente para garantizar su eficiencia y efectividad.

Un control adecuado del proceso de reciclaje permite:

Asegurar la calidad del producto reciclado: La supervisión en cada etapa permite obtener materiales reciclados con las características adecuadas para su reutilización en nuevas aplicaciones industriales. La pureza y resistencia del material dependen directamente de un control riguroso.

Reducir la contaminación y el desperdicio de materiales: Un proceso bien gestionado minimiza la presencia de impurezas y materiales no reciclables, evitando que estos terminen en vertederos o en el medio ambiente. Además, el control adecuado evita pérdidas innecesarias de materiales valiosos.

Mejorar la eficiencia energética y reducir costos: La optimización de cada etapa del reciclaje permite disminuir el consumo energético y los costos operativos. Un proceso eficiente requiere menos energía para transformar los residuos en nuevos productos, lo que contribuye a la sostenibilidad económica y ambiental.

Cumplir con normativas ambientales: La legislación en materia de reciclaje y gestión de residuos exige ciertos estándares de calidad y seguridad. Un control riguroso del proceso asegura el cumplimiento de estas regulaciones, evitando sanciones y promoviendo prácticas responsables.

El control de proceso es esencial en plantas de reciclaje para garantizar operaciones, optimizar recursos y garantizar la calidad del producto reciclado. El proceso comienza con la recepción y clasificación de materiales, donde se utilizan sensores y clasificadores para separar residuos reciclables. Luego, en la etapa de procesamiento y trituración, los materiales se reducen de tamaño para facilitar su manejo. Posteriormente, en la fase de limpieza y purificación, se eliminan impurezas mediante filtración y lavado. Finalmente, en la transformación y producción, los materiales reciclados se funden o compactan para su reutilización, con un control preciso de temperatura y presión.

Las tecnologías incluyen automatización, sensores en tiempo real e inteligencia artificial para mejorar la eficiencia y reducir errores. Entre los beneficios destacan la optimización de recursos, reducción de costos, cumplimiento de normativas y mejora en la calidad del producto reciclado. Un control adecuado garantiza un reciclaje más eficiente y sostenible.

FUENTE: https://www.semantic-systems.com/semantic-noticias/category/articulos-tecnologicos/

Seguir leyendo

En el mundo de la Inteligencia Artificial (IA), las bases de datos vectoriales están revolucionando la manera en que gestionamos y procesamos grandes volúmenes de datos no estructurados. Su capacidad de escalabilidad, velocidad, precisión en la búsqueda semántica y eficiencia las convierte en una herramienta esencial para aplicaciones avanzadas de IA.

¿Qué son las bases de datos vectoriales?
Las bases de datos vectoriales son sistemas de almacenamiento y gestión de datos diseñados para manejar vectores, que son representaciones matemáticas de datos en un espacio multidimensional. A diferencia de las bases de datos tradicionales, que almacenan datos en filas y columnas, las bases de datos vectoriales almacenan y procesan datos en forma de vectores, lo que permite realizar búsquedas y comparaciones basadas en la similitud entre vectores. Esto es especialmente útil en aplicaciones de IA, donde los datos no estructurados, como imágenes y texto, pueden ser representados como vectores en un espacio de alta dimensionalidad.

Es decir, las bases de datos vectoriales permiten buscar información por similitud en lugar de coincidencias exactas, lo que las hace esenciales en aplicaciones de IA. Su velocidad, escalabilidad y precisión en la búsqueda semántica las convierten en una herramienta clave en la era de los datos masivos.

Usos principales dentro de la IA
Las bases de datos vectoriales tienen una amplia gama de aplicaciones en la IA, entre las que destacan:

Búsqueda no estructurada sobre datos estructurados: Permiten realizar búsquedas en grandes volúmenes de datos no estructurados basándose en la similitud (sintáctica, semántica o por aproximaciones matemáticas)
Búsqueda semántica en texto:Facilitan la búsqueda de información en grandes corpus de texto, entendiendo el contexto y el significado detrás de las palabras.
Recomendación de contenido: Mejoran la precisión de los sistemas de recomendación al analizar la similitud entre los vectores que representan los intereses del usuario y los elementos del contenido.
Búsqueda de imágenes: Permiten realizar búsquedas de imágenes basadas en características visuales.
Reconocimiento facial: : Facilitan la identificación y verificación de personas en sistemas de seguridad.

FUENTE: https://www.semantic-systems.com/semantic-noticias/category/articulos-tecnologicos/

Seguir leyendo

El control de calidad es un aspecto fundamental en la manufactura moderna, ya que garantiza la conformidad de los productos con los estándares establecidos. Integrarlo directamente en el proceso de fabricación permite reducir defectos, optimizar recursos y mejorar la eficiencia de la producción.

La integración en el proceso productivo permite:

Detectar y corregir defectos en tiempo real.
Minimizar desperdicios y reprocesos.
Garantizar la satisfacción del cliente.
Cumplir con normativas y certificaciones de calidad.
Mejorar la eficiencia operativa y la rentabilidad.

El control de calidad en la fabricación se puede optimizar mediante diversas estrategias como la inspección en línea, que emplea sensores y visión artificial para detectar defectos en distintas etapas; el Control Estadístico de Procesos (CEP), que monitorea variables críticas con herramientas estadísticas; la automatización del control de calidad, que utiliza inteligencia artificial para analizar datos y corregir fallas en tiempo real; y la capacitación y cultura de calidad, que promueve la mejora continua y la prevención de errores entre los trabajadores.

Las tecnologías aplicadas incluyen la visión artificial, que detecta defectos con alta precisión; el Internet de las Cosas (IoT), que recopila datos en tiempo real mediante sensores inteligentes; el Big Data y análisis predictivo, que aprovecha datos históricos para anticipar fallas y optimizar la producción; y la manufactura aditiva y pruebas no destructivas, que permiten evaluar la calidad sin dañar el producto.

Destacar algunos beneficios como la reducción de costos al minimizar desperdicios y retrabajos, una mayor eficiencia gracias a la optimización de procesos, una mayor satisfacción del cliente con productos confiables y de alta calidad, y el cumplimiento normativo, que previene sanciones y fortalece la reputación de la empresa.

FUENTE: https://www.semantic-systems.com/semantic-noticias/category/articulos-tecnologicos/

Seguir leyendo

La transformación digital está revolucionando las empresas, generando, en ocasiones, nuevos e innovadores modelos de negocio. No obstante, la mayoría de las compañías aún no han iniciado formalmente su transformación. ¿Qué aspectos intervienen en estos procesos de cambio y qué prácticas son las más aconsejables para emprender o intensificar una transformación digital?

La transformación digital (TD) se ha convertido en un proceso disruptivo que no solo está alterando la organización interna de las empresas, también está generando nuevos modelos de negocio. Una investigación de Three Points, The School for Digital Business, cuyos resultados están recogidos en el Think Digital Report 2021, descifra las claves de la transformación digital en España y Latinoamérica, analizando las características de los procesos de cambio que han desarrollado 432 compañías (ver el cuadro 1, en la página siguiente), así como los retos y oportunidades que se presentan al respecto en la actualidad. Los resultados de este estudio permiten comprender las principales tendencias en TD, las dimensiones que intervienen, los aspectos críticos del proceso y las mejores prácticas para iniciar la transformación en una organización o profundizar en ella.

FUENTE: https://www.harvard-deusto.com/tic

Seguir leyendo

Hace no demasiado tiempo, los departamentos de Negocio de las grandes empresas consideraban el departamento de Tecnología como el departamento de los informáticos, de los que se encargaban de servidores, de las comunicaciones, de la seguridad o de otra serie de cuestiones relacionadas con hierro o cables. Es decir, lo consideraban un «mal necesario», pero alejado de su realidad diaria.

Sin embargo, una serie de factores, como el auge de consultorías estratégicas que ayudan a la transformación digital de la empresa, un aumento generalizado del presupuesto de las TIC o el aumento de poder del CIO dentro de la dirección demuestran que hoy en día existe la percepción de que la tecnología es siempre una gran aliada que acompaña cada nueva idea o cada nuevo giro marketiniano de la compañía.

No solo significa poder conocer mejor a un cliente (Big Data o Business Intelligence), sino que permite establecer un canal directo entre clientes y empresa (e-commerce, apps, webs), lo que condiciona completamente cualquier estrategia de márketing (ya sea directo o indirecto) que acometa la compañía para captar o fidelizar clientes. En resumidas cuentas, la tecnología ha pasado a ser core de todos los negocios, y ningún CEO permanece ajeno a este hecho

Otros artículos de: El sector opina sobre «El impacto de las TIC en la empresa»

La tecnología como herramienta para desarrollar relaciones a largo plazo con los clientes

Liderazgo y «analytics»

Convertir los datos en información valiosa para su negocio

Tecnología y negocio ¿»customer experience» o «customer hunter»?

Las fronteras se desvanecen

Transformación digital en corporaciones

FUENTE: https://www.harvard-deusto.com/tic

Seguir leyendo

UNA NUEVA ETAPA DORADA PARA LA INTELIGENCIA ARTIFICIAL La inteligencia artificial, o IA, es una disciplina dentro de la informática y la ingeniería cuyo objetivo es el desarrollo de sistemas inteligentes –capaces de aprender y adaptarse– tomando como referencia la inteligencia humana. Y de la misma manera que la inteligencia humana es diversa, compleja y múltiple, la inteligencia artificial también lo es. De hecho, hay numerosas ramas de estudio dentro de la IA, incluyendo la robótica, la percepción por ordenador (visión, reconocimiento del habla, etc.), el aprendizaje automático, la planificación, el razonamiento, la representación del conocimiento, el procesamiento del lenguaje natural, las ciencias sociales computacionales, la informática afectiva, los agentes inteligentes, los chatbots…

La inteligencia artificial (IA) está viviendo, sin duda, una nueva etapa dorada en sus más de setenta años de vida, no exenta de sus luces y sus sombras. Según un informe de la firma Tractica, se estima que el mercado de la inteligencia artificial alcanzará los 36.000 millones de dólares en 2025, tras un crecimiento exponencial desde 2016. Las inversiones en startups basadas en la inteligencia artificial han crecido también exponencialmente, de 589 millones de dólares en 2012 a más de cinco mil millones de dólares en 2016, según la firma CB Insights.

¿Qué ha propiciado este auge de la inteligencia artificial? Hay varios factores que han permitido que técnicas basadas en modelos propuestos hace más de treinta años estén consiguiendo resultados espectaculares. En particular destacaré dos:

1. La disponibilidad de cantidades ingentes de datos (conocido como Big Data) para poder entrenar los modelos de IA. Gracias al crecimiento exponencial en la disponibilidad de datos, sobre todo imágenes, texto y videos, somos capaces de proporcionar suficientes ejemplos para entrenar modelos complejos de redes neuronales (conocidos como modelos de aprendizaje profundo, o deep learning).

2. La existencia de grandes capacidades de computación a precios asequibles –usando procesadores específicos, como GPU, TPU, NPU o FPGA–, para poder procesar todos los datos y entrenar modelos con billones de parámetros. Estos dos factores han permitido experimentar, crear e innovar en los algoritmos basados en redes neuronales, consiguiendo resultados sin precedentes, sobre todo, en las áreas de procesamiento de imágenes y videos.

FUENTE: https://www.harvard-deusto.com/inteligencia-artificial-en-los-negocios

Seguir leyendo

La implementación y el uso de aplicaciones de inteligencia artificial en las empresas, a pesar de ofrecer un enorme potencial, tienen por delante un largo y complejo camino que recorrer. ¿Cuáles son los principales desafíos a los que se debe hacer frente?

En 1954, en plena Guerra Fría, IBM desarrolló su primer traductor automático ruso-inglés. Este sistema pionero tenía algunas limitaciones: operaba con solamente seis reglas gramaticales y un diccionario de doscientas cincuenta palabras. A pesar de ello, logró traducir sesenta frases. Dos años más tarde, el equipo de investigadores de Stanford liderado por John McCarthy enfrentó una máquina a dos campeones de ajedrez rusos, perdiendo dos partidas, pero empatando otras dos. Fue este equipo, precisamente, el que acuñó la expresión inteligencia artificial, que definió como “la ciencia e ingeniería de hacer máquinas inteligentes, especialmente programas inteligentes”.

¿Programas inteligentes? ¿Estamos hablando, sencillamente, de un tipo de software más avanzado? Una de las posibles respuestas a esta pregunta, según el investigador de la Universidad de Aalto Antti Ajanki, es que, en el entorno de los programas informáticos, los programadores automatizan tareas escribiendo programas, mientras que, en el entorno de la inteligencia artificial, es la computadora la que escribe el programa que se ajusta a los datos disponibles. Esta última afirmación puede parecer exagerada; la aplicación de inteligencia artificial no escribe el programa desde cero, puesto que ha sido desarrollada por un programador, pero lo que sí hace es aprender patrones de modo autónomo, en función de datos que recibe y procesa.

La inteligencia artificial en las empresas
La inteligencia artificial aporta un gran valor a aquellas compañías que la utilizan de forma apropiada, incrementando la eficiencia y la calidad de sus operaciones, de una forma que implica cambios radicales en la gestión empresarial en todas sus áreas: logística, operaciones, marketing, ventas, finanzas, etc. Algunos consideran que esta es una tecnología disruptiva, por la forma en la que está influyendo y cambiando un gran número de actividades empresariales, institucionales, científicas, tecnológicas y personales.

Si McCarthy habló de inteligencia artificial por primera vez hace sesenta y cinco años, debe haber alguna razón por la que esta tecnología no haya irrumpido con fuerza hasta hace relativamente poco tiempo. El motivo, entre otros, lo podemos encontrar en el hecho de que las aplicaciones de inteligencia artificial son más eficaces cuanto mayor es la cantidad y mejor la calidad de datos a procesar. El continuo incremento de la potencia de procesamiento de los ordenadores, la generalización del uso de Internet, la creación de una gran cantidad de bases de datos y el acceso a ellas han permitido los impresionantes avances de estas aplicaciones en los últimos años. Aun así, las empresas que deseen implementar la inteligencia artificial en su día a día, se enfrentan a varios retos. Seguir leyendo en fuente.

FUENTE: https://www.harvard-deusto.com/tic

Seguir leyendo