Las transparencias de la clase que he impartido en el Master de estudios avanzados en dirección de empresas (en el curso Sistemas de Información Avanzados (Comercio electrónico)). Amplía con casos de estudio temas que he tratado en otros cursos. Pero éstas son más completas.

1. Sistemas de Información Avanzados (Comercio electrónico)
Master de estudios avanzados en dirección de empresas
Oportunidades para la
economía basada en la Ingeniería
del Conocimiento en Internet
Joaquín Borrego Díaz
Departamento de Ciencias de la Computación e Inteligencia Artificial
jborrego@us.es Twitter:jborrego

2. Contenido
• Preliminares:
• Todo está inventado
• Flujos de información en la Web 2.0
• Modelos de negocio abierto. Freenomics
• Casos de estudio
• Caso 1: Suburbios 2.0
• Caso II: Permeabilidad
• Caso III: Móviles
• Caso IV: Semántica emergente
• Caso V: Interoperabilidad semántica en empresas
• Caso VI: Singularidad
• Caso VII: Agentes
• Referencias

3. ¿Qué Inteligencia Artificial usamos
para gestionar el conocimiento?
• Agentes inteligentes (racionales)
• Sistemas multiagente
• Ingeniería del Conocimiento
• Razonamiento Automático
• Inteligencia Colectiva

4. Todo está
inventado, sólo
potenciamos

5. Globalidad por
necesidades del Imperio

6. Todo está inventado: París, 1931

8. Cibersyn (Chile, 1971)
• http://www.cybersyn.cl/castellano/cybersyn/index.html
Stafford Beer
Director de Cybersyn

9. Innovación y
Conocimiento

11. Innovación (2006)

12. Si todo está inventado...
¿Copiamos?
• Hermanos Samwer: cloneo rápido en su
país
• Alando.de, clon de ebay
• Ebay pagó 50mill$
• StudiVZ, clon de Facebook
• Vendido por 100mill$
• PERO...

13. ¿Cuántos clones son
sostenibles?

14. Si todo está
inventado... ¿Qué
hacemos?
• ¿Emular a los californianos?
• ¿Olvidarnos de la Web social?
• Spain is different
• EXISTEN
OPORTUNIDADES

15. Curva de Gartner

16. Curva de Garner (2006)

17. Curva en el 2008

18. Curva en el 2010

19. Repercusión (2009)

20. Flujos de
información
en la Web 2.0

21. Web 1.0, Web 2.0 y
Semantic Web

22. Ecosistema informacional
en la Web 2.0
Ci
so
clo
nc
sd
iclo
eI
¡¡T !
SS!
sd
AG ¡¡R
nfo
No ono
s!!
eC
rm
aci
s
ón
re
cim
ido
ien
um
to
¡¡Portal!!
os
Pr

23. Libre de escala,
mundo pequeño

24. Confluencia de tres
circunstancias

25. Un caso de éxito: blogging
Flujo de información
¿Puede convertirse
en ciclo?

26. Caso específico:
Microblogging

27. Flujos
Blogging
Compañía
corporativo
Análisis
¿Extracción de conocimiento?

28. Integración e importacia de
Twitter

29. Diciembre de 2009
• Dell ha alcanzado
los 6.5 millones de
dólares en ventas
directamente
relacionadas con
Twitter, lo que
significa que en solo
seis meses Dell ha
duplicado sus ventas
vía Twitter

30. Otro caso específico:
economías afectivas
• La información como regalo y la ganancia
como regalo
• Propuesta: estudiarla desde el paradigma de
• Martin A. Nowak and Karl Sigmund ,
Evolution of indirect reciprocity, Nature
437, 1291-1298 (27 October 2005)

31. Reprocidad
Directa
Reprocidad
Indirecta

32. Construcción de
reputación

34. Nuevos modelos de
negocio
m ics
e no
F re

37. Casos de estudio

38. Suburbios 2.0
Caso de estudio I

39. Saturación

40. Idea: explotar los
suburbios

41. No es exactamente
la larga cola
ired
ders on, W
hris An
C

42. Ejemplos:

43. Parasitismo 2.0

45. Permeabilidad
Caso de estudio II

47. Interés
• TODOS los proyectos Web 2.0 intentan
establecer membranas
• Atractivas
• De interés económico
• Proyectos que traspasen la membrana

48. Ejemplos I:

49. Ejemplo I (cont.):

50. Ejemplo II

51. Ejemplo III

52. Ejemplo IV: Digital Remains

53. Realidad aumentada
para traspasar la
Apps para
membrana añadir

54. Cuestión:
• ¿Cómo trabajar con el conocimiento para
diseñar proyectos sobre la permeabilidad?
Ejemplos:
• Digital Remains: Ontologías sobre biografías
2.0
• Flashmobs: Detección de tendencias para
extraerlas de Twitter o Facebook
• Diseño de aplicaciones semánticas para
enriquecer la experiencia de usuario

55. Móviles y
conocimiento
Caso de estudio III

57. Nichos para proyectos:
• Representación del conocimiento móvil
• Razonamiento contextual
• Inteligencia ambiental
• Computación móvil
• Geolocalización
• Informática Urbana (móvil)

58. Ejemplos y propuestas
• Foursquare
• Layar
• Aplicaciones basadas en el
conocimiento para las apps stores
• Experimentos en media con potencial
• Teleasistencia. Telediagnosis
• Semantic Sensor Web

61. Funcionamiento

63. Semántica
emergente
Caso de estudio IV

66. Solución
• Canalizar el conocimiento
• Sentido fuerte: Web Semántica 2.0
• Sentido débil: Linked Data

67. La metaweb

68. era
rim a!
¡P ol

69. or
ap or
ad e ap
pr gl ad
m oo pr i
Co G m Evr
Co
0 10
2

70. Nuevas (canalización débil)

71. Canalización fuerte
Semantic MediaWiki
OntoxicWiki

72. Adaptando
crowdsourcing

73. Linked Data

74. Ejemplo: empresa
farmacéutica

76. Propuestas
• Semantizar algunos de los
proyectos presentados
• Proponer semantizaciones
débiles en forma de clientes
para proyectos existentes
• Linked data
• Sistemas para extraer
conocimiento de la
empresa

77. Interoperabilidad
Semántica
para la empresa
Caso de estudio V

78. Subcaso (a):
Comercio electrónico

79. • GoodRelations is a standardized vocabulary for
product, price, and company data that
• can be embedded into existing static and dynamic Web
pages and that
• can be processed by other computers.
• This increases the visibility of your products and services in the
latest generation of search engines,
recommender systems, and novel mobile or
social applications.
Hepp, Martin: GoodRelations: An Ontology for Describing Products and Services Offers on the
Web, Proceedings of the 16th International Conference on Knowledge Engineering and
Knowledge Management (EKAW2008), 2008, Springer LNCS, Vol 5268, pp. 332-347.

80. ¡Uso!

81. Primer nivel de la jerarquía de
clases

82. Ejercicio: Comparar
conTrade.owl
Nota: no se visualizan los roles de
Trade.owl

87. Subcaso (b):
Integración de la
información de la empresa

88. Interoperabilidad en la empresa (I)

90. Interoperabilidad en la
empresa (II): capas

91. lo s
m p
E je
Adaptadas

98. Ventajas del uso en
Renault
• Se facilita el intercambio de información entre los
repositorios de información sobre sus
automóviles
• La modelización realizada se puede compartir con
otros servicios de la empresa (por. ej. compra de
repuestos)
• Unifican los datos para toda la empresa, que usa
un entorno distribuido
• Facilita el prototipado y el desarrollo

99. Oportunidades
• Creación de software específico con
tecnología semántica
• Creación de portales semánticos para
empresas
• Software avanzado para la
evolución económica

100. Evolución económica
versus 2.0

101. Caso específico:
Externalización

102. Caso específico: Externalización
• Ciclo de Nonaka & Takeuchi para la
externalización del conocimiento en
empresas
I. Nonaka, H. Takeuchi Knowledge-Creating Company: How Japanese Companies
Create the Dynamics of Innovation, Oxford University Press

103. Proyección Web 2.0 semántica

104. Objetivo de
OntoxicWiki

106. Co
ex n
te oc
rn im
al ien
iz to
ad
o

107. La WWW como
red neuronal
aumentada
Caso de estudio VI

108. Propuesta por
Vernon Vinge, 1993

110. nt es
cede
P re

111. nt es
cede
P re

112. nt es
cede
P re

113. nc ias
ge re
Su

114. Posibles singularidades
parciales
• Nell, un sistema que está contínuamente aprendiendo
del contenido que lee de la Web.
• Recorded Future empresa que hace análisis temporal y
que se vende como que predice el futuro. En ésta han
invertido empresas serias como Google, la CIA y Yahoo!
• Uso de twitter para predecir y estimar
epidemias de gripe. A. Culotta y estudiantes analizaron
500 millones de tuits (Agosto 2009/Mayo 2010) y
consiguieron aproximar la evolución de la gripe mejor y
antes que el tradicional método de recolectar la
información de los hospitales.
• Uso de twitter para predecir el éxito de una
película. Investigadores de HP labs demuestran que
monitorizando twitter pueden predecir si un film va a ser
un éxito de taquilla o no.

116. Elementos de esas
singularidades parciales
• Ayuda de técnicas de data
mining y extracción de
conocimiento
• Fuerte componente social
• Resultados inesperables de los
datos (de su dinámica)
• Sistemas complejos

117. Agentes para
trabajar con
conocimiento
Caso de estudio VII

120. eb a
W tic
La án ón
i
S em acc
en

121. Perspectivas de futuro:
Agentes y Web Semántica
Razonamiento en la WWW
Infraestructura en la Web Semántica

123. Oportunidades
• Minería de conocimiento (en contraposición
a la minería de datos) realizada por agentes
• Análisis de la actividad en redes sociales
• Agentes proactivos para personalizar la
“vida” en la Web 2.0
• Delegación del comercio electrónico a
agentes racionales (por ej. razonando sobre
goodrelations)

124. Referencias
• Sobre la Web 2.0: Artículo de O’Reilly:
• http://
sociedadinformacion.fundacion.telefonica.com/
DYC/SHI/
seccion=1188&idioma=es_ES&id=2009100116
300061&activo=4.do?elem=2146
• Modelos de negocio abierto:
• ubr.universia.net/pdfs_web/UBR002200912.pdf

125. Referencias (II)
• Sobre la larga cola:
• http://www.usolab.com/articulos/long_tail.php
• Sobre Web 2.0 Móvil:
• http://mobileweb20.futuretext.com/ capítulo
descargable del libro
• Sobre la singularidad: Entrada en la Wikipedia
• http://es.wikipedia.org/wiki/
Singularidad_tecnológica

126. Referencias (III)
• Agent Technology: Computing as
Interaction (A Roadmap for Agent Based
Computing)
• http://eprints.ecs.soton.ac.uk/11788/