exposición # 7 administración del conocimiento

TRABAJADORES DEL CONOCIMIENTO
Y TRABAJO DEL CONOCIMIENTO

                                   

     Entre los trabajadores del conocimiento,  se encuentran:  investigadores, diseñadores, arquitectos, científicos e ingenieros que en primera instancia crean conocimiento y grupos de datos para la organización. Por lo general los trabajadores del conocimiento tienen altos niveles de educación y membrecías en organizaciones profesionales, además de que a menudo se les pide que ejerzan un juicio independiente como un aspecto rutinario de su trabajo. Por ejemplo, los trabajadores del conocimiento crean nuevos productos o buscan formas de mejorar a los existentes.

También realizan tres funciones claves que son críticas para la organización y para los  gerentes que trabajan dentro de la organización:

• Mantener a la organización actualizada en el conocimiento, a medida que se desarrolla

   en el mundo externo: en tecnología, ciencia, pensamiento social y artes

  • Servir como consultores internos en relación con las áreas de su conocimiento, los cambios que se están llevando a cabo y las oportunidades

  • Actuar como agentes del cambio, evaluar, iniciar y promover proyectos de cambio.

REQUERIMIENTOS DE LOS SISTEMAS
DE TRABAJO DEL CONOCIMIENTO

• La mayoría de los trabajadores del conocimiento dependen de los sistemas de oficina,  como procesadores de texto, correo electrónico, videoconferencias y sistemas de programación de horarios, los cuales están diseñados para incrementar la productividad de los trabajadores en la oficina. Sin embargo, los trabajadores del conocimiento también requieren sistemas de trabajo del conocimiento muy especializados. Estos sistemas requieren el suficiente poder de cómputo como para manejar los gráficos  sofisticados o los cálculos complejos necesarios para dichos trabajadores del conocimiento, como los investigadores científicos, diseñadores de productos y analistas financieros.

• Los trabajadores del conocimiento están muy bien pagados: desperdiciar el tiempo de un trabajador del conocimiento es algo muy costoso. A menudo las estaciones de trabajo del conocimiento se diseñan y optimizan para las tareas específicas; por ejemplo, un ingeniero de diseño requiere una configuración de estación de trabajo distinta a la de un analista financiero. Los ingenieros de diseño necesitan gráficos con el suficiente poder como para manejar los sistemas CAD tridimensionales (3-D). Sin embargo, los analistas financieros están más interesados en acceder a un gran número de bases de datos externas y bases de datos de gran tamaño para almacenar y acceder de manera eficiente a cantidades masivas de datos financieros.

EJEMPLOS DE SISTEMAS DE TRABAJO
DEL CONOCIMIENTO

• Algunas de las principales aplicaciones de trabajo del conocimiento son los sistemas CAD. El  CAD  automatiza   la creación y   de diseños, mediante el uso de computadoras y software de gráficos sofisticado. Si se utiliza una metodología de diseño físico más tradicional, cada vez que se modifique el diseño hay que crear un molde y un prototipo para realizar pruebas físicas. Es necesario repetir este proceso muchas veces, lo cual es muy costoso y consume mucho tiempo. Al usar una estación de trabajo CAD, el diseñador sólo tiene que crear un prototipo físico casi al final del proceso de diseño, ya que éste se puede probar y modificar con facilidad en la computadora. La habilidad del software CAD de proveer especificaciones de diseño para los procesos de mecanizado y manufactura también ahorra una gran cantidad de tiempo y dinero, al tiempo que se produce un proceso de manufactura con muy pocos problemas.

CAPTURA DEL CONOCIMIENTO:
SISTEMAS EXPERTOS

Los sistemas expertos son una técnica inteligente para capturar el conocimiento tácito un dominio muy específico y limitado de la pericia humana. Estos sistemas capturan el conocimiento de los empleados calificados en forma de un conjunto de reglas en un sistema de software que pueden usar los demás empleados en la organización. Este conjunto de reglas en el sistema experto se agrega a la memoria, o aprendizaje almacenado, de la firma.

INTELIGENCIA ORGANIZACIONAL:
RAZONAMIENTO CON BASE EN EL CASO

• En primera instancia, los sistemas expertos capturan el conocimiento tácito de los
• expertos individuales, pero las organizaciones también tienen un conocimiento y pericia colectivos que han acumulado a través de los años. Este conocimiento organizacional se puede capturar y almacenar mediante el razonamiento con base en el caso. En el (CBR), las descripciones de las experiencias pasadas de los especialistas humanos, que se representan como casos, se almacenan en una base de datos para recuperarlas después, cuando el usuario se encuentre con un nuevo caso que tenga parámetros similares, el sistema busca los casos almacenados con características de problemas similares al nuevo, encuentra el que más se ajuste y aplica las soluciones del caso antiguo al nuevo. Las soluciones exitosas se añaden al nuevo caso y todo esto se almacena junto con los otros casos en la base del conocimiento.

Sistema de lógica difusa

• La lógica difusa provee soluciones a los problemas que requieren una pericia difícil de representar en la forma de las tajantes reglas SI-ENTONCES. En Japón, el sistema de metro subterráneo de Sendai usa controles de lógica difusa para acelerar con tanta suavidad que los pasajeros que viajan de pie no necesitan sujetarse.

 Mitsubishi Heavy Industries en Tokio ha podido reducir el consumo de energía de sus aires acondicionados un 20 por ciento, mediante la implementación de programas de control en la lógica difusa la cual permite colocar cámaras con dispositivos de enfoque automático. En estos casos, la lógica difusa permite cambios incrementales en las entradas para producir cambios uniformes en las salidas en vez de que sean discontinuos

Redes neurales

• Las redes neurales se utilizan para resolver problemas complejos y malentendidos, para los que se han recolectado grandes cantidades de datos. Buscan patrones y relaciones en cantidades masivas de datos cuyo análisis sería demasiado complicado y difícil para un humano. Las redes neurales descubren este conocimiento mediante el uso de hardware y software que se asemejan a los patrones de procesamiento del cerebro biológico o humano. Las redes neurales “aprenden” patrones de grandes cantidades de datos al escudriñar los datos, buscar relaciones, crear modelos y corregir una y otra vez los propios errores del modelo.

ALGORITMOS GENÉTICOS

• Los algoritmos genéticos son útiles para encontrar la solución óptima a un problema específico, mediante el análisis de una gran cantidad de posibles soluciones para ese problema. Se basan en las técnicas inspiradas por la biología evolucionaría, como la herencia, mutación, selección y cruce (recombinación). La función de un algoritmo genético es representar la información como una cadena de dígitos 0 y 1. El algoritmo genético busca en una población de cadenas de dígitos binarios generadas al azar, de modo que pueda identificar la cadena correcta que represente la mejor solución posible para el problema. A medida que se alteran y combinan soluciones, se descartan las peores y sobreviven las mejores para continuar y producir soluciones aún mejores.

SISTEMAS DE AI HÍBRIDOS

• Los algoritmos genéticos, la lógica difusa, las redes neurales y los sistemas expertos se pueden integrar en una sola aplicación para aprovechar las mejores características de todas estas tecnologías. Dichos sistemas se conocen como sistemas de AI híbridos. Cada vez son más las aplicaciones híbridas en los negocios.