"Algoconomy: el futuro que te espera"

TRABAJO FIN DE MASTER
Master en Digital Business
TITULO
"Algoconomy: el futuro que te espera"
Autor/a: Miguel Ángel Morcuende
Tutor: José Luis Peinó
MDB Ed Oct 2015/2016

ÍNDICE
1. RESUMEN...............................................................................................Pag 2
2. INTRODUCCIÓN......................................................................................Pag 3
3. MARCO TEÓRICO....................................................................................Pag 4
4. DESARROLLO..........................................................................................Pag 9
5. CONCLUSIONES.......................................................................................Pag 41
6. ANEXOS..................................................................................................Pag 43
7. BIBLIOGRAFÍA.........................................................................................Pag 44

2
RESUMEN
Hoy día estamos viviendo en la tormenta perfecta, iniciando un nuevo ciclo de
incertidumbre económica y a la vez en medio de un gran Tsunami, que podemos
denominar “Digital por todos los lados” (Digital Everywhere). La confluencia de tres
tendencias: los volúmenes de datos sin precedentes, masivamente mayor potencia de
procesamiento y las nuevas herramientas analíticas, están creando un "punto de
inflexión" más allá del cual algoritmos diferenciales se convierten en el nuevo centro de
competencia.
Para poder comprender el nuevo contexto hemos examinado el libro de Carlota Pérez
1 “Technological Revolutions and Financial Capital: The Dynamics of Bubbles and
Golden Ages” de 2002, donde se desarrolla una perspectiva acerca de las cinco
revoluciones tecnológicas ocurridas en los últimos 250 años. Y lo más importante, se
explica el comportamiento del capital financiero en cada fase de estas revoluciones.
Si profundizamos en la revolución tecnológica actual (Época de la Informática y las
Telecomunicaciones (TIC) (1971-2040?), podemos encontrar las cinco fases siguientes:
"Irrupción" (1971, primer microprocesador de Intel), "Frenesí" (1987-2000, nacimiento de
Internet), "Punto de Inflexión" (con dos crisis: la burbuja de las punto-com y la crisis
financiera mundial, 2.001-2.010), "Sinergia "(2010-2025, Algoconomy) y "Madurez" (2025-
2040?). Esta Época de la Informática y las Telecomunicaciones se encuentra en la
mitad de su ciclo que marca la transición de una turbulenta época dorada, dirigida
por el capital financiero, a una época de bonanza (más armoniosa), dirigida por el
capital productivo.
Y es en esta fase (sinergia) y en la siguiente (madurez) donde adquiere importancia la
“Algoconomy”, que podemos definir: “los algoritmos crean un ecosistema económico
actuando sobre los datos y aplicando reglas de negocio dinámicas, generando una
ventaja competitiva y un valor de negocio adicional”; es decir hablamos de la
Economía de los Algoritmos. Según Gartner2: "Interconexiones, Relaciones y Algoritmos
están definiendo el futuro de los negocios". Lo que vamos a ver durante los próximos
años será la batalla de los FAGA (Facebook, Apple, Google y Amazon) con las
grandes empresas (las tradicionales) para tomar posiciones y ser líderes en la fase de
madurez, con el fin de desplazar a otras empresas. ¿Serán las empresas tradicionales
las que desplazarán a las FAGA durante los próximos 15-20 años o viceversa?
Los algoritmos dinámicos son el núcleo de las nuevas interacciones con los clientes. Los
algoritmos, por tanto, definen los procesos de negocio. Pero ¿Cómo trabaja tu
empresa?, ¿Puedes calcular el valor de la confianza en tu relación Digital?, ¿Qué
algoritmos ha desarrollado?. Es difícil reconocer a los algoritmos como elementos
discretos que generan valor, debido a que están dentro de los procesos de negocio
existentes (Uber, Tesla, PageRank, Netflix, Facebook, Amazon, Waze, Google,…).
Este Trabajo Fin De Master (TFM) está destinado a identificar los algoritmos que están
ejecutándose hoy día, tanto en negocios de éxito, como en próximos negocios. El
objetivo final será revelar la importancia de Algoconomy en los próximos años. En
definitiva, nuestra tarea será la de analizar en qué fase de madurez se encuentran los
algoritmos en diferentes empresas y cuál es su impacto económico en diversos
sectores. Para ello, también examinaremos los resultados de una encuesta ad hoc
realizada para este proyecto de investigación, analizando sus conclusiones. La
siguiente revolución será en 20XX ¿será la Época de la Bio-Tecnología y Nano-
Tecnología, Bioelectrónica y Nuevos Materiales?, ¿Triunfará definitivamente el
Grafeno?

2
SUMMARY
Today we are living in the perfect storm, starting a new cycle of economic uncertainty
and while in the midst of a large Tsunami, we could name “Digital Everywhere”. The
confluence of three trends: unprecedented data volumes, massively increased
processing power and new analytical tools, are creating a "tipping point" beyond
which differential algorithms become the new center of competence.
In order to understand the new context we have examined the book3 “Technological
Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages”, Carlota
Pérez, 2002, where it develops a perspective on five technological revolutions occurred
in the last 250 years. And most importantly, financial capital behavior is explained at
every stage of these revolutions. If we delve into the current technological revolution
(Age of Information Technology and Telecommunications (1971-2040?), we find the
following five phases: "Irruption" (1971, first Intel microprocessor), "Frenzy" (1987-2000,
birth of the Internet), "Turning point" (with two crises: the bubble of the dot-com and the
global financial crisis, 2001-2010), "Synergy" (2010-2025, Algoconomy) and "Maturity"
(2025-2040?. Nowadays "Age of Information Technology and Telecommunications" is in
the middle of the cycle that marks the transition from a turbulent golden age, led by
financial capital, to a time of prosperity (more harmonious), and led by the productive
capital.
And it is in this phase (Synergy) and the next (Maturity) where "Algoconomy" becomes
important. Algoconomy definition might be: “the algorithms create an economic
ecosystem acting on the data and applying dynamic business rules, creating a
competitive advantage and an additional business value”; we talk about the
Algorithmic Economy. According to Gartner: "Interconnections, Relationships and
algorithms are defining the future of business". Over the next few years we will see the
battle of FAGA (Facebook, Apple, Google and Amazon) with large companies
(traditional) to take positions and be leaders in the maturity phase, in order to displace
to other companies. Will the traditional companies that move to the FAGA over the
next 15-20 years or vice versa?
Dynamic algorithms are the core of the new interactions with customers. Algorithms
therefore defined business processes. But how your company works? Can you
calculate the value of trust in your Digital relationship? What algorithms developed? It is
difficult to recognize the algorithms as discrete elements that generate value, because
they are within existing business processes (Uber, Tesla, PageRank, Netflix, Facebook,
Amazon, Waze, Google,...) We will analyze different algorithms in the digital
environment and how their application is changing business.
This Master's Thesis (TFM) is intended to identify algorithms that are running today, both
successful businesses, and nearby businesses. The ultimate goal is to reveal the
importance of Algoconomy in the coming years. In short, our task will be to analyze in
which maturity stage we can find the algorithms in different companies and what is
their economic impact in various sectors. To do this, we will also examine the results of
an ad hoc survey conducted for this research project, exposing and analyzing its
findings. The next revolution will be in 20XX? Will be the Age of Biotechnology and
Nanotechnology, Bioelectronics and New Materials? Or graphene definitely succeed?

INTRODUCCIÓN
Los Algoritmos definen la forma en que funciona el mundo: ¿Cuánto petróleo se
produce, refina y distribuye?; la determinación de la combinación adecuada de
medicamentos para un paciente; ¿Cómo funciona una ciudad? En un futuro próximo,
cómo funcionarán nuestros coches. Ello es posible por la confluencia de tres
tendencias: los volúmenes de datos sin precedentes, masivamente mayor potencia de
procesamiento y las nuevas herramientas analíticas, están creando un "punto de
inflexión" más allá del cual algoritmos diferenciales se convierten en el nuevo centro de
competencia.
Los algoritmos dinámicos son clave en las nuevas interacciones con los clientes. A lo
largo de este trabajo de investigación analizaremos algunos ejemplos de esta
Algoconomy:
 El algoritmo de recomendación de Amazon te mantiene engaged
(comprometido/ocupado) dentro de su web y finalmente te incita a comprar,
usando para ello sus recomendaciones.
 El algoritmo dinámico de múltiples fuentes (construido a través de crowd-
sourcing) de Netflix te mantiene siempre viendo nuevos contenidos y según sea
tu perfil de usuario te sugiere nuevas series, películas o contenidos de tu
agrado.
 El algoritmo de Waze dirige miles de coches independientes en las carreteras;
cada coche recibe la mejor ruta, según el tráfico. Ello está cambiando los
patrones de tráfico de manera sustancial. En tiempo real, de forma dinámica.
 Los algoritmos en el área de servicios financieros están creando un nuevo
ecosistema de negocios conocido como “Fintech4”. Pero evidentemente,
habrá que estar atento a que esto suceda en otras industrias.
 …
En el mundo puramente digital, los agentes actúan de forma independiente con base
en nuestros algoritmos. Asistentes personales virtuales se están convirtiendo en una
realidad. Gartner afirma que en 2022, los usuarios no estarán en la simple utilización de
aplicaciones en sus dispositivos, de hecho se habrán olvidado de aplicaciones.
Dentro de esta economía de los algoritmos hay que tener en cuenta 3 áreas que están
ya viviendo esta transformación.
En el presente trabajo analizaremos las tres áreas que más influencia está ejerciendo
en el desarrollo de Algoconomy, que son: Big Data, Internet de las Cosas y la
Seguridad; y además estas áreas están influenciando sobre un nuevo ecosistema de
negocio digital (Digital Business). ¿Qué ocurrirá en 2020 cuando 30.000 millones de
cosas estén interactuando con negocios y 6.000 millones de personas con Smart
Phones?
Para el 2020 los ingresos procedentes de nuevos negocios digitales crecerán un 80 por
ciento.

4
MARCO TEÓRICO
Para poder entender el marco teórico de la posición donde nos encontramos, nos
hemos basado en el libro de Carlota Pérez “Technological Revolutions and Financial
Capital: The Dynamics of Bubbles and Golden Ages” de 2002, donde se desarrolla una
perspectiva acerca de las cinco revoluciones tecnológicas ocurridas en los últimos 250
años. Y lo más importante, se explica el comportamiento del capital financiero en
cada fase de estas revoluciones. Cada revolución tecnológica produce un cambio
estructural y un nuevo tejido productivo. Y cada revolución tecnológica sigue la
“curva S de la innovación”; cada curva S normalmente se puede dividir en dos
períodos, con una gran crisis financiera en el medio. Toda revolución se compone de
cinco fases que duran alrededor de una década o década y media cada una, o sea
cada revolución dura medio siglo.
Las cinco revoluciones tecnológicas que menciona Carlota Pérez5 son: Revolución
Industrial (1771), Época del Hierro, la Máquina de Vapor y el Ferrocarril (1829), Época
del Acero y la Ingeniería Pesada (1875), Época del Petróleo, el Automóvil y la
Producción en Masa (1908) y la Época de la Informática y las Telecomunicaciones
(TIC) (1971). Por tanto, es preciso entender el contexto histórico del porqué y del
dónde estamos.
El estudio de las grandes oleadas tecnológicas permite afirmar que la crisis actual es
un fenómeno típico del modo en cómo se asimilan las grandes oleadas de cambio
tecnológico; es la quinta vez en dos siglos y medio que ocurre este tipo particular de
auge financiero y colapso espectacular, por tanto es un fenómeno repetitivo, basado
en ciclos. Cada oleada tiene un doble poder transformador, se produce una vasta
transformación de la economía y la sociedad. La gráfica muestra las fechas
aproximadas de los períodos de instalación y despliegue de cada oleada de
desarrollo6.
Si profundizamos en la revolución tecnológica actual (Época de la Informática y las
Telecomunicaciones (TIC) (1971-2040?), podemos encontrar las cinco fases siguientes:
"Irrupción" (1971, primer microprocesador de Intel), "Frenesí" (1987-2000, nacimiento de
Internet), "Punto de Inflexión" (con dos crisis: la burbuja de las punto-com en el año
2000 y la crisis financiera mundial, 2001-2010), "Sinergia "(2010-2025, Algoconomy) y
"Madurez" (2025-2040?). Esta Época de la Informática y las Telecomunicaciones se
encuentra en la mitad de su ciclo; por tanto, hoy nos ubicamos en la fase de sinergia y
los próximos años estaremos en fase de madurez. Y esta mitad del ciclo marca la
transición de una turbulenta época dorada, dirigida por el capital financiero, a una
época de bonanza (más armoniosa), dirigida por el capital productivo.

Cada oleada tiene dos períodos distintos7, definiendo el carácter cambiante del
proceso de asimilación, de manera que la secuencia recurrente se compone de cinco
fases que duran alrededor de una década o década y media cada una, “Irrupción”,
“Frenesí”, “Punto de Inflexión”, “Sinergia” y “Madurez”. En definitiva, y para tener la
fotografía completa, estamos hablando en cada oleada de:
- Período de Instalación (liderado por el capital financiero) que dura dos o
tres décadas y se compone a su vez de dos fases: “Irrupción” y “Frenesí”.
- Punto de Inflexión, es el intervalo de reacomodo (se produce una recesión,
o sea una gran burbuja financiera y un colapso del mercado de capitales)
- Período de Despliegue (liderado por el capital productivo) que dura dos o
tres décadas y se compone a su vez de dos fases: “Sinergia” y “Madurez”.
Este tipo de transformaciones económicas masivas implican procesos complejos de
asimilación, forma en que el progreso ocurre en el capitalismo. Abarcan cambios
sociales radicales en producción, organización, gestión, comunicación, transporte y
consumo, lo que lleva a un "modo de vida " diferente. Cada oleada requiere grandes
cantidades de esfuerzo, inversión y aprendizaje, tanto individual como social. Ésa es la
razón por la que todo el proceso dura medio siglo en desarrollarse, durando más de
una generación, hay tres generaciones8 que hoy día conviven9. Una sociedad con
una infinidad de rutinas, hábitos, normas y reglamentos, tratará de adaptarse a la
revolución anterior, pero no encontrará fácil asimilar la nueva. Esta adaptación se
convierte un obstáculo para la introducción y difusión de la próxima revolución
tecnológica, ocurriendo un proceso de destrucción creativa institucional, con el
desmantelamiento simultáneo del marco antiguo y la instalación progresiva del nuevo.

6
La fase actual de sinergia es clara por cómo llegan a ella actores desde diferentes
lugares del globo, confundiendo los conocidos mercados emergentes (BRIC: Brasil,
Rusia, India y China) con mercados de economías más avanzadas, sobre todo China
como podemos apreciar en la gráfica, donde se compara el valor del mercado de
una determinada compañía tecnológica, su región y su ranking; seguimos viendo a
EE.UU. liderando el ranking, pero la irrupción de China es más que evidente según se
puede apreciar en el siguiente gráfico10:
Goldman Sachs argumenta que el potencial económico de Brasil, Rusia, India y China
(BRIC) es tal que pueden convertirse en las cuatro economías dominantes hacia el año
205011. Estos países se estima que tendrán más del 40 por ciento de la población
mundial y tendrán un PIB combinado de 134.951 mil millones de dólares. En casi cada
escala, serían las entidades más grandes en la escena global; los potenciales
herederos del poderío económico limitado a los miembros del llamado "G-7", (Estados
Unidos, Japón, Alemania, Reino Unido, Francia, Italia y Canadá). China e India,
respectivamente, podrán ser los proveedores globales dominantes de tecnología y de
servicios, mientras que el Brasil y Rusia llegarán a ser semejantemente dominantes
como proveedores de materias primas, aunque los dos últimos ya empezaron a
aumentar de manera estupenda sus parques industriales. Se presume así que el paso
siguiente será la cooperación dentro del BRIC, puesto que Brasil y Rusia juntos
constituyen los mayores surtidores de materiales y alimentos del mundo actual. Así, el
BRIC tiene el potencial de formar un bloque económico de enorme alcance con un
estatus mayor que del actual G812 (G7 y Rusia). La tesis de Goldman Sachs documenta
así como las materias primas, el trabajo, la tecnología, y las compañías se han
difundido hacia fuera de Estados Unidos a través del mundo.
El periódico The Financial Times afirma que el grupo BRICS se está derrumbando como
organización debido a que “la recesión en Brasil y Rusia se hace más profunda”, un
hecho que es indiscutible13. La conclusión a la que llega el diario es que los países
tecnológicamente desarrollados, como Taiwán y Corea del Sur están empujando
hacia fuera las economías basadas en las materias primas, como Brasil y Rusia y podría
ser una evaluación correcta de la situación actual; no sería descabellado pues Taiwan
se está convirtiendo en un polo de innovación14 en el Internet de las Cosas IoT.
Además los niveles de inversión (IPO, Initial Public Offering, en castellano Oferta Pública
de Venta –OPV-) son parecidos al ciclo de la burbuja “.com”, aunque más bajos en
inversión (un 33 por ciento menor), pero están por encima de los niveles del 1999, lo
que significa que hay una inversión real y grande enfocada en las empresas de
tecnología; los actores comienzan a buscar su sitio en la fase de sinergia, con el fin de
ser líderes en la fase próxima de madurez, lo vemos en el gráfico15:

Esta inversión en tecnología parece más que evidente en tres áreas (Big Data, Internet
de las Cosas y Seguridad), que van a impulsar la consolidación de los negocios
digitales (Digital Business); siendo el papel de la economía de los algoritmos
(Algoconomy) relevante en los años venideros
Big Data
El término Big Data16 procede de las conocidas 3V: Volumen de datos (se habla ya de
capacidades de almacenamiento de Brontobytes17 (1000 Yottabytes = 1
Brontobyte), Velocidad de los datos (la velocidad a la que llegan los datos, imaginar la
conectividad que tenéis en casa, muchas veces mayor de la que disponemos en
nuestras empresas) y Variedad de los datos (que tienen diferentes representaciones
como texto, audio, vídeo,…). Estas 3V exigen formas innovadoras y rentables de
procesamiento de la información, que permitan una visión perfeccionada para la
toma de decisiones y la automatización de procesos.
Las nuevas plataformas van menos en la línea de acaparar y almacenar datos y más
en la línea de explotar esos datos inteligentemente mediante algoritmos. Las
plataformas determinarán el valor diferencial de los negocios. Los datos son
importantes, pero cualquiera puede almacenarlos; los datos no hacen nada si no se
sabe cómo usarlos. Los algoritmos son los que definen la acción, están creando nuevos
ecosistemas en todas las industrias. Son la base de las nuevas relaciones con los
clientes (Google, Amazon, Waze, Netflix,...).
Debajo se muestra un ejemplo del crecimiento de los datos hoy día18.

8
Internet de las Cosas (IoT)
El Internet de las Cosas19 (IoT) "es la red de objetos físicos dedicados (cosas) que
contienen tecnología embebida, para detectar o interactuar con sus estados internos
o el entorno externo". El IoT comprende un ecosistema que incluye: cosas, la
comunicación, las aplicaciones y el análisis de datos.
En 2016, el gasto de dispositivos conectados a internet (la parte hardware de
IoT) superará los 2,5 millones de dólares cada minuto20. Esto son muchas
interconexiones creando miles de millones de relaciones gestionadas, no por datos,
sino por algoritmos.
¿Qué ocurrirá en 2020 cuando 30.000 millones de cosas estén interactuando con
negocios y 6.000 millones de personas con Smart Phones?
En 2020, el gasto en servicios relacionados con la tecnología y la IoT ascenderá a
263.000 millones de dólares.
Seguridad
Para 2020, el 50 por ciento de las grandes compañías tendrán un Digital Risk Officer
21que gestionará la IT (Information Technology, Tecnologías de la información), la
OT (Operational Technology, Tecnologías de la Operación) y la IoT (Internet of Things,
Internet de las cosas). Llevándolo al asunto de los algoritmos, habrá que
proporcionar algoritmos de confianza y a la vez seguros. Actualmente el 65 por
ciento de las empresas ha sufrido ataques o brechas de seguridad, por ello estamos
viendo un aumento en los presupuestos de seguridad, el presupuesto hoy triplica al de
2011.
En 2015, el gasto mundial en seguridad ascendió a 75.000 millones de dólares22.
Por último, sin duda toda esta economía de los algoritmos y los tres factores
anteriormente citados (Big Data, IoT y Seguridad) influirán en el denominado negocio
digital (Digital Business).
Digital Business
Digital Business23 es la creación de Nuevos Negocios difuminando los mundos Digital y
Físicos.
Digital Business promete marcar el comienzo de una convergencia sin precedentes
entre personas, las empresas y las cosas, que altera los modelos de negocio existentes
-incluso los que nacieron en épocas de Internet y comercio electrónico-.
Para el 2020 los ingresos procedentes de nuevos negocios digitales crecerán un 80 por
ciento.
Aquellos que sean capaces de beneficiarse de las oportunidades transitorias y
explotarlas dinámicamente ("Business Moments24") obtendrán ventajas competitivas sin
precedentes.
Tras esta explicación podemos afirmar que en el futuro las organizaciones serán
valoradas, no solo por lo datos sino por los algoritmos que transforman los datos en
acciones y son capaces de impactar a los clientes. "Interconexiones, Relaciones y
Algoritmos están definiendo el futuro de los negocios".

DESARROLLO
Resultados Encuesta de Campo
Con el fin de tener datos “reales” de profesionales del sector, del 28 de marzo 2016 al
15 de abril de 2016, se envió el formulario de encuesta25 a altos ejecutivos (C-Level) del
sector de Tecnologías de la Información y Comunicación (TIC), cuyas funciones
abarcan tanto el ámbito nacional como el internacional, con diferentes
responsabilidades (vicepresidente, dirección General, dirección de Informática,
dirección de Marketing, dirección Corporativa, dirección Digital, dirección de
Tecnología, dirección de Innovación, Socios, …).
Ha habido una respuesta de un 26 por ciento a la solicitud de encuesta. Hemos
extraído algunos datos significativos.
Todos han respondido afirmativamente a la pregunta: “¿Está familiarizado con el
término "Big Data"?”; pero cuando se solicita: “De manera breve, explíquenos que
entiende usted por Big Data” no hay una respuesta igual, sólo una de las respuesta
menciona “algoritmos” dentro de la definición; una muy curiosa y sencilla expone:
“Transformar la información en valor, en conocimiento”. En cuanto a la pregunta de:
“¿Está llevando a cabo su organización, en esta materia, proyecto alguno?” sólo dos
encuestados respondieron negativamente, por lo tanto, el 93,5 por ciento de los
encuestados está desplegando algún proyecto de Big Data.
Con respecto a la pregunta de “¿Sabía que las empresas están usando algoritmos
para diferenciarse de la competencia y obtener ingresos?” la respuesta es
concluyente, el 100 por ciento responde afirmativamente.
Entrando en la materia de este trabajo, cuando se pregunta: “¿Puede citar algún
ejemplo de Algoritmos que conozca?” los encuestados proporcionan los nombres de
los siguientes algoritmos: Watson Healthcare, Watson Analytics, Algoritmos cognitivos,
Machine Learning, Algoritmo de Twitter, Optimización de rutas de transporte,
Algoritmos de "Minería de Procesos", Algoritmos Criptográficos, Blockchain, Best Day,
Algoritmos de scoring, Algoritmo de recomendación de Amazon, Page Rank,
EdgeRank, Detección de fraude en compañías de seguros, Netflix, Waze, sistemas de
scoring basados en comportamiento en navegación, algoritmos de optimización de
recursos NFV, algoritmo de Spotify. Por último, dentro de las respuestas aparece una
curiosidad, se confunde Hadoop con un algoritmo, cuando en realidad es un
framework de software que soporta aplicaciones distribuidas bajo una licencia libre26.
Siguiendo con la encuesta, a la pregunta “¿Tiene/ha desarrollado o está desarrollando
su compañía algoritmo alguno que tenga que ver con la relación que ésta tiene con
sus clientes? (¿puede explicar en qué consiste?)”, 14 de las respuestas fueron “NO”, 1
respuesta “no lo concozco” y otras 16 fueron “Sí” (entre los algoritmos expuestos:
Customer Engagement; relacionados con las cookies para segmentación de clientes;
de probabilidad de impagos; análisis de comportamientos en clientes de retail; análisis
de sentimientos (sentimental analysis); percepción de los programas; optimización de
despliegues de infraestructura NFV; implantación de Watson para Customer
experience recomendation en el ámbito de Retail Banking).
Respecto de la pregunta, “¿Qué presupuesto destinan al desarrollo de algoritmos? (1:

10
0-100K€ / 2: 100K-500K€ / 3: 500K-1MM€ / 4: 1-3MM€ / 5: +3MM€)”, fueron 12 respuestas
con la opción “1”, 4 respuestas con la opción “2”, 2 respuestas con la opciones “4” y
“3”, y 11 respuestas con la “5”; por lo tanto, las respuestas obtenidas impelen que
estamos todavía en una etapa incipiente, pero las empresas comienzan a estar
concienciadas del término Algoconomy.
Por último la pregunta “En relación con factores MACRO económicos, ¿piensa usted
que la información procedente de sus clientes y de los clientes de otras compañías
podría condicionar la evolución de un sector de actividad?, ¿en qué medida?” fue
respondida afirmativamente por todos los encuestados. La mayoría hace comentarios
de que la información de los clientes será fundamental para el futuro de la mayoría de
las empresas. Una respuesta que puede resumir el sentimiento de los encuestados
podría ser: “La información procedente de las empresas y personas siempre ha
condicionado la evolución de los mercados y sectores. Creo que lo que vamos a vivir
es una aceleración del cambio y un cambio de las estructuras empresariales de aquí
en adelante ya que cualquiera hoy día puede crear un gran negocio digital con una
buena idea y un puñado de dólares o euros. Amazon, Google y muchas nuevas
pequeñas empresas que nacieron digitales hace menos de 10 años están acelerando
este cambio. Los grandes dinosaurios que no se adapten y sobre todo aquellos que no
sean capaces de reducir drásticamente sus estructuras de mando piramidales, serán
descuartizados o desaparecerán directamente por ser económicamente inviables”.
Situación Actual
Para el explicar el desarrollo de este trabajo hay que tener en cuenta dos variables,
que además ahora coinciden en el tiempo:
- La variable tecnológica, o sea en el momento en que nos encontramos
dentro de la revolución tecnológica actual (Época de la Informática y las
Telecomunicaciones (1971-2040?), situándonos en la fase de "Sinergia"
(2010-2025) y después vendrá la de "Madurez" (2025-2040?).
- La variable económica, porque aunque estamos ante una situación de
incertidumbre económica, actualmente nos encaminamos hacia una fase
económica de crecimiento económico. Tras la fase de
desapalancamiento, nos encontramos en lo que se denomina la fase de
Reflación del ciclo de deudas a largo plazo, puesto que se han puesto en
marcha una serie de acciones dirigidas a un aumento de la demanda y a
una reanudación de la actividad económica y del empleo (más
información en el Anexo).
Por lo tanto, la fase de sinergia en la que nos encontramos, unido a las dos crisis
económicas recientes (la de las “.com” en 2000 y la crisis financiera global de 2008),
en mi opinión favorecen: primero, las inversiones en tecnología y, segundo, van a
generar disrupciones que permitirán cierta relevancia en la fase de madurez. Por ello,
pienso que Algoconomy será fundamental en los próximos años, podemos definir
Algoconomy como: “los algoritmos crean un ecosistema económico actuando sobre
los datos y aplicando reglas de negocio dinámicas, generando una ventaja
competitiva y un valor de negocio adicional”.
Según la RAE (Real Academia Española de la Lengua): Algortimo: Conjunto ordenado
y finito de operaciones que permite hallar la solución de un problema. Tras esta precisa
definición de la RAE es cabal destacar que los algoritmos no son algo de nuestros días,

fue probablemente Euclides27, un matemático y geómetra griego del 325 a. C., que se
le conoce como "El Padre de la Geometría" quien inventó el primer algoritmo con el
descubrimiento de “El algoritmo de Euclides”28, que es un método antiguo y eficaz
para calcular el máximo común divisor (MCD) y fue originalmente descrito en su obra
Elementos. El algoritmo de Euclides extendido es una ligera modificación que permite
además expresar al máximo común divisor como una combinación lineal. Este
algoritmo tiene aplicaciones en diversas áreas como álgebra, teoría de números y
ciencias de la computación entre otras. Con unas ligeras modificaciones suele ser
utilizado en ordenadores debido a su gran eficiencia.
Viajando un poco más tarde en el tiempo, hay un artículo del IEEE29 de enero de 2000
que trató de reunir los 10 algoritmos30 de mayor influencia en el desarrollo y la práctica
de la ciencia y la ingeniería en el siglo XX y según describe el artículo son: Método
Montecarlo31 (1946, John von Neumann, Stan Ulam y Nick Metropolis); algoritmo
simplex32 (1947, George Dantzig); método iterativo del subespacio de Krylov33 (1950,
Magnus Hestenes, Eduard Stiefel y Cornelius Lanczos); la aproximación por
descomposición a la computación de matrices34 (1951, Alston Householder);
compilador Fortran35 (1957, John Backus); algoritmo QR36 (1959–61, J.G.F. Francis);
quicksort37 (1962, Tony Hoare); transformada rápida de Fourier38 (1965, James Cooley y
John TReino Unidoey); algoritmo de detección de relación entero39 (1977, Helaman
Ferguson y Rodney Forcade); método multipolo rápido40 (1987, Leslie Greengard y
Vladimir Rokhlin).
En este trabajo tenemos la ardua tarea de poner en contexto los algoritmos41, término
en amplio debate hoy día. Los algoritmos hoy día se utilizan en la economía y la
gestión empresarial y muchos son compartidos, pero también los usamos
cotidianamente, por ejemplo usamos algoritmos en: búsquedas; compras online;
viajes; salvar vidas; seguridad utilizada en las tarjetas de crédito; reconocimiento facial
de nuestro Smart Phone (nos permite distinguir automáticamente las caras de otros
elementos para enfocarlas); en el "trading algorítmico", se conecta un algoritmo
directamente al mercado electrónico y las transacciones suceden sin la intervención
humana. Los algoritmos pueden predecir dónde se puede ganar dinero más rápido y
con más precisión que cualquier ser humano; o por ejemplo, ¿qué algoritmos
podemos usar para resolver problemas algorítmicos?, ¿Cuáles son los 10 algoritmos42
que uno debe saber para resolver la mayoría de problemas algorítmicos?…
Algunos ejemplos de algoritmos están en la toma de decisión43 (desde los que usan
cada programador, pasando por los que usan los científicos de datos y hasta los que
usan los sistemas complejos). Volviendo a la definición de algoritmo pero acortándola:
un algoritmo es una serie de instrucciones, como una receta de cocina, que puede
seguirse -paso a paso- para resolver un problema específico, y ésto es lo que les hace
potentes en el entorno de la computación, porque en definitiva son un conjunto de
instrucciones. Las instrucciones deben ser bien definidas, ordenadas, finitas y a prueba
de dudas, de manera que si se siguen los pasos sucesivos se alcanzará el fin deseado.
El analista de Gartner Alan Duncan44 afirma que “El negocio de los algoritmos es
fundamental para la ventaja competitiva”, expone que45 “en el año 2018, más del 50
por ciento de las grandes organizaciones a nivel mundial competirá usando la
analítica avanzada y algoritmos propietarios, causando la interrupción de industrias
enteras”. Por ello, Gartner46 ha introducido oficialmente ante los inversores el término
“Economía de los Algoritmos”.

12
La confluencia de tres tendencias: los volúmenes de datos sin precedentes,
masivamente mayor potencia de procesamiento y las nuevas herramientas analíticas,
están creando un "punto de inflexión" más allá del cual algoritmos diferenciales se
convierten en el nuevo centro de competencia.
Por todo ello, pensamos que Algoconomy será fundamental en nuestras vidas durante
los próximos años, en esta fase de sinergia y madurez que explicábamos al inicio del
trabajo. Lo que hoy día se pide a los algoritmos es que sean eficientes, es decir que
sean rápidos en encontrar la posible solución y que además ésta sea eficiente. Hasta
hace poco los algoritmos eran creados por matemáticos, pero desde hace unos años
estos algoritmos son creados por computadores. Veamos ejemplos de ambos
algoritmos que nos rodean en el día a día y otros que desconocemos47:
 En 1945 John Von Neumann48 desarrolló el algoritmo de ordenamiento por
mezcla49, que es muy eficiente para ordenación de grandes cantidades.
 En 1962 Lloyd S. Shapley y David Gale nos enseñan a resolver el problema del
matrimonio estable50. En 2012 se otorga51 el Premio Nobel de Economía a los
economistas estadounidenses Alvin E. Roth y Lloyd S.Shapley.
 En 1963 dos científicos en la empresa norteamericana SDC52, considerada la
primera empresa de software del mundo, escriben el algoritmo de
ordenamiento de burbujas53.
 El algoritmo54 de Google se suele confundir con el Page Rank55 (1998), tuvo su
origen en el motor de búsqueda56 “BackRub” que se basaba en un algoritmo
matemático que puntuaba la relevancia de páginas web (BackRub se utilizó
en los servidores de Stanford durante más de un año, pero finalmente la
Universidad dejó de emplearlo porque requería demasiado ancho de banda).
‘PageRank’ fue el nombre del número calculado por el algoritmo (número del
1 al 10). Según Google57 “los algoritmos son fórmulas y procesos informáticos
que convierten las preguntas en respuestas. Los algoritmos de Google se basan
en más de 200 señales únicas (signals) o pistas que permiten adivinar lo que
realmente podrías estar buscando. Estas señales incluyen, entre otros, los
términos de los sitios web, la actualidad del contenido, tu región y el
PageRank”. Google actualiza58 su algoritmo alrededor de 500 veces al año, lo
que equivale a un cambio cada 17.5 horas.
 En 2007 el Servicio Nacional de Salud británico (National Health Service (NHS))
descubre un algoritmo para curar pacientes con lesión renal aguda (IRA)59,

dicho algoritmo se convierte en un protocolo nacional de actuación para
emparejar donantes de riñón, encontrando un donante para un paciente en
minutos, lo denominan algoritmo AKI60.
 En 2013, al equipo de la torre de control de Heathrow se unió un algoritmo
heurístico (encuentra soluciones razonablemente buenas en tiempos
razonablemente rápidos), que mediante millones de cálculos por segundo
pudiera ofrecer una respuesta ideal al tráfico aéreo, optimizando el número de
vuelos cada hora61 de una manera eficiente y segura. En Heathrow hay 1.300
vuelos operando diariamente (hay un límite máximo de 480.000 despegues al
año). Es importante el orden de despegue, es preciso evitar las turbulencias de
los aviones más grandes en los medianos, agrupando los aviones grandes y los
medianos y optimizando la separación entre ellos, ver dónde se dirigen los
aviones, uno al Norte, otro al Sur y sucesivamente,… El algoritmo trata de
adivinar el orden de despegue, por lo tanto yendo hacia atrás en el tiempo,
sabrá la hora en que debe estar listo, a qué hora debe abandonar la zona de
aparcamiento,… indicando al piloto exteriormente mediante un panel
luminoso a qué hora debe hacer la maniobra para dirigirse al despegue (push
back62); ello significa que no habrá retrasos en los despegues y producirá un
ahorro anual de 15 millones de libras en combustible por la eficiencia en los
despegues.
Así podríamos seguir describiendo algoritmos casi cada mes. La calidad de un
algoritmo será fundamental para la posición competitiva de cientos de productos, por
lo que veremos varias batallas comerciales librándose desde el teclado de una
computadora63.
Algoritmos del sector Financiero
Negociación (Trading Algortihm)
Para Kevin Slavin64 que es profesor del Media Lab en el MIT (Instituto Tecnológico de
Massachusetts) hay que pensar en el rol que las matemáticas están adquiriendo hoy
día. En su charla TED65 de Julio de 2011 hablaba de los algoritmos, “que son las
matemáticas que usan los ordenadores para tomar decisiones”, explica que en Wall
Street hay 2.000 físicos trabajando, de forma que crean algoritmos (algortihm trading)
con el fin de tomar decisiones de cómo se ha de invertir. Pero es difícil saber cómo
funciona el “Black Box Trading” (así se llama en Wall Street), usando estos algoritmos
de comercio (algorithmic trading) “lo que hacen es dividir un paquete de acciones en
una millonésima parte y repartirlas (por ejemplo en 1 millón de acciones –shares-) y
después mediante el mismo algoritmo ver dónde están cada una de ellas y volver a
reagruparlas. Es decir, hay un montón de algoritmos que se programan para ocultarse
en la bolsa y otro montón de algoritmos que se programan para encontrarlos, eso
supone el 70 por ciento de la bolsa de EE.UU”, afirma Kevin Slavin.
La principal característica de estos algoritmos es la “velocidad”, operan en
microsegundos. Pero pongamos en contexto el significado, para hacer un clic de
ratón necesitamos 500.000 microsegundos, si un algoritmo tarda más de 5
microsegundos en ejecutar una acción, se le considera perdedor. En Nueva York, en la
calle Hudson, edificio construido en 1930, fue sede de Western Unión, se alberga el
Centro de Datos66 que contiene el punto neutro de internet67, que son los que hacen

14
posible la descentralización de Internet68, existe una la lista de los puntos de peering
más importantes por tamaño69, las tres primeras posiciones se las llevan Frankfurt (DE-
CIX con un rendimiento o Throughput70 de 3.159 Gbit/s), Amsterdam (AMS-IX con 2.749
Gbit/s) y Londres (LINX 1.990 Gbit/s).
En 2012, en el edificio de la calle Hudson, se instaló el equipo para el comercio
algorítmico (algorithm trading), alrededor del mismo se han ido instalando muchas
empresas de trading (Marco Polo, Cherokee Nation, Bluegrass,…), con el fin de llevar a
cabo operaciones microsegundos más rápidas que incluso en Wall Street (ubicado a
una milla de distancia). Es decir, cuanto más cerca esté tu algoritmo de Internet más
ventaja competitiva tendrá y más rápido será ejecutando órdenes. Por tanto, cuanto
más nos alejemos del edificio de la Calle Hudson más nos atrasaremos en milisegundos.
Dichas empresas mueven millones de dólares por segundo con la compra y venta de
acciones a una velocidad difícil de ver en tiempo real. Entonces, pagan alquileres
millonarios para ganar unos milisegundos, en un negocio donde vender miles de
acciones en fracciones de segundo proporciona millones, cada milisegundo es vital.
En la fotografía inferior las empresas de trading, que se mencionaban antes, se
encuentran a 8 microsegundos del Data Center de la calle Hudson.71
El fin es acercarse a Internet y hacer que un algoritmo pueda cerrar un contrato 3
segundos antes, con el simple hecho de estar más cerca del Data Center que alberga
el punto neutro de Internet. Incluso llegando a poner puntos de conexión en medio del
Océano. Veamos la siguiente ilustración, elaborada por matemáticos del MIT, que
muestra los puntos rojos (en teoría los puntos donde reside la gente que quisiera hacer
negocio de trading: las ciudades) y los puntos azules (las ubicaciones más eficientes
para poner los servidores).
Nanex72 ha desarrollado una aplicación NxCore que es un ticker de alto rendimiento
que presenta en una pantalla todo el mercado de acciones bursátiles de EE.UU, con
sus cotizaciones y transacciones, algunas de las cuales presentan unos datos
inverosímiles en dicho mercado. OPRA73 (Options Price Reporting Authority, Autoridad
de Reporte de Precios sobre Opciones) ahora transmite más de 4.500.000 cotizaciones

por segundo, y 8 mil millones de citas por día de negociación. Lo curioso es que con
estos algoritmos se pueden descubrir patrones e incluso darles nombres como74:
Cuchillo, Carnaval, la Mezcla Boston, Crepúsculo,…
Hay veces que los algoritmos entran en conflicto, se encuentran trabados entre sí, en
bucles, sin intervención humana y ocurren acciones inverosímiles, como las crisis de
Wall Street en 2010, o como la ocurrida en Amazon que un “libro de Moscas” llegó a
costar 23 millones de dólares75. Por eso, en Internet tenemos algo también curioso, hay
7 personas que tienen una clave secreta que permitirá resetear internet si ocurre algo
con las DNS76.
Este interesante blog explica la teoría del Dow 77, indica que es una idea propuesta
inicialmente por Charles Dow, creador de la compañía Dow&Jones en 1882, y
precursor del Wall Street Journal. Se basa en la existencia de tendencias principales y
secundarias, que pueden actuar como aviso de cambio de tendencia en el mercado,
algo parecido a las manadas de pájaros volando juntos y describiendo movimientos,
que aparentemente no tienen sentido, pero podría haber una naturaleza predecible
del comportamiento de bandadas de pájaros mediante algoritmos matemáticos. ¿Es
posible utilizar los mecanismos de la madre Naturaleza para anticipar movimientos de
bolsa?. Quizá sí.
Ese movimiento característico de ciertas bandadas de pájaros se puede imitar en una
simulación por ordenador con algoritmos muy sencillos78. Inspirado por este
comportamiento, el autor del artículo intenta reproducir de un modo simplificado un
algoritmo, desarrollado en Amibroker79 (plataforma gráfica de trading) que nos
permita elegir las acciones que se mueven al unísono. Este algoritmo se puede simular
mediante las órdenes de tipo rotacional: se compran un bloque de acciones, y se
rotan cada cierto tiempo, vendiendo las peores y comprando nuevas. Según algunos
comentarios en Internet80 lo que le distingue a Amibroker es la rapidez en sus backtest,
pudiendo hacer simulaciones contra 500 acciones en segundos.
Hoy día el funcionamiento de la bolsa está manejado por algoritmos, los algoritmos se
usarán en una tercera parte del volumen de negociación total en divisas en 2016,
según la consultora GreySpark Partners81 hace diez años no se usaban los algoritmos en
la negociación de divisas. El uso de algoritmos ha aumentado notablemente debido a
la supervisión ordenada por los gobiernos, para evitar fallos humanos como los que se
describen a continuación. Pero ojo, los algoritmos, al ser usados por máquinas,
también pueden fallar.
Actualmente los algoritmos se usan para ejecutar aproximadamente el 90 por ciento
de las órdenes realizadas al tipo de cambio fijo diario, que es el que usan las grandes
gestoras de activos como tipo de referencia para las conversiones de divisas
Volviendo al hecho de que las máquinas pueden fallar, concretamente el 6 de mayo
de 2010 se produjo un fallo en un algoritmo, provocando una alarma de CAOS
financiero y global durante 5 minutos, se denominó “Flash Crash82”, se abrió una
investigación para buscar al culpable pero en realidad fue el propio algoritmo que
cometió un error y decidió vender acciones por valor de casi 5.000 millones de dólares;
el índice Dow Jones Industrial Average se desplomó cerca de 1.000 puntos,
aproximadamente un 9 por ciento, para recuperar esa pérdida escasos minutos
después. Cuando el algoritmo hizo esta venta, otros algoritmos asociados notaron la
bajada de los valores y automáticamente se comportaron como si de una tendencia

16
bajista "extrema" se tratara (vender más del 90 por ciento de las acciones). Esta
situación es percibida por los traders de todo el mundo, los cuales, como es evidente
también comienzan a venderlo todo. Fueron 20 minutos en los que ningún inversor
sabía lo que estaba ocurriendo.
Los reguladores tomaron la medida de colocar un botón de apagado, capaz de
detener la actividad bursátil en caso de que a las máquinas, en un futuro, se les vuelva
a ir la cabeza (o sean manipuladas). Posteriormente se ha comprobado que no fue
un fallo de ningún algoritmo, en abril de 2015, Navinder Singh Sarao, un operador con
sede en Londres, fue detenido por su presunta participación en el Flash Crash. Sarao
supuestamente utilizó un programa automatizado para generar grandes órdenes de
venta, empujando a la baja los precios, que luego canceló para comprar a los precios
más bajos del mercado. La Commodity Futures Trading Commission presentó cargos
civiles contra Sarao. Sarao y su compañía, Nav Sarao Futures Limited, presuntamente
obtuvieron más de $ 40 millones en ganancias de la negociación durante el Flash
Crash. A sus 31 años Navinder83 descubrió en 2010 la vulnerabilidad de los mercados
bursátiles, impulsados por transacciones a alta velocidad originadas por algoritmos
que indican en milisegundos cuáles acciones negociar y cuándo hacerlo.
Con este tipo de software cualquiera podía emitir miles de órdenes de venta en
minutos, lo cual tiene un impacto directo en el precio de la acción. A mayor número
de oferta, el mercado reacciona inmediatamente haciendo que la acción vaya en
caída libre, recordemos la manada de pájaros y cómo el grupo sigue la tendencia (así
actúa el mercado bursátil)
"La investigación del caso señala que él estuvo enviando lo que se conoce como
spoof order (orden de venta falsa) para acciones en la bolsa de valores de Estados
Unidos. Con ello hizo que cayeran los precios… y cuando eso ocurrió, retiró esas
órdenes", explica Robert Peston84, editor de economía de BBC. Posiblemente podría ser
extraditado a Estados Unidos donde podría sumar hasta 22 cargos que le podrían
llegar a suponer una condena de hasta 380 años en prisión85.
Algo parecido se repitió el 24 de agosto de 201586, conocido como lunes negro,
algunos de los gestores más importantes del mundo aseguran que la crisis de China y
los tipos de la Fed no bastan para justificar los desplomes. La culpa es del trading
automatizado87, aseguran. Una de las firmas que ha cosechado más éxito con este
tipo de trading técnico o automatizado es Bridgewater88, el mayor hedge fund del
mundo (maneja 150.000 millones de dólares en inversiones globales), que ha creado
una estrategia llamada "paridad de riesgo" (risk parity): consiste en crear una cartera
formada por acciones, bonos y materias primas que ajusta dinámicamente el peso de
cada activo en función de su volatilidad, en vez de seguir las teorías tradicionales de
asignación de pesos en las carteras. Según algunas firmas de análisis, esta estrategia
ha alcanzado 600.000 millones de dólares bajo su gestión, a los que hay que añadir el
apalancamiento (endeudamiento) que suelen utilizar estos vehículos para incrementar

su inversión. Por tanto, su potencia es enorme para mover el mercado. Y cuando
aumenta la volatilidad en la bolsa y reducen su peso en sus carteras, pueden provocar
desplomes como los del lunes negro.
Este artículo más que interesante explica cómo los algoritmos que ejecutan las órdenes
han evolucionado mucho y cada vez son más sofisticados, pero se pueden
equivocar89. Y algunos hablan de tecnología para ayudar a los inversores a olvidar sus
emociones90.
El indicador que mide la volatilidad es el VIX que el 24 de agosto de 2015 alcanzó
cotas de 55, en octubre de 2008 llegó a 89.
Tras estas explicaciones podríamos pensar en muchas personas tratando de descubrir
cómo triunfar en la bolsa aplicando algoritmos. Este trabajo de la Universidad
Complutense de Madrid (UCM) podría ser uno de ellos. El objetivo de este proyecto,
“Aplicación de predicción en bolsa basada en indicadores técnicos y computación
evolutiva91” es crear una aplicación que, utilizando algoritmos genéticos, y otros tipos
de algoritmos evolutivos y de aprendizaje automático, sea capaz de utilizar
exclusivamente el análisis técnico para tratar de maximizar las ganancias obtenidas en
un período de tiempo.
Otro ejemplo curioso en este caso que afectó a Tesla, los algoritmos de trading no son
capaces de pillar la broma de Tesla… y las acciones explotan92. "Tesla presenta el
nuevo Tesla W", junto a una imagen de un reloj de muñeca del que sale una miniatura
del popular Big Ben, era una broma, realmente, Después de que Tesla publicara la
nota de prensa en su blog, Bloomberg republicó su titular en sus terminales financieros
que utilizan los brookers y numerosos algoritmos, preparados para saltar en cuanto se
anunciara un nuevo producto de Tesla, hicieron que se produjeran un montón de
órdenes de compra de acciones de Tesla en la bolsa. El precio de las acciones de
Tesla subió unos 2 dólares durante un breve periodo, lo que causó que la
capitalización bursátil de la compañía creciera 100 millones de dólares más. Durante
esos breves instantes también se batió récord de movimiento de acciones de esta
misma empresa: unas 400.000, una cifra que no se repetía desde el pasado febrero.
Los algoritmos de negociación o comercio, han existido casi desde la aparición de los
ordenadores. En la década de los años 80 que era "el comercio de programa"
(Program Trading), a continuación, en la década de los 90 se convirtió en "el comercio
de computación" (Computing Trading) después en el 2000 "comercio algorítmico”
(algo trading) y ahora "comercio de alta frecuencia o HFT93” (Hight Frequency Trading)
y luego se sitúa el "Ultra HFT" (Ultra Hight Frequency Trading).
En 2012 el 85 por ciento del mercado bursátil usaba algoritmos94; no hay datos precisos
de la actividad hoy día, pero algunas fuentes señalan que gran parte del mercado de
operaciones con acciones globales (global equity trading), podría estar funcionando

18
hoy con algoritmos, resultando por ejemplo en 2015 una capitalización mundial del
mercado de 67 billones de dólares95, con China e india siendo los principales actores.
El "Audit Trail" que ha lanzado la FED tiene el objetivo de asegurar el almacenamiento,
seguimiento y consulta en tiempo real de todos los movimientos de los mercados de
capitales en EE.UU., con un almacenamiento de datos de cuatro a seis años. Es un reto
en el que está trabajando toda la industria para, primero, entender si es plausible con
el estado del arte actual del Big Data96.
Una tendencia hoy día en aumento es el Block Chain97 (“BlockChain”, la base
Tecnológica de Bitcoin que sacude el Sistema financiero98), aunque es algo incipiente,
el mercado de capitalización de Bitcoins, según BlockChain, traducido a dólares se
estima en 7.300 millones de dólares99.
Best Day100 es un tipo de Algoritmo para predecir el mejor día para comprar/vender
las acciones basadas en el modelo dado del valor de las acciones)101
Algoritmo de scoring102 de la compañía Traity103 (en palabras de Juan Cartagena,
socio fundador: "Pretendemos establecer un scoring social alternativo al del sector
financiero"). Se puede decir que es un agregador de perfiles de redes sociales y webs
de consumo colaborativo (BlaBlaCar o eBay) que ayudan a certificar la fiabilidad de
cada usuario104.
Ahora para descubrir fraudes las compañías de seguros califican las probabilidades de
cometer fraude que tienen sus clientes usando una combinación del algoritmo, un
análisis de redes sociales y el modelo de regresión. Con esta calificación logran
identificar al 90 por ciento de quienes participan en conducta fraudulenta105.
Por otro lado, ¿dejaríamos al azar de un algoritmo elegir el mejor plan para un
determinado tipo de seguro?106
Ya están disponibles en el mercado una serie de "administradores de riqueza
automatizados" (automated wealth managers) ya están disponible107, bajo la premisa
de que los algoritmos pueden ofrecer consejos financieros a cambio de una pequeña
fracción del precio de un asesor de la vida real.
Algoritmos en sector Transporte
La automatización y los vehículos sin conductor se van a convertir en realidad, el CEO
de Volvo anunciaba108 “vamos a aceptar toda responsabilidad cuando nuestros

coches están en modo autónomo”, de forma que si se produce algún tipo de
accidente reconocerán sus responsabilidades. El gobierno federal de EE.UU ha
considerado al sistema de Inteligencia Artificial (IA) de Google como un conductor109
permitiendo a los ordenadores y al software que operan dichos vehículos a
considerarlo como el "conductor", originando nuevas preocupaciones en torno a la
responsabilidad110. Según Google “Hemos enseñado a nuestros vehículos para
desplazarse a través de muchos escenarios complicados en calles de la ciudad”.
“Nuestros coches utilizan sus sensores y software para detectar objetos como
peatones, ciclistas, vehículos y más, y están diseñados para conducir con seguridad a
su alrededor”. En definitiva, constantemente el software se hace una serie de
preguntas y las responde instantáneamente para ir trazando el desplazamiento del
vehículo: ¿dónde estoy?, ¿qué hay a mí alrededor?, ¿qué va a ocurrir? Y ¿qué debo
hacer? Básicamente la construcción de un coche autónomo se reduce111 a tres tareas
clave: 1) La localización precisa (localización "Monte Carlo"), 2) detección de
obstáculos y 3) planificación de la trayectoria.
Los fabricantes de automóviles y desarrolladores de tecnología para automóviles
autónomos crearán una oportunidad 87.000 millones de dólares en 2030, siendo el
software la parte más importante. Los datos estiman que el mercado Chino ascenderá
a 24.000 millones de dólares, el mercado de EE.UU a 21.000 millones de dólares y el
Europeo a 20.000 millones de dólares, con unos ingresos correspondientes a software
de 25.000 millones de dólares, que será la partida más importante112.
El algoritmo para la optimización de rutas de transporte113 es algo habitual en este tipo
de compañías. Podríamos aquí mencionar el caso de UPS que mediante el uso de su
algoritmo Orion114 podría predecir la mejor ruta para sus conductores (tráfico, ahorro
de combustible, optimización de entregas,…) y conllevaría un ahorro unos 400 millones
de dólares a UPS en 2017.
El modelo de Uber115 se basa en conectar a personas que necesitan un servicio de
transporte con conductores no profesionales usando una aplicación y un algoritmo116
de “precios dinámicos” (surge pricing). La aplicación calcula la tarifa basada en el
tiempo y distancia recorrida y factura al conductor electrónicamente. La fijación de
precios dinámica y automática que usa Uber permite subir los precios de la carrera
para ajustar la oferta y la demanda. ¿Cómo? usando los datos de conductores y
usuarios117, que obtienen en tiempo real, pueden subir los precios. El objetivo doble:
reducir la demanda y aumentar la oferta (más conductores pueden acudir a esta
zona mejor remunerada). Estos conductores pueden ser socios ("driver partners"), que
decidieron emprender a través de Uber o trabajar con el vehículo de otra persona.
Desde noviembre del 2015 la comisión que cobra Uber a los socios es del 25 por ciento,
el conductor ha de abordar todos los gastos para tener el coche preparado, por ello
muchos conductores dudan de la rentabilidad de esta alianza118, a pesar de que se
evitan el pago de impuestos al estado (como hacen los taxistas). En cuanto a los
ingresos de los conductores, reciben el 75 por ciento de la carrera; sus patrones se
corresponden con 0,85 dólares por milla (1,6 kilómetros) ó 0,15 dólares por minuto.
Algunos artículos demuestran sus pérdidas reales, pero aun así sus ingresos (netos) se
triplicaron en 2015, llegando a 1.500 millones de dólares y con 4.100 millones en
efectivo119. Uber recibió muchas críticas porque en algunas emergencias (huracanes,
atentados) los precios se dispararon. Decidieron poner un límite superior al precio en
este tipo de ocasiones, estando dicho límite en la franja superior de precios de los
últimos 60 días. Pero podemos afirmar que Uber es hoy la empresa más importante de
trasporte privado del planeta por un algoritmo que funciona en los cinco continentes

20
para moverte por las grandes ciudades. Acaba de recibir una de 3.500 millones de
dólares del Fondo Soberano de Arabia Saudí120, por lo que se habla de una valoración
de 62.500 millones de dólares para esta compañía.
Los algoritmos de fijación de precio de los vuelos son secretos de cada compañía y
varían con el tiempo. Normalmente los vuelos a primera hora y a última hora son más
caros porque son los que usan las empresas y están dispuestas a pagar más. Pero
también es cierto que el precio de un asiento en un vuelo concreto varía según el día
y la hora en la que se realice la compra: las compañías saben que las empresas (que
están dispuestas a pagar más) compran entre semana y por la mañana. Y también
que no suelen dejar un fin de semana en medio entre la ida y la vuelta. También saben
que los que tienen urgencia pagan más, y por tanto según se acerca la fecha del
viaje los precios suben. Si eres un usuario avezado puedes conseguir precios con
descuentos121, según un artículo del New York Times, aunque las compañías están
permanentemente jugando con los precios, lo cual hace que cada vez sea más difícil
acertar con los pronósticos122.
Waze surge como aplicación de tráfico y navegación basada en la comunidad123,
Waze fue creada como una herramienta de navegación social para transporte
privado. La aplicación incluye un algoritmo de enrutamiento (algoritmo de Instrucción
de Unión Interactiva124) que sólo se activa si hay una conexión con el servidor de
Waze. Usa la información de tu viaje para calcular velocidades promedio, verificar
errores, mejorar la estructura vial, y conocer el sentido de las calles y los giros
permitidos. Funciona mejor en los viajes cotidianos y de rutina; y son los usuarios los que
potencian los mapas y la navegación. Cuantos más usuarios conduzcan con Waze
abierto, mejor será la navegación, calcular la ruta óptima es una tarea difícil. Google
compró Waze en Junio de 2013, una operación valorada en $966 millones de
dólares125. Waze podría servir a Google de guía de navegación para los futuros coches
autónomos, de hecho Waze la usan mayoritariamente los conductores de Uber. Según
otras fuentes126 "Waze tiene opciones para notificar los accidentes, la presencia de la
policía, las cámaras de velocidad y bloqueo de carreteras, todas las cosas que
Google no tiene." Waze ganó el premio a la mejor aplicación móvil (Best Overall
Mobile App) en el Congreso Mundial Móvil de 2013 (Mobile World Congress),
superando a Dropbox, Flipboard y otros127. El CEO de Waze Noam Bardin discutía el
modelo de negocio de la compañía en la conferencia de WSJD en Laguna Beach,
California128 afirmando que su modelo de negocio era capturar dinero de los
inversores para dárselo a los ingenieros y que pudiesen mejorar la plataforma, pero
ahora que forman parte de Google su modelo de se basará en publicidad basada en
la localización del usuario (Location Base Advertising Platform), porque piensan que en
móviles se invertirá mucho en publicidad móvil real, no en banners.
No hay fuentes que indiquen los ingresos de Waze, hay una estimación del mercado
potencial de 4.000 millones de dólares129, pero es evidente que con esta compra
Google ha apartado a Waze de sus competidores (Facebook y Apple).
Tesla introdujo una nueva tecnología de piloto automático (AutoPilot) que los
vehículos eléctricos (Electric Vehicle –EV-) de sus modelos Tesla S y Tesla X incorporan.
El algoritmo AutoPilot permite cambiar de manera autónoma de carriles, seguir a
distancia a los vehículos y trazar curvas, junto con la combinación usual de la
tecnología de prevención de accidentes tales como frenado de emergencia y
cambio de dirección de emergencia, lo que ha evitado colisiones en sus usuarios,
permitiendo al vehículo girar el volante para evitar la colisión130 es su sistema de
asistencia automática para el conductor (Automated Driver Assistance Systems).

Otra de las Diferencias de Tesla es su módulo de computación visual Tegra (Tegra
Visual Computing Module (VCM)) que usando una pantalla de 17 pulgadas permite
integrar dos funciones en una: el sistema de información y entretenimiento
(Infotainment) y proporcionar ayuda a la conducción visual131. En definitiva, más allá
del uso de las Redes Neuronales Profundas (DDN), los vehículos eléctricos de Tesla
procesan todo la información mediante algoritmos. El lanzamiento de su modelo Tesla
3 ha batido todos los records que se podrían predecir, pues la reserva de estos
vehículos (con entrega estimada a finales de 2017) llegaría a los 10.000 millones de
dólares132. Se estima133 “que en 2020 la conducción autónoma se hará popular y que
conllevaría una expansión mayor de la esperada de los vehículos eléctricos, lo que
podría llegar incluso a desencadenar una crisis del petróleo”. A pesar de las
informaciones positivas, los resultados económicos no acompañan actualmente, pues
en 2015 Tesla perdió 793 millones de dólares134
Algoritmos en sector Retail
Un trabajo de investigación de algoritmos no podía dejar de analizar uno de los
estandartes internacionales españoles, el grupo Inditex (Zara, Massimo Dutty, Bershka,
Pull&Bear,…) cuenta con 7.013 tiendas distribuidas en 88 países, probablemente el
mayor imperio mundial de la moda. Y a todas ellas siguen llegando las novedades en
un máximo de 48 horas desde que salen del centro logístico de Arteixo135. Ya vayan a
Málaga o a Melbourne. Las ventas de Inditex136 aumentaron un 15,4 por ciento en
2015, hasta 20.900 millones de euros y el beneficio neto ascendió a 2.875 millones de
euros.
Pablo Isla, presidente del grupo, siempre insiste en que en el centro de la empresa está
el cliente, es lo que se denomina hoy día Empresa Centro Cliente (ECC) en los
programas de fidelización; otro ejemplo español de este tipo de Empresas Centro
Cliente es Mercadona, donde al cliente internamente lo llaman “el jefe” y toda su
estrategia se centra en “el jefe”.
El modelo de éxito de Inditex se basa en controlar “todo”, no dejan nada al libre
albedrío. 300 diseñadores que trabajan decidiendo cómo vestir al mundo desde
Arteixo, su truco es no fabricar más de 12.000 ejemplares de cada prenda para todo el
mundo, las tiendas de Inditex reciben mercancía nueva dos veces por semana, solo
tarda entre dos y tres semanas en llevar un diseño nuevo de la mesa de dibujo a los
escaparates. Zara lanza unas 18.000 nuevas referencias al año, comparadas con las
4.000 de H&M o GAP; toda la producción pasa por España. Como rota más deprisa, los
clientes sienten estar comprando algo exclusivo y la empresa reduce los costes de
stock. Un algoritmo predice las tallas que más se van a vender, según la tienda, para
anticiparse a la demanda y reducir el stock del almacén. En 1975, cuando Amancio
Ortega abrió en La Coruña su primer Zara: “dime qué demandan los clientes que se lo
fabrico". Tienen un control total del flujo de la información, desde el teléfono, al fax y
ahora usando un sofisticado sistema de big data.
En los 88 países en los que está presente Inditex comparten el mismo sistema eléctrico
centralizado, otro algoritmo, desarrollado por la compañía, permite al departamento
de Medio Ambiente medir los consumos energéticos de cualquier tienda del mundo
desde su ordenador en Arteixo. El equipo del Centro Tecnológico, inaugurado en 2014,
es uno de sus pilares fundamentales, con una inversión de más de 1.000 millones de
euros en tecnología que ha realizado el grupo en los últimos cinco años.

22
Desde la propia empresa afirman que la siguiente revolución de la compañía pasa por
los algoritmos y el internet móvil. En cuatro años, la empresa prevé duplicar su volumen
de ventas online. El 80 por ciento de las visitas a su web y el 50 por ciento de sus ventas
ya se realizan desde el teléfono o la Tablet.
En 2014 Zara adquirió 500 millones de chips RFID137, con el uso de esta tecnología
pueden controlar, mediante sus algoritmos: de una manera inmediata las prendas que
han de reponerse, porque se acaban de vender; en 5 segundos si el material que
acaba de llegar a la tienda es exacto en número y modelos; en 15 minutos, en una
tienda grande, saben lo que se precisa reponer (antes dedicaban una mañana
entera); en 3 horas, y con seis personas, pueden hacer el inventario completo (antes
precisaban un día y entre 20 y 24 personas). Además, esta tecnología "nos permite
saber si la talla S de la falda que nos piden está en el almacén o incluso en los
probadores. La clave está en la precisión, para reducir el tiempo de espera del
cliente". Otras grandes cadenas como Walmart o JC Penney han intentado la
aplicación de esta tecnología pero sin mucho éxito. Inditex es de momento el mayor
retailer que ha logrado su aplicación masiva.
Hace una década, el semanario The Economist alababa en un extenso reportaje sobre
Zara su modelo de fast-fashion. Sin embargo, ponía en duda que pudiera mantener el
ritmo de reposición de nuevos modelos semanales cuando llevara a cabo sus
ambiciosos planes de expansión de duplicar tamaño en cinco años. The Economist se
equivocó138.
La informática combinada con la logística ha sido el aliado perfecto para lograrlo. En
1993 Inditex fue pionera en aplicar el primer carrusel de paquetería a la industria textil
(una mezcla de la paquetería de Correos y las cintas de maletas del aeropuerto). En
2000 decide desarrollar su propio software para hacer su carrusel más eficiente. Jorge
Méndez, uno de los 80 ingenieros de Logística afirma "el algoritmo nos permite ahora
que el carrusel reparta miles de prendas por las cajas no solo en función del tipo de
prenda y de talla que necesita cada tienda, sino en el orden en que lo va a necesitar
reponer la tienda". En 2000 Inditex decide desarrollar su propio software para hacer su
carrusel más eficiente. Para lograr el sistema matemático que permite este nivel de
optimización de los envíos, Inditex empezó a trabajar con el Instituto Tecnológico de
Massachusetts (MIT) en 2008. Cuanto más afinan, más tiempo se ahorra el personal de
la tienda y más se reducen los costes de stock. Ahora está investigando con la
facultad de Físicas de la Universidad Politécnica de Barcelona cómo mejorar la
eficiencia del proceso con la prenda colgada, ya que es una de las partes más
costosas del inventario.
En definitiva, en el caso de Inditex encontramos los siguientes algoritmos:
- Algoritmo que predice las tallas que más se van a vender según la tienda y
su ubicación.
- Algoritmo que mide los consumos energéticos para controlar los estándares
de calidad de Inditex con el Medio Ambiente, con el fin de optimizar los
consumos.
- Algoritmo de control de costes y del stock combinado con RFID, que
permite saber en cada momento cuántas prendas hay y dónde están.
- Algoritmo de procesamiento logístico eficiente (optimización del carrusel en
función del tipo de prenda y la talla que necesita cada tienda y su orden).

- Algoritmo de eficiencia de la prenda colgada será el siguiente paso en la
evolución de Inditex.
Inditex no explica claramente la influencia de los algoritmos en sus ingresos (20.900
millones de euros en 2015), pero es seguro que son una parte importante, pues se han
enumerado hasta 5 algoritmos diferentes.
Hablemos de cifras del entorno retail, en 2015 las ventas mundiales alcanzaron 22,5
billones de dólares139, correspondiendo 1,7 billones de dólares a la venta online (E-
commerce), lo que supone un incremento del 25,1 por ciento respecto del año
anterior según los datos de eMarketer. Este crecimiento online seguirá creciendo hasta
los 3,6 billones de dólares en 2019; ello supondrá una gran influencia de los algoritmos
en dicho crecimiento.
Otro ejemplo de este sector es Ocado140 un supermercado británico exclusivamente
virtual que depende de los algoritmos para mover dos millones de ítems diariamente.
La planta de Ocado141 es enorme, variable y movible. Algoritmos predictivos revisan y
abastecen las existencias de más de 43.000 productos, anticipando la demanda del
consumidor; algoritmos para controlar el sistema organizan el tráfico de más de 7.000
canastas que viajan por la planta; algoritmos de ruta controlan el movimiento de una
flota de más de 1.500 camionetas, chequeando más de 4 millones de rutas distintas
por segundo. Y la máquina entera tiene que auto adaptarse continuamente (Machine
Learning), aprende sola cómo hacerlo todo mejor: la máquina se tiene que afinar por
sí misma. "En última instancia, los que tienen el control son los algoritmos", los ingresos
de esta empresa son 1.100 millones de libras (2015), unos 1400 millones de euros.
Hay algoritmos embebidos dentro de los robots de limpieza como Roomba142 o Neato.
Los aspiradores inteligentes de Roomba, por ejemplo, memorizan la distribución de una
habitación y aprenden por sí solos cualquier posible cambio.
Otro ejemplo es el algoritmo de recomendación de eBay, el 90 por ciento de lo que la
gente compra en la plataforma procede de búsquedas. El algoritmo “Best match”
(mejor resultado) tiene el objetivo de aumentar las ventas y reducir las malas
experiencias del comprador, asegurándose de que los compradores son más felices y
por tanto haya más probabilidades para futuras compras. Para ello usa una serie de
factores: Relevancia para la búsqueda del comprador, popularidad entre los
compradores de artículos, valor para los compradores, listado de integridad y calidad,
términos del anuncio de servicio (como la política de retorno y el tiempo de
manipulación), perfil del vendedor o el riesgo del vendedor en eBay, un informe del
historial del vehículo de AutoCheck por Experian para los vehículos que figuran en
eBay Motors,… eBay reportó 1.725 millones de dólares de beneficios en 2015, a pesar
de que los ingresos cayeron un 2 por ciento. Ebay ganó 1.580 millones de euros en
2015. Pero, en 2015, la compañía anunció 2.400 despidos en todo el mundo.
Algoritmos en sector Energía y Servicios Públicos
Otro ejemplo español es Repsol, el proyecto Caleidoscopio143 nació para unir ciencia y
tecnología de última generación con el propósito de descubrir nuevos yacimientos de
gas y petróleo. Usó una nueva generación de chips que maneja complejos algoritmos
matemáticos, testados anteriormente en el superordenador MareNostrum144.

24
La colaboración entre Repsol y el BSC-CSN (Barcelona Supercomputing Center -
Centro Nacional de Supercomputación) comenzó en 2007 y se ha centrado en
proyectos de alto contenido en I+D en el ámbito de la geofísica de exploración de
hidrocarburos145. Con el fin de encontrar petróleo y gas a miles de metros bajo el
subsuelo. Con este proyecto, Repsol se sitúa a la vanguardia de la exploración en
zonas de subsuelos complejos y con grandes reservas, como el Golfo de México o las
aguas profundas de Brasil, donde se estiman unos recursos de 100.000 millones de
barriles de petróleo. Repsol alcanzó en 2015 una producción media de 558.900
barriles146 equivalentes de petróleo al día (bep/d), es decir dichos descubrimientos
proporcionarían una abundante fuente de riqueza para Repsol, tanto económica
(actualmente el margen por barril es de 4,3 dólares147, lo que llevaría a una cantidad
de 430.000 millones de dólares) como de continuidad en el tiempo (unos yacimientos
de ese tamaño permitirían a Repsol una producción de petróleo diaria y continua
durante 490 años). El barril de Brent tiene un volumen de 159 litros de crudo. De los
cuales se obtiene aproximadamente un 18 por ciento de gasolina, un 38 por ciento de
gasoil y el resto es compuesto por queroseno, asfalto y lubricantes148.
A este proyecto principal se le añaden dos nuevos proyectos, fruto de la creación en
2011 del Repsol-BSC Research Center: Repsolver y el proyecto Lab Virtual. El objetivo
del proyecto Repsolver es lograr simular cualquier sistema físico en un superordenador.
El proyecto Lab Virtual, complementario del anterior al poder utilizar sus simulaciones,
trata de optimizar los parámetros de un sistema y su plan de desarrollo incluye la
optimización de los parámetros de operación de un reactor químico o el diseño y
operación de una batería.
Según investigadores149 del departamento de Autonomic Systems del BSC-CNS,
“combinando las mejoras en la eficiencia del hardware y las instalaciones con una
configuración adecuada del software que los gestiona, usando energías renovables,
se pueden reducir los costes energéticos en un 30 por ciento y la dependencia de la
red eléctrica externa en un 80 por ciento, acercándonos al objetivo de tener CPD con
cero emisiones contaminantes”. El BSC-CNS desarrollará algoritmos para decidir la
ubicación óptima de las cargas de trabajo entre CPD y la temporalización de su
ejecución para realizar el máximo de trabajo con el mínimo de emisiones. Los
resultados se validarán en ocho centros de datos de Europa. Repsol no menciona la
parte económica correspondiente a los algoritmos, los ingresos de 2015 ascendieron a
63.077 millones de euros150.
El sector de Energía y Servicios Públicos (Utilities) podrá ser uno de los más afectados
por los algoritmos, el uso de Machine Learning151 permitiría: el descubrimiento de
patrones de uso de energía para mejorar la experiencia de usuarios y fidelizar más a
los clientes; aumento de la participación ciudadana en programas de eficiencia
energética (actualmente muy bajos), aumentar los procesos de eficiencia energética;
ayudar a los usuarios a mejorar el calentamiento de sus hogares optimizando la
energía y ahorrando costes; optimizar los puntos de ajuste de los termostatos; integrar
los Vehículos Eléctricos en la red energética; evitar altas tasas de rotación (Churn152). El
uso de Big Data junto con algoritmos propietarios: reducirá el tiempo de recogida de
residuos hasta un 80 por ciento, reducirá un 75 por ciento los costes, ahorrará
combustible (por usar menos rutas y menos camiones) y conseguirá unas ciudades
más limpias y sostenibles153; la basura inteligente en ciudades inteligentes.
Algoritmos en sector Turismo
Booking.com, para lograr mayores ingresos de sus ventas, necesitará maximizar una
fórmula parecida a esta154:

Beneficio esperado= (N. de reservas * precio medio de venta * por ciento de comisión)
- costes de adquisición
Donde entendemos que:
Número de reservas= n. de consultas * porcentaje de conversión – cancelaciones.
Esta fórmula es claramente una simplificación aunque será suficiente para entender la
lógica de negocio de las agencias de viajes online (OTA, Online Travel Agency), así
como de la mayoría de los intermediarios. Por lo tanto, en esta fórmula, el número de
las reservas depende de 3 factores:
- Cuántas veces se consulta el hotel
- Con qué porcentaje de conversión tienen dichas consultas
- Cuántas de estas reservas finalmente se realizan (si no se produce un
“check-in” Booking no suele cobrar).
El algoritmo de una OTA suele ser un “espejismo” de lo que afecta positiva o
negativamente a sus ventas y a sus estrategias comerciales. Y en este ámbito el ratio
de conversión es una referencia que permite tanto la comparación entre los hoteles
que se están vendiendo, como la evolución de la eficacia de sus ventas.
Booking.com ofrece servicios de reserva de alojamiento para más de 850.000
propiedades en más de 220 países y territorios en sus sitios web y en 42 idiomas, lo que
incluye a aproximadamente 390.000 propiedades de alquiler de vacaciones155. En julio
de 2005, el Grupo Priceline adquirió Booking.com, que fue considerada como la
inversión más rentable en Internet en la década del 2000, ayudando a catapultar
Priceline en sus ganancias, en dicho grupo se incluyen marcas como: Booking.com;
priceline.com; KAYAK; agoda.com; rentalcars.com y OpenTable. En 2015 el grupo
gastó 2.800 millones de dólares en motores de búsqueda de Google (principalmente),
servicios de meta-búsqueda e investigación de viajes y marketing de afiliados para
generar tráfico a los mencionados sitios web. En 2015 obtuvo unos ingresos de 9.200
millones de dólares, dos tercios de los ingresos156 se deben a Booking.com, unos 6.100
millones de dólares, gran parte por el algoritmo de booking.
España es la tercera potencia turística del planeta, en 2015 batió récord en número de
viajeros internacionales, cerca de 68 millones de personas. El Top ten de las reservas en
España las gestionan: Booking, Expedia, Hotelbeds, Gulliver Travel Associates, Hotusa,
Hotel Reservation Service, Orbitz, The Booking Button, Agoda y Travelocityx157.
El mercado de las agencias de viaje online (OTA) actualmente está dominado por dos
gigantes: Expedia (nació en Microsoft que posteriormente la vendió por 1.500 millones
de dólares158 ) y Priceline. Las reservas online son ya un 40 por ciento de las ventas de
viajes159, el móvil es un dispositivo fundamental. Actualmente hay nuevos entrantes
atacando con fuerza como AirBnB, TripAdvisor, Amazon con Amazon Destinations y
Google que lanzó su sitio de meta-búsquedas Google Flight.
Según Euromonitor International160 el mercado global de ventas de viajes alcanzará los
3 billones de dólares en 2018, siendo alrededor de 1 billón de dólares para la parte
online. En definitiva, los algoritmos van a tener mucho que decir en este mercado
actualmente “en explosión”.

26
Algoritmos en sector Salud
¿Siguen siendo válidas las dietas universales para cualquier persona?. Cada individuo
responde de forma muy diferente a los alimentos que consume. Por eso, científicos del
Instituto de Ciencia Weizmann161de Israel crearon un algoritmo162 (algoritmo de
aprendizaje automático) que predice cómo el organismo de diferentes individuos
responde a los alimentos y establece cuál es la dieta más adecuada para ellos. El
doctor Eran Segal explicó que el algoritmo predice "con alto nivel de confiabilidad"
cómo el cuerpo reacciona a los niveles de glucosa en la sangre, estos niveles son
fundamentales para el control del peso y la diabetes, y están vinculados a muchas
otras enfermedades. La primera fase de este estudio ha finalizado denominándose
“proyecto de nutrición personalizada”163, su conclusión es “las dietas universales
pueden tener utilidad limitada”. Hay un vídeo que explica el proyecto164. Algoritmos
como el desarrollado aquí podrán ver la luz en forma de aplicaciones de dietas
personalizadas que pueden estar controlados por nuestro Smart Phone, de hecho ya
existen algunos ejemplos como las 39 Mejores Aplicaciones de Salud y Bienestar de
2016165.
Hoy día vivimos bajo una fiebre del culto al cuerpo y los próximos años llegará otra por
cuidar nuestra alimentación para vivir más años; seleccionaremos los mejores
alimentos para la familia. El sistema de puntuación nutricional166 (Nutritional Scoring
System) NuVal® es alimentado por el índice general de calidad nutricional (ONQI®,
Overall Nutritional Quality Index), un algoritmo para medir la calidad nutricional de los
alimentos y bebidas según la influencia que tienen en la dieta. NuVal® es
independiente, no hay ningún interés comercial detrás y fue desarrollado con el fin de
combatir la epidemia de obesidad en los Estados Unidos. Asigna un número (entre 1 y
100): “con este número puedes tener una decisión y decidir sobre un alimento”.
En los últimos años, los médicos han utilizado grandes volúmenes de datos (incluyendo
la recolección de los datos genéticos) y los algoritmos para desarrollar la "medicina
predictiva", disciplina que consiste en la prevención de futuros riesgos para la salud
basada en estilo de vida actual (analizando los datos). Las compañías de seguros con
el patrocinio de programas para promover el uso de dispositivos de control y
detección genética167 podrían seguir la misma tendencia.
Apervita168 inaugura la primera Comunidad Mundial y un Marketplace sobre analíticas
para la salud y datos, cuenta169 con diez miembros fundadores y más de 250
algoritmos y ofrece: medidas, vías, protocolos y conjuntos de datos para que
empresas y profesionales pueden crear, publicar y suscribirse a su analítica de datos,
de fácil aplicación en su flujo de trabajo. Algoritmos clínicos avanzados forman parte
del futuro del sector de la Salud. El sector de la salud se está moviendo hacia un
modelo de prestación de servicios de cuidado digitales, ofreciendo soluciones de
interoperabilidad, datos genómicos, acceso a la atención médica, democratización

de la analítica, encaminado a orquestar el sistema de salud en tiempo real. Los
recientes anuncios de instituciones médicas sobre la intención de publicar extensas
carteras de algoritmos avanzados a través de un mercado abierto (Open
Marketplace) muestran el creciente interés sobre el intercambio de algoritmos clínicos.
Hay ejemplos de algoritmos que nos podrán controlar la dieta según el tipo de
organismo170
IBM considera Watson Healthcare171 una pieza clave en su estrategia a largo plazo
para convertirse en el mayor proveedor de analítica (en 2015 los ingresos de Watson
Analytics172 fueron en torno a 18.000 millones de dólares en ingresos173) y exponen que
en los próximos años habrá una escasez de Data Scientists174 que las empresas no
podrán cubrir, por ello se producirá un aumento en las analíticas cognitivas que usarán
los ciudadanos (“Citizen Analytics”). IBM afirma que cada persona es probable que
genere más de 1 millón de gigabytes de datos relacionados con la salud en su tiempo
de vida. Equivalente a 300 millones de libros. En Watson Healthcare, estamos
integrando nuestras propias capacidades orgánicas con las de las compañías
adquiridas Merge, Phytel y Explorys. “Healthcare es una nueva oportunidad de ingresos
y beneficios para IBM, queremos cambiar la cara de la asistencia sanitaria con nuestra
plataforma cognitiva para proporcionar valor a los proveedores, los contribuyentes y
los socios”, afirma Martin Schroeter175, VP de IBM; se estiman unos ingresos de 3.000
millones de dólares para Watson Healthcare176. Un artículo de Wired sugería que
Watson era mejor detectando cáncer que los propios médicos177 (la tasa de éxito de
diagnósticos de Watson para cáncer de pulmón es 90 por ciento, comparado con el
50 por ciento de los médicos humanos.)178
La Agencia de Alimentos y Medicamentos estadounidense FDA (Food and Drug
Administration) acaba de aprobar el uso de Eko Core179, dispositivo que se acopla a
un estetoscopio convencional y que conecta con un smartphone, a través de
Bluetooth y la conexión a Internet del móvil procesa acciones avanzadas. Usando una
aplicación graba las secuencias de audio del ritmo cardíaco que captura a través del
estetoscopio, almacenando las del paciente y comparando posteriormente la
evolución mediante estadísticas y gráficas. Utilizando un algoritmo inteligente podría
analizar la forma de onda capturada con otras pregrabadas sanas o con alguna
patología y clasificar de forma automática el ritmo cardíaco como normal o anormal,
ofreciendo un posible diagnóstico posterior realizado por un especialista180. Hay más
de 750.000 millones de dólares anuales de pérdidas181 en el sector y la enfermedad
cardiovascular afecta a una cuarta parte de la población mundial. Se espera que el
mercado de la monitorización cardíaca sea de 23.300 millones de dólares en 2017.
Cada vez hay más personas preocupadas por su salud que apuestan por distintos
gadgets para monitorizar su actividad diaria. Fitbit, el fabricante de pulseras que
registra calorías quemadas durante el día, número de pasos o el sueño. Sus ventas en
2015 se duplicaron, pasando a 1.858 millones de dólares 182. Los monitores Fitbit tienen
un algoritmo ajustado con gran precisión para el recuento de pasos, está diseñado
para buscar las pautas de movimiento183 de los pasos de las personas. ¿Podrá estar el
futuro de este tipo de gadgets en la joyería de alta gama?, ya hay marcas que han
anunciado estos artículos de lujo y a la vez para cuidar tu cuerpo184.

28
Algoritmos en Sector de Tecnologías de la Información y
Comunicación (TIC)
Durante el Symposium NIPS de Canadá en 2015 el Dr. Ian R. Kerr185 introdujo un
concepto interesante, ¿pueden los ordenadores firmar contratos?, es decir, con la
capacidad de concomimiento de las máquinas y usando algoritmos, ¿se podrían
firmar contratos de cualquier tipo sin necesidad de la intervención Humana?. En EE.UU
los algoritmos no son patentables, pero algunos usos de algoritmos si lo son186, por lo
que esto podría ser una realidad en poco tiempo.
Erik Brynjolfsson y Andrew McAfee trabajan en el MIT (Instituto Tecnológico de
Massachusetts), han escrito el libro, The Second Machine Age (Norton). El libro expone
con un lenguaje asequible las líneas fundamentales de esta nueva «revolución
industrial» en marcha, la del vertiginoso crecimiento del poder de computación, los
robots, las máquinas “inteligentes”, el “internet de las cosas” y el big data; con las
consecuencias que todo ello supone para la organización de la sociedad, el modelo
económico y nuestro modo de vida. Erik en su intervención en TED187 afirma
“Actualmente la productividad va bien”, “pero ésta se ha desacoplado del empleo, y
el ingreso del trabajador medio se está estancando”, estamos entrando en la nueva
Era de las Máquinas (The new machine age). Expone el ejemplo: “¿cómo un
trabajador cualificado puede competir con un paquete de software de 39 dólares?” y
explica el éxito del programa “intuit” afirmando que “hoy la mayoría de los
estadounidenses tienen su declaración e impuestos más barata, más rápida y más
precisa que hace unos años, debido a este programa: pero el 17 por ciento de los
asesores fiscales han perdido su trabajo, esto está ocurriendo en todas las industrias”,
“la nueva era de la máquina es: digital, exponencial y combinatoria”; reforzando la
importancia que va a tener la Algoconomy en el futuro, otra idea que refuerza el
porqué de este Trabajo Fin de Máster, los algoritmos van a tener una tremenda
importancia en los próximos años.
Volviendo a los argumentos de Brynjolfsson, afirma que el invento más importante de
nuestros días se sitúa en el Machine Learning (aprendizaje de las máquinas). Según Erik
Brynjolfsson. “Las personas están compitiendo contra las máquinas y muchos están
perdiendo la carrera. En vez de competir contra la máquina, tenemos que aprender a
competir con la máquina. Éste es nuestro gran desafío”. “la tecnología no determina
nuestro destino, somos nosotros quienes le damos forma”.
Hemos hablado ya de PageRank, pero es preciso destacar que todos los buscadores
de Internet presentan cuatro pilares importantes: Robot, Índice, Interfaz de Búsqueda y
Algoritmo. La verdad es que la historia de cambios en el algoritmo de Google es
trepidante188, aquí podemos ver una lista completa189 de los algoritmos y su evolución.
El algoritmo de búsqueda de Google está en constante cambio y a cada
actualización le han ido dando el nombre de un animal. La clasificación se basa en 5
niveles: vitales, útiles, relevantes, poco relevantes y fuera de tema (Off Topic). Google
ordena los resultados de la búsqueda utilizando varios factores, el más importante es el
Page Rank. El Page Rank es un valor numérico que representa la importancia de una
página web. Para Google que un sitio enlace con otro sitio significa un voto. Cuantos
más votos tenga un sitio más importante será para Google. Pero también le da
importancia a que la votación provenga de una página u otra. Según Brin y Page “si
una página tiene un vínculo de la página principal de Yahoo, este puede ser un
vínculo, pero uno muy importante. Dicha página debería estar mejor clasificada que
otras páginas con muchos vínculos pero de lugares desconocidos”. “Es decir, es más
probable que alguien llegue a una web si tiene un enlace en un portal concurrido,

que si tiene siete enlaces en páginas personales de desconocidos”.
En cuanto a los cambios en el algoritmo de búsqueda de Google, hay dos tipos:
cambio de algoritmo (Caffeinie y Colibri) y actualizaciones dentro del algoritmo (a
veces denominado filtro, donde se sitúan: Panda, Venice, Penguin,...). Aunque la
mayoría de las últimas actualizaciones lanzadas se centraban en la calidad de los
resultados, en Septiembre de 2013 Google hace un cambio de algoritmo (no un
cambio en su algoritmo, sino uno nuevo denominado Colibri, la traducción del inglés
Hummingbird). Colibrí es el nuevo algoritmo de búsqueda de Google, diseñado para
abrir el camino hacia la búsqueda conversacional real, no se trata de un cambio de
algoritmo en el ámbito de resultados, sino una que es una evolución del algoritmo
existente. Google no se enfoca en la calidad de los resultados, sino que ahora ha
aprendido a responder a preguntas. Con el aumento del uso de dispositivos móviles,
Google tiene que estar preparado para manejar consultas más largas y coloquiales,
como por ejemplo, “a cuánto está Madrid de aquí” o “comparar mantequilla con
aceite de oliva”. Colibrí añade la habilidad de entender el significado de las palabras,
hacer comparaciones y aplicar filtros en un contexto dado, lo que permite al buscador
ofrecer resultados precisos a consultas complejas. Supone un cambio que afecta al 90
por ciento de las búsquedas a nivel mundial, ya que en lo que trata de incidir es en
entender las nuevas búsquedas de los usuarios basadas en frases más complejas y
contextos más semánticos, en principio afecta sobre todo a los dispositivos móviles,
que son los que utilizan esta forma de buscar normalmente.
o RankBrain190 es el nombre de un nuevo sistema de interpretación que
confiere a Google un mejor entendimiento de las consultas de
búsqueda, especialmente las más ambiguas. Se integra en el algoritmo
de búsqueda Hummingbird191 y emplea inteligencia artificial para
determinar qué es lo que busca el usuario. Según Google, RankBrain es
la tercera señal de referencia en la clasificación de páginas web
(contenido y enlaces van primero). No añade nuevos factores al
algoritmo de ranking, pero determina el peso de los existentes
basándose en la consulta del usuario.
Todo lo demás sigue igual, es decir, los algoritmos Google Penguin, Panda e incluso
PageRank siguen activos y funcionando de la misma forma.
Sin duda la búsqueda en Google usando la voz192 (Google Voice Search) está
marcando un antes y un después en la interacción con el buscador, pues ahora
puedes comprobar citas en tu agenda, obtener información nutricional, preguntar por
el tráfico, crear recordatorios o incluso ir a través de tus álbumes y encontrar fotos
específicas. En combinación con Google Ahora (Google Now193), el Gráfico de
conocimiento194 (Knowledge Graph195) y una mejor comprensión del lenguaje natural
(Natural Language), la búsqueda se está convirtiendo en más inteligente,
conversacional y más útil con cada actualización nueva.
Actualmente Google tiene 3,5 millones de búsquedas al día y las acciones de
Alphabet196 (Google) siguen subiendo y su capitalización bursátil superó los 546.000
millones de dólares, por delante de Apple (533.000 millones de dólares), aunque ya en
el mes de abril de 2016 Apple volvió a superar a Google en capitalización197. Eso sí, el
99 por ciento de los ingresos de Alphabet corresponden a Google, de los que más del
90 por ciento corresponden a publicidad198; en concreto los ingresos de Google en
2015 ascendieron a 21.300 millones de dólares, de los que 19.078 millones de dólares se

30
corresponden con la publicidad, en gran parte gracias a los algoritmos de búsquedas.
El algoritmo de posicionamiento de Yahoo se conoce como WebRank199 y, como el
PageRank de Google, se mide con una valoración entre 1 y 10. La medida del
WebRank está relacionada con la barra de Yahoo. También influyen en el
posicionamiento el interfaz y otros pesos de posicionamiento parecidos a los usados
por Google. El WebRank usa además para posicionar las páginas criterios de
popularidad, como por ejemplo la antigüedad de la Web, ya que se considera una
muestra de credibilidad. Yahoo otorga mucho peso al título, permitiendo repeticiones
de palabras. El título puede llegar a 100 caracteres. Además, las keywords en la URL
parecen tener más peso que en el PageRank de Google. En este caso, según los
últimos resultados de la compañía, el negocio de las búsquedas se situaría en el
entorno de los 3.200 millones de dólares al año200, parte de ellos debidos al algoritmo
WebRank. Los ingresos totales estarían por encima de los 4.300 millones de dólares.
En cuanto al algoritmo que usa Bing, como explica la propia Microsoft201 “cada
resultado de búsqueda mostrado se obtiene mediante un algoritmo informático que
asocia los términos de búsqueda que escribes con los resultados de nuestro índice. En
general, intentamos proporcionar una colección de resultados de búsqueda que sea
lo más completa y útil posible. Diseñamos algoritmos para proporcionar los resultados
más relevantes y útiles y determinar los resultados de búsqueda mostrados que
aparecen para cada búsqueda”. En el Blog de Bing202 dan un paso más y explican
cómo el algoritmo de Ranking de Bing usa los contenidos de calidad como el factor
principal en sus resultados de búsquedas (los tres pilares de la calidad del contenido
son: autoridad, utilidad y presentación).
Ranking = f (Topical Relevance, Context, Content Quality)
En Bing, la relevancia es un resultado en función de:
 La importancia del tema a la consulta ("¿Responde a la consulta?") (Topical
relevance)
 La calidad del contenido (tal como se mide por los tres pilares descritos
anteriormente: autoridad, utilidad y presentación) (Content Quality)
 Contexto ("es la consulta acerca de un tema reciente?", "¿Cuál es la ubicación
física del usuario?"...) (Context)
El negocio de búsquedas es por primera vez rentable para Microsoft, algo que se
llevaba esperando en los últimos trimestres, Bing ha generado 1.000 millones de dólares
en ingresos en el primer trimestre de 2016203, principalmente por haber decidido
delegar en otras empresas externas algunas responsabilidades. Los ingresos totales en
este trimestre ascienden a 20.400 millones de dólares, que es un 12 por ciento menos
que en el mismo periodo del año pasado. Los beneficios - antes de impuestos - se
quedaron un 1 por ciento por debajo de lo cosechado en 2015, con 5.800 millones de
dólares.
Las meta keywords, al contrario que en los principales buscadores en los que estamos
habituados a optimizar nuestro contenido, siguen siendo uno de los principales
factores de los algoritmos de Baidu204. Baidu ingresó 2.450 millones de dólares en los
tres primeros meses de 2016205, lo que le llevaría a unos ingresos anuales por encima de
los 10.000 millones de dólares en la parte de búsqueda. Robin Li, presidente y
consejero delegado de Baidu afirmó: "Esperamos que nuestro negocio central, el
motor de búsqueda, nos ofrezca más oportunidades de negocio a través de la
plataforma integrada de mercadotecnia y servicios de transacciones por internet",

"Algoconomy: el futuro que te espera"

"Algoconomy: el futuro que te espera"

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Destacado

Destacado (20)

Similar a "Algoconomy: el futuro que te espera"

Similar a "Algoconomy: el futuro que te espera" (20)

"Algoconomy: el futuro que te espera"