La inteligencia artificial, de acuerdo con una de las definiciones disponibles, “es la tecnología que se aplica cuando una máquina adquiere funciones cognitivas que, tradicionalmente, se suelen asociar a los seres humanos, tales como percibir el entorno, resolver problemas y tomar decisiones de manera autónoma”. Es la disciplina que intenta replicar y desarrollar la inteligencia y sus procesos implícitos a través de computadoras.

Modelos de la inteligencia artificial

Para hacerlo es necesario utilizar modelos de inteligencia artificial, modelos de análisis y toma de decisiones en un contexto específico, por ejemplo, de negocio. No es suficiente realizar solo un análisis estadístico. Asimismo, se requiere hacer un análisis en contexto del negocio que involucre aspectos cuantitativos y cualitativos. En el primer caso, se refiere a los costos y beneficios; en el segundo, la explicabilidad y la confianza que ese modelo nos permita.

Tomemos un ejemplo, donde teniendo dos modelos candidatos, el primero con una precisión del 92% y el segundo, del 95%. Evidentemente, nos veremos orientados a seleccionar el modelo que nos entrega el 95%, considerando que el margen de error es mucho menor. Desde el punto de vista estadístico no siempre es tan sencillo. Si bien el margen es menor, no sabemos en qué se equivoca.

En estadística hablamos de dos tipos de error: falso positivo y falso negativo. Se puede ejemplificar en un contexto bancario como entregar un servicio a quien no está calificado y a quien sí lo está. Ambos poseen distintos costos y beneficios desde el punto de vista del negocio. Puede ser que dos modelos sean mejores o peores en contextos distintos, sin embargo, eso no es absoluto y puede cambiar perfectamente.

Adicionalmente, existe un tema que se subestima, que es la explicabilidad de los modelosque se traduce como la confianza que se le tiene a los modelos. La verdad de fondo es que prácticamente ningún modelo de datos o inteligencia artificial funciona por sí solo, salvo ciertas excepciones. Muchas veces trabajan informando o complementando la información con un receptor humano, que es quien toma la decisión de acuerdo con los resultados entregados por el modelo, quien confiará en el modelo que le genere mayor confianza basado en si explica o no por que tomó determinada decisión y que datos lo llevaron a entregar determinados resultados.

El valor de los modelos de inteligencia artificial

Un modelo que se explica es mucho más valioso que un modelo caja negra. Por lo tanto, es mejor utilizar modelos simples que se puedan comprender y explicar, en lugar de modelos muy complejos, ganando un poco de precisión, logrando un mejor resultado en base a reducir errores estadísticos.

Entender cómo se diseña la estrategia de relación con los clientes permite determinar qué datos son necesarios y cuáles no, y determinar así la estrategia de datos y la definición de Smart Data.

Valiéndonos de “toda la capacidad del mundo” para almacenar información, y contando con gran cantidad y variedad de datos complejos que las formas tradicionales no pueden procesar, en Practia proveemos plataformas y soluciones que permiten integrar esta importante información a la operación de las organizaciones.

Para conocer qué estamos haciendo en Practia para aprovechar la inteligencia artificial para los negocios haz click aquí  y conoce más sobre nosotros en nuestras redes LinkedIn y Twitter.