Las organizaciones basadas en datos no sólo tienen 23 veces más probabilidades de adquirir clientes, sino también seis veces más probabilidades de retenerlos y 19 veces más probabilidades de ser rentables, según el Mckinsey Global Institute. Pero ¿quién analiza la data y toma las decisiones?.
Seguramente, ya no es un humano: en la era de la revolución de la Inteligencia Artificial (IA), la toma de decisiones inteligentes se acelera exponencialmente.
El desafío ya no es sólo profundizar en los enormes volúmenes de información provenientes de múltiples fuentes para extraer los insights más valiosos, ahora la IA utiliza análisis predictivos para evaluar datos históricos, identificar patrones y hacer predicciones precisas y a gran velocidad.
Esto ayuda a proponer respuestas a preguntas sobre lo que puede suceder en el futuro y, conforme los sistemas de big data siguen creciendo, las empresas tienen que trabajar con conjuntos de datos cada vez más grandes, lo que aumenta la necesidad de este tipo de análisis.
Los tableros de datos o dashboards son una pieza fundamental del decision-making. Y cuando se alían a la IA, pueden generar modelos de crecimiento exponenciales, ofreciendo una personalización aplicada a la empresa y sus clientes.
La dupla IA-dashboards puede dar ventajas al analizar datos en tiempo real. Por ejemplo, los equipos de ventas pueden rastrear el comportamiento del cliente minuto a minuto, midiendo la cantidad de visitas a un sitio web y conociendo las ventas que se concretan.
Esta alianza virtuosa se puede aplicar a todo tipo de industrias, desde petroleras hasta en la publicidad. Por eso, uno de los casos es el de YPF, que automatizó el análisis de datos para conocer a sus clientes.
"Con la IA encontramos una correlación de comportamiento que no podríamos visualizar con el ojo humano", confía a iProUP Mauro Cercos, gerente de Desarrollos Digitales y Explotación de Datos de la petrolera.
Además, remarca que les "permite administrar un volumen significativo de información, ordenarla, limpiarla y disponibilizarla para su interpretación en todos los sectores de la empresa".
Por su parte, Ian Bogado, CEO de Uali, confía a iProUP que, en su caso, los dashboards con IA pueden analizar datos en tiempo real de activos energéticos, como aerogeneradores, transformadores y líneas de transmisión, para definir cuándo es necesario realizar mantenimientos preventivos o correctivos.
Asimismo, puede asignar de manera más eficiente los recursos humanos y técnicos en el campo, garantizando que los operadores estén disponibles cuando y donde se les necesite.
Por último, mejora la seguridad en los pozos al proporcionar alertas en tiempo real sobre situaciones de riesgo, como fallos en equipos o condiciones peligrosas.
Predecir es una de las grandes cualidades de unir paneles e IA. En Media.Monks revelan a iProUP cómo, en el ecommerce, puede calcular fácilmente la probabilidad de compra de un usuario en función de su comportamiento al analizar clics, páginas y productos vistos, y otras interacciones.
Gastón Fossati, SVP Data en Media.Monks, señala a iProUP que "los dashboards nos permiten crear audiencias y exportarlas a una campaña de marketing".
"También podemos utilizar la IA para analizar qué creatividades tienen un mayor impacto, agruparlas según sus características y generar diferentes versiones a través de la IA generativa", agrega.
Los bots de atención al cliente también utilizan IA. En este caso, los paneles sirven para el entrenamiento del bot. Jerónimo Cerimedo, DGC de Hoopla y miembro del board de MMA, indica a iProUP que este entrenamiento se lleva a cabo en dos interfaces diferentes:
En Softtek utilizan los dashboards internamente y también los desarrollan para sus clientes.
Marco Palomino, líder del Centro de Excelencia de Data & IA en la firma, reslta a iProUP que esta herramienta se puede categorizar en cuatro tipos diferentes:
La IA carece de la capacidad de utilizar la sabiduría y el discernimiento de las personas, por lo que cierto nivel de participación humana personal sigue siendo importante en cualquier proceso de toma de decisión.
"La intervención humana aún es clave para evitar sesgos en la toma de decisiones. Hoy necesitamos equipos bien capacitados, orientados a efectuar una revisión de la calidad de las transacciones ejecutadas por IA, en el sentido de asegurar que las bases éticas de las decisiones sean cumplidas", señala a iProUP José Saha, COO de Readiness.
Por un lado, la IA depende en gran medida de datos confiables y de alta calidad para una toma de decisiones informadas. Por otro, los sistemas de toma de decisiones pueden generar preocupaciones éticas, particularmente cuando se trata de cuestiones como la privacidad, la equidad, la transparencia y la rendición de cuentas.
Bogado resalta que "es necesario tener diversidad en la conformación del equipo de desarrollo, ya que diferentes perspectivas pueden identificar problemas que podrían pasarse por alto de otra manera".
"Los modelos de IA deben ser diseñados de manera que sean comprensibles y transparentes, y deben actualizarse de manera regular para reflejar cambios en los datos y corregir cualquier sesgo emergente", completa.
Desde Media.Monks añaden que la posibilidad de que la IA presente sesgos depende directamente de la base de datos que se haya utilizado para entrenar dicho modelo.
Por eso, es necesario contar con un equipo de profesionales que corroboren la calidad de la información. En este sentido, Fosatti remarca que se requiere:
La inteligencia artificial necesita el plus de comprensión y contexto humanos. Es por esto que aumenta la demanda de especialistas en Behavioral Data, aquellos que se capacitan para extraer conclusiones con significado psicológico del análisis de datos.
Si depender ciegamente de los sistemas de inteligencia artificial para la toma de decisiones sin personas la supervicen adecuadamente puede ser perjudicial, el desafío más grande para las organizaciones es sin dudas lograr el equilibrio adecuado entre el juicio humano y la asistencia de la tecnología.