Inteligencia artificial donde el resultado se puede medir

Qué sí: tareas concretas con resultado medible

La inteligencia artificial aplicada que tiene sentido en una empresa mediana no es un asistente que lo sabe todo: son tres o cuatro tareas acotadas que hoy consumen horas y que un modelo hace razonablemente bien.

• Clasificar: ordenar documentos, correos o glosas de gasto en categorías que ya existen y que hoy alguien asigna a mano.
• Proyectar: estimar demanda o cobranza a partir del historial que su empresa ya tiene registrado.
• Resumir: convertir texto largo en algo que se lea en un minuto, dejando siempre el original a un clic.
• Extraer: sacar los datos estructurados de un documento que hoy alguien transcribe a una planilla.

Qué no: lo que le vamos a desaconsejar

Nada de inteligencia artificial por moda. Si una regla simple resuelve el problema, la regla gana: es más barata, se explica en una frase y no cambia de opinión entre una corrida y la siguiente.

Tampoco recomendamos modelos donde el error sale caro y no hay revisión humana en el medio, ni proyectos que dependen de datos que su empresa todavía no registra. Y si al mirar su caso creemos que con lo que ya tiene basta, se lo decimos.

Antes de la inteligencia artificial van los datos

Un modelo hereda la calidad de lo que le entra. Si las fuentes no están conectadas ni cuadradas, el resultado va a ser confiablemente malo, y peor aún, difícil de auditar. Por eso un proyecto típico parte por la ingeniería de datos y por los paneles. La automatización y la inteligencia artificial vienen después, cuando los datos ya son confiables.

Cómo medimos si sirve

Antes de construir nada acordamos dos cosas: contra qué se compara el resultado del modelo y cuál es el umbral a partir del cual conviene usarlo. Puede ser el acierto contra una muestra que ya clasificó una persona, o el error de la proyección contra lo que efectivamente pasó.

Ese número se revisa en la reunión mensual, igual que cualquier otro indicador. Si el modelo deja de acertar porque el negocio cambió, se corrige o se apaga. Un modelo que nadie mide es un gráfico bonito con más pasos.

También acordamos de antemano qué pasa cuando el modelo no está seguro. Lo habitual es que esos casos se deriven a una persona en vez de forzar una respuesta: el valor está en que el modelo resuelva la mayoría del volumen y deje bien marcada la minoría que todavía necesita criterio.

Confidencialidad cuando hay modelos de por medio

Sus datos son suyos y eso no cambia porque haya un modelo en el proceso. Cada cliente vive en su propio proyecto de nube, separado de los demás, con accesos nominativos y verificación en dos pasos. Antes de empezar dejamos por escrito qué información entra al modelo, dónde se procesa y qué pasa con ella después.