Mejorando la toma de decisiones experta con insights de IA

«La inteligencia artificial puede potenciar nuestras capacidades analíticas y de toma de decisiones proporcionando la información correcta en el momento correcto.»

Collaborative Intelligence: Humans and AI Are Joining Forces, Harvard Business Review, julio 2018.

Ya sea aplicada a agricultura, salud o comunicaciones, la tecnología apoya y mejora la tarea o experiencia humana. Utilizando potencia de cómputo para procesar vastas sumas de datos, la tecnología puede aportar enorme análisis e insights en plazos virtualmente imposibles para humanos, permitiendo a expertos identificar y enfocarse en casos prioritarios. Aquí vemos casos y cómo este enfoque de machine learning se usa hoy.

Casos de IA en revisión

Hay ejemplos emocionantes de IA y herramientas analíticas avanzadas usadas para mejorar productividad y eficiencia en amplia gama de industrias. Veamos dos ejemplos:

1. Salud:

Como parte de una asociación de cinco años entre Moorfields Eye Hospital NHS Foundation Trust y DeepMind Health, investigadores de Moorfields y UCL Institute of Ophthalmology usaron con éxito machine learning para identificar signos de enfermedad ocular y hacer derivación apropiada. Publicado en Nature Medicine, se logró usando tecnología para analizar miles de escaneos oculares históricos para identificar y aprender de patrones y algoritmos. Con 94% precisión en decisiones de derivación (igualando a expertos oculares líderes mundiales), la tecnología se considera el futuro de pruebas oculares, permitiendo diagnóstico más temprano y priorización más precisa de pacientes.

2. Finanzas

Algunas de las mayores pérdidas por fraude se sufren en telecomunicaciones, con pérdida anual estimada de casi 30.000 millones $, según estimaciones recientes de Communications Fraud Control Association (CFCA). Cuanto más rápido se detecte fraude, más rápido se puede cerrar, minimizando pérdidas financieras y reputacionales. Software de detección de fraude puede procesar y detectar patrones complejos en vastas cantidades de datos para identificar anomalías o datos sospechosos que requieren investigación adicional. Esto libera a investigadores del rastreo de datos para enfocarse en casos cualificados, dando oportunidad de detectar fraude temprano y minimizar daño, financiero o de otro tipo.

Casos en Senseye PdM

Los casos creados automáticamente en Senseye PdM, el producto líder de Senseye para Mantenimiento Predictivo (PdM), proporcionan toda la información para investigar un posible fallo futuro de activo, permitiendo arreglarlo antes de que se convierta en issue y perturbe la línea de producción. Las capacidades tecnológicas de Senseye PdM se usan para monitorizar volúmenes masivos de activos, realizar cálculos relativos a un issue y presentar al usuario un caso para investigación. El caso consta de detalles del problema potencial, incluyendo qué llevó a detectar un issue potencial, cuál es la preocupación y por qué debe investigarse. Escalabilidad: el lado positivo.

La IA tiene capacidad de procesar datos y realizar cálculos más rápido y con más precisión que humanos, pero es la disponibilidad de alojar estos datos en la nube la que habilita la otra gran oportunidad real: escalabilidad. Para humanos, más datos significarían ejercicio de reclutamiento, pero con cloud computing puede simplemente escalar casi instantáneamente cuando se requiera. También, igual que humanos aprenden de experiencia, la IA también. Cuando se expande el alcance del remit de un programa de IA, también lo hace la capacidad de aprender, refinar y mejorar resultados.

Caso cerrado

Ya sea Alexa o Siri dándole horarios de tren y previsión meteorológica, su banco congelando su cuenta por comportamiento de pago inusual para proteger sus activos, su vista evaluada por una máquina, o Senseye PdM creando un caso para alertar de comportamiento inusual de máquina, estamos rodeados de tecnología que busca protegernos y servirnos mejor.