Una Inteligencia Artificial que nos entienda, que se comunique, que facilite nuestro día a día, nuestro trabajo, que nos ayude a extraer conclusiones, a tomar decisiones y que, además, sea justa. Existen tantas visiones como aplicaciones de la IA.
En el último evento de Executive Forum, diferentes profesionales expusieron su punto de vista y experiencia en relación a las últimas tendencias en IA. Su director, César Chiva, inauguró la jornada explicando que “la Inteligencia Artificial es la parte de la tecnología que más va a impactar en nuestras vidas”. ¿Llegarán a pensar las máquinas? Lo que parece estar claro es que, a corto plazo, empezará por transformar los puestos de trabajo y las organizaciones.
La IA nos entiende: Procesamiento del Lenguaje Natural
La Inteligencia Artificial no es ciencia ficción. Es cierto que queda mucho para que un robot piense o se emocione como nosotros, pero detrás de términos complejos como el de Procesamiento del Lenguaje Natural (PLN), hay una realidad cercana a nuestro día a día.
Clasificación y extracción de información con PLN
Así comenzó Marta Guerrero, head of Natural Language Processing Group en el Instituto de Ingeniería del Conocimiento (IIC), a explicar que la Inteligencia Artificial funciona y es útil en tareas muy concretas, como las relacionadas con la clasificación o la extracción de información.
El PLN, en este caso, permite que una máquina trabaje de forma automática con el lenguaje humano. Son los lingüistas computacionales los que lo hacen posible: estructuran la información y crean reglas lingüísticas para que un modelo basado en machine learning aprenda a trabajar en una tarea en concreto.
Más concretamente, estos perfiles mixtos anotan corpus –conjuntos de textos– léxica, gramatical y sintácticamente para que la máquina los “entienda” y aprenda, haciéndose con el dominio y terminología de cualquier sector en el que se quiera aplicar.
Aunque suene raro, todos los días, millones de personas en todo el mundo utilizan el PLN en cualquiera de sus dos ramas: texto y voz. Por ejemplo, al traducir un texto en Google o al hablar con un asistente inteligente.
Tendencias de PLN en la experiencia de cliente
Por su relación con la comunicación, el Procesamiento del Lenguaje Natural tiene especial aplicación en el área de experiencia de cliente, donde se utilizan algunas de las últimas tendencias: la transcripción automática, la clasificación automática de texto, el análisis de sentimiento o los chatbots.
El Speech2text agiliza la tarea de transcribir una conversación, identificando además a los locutores. Para la gestión de incidencias, un sistema de clasificación decide si deriva la reclamación a un operador y puede clasificar el texto en función de diferentes temáticas.
Por otro lado, el análisis del sentimiento sirve para conocer las opiniones de usuarios sobre un tema concreto: un producto nuevo, una marca, un evento, etc. Y un paso más allá, la detección de emociones determina si los clientes expresan ira, sorpresa o euforia ante una campaña, por ejemplo.
Los chatbots también están de moda en este sector. Utilizando una base de datos de pregunta-respuesta y algunas reglas lingüísticas, son capaces de agilizar un servicio de call center. Además, algunos tienen personalidades o perfiles predefinidos y se comportan de forma educada o espontánea según el objetivo.
Inteligencia Artificial desde otra perspectiva
El PLN refleja además una colaboración entre dos mundos, el de las humanidades y el de la tecnología, que trabajan juntos en este ámbito de la Inteligencia Artificial. Y es que la jornada dejó otras reflexiones y modos de ver la IA, además de casos de más y menos éxito de los que han aprendido los participantes. Estos fueron algunos de los temas abordados.
Inteligencia Artificial: humanidades y ética
Los equipos de PLN son multidisciplinares. Mientras los lingüistas computacionales preparan los corpus y los recursos lingüísticos necesarios, los ingenieros diseñan el modelo que va a aprender de esa información etiquetada y que después procesará textos nuevos automáticamente. Y cada vez más se apuesta por esta variedad de perfiles en el desarrollo de una Inteligencia Artificial más completa.
Los profesionales de humanidades, según Marta Guerrero, tienen otra forma de pensar y enriquecen muchas de las soluciones basadas en Inteligencia Artificial, aportando conocimientos que se necesitan más allá de la formación técnica. Comprender el lenguaje, por ejemplo, es esencial para saber enseñárselo a una máquina.
Pero también ven la Inteligencia Artificial desde fuera. Desde una perspectiva ética, expertos como Alfonso Ibáñez-Martín, Global Head of Big Data Analytics en Telefónica, hablan de la justicia de la IA.
En concreto, apuestan por combatir los algoritmos sesgados, crear modelos explicables que no tomen decisiones discriminatorias e intervenir si es necesario para conseguir resultados más justos, a pesar de sacrificar parte de la precisión. Hay tres criterios clave a tener en cuenta para evaluar si un modelo es justo: independencia, separación y suficiencia.
Cuidar los datos para crear IA
La importancia de los datos se mencionó en prácticamente todas las intervenciones. Berenger Briquez, subdirector de Inteligencia Artificial y Machine Learning en Redexis, abrió la jornada apuntando que en el fondo de la Inteligencia Artificial está “la ingesta y limpieza de datos”, aunque nos cueste llamarlo así. Y que solo a partir de los datos podemos llegar a conseguir valor para nuestro negocio.
Para Diego Bodas, subdirector técnico de Modelos Predictivos en MAPFRE, también hay que tener un control de la “materia prima”: saber si el dato tiene o no calidad, entenderlo y saber si es fiable.
Y es que el verdadero reto es utilizar la información adecuada en la forma en que se necesita. Leandro Hermida, director de Tecnología y Sistemas de IberCaja, lo ejemplificó en el caso del sector de la banca, donde se genera mucha información, y destacó la necesidad de entender los riesgos en cada caso de uso para tomar las decisiones adecuadas en materia de Inteligencia Artificial.
La IA necesita conocimiento de tecnología y de negocio
Precisamente de las experiencias compartidas, surgió una pregunta que se planteó al final de la jornada: ¿Qué fue antes? ¿La tecnología o el caso de uso?
En el caso de INDRA, que utiliza algoritmos de Deep Learning en los peajes, se aplicó la tecnología para abordar una necesidad previa: la tarea de identificar tipos de vehículos, el número de ejes y el de ocupantes que transportan. Javier Rojo Fernández, Tolling Product Manager, explicó que poder hacerlo a través de imágenes supone un gran ahorro en infraestructuras.
Definir un objetivo es esencial, más cuando hablamos de “modelos que afectan a la vida de las personas”, destacó Diego Bodas. Es decir, hay que tener la suficiente formación técnica, pero también conocimiento del negocio.
Para aplicar IA, según Manuel Torres, AI & Machine Learning Head en Techedge, necesitamos un propósito (qué queremos hacer), un destino (adónde queremos llegar) y un plan que incluya metodología y habilitadores. Y no es hasta este tercer paso cuando entra en juego la tecnología.
Al final, los expertos estuvieron de acuerdo en que todo proyecto de IA parte de una necesidad de negocio y se mostraron favorables a la democratización de la tecnología. Entender la tecnología, saber qué es lo que tenemos a nuestra disposición, y ponerla al servicio del negocio resulta en mejores soluciones para problemas que ya teníamos.
Te puede interesar ver el vídeo sobre
Tendencias del procesamiento del lenguaje natural.
Nos lo cuenta Marta Guerrero, Coordinadora Social Business Analytics. Lingüista Computacional. IIC.