Análisis predictivo. Cómo los datos sintéticos están cambiando el modo de producción empresario

En el mundo, una de cada tres empresas ya utiliza la Inteligencia Artificial (IA) o planea aprovecharla, tal como indica la consultora Gartner. Incluso, Verified Market Research señala que a nivel global el mercado de esta tecnología alcanzó una valuación de US$51.000 millones en 2020 y se estima que supere los US$640.000 millones para 2028. ¿Por qué este crecimiento tan acelerado y qué se aplica?

La IA cobró semejante protagonismo gracias a los múltiples usos y aplicaciones que ofrece. Entre otros, ayuda a agilizar procesos y simular futuros posibles, lo que permite mejorar la toma de decisiones. Partiendo de datos históricos para predecir eventos futuros, el análisis predictivo mejora los índices de venta de un producto, pero también es una opción para anticiparse a una enfermedad y testear un tratamiento médico, minimizar el impacto de un derrame de petróleo o hasta algo mucho más simple: ayudarnos a elegir qué serie ver esta noche.

Interfaces cerebro-computadora: una frontera distópica para la experiencia del usuario

Y hay más: el uso de IA tiene un beneficio económico, porque permite ahorrar costos al optimizar tiempos y recursos.

“Los datos son el nuevo petróleo, el corazón de los negocios, y su análisis es clave para saber orientar a la empresa”, opina Leandro Balboni, Head of Digital Acceleration, Healthcare & Insurance en Softtek. Al aplicar machine learning, los datos cobran mayor valor: a través de la interpretación y la búsqueda de patrones, tendencias y correlaciones son capaces de arrojar importantes insights, incluso cuando se hayan perdido algunos eslabones de información en la cadena.

Esos eslabones vacíos son, justamente, los que dieron lugar al surgimiento de una nueva tipología de datos: los sintéticos. “Están conformados por información generada de forma artificial”, explica Balboni. Allí donde la realidad no cuenta con información, el algoritmo se encarga de “fabricar” datos para completar el vacío. “Las empresas que han avanzado en la obtención de resultados de negocio con IA saben de la importancia que tiene la información con la que se entrenan los sistemas de IA. Para producir resultados completos, relevantes y sin sesgos es necesario tener fuentes de información amplias que a su vez protejan cuestiones como la confidencialidad y la privacidad de datos. Es en estos casos en los que la data sintética provee una solución adecuada”, explica Roberto Cruz, socio de PwC Argentina.

¿IA entrenando a IA? Hernán Liendo, CTO de Botmaker es claro al definirlo: “paradójicamente, la data sintética que por lo general sirve para entrenar modelos de IA utiliza esta misma tecnología para generar los datos. Suele haber dos modelos que compiten entre sí: uno que genera información y sabe cuál es el resultado, y el otro que intenta predecir cuál será el resultado de la información que se genera. Esto demuestra que las técnicas de data sintética funcionan muy bien en circunstancias problemáticas”.

Usos y aplicaciones

Parece algo lejano, pero esta tendencia ya se aplica en acciones que tienen correlato con los movimientos diarios de las personas. Algunos ejemplos son:

Gemelos digitales para anticiparse y decidir mejor: se trata de una simulación o copia virtual de la realidad que permite evaluar situaciones o reacciones ante determinados cambios y proyectar así futuros posibles para tomar decisiones anticipadas. Balboni explica que en Softtek se simulan entornos de prueba que permiten realizar testeos y anticipar la fuga de clientes, prevenir el fraude, aumentar el cross-selling u optimizar el valor del tiempo de vida del cliente (“customer lifetime value”).

Carlos Tejeda, Associate Vice President, Innovation Technology de Media.Monks, menciona el uso de los gemelos digitales en el área de salud: “la medicina personalizada es posible gracias a un conjunto de tecnologías combinadas que permiten, a partir de una base de datos de casos clínicos, nutrir motores de análisis predictivo para que el profesional pueda decidir cuál es el mejor tratamiento para un paciente. Además, a través de la generación de ‘digital twins’, puede simular cómo reaccionará un paciente frente a un tratamiento”.

IA para salvar al planeta y a la humanidad: inteligencia artificial y big data ayudan a diseñar soluciones capaces de revertir el cambio climático cuando se aplican en las industrias energética, de transporte, logística o de construcción, entre otras.

Amelia Bálsamo, CTO de Uali, explica cómo a través del uso de drones, robótica, inteligencia artificial e Internet de las Cosas (IoT) se puede llegar más rápido a lugares que presentan gran complejidad de acceso. Esto sucede, por ejemplo, en el caso de las empresas de energía que usualmente tienen sus operaciones en terrenos de difícil acceso, con condiciones climáticas extremas o en alta mar. Como explica la ejecutiva, la IA permite reducir la brecha de tiempo entre el momento en que se presenta un suceso (como una fuga de gas o un derrame de petróleo) y su detección.

En el caso del sector de la salud, “desde el diagnóstico de patologías médicas hasta la implementación de asistentes virtuales, la generación de datos sintéticos permitirá mejorar el desempeño de modelos ya productivos, ampliando su capacidad de generalizar ante nuevas entradas”, dice Bálsamo.

Cloud como respuesta a todo. La innovación en los negocios se muda a la nube

Perfeccionar la experiencia del usuario: el análisis de datos puede ayudar a generar un mayor engagement con las audiencias y enriquecer la experiencia de los fanáticos de una marca. En base a esta premisa, la Fórmula 1 llevó adelante una asociación con Amazon Web Services. Tejeda, de Media.Monks, explica cómo se aplica la IA en este caso: “un automóvil de F1 contiene 300 sensores que generan 1.1 millones de data points de telemetría por segundo. Esa información, sumada a más de 70 años de historia de carreras, es procesada en tiempo real para generar insights en vivo durante las transmisiones”.

El desafío de la privacidad en un mundo sin cookies: en la publicidad digital, los datos sintéticos nos permiten entender quién es el usuario que queremos alcanzar aún frente a las restricciones de un mundo cookieless y de privacidad protegida. Según Martin Perelmuter, jefe de Ventas en Latinoamérica de Yahoo, aún cuando no podamos solicitar información personal al usuario, “gracias a los algoritmos de la IA podremos comprender e identificar que la persona que está leyendo un determinado contenido sea la misma persona que hace clic en un anuncio”.

“Por otro lado, también sirve en la simulación de eventos de tipo cisne negro; dado que, son sucesos que ocurren con muy poca frecuencia y por esta razón, es muy probable que los datos históricos no estén disponibles o sean insuficientes”, advierte Sergio Azahuanche, consultor Senior de Riesgo Cibernético en Marsh Advisory.

Abrir caminos

Entre las principales ventajas que los datos sintéticos ofrecen a las compañías está el poder superar restricciones legales o éticas que estén vinculadas al uso de datos reales. “La data sintética les permite a los desarrolladores y analistas trabajar con datos similares a los reales minimizando los riesgos de seguridad y agilizando los tiempos que se generan dentro de una organización al momento de contar la disponibilidad de múltiples fuentes y/o volúmenes grandes de datos”, detalla Daniel Menal, director de Data & Analytics de NTT DATA Argentina.

“Si las instituciones, universidades, gobiernos y empresas abren las puertas a sus datos, pero de una manera sintética, el potencial para el futuro es emocionante. Esto podría conducir al desarrollo de una próspera economía de datos sintéticos, en la que las partes crean, compran y venden datos, o, en algunos casos, los regalan por una buena causa, sin la preocupación de que los individuos o las empresas puedan verse comprometidos”, analiza Karina Salerti, directora ejecutiva de Accenture.

Una mayor disponibilidad de datos sintéticos “dará lugar a un aprendizaje federado que permita a las organizaciones crear sistemas inteligentes entrenados en conjuntos de datos de otras entidades, democratizando los datos para el bien común y respetando la privacidad y la seguridad. El hecho es que, si pueden crear datos sintéticos a partir de sus propios datos y hay valor en compartir, las personas y las organizaciones lo harán, y el mundo será mejor por ello”, concluye Salerti.ß