Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

Hacen falta datos de calidad para que la IA trabaje correctamente

  • Inteligencia Artificial

Analitica_analisis_datos_1

Por mucho que se invierta en tecnología, no es posible que la inteligencia artificial funcione bien si se alimenta con datos incorrectos o mal enfocados para los objetivos del sistema. Pero, según los expertos, muchas empresas que llevan a cabo proyectos de IA cuentan con modelos de información incoherentes, o basados en supuestos equivocados, lo que lleva inevitablemente a errores que pueden ser muy graves.

Según los expertos en tecnologías de inteligencia artificial, la implantación de la IA debe estar sustentada en una buena base si se quiere realizar con éxito, y que funcione adecuadamente en el futuro. Pero, según una reciente investigación llevada a cabo por la consultora especializada Setesca, muchas empresas que lanzan proyectos de esta naturaleza no llevan a cabo una adecuada gestión, clasificación y criba de los datos con que se alimenta a la IA.

Además, existe un importante problema en el modelo de datos aplicado a la gestión de la información, que en muchas ocasiones se basa en supuestos erróneos y muestra incoherencias que contaminan los sistemas con información incorrecta. Esto, entre otros problemas, genera errores en los procesos de analítica avanzada, lo que puede tener serias implicaciones en la información y las recomendaciones que proporciona la IA en campos como la experiencia del cliente o el business intelligence.

En opinión de los expertos de Setesca, estos problemas complican sobremanera el proceso de implantación, haciendo que se llegue a destinar un 80’% del esfuerzo a depurar la información y solo un 20% al proceso analítico. Por ello, recomiendan sentar bien las bases del proyecto en materia de datos, antes de efectuar la implementación de la IA. Porque una información incorrecta es casi imposible que proporcione conclusiones acertadas, y por supuesto los datos resultantes no serán correctos.

Y, aunque las incorrecciones no sean muy graves en principio, los errores acaban siendo acumulativos, generando agujeros en la información, algo que en opinión de los analistas está afectando al 50% de las compañías. Esto dificulta mucho los procesos de analítica avanzada y, peor aún, puede enmascarar graves problemas en el negocio, haciendo que los departamentos de marketing o ventas tengan una información diferente a la del departamento financiero. Por ello, desde la consultora recomiendan depurar la información y afinar los modelos de datos antes de aplicarlos a la analítica avanzada mediante inteligencia artificial, algo que ya está dando muy buenos resultados en campos similares, como el de RPA.