Las verdades ocultas de Minority Report

En el año 2002 se estrenaba una de las películas americas que ha pesar de ser de acción y entretenimiento, tiene escondidos muchos conceptos que analizar para extraer moralejas. Esta película, Minority Report, de corte futurista, contaba las aventuras de una brigada policial, que detenía ciudadanos antes de que cometieran crímenes, ya que estos se predecían con la ayuda de tecnología ¿Estamos o no cerca de ese escenario?

La película está ambientada en el año 2054. Mucho queda todavía para que veamos en que circunstancias llegamos a ese año. Ya hemos visto como en otras películas, como Regreso al Futuro 2 (1985) su expectación del año 2015, no tiene mucho que ver con la realidad. Sin embargo, en el caso de Minority Report, me gustaría sacar dos conclusiones.

La inteligencia artificial, la predicción basadas en datos y los sesgos de los modelos

Simplemente la sinopsis de la película nos debería hacer reflexionar. ¿Qué decisiones estamos tomando en base a predicciones? ¿Qué posibilidad existe de que esas predicciones ocurran? La tendencias tecnologías están basadas en la inteligencia artificial. Es cierto que están ayudando muchísimo en ciertos campos, pero es necesario reflexionar sobre qué uso hacemos. O mejor, qué uso haremos, en el momento del diseño de las mismas. Hace ya tiempo publique un artículo hablando de la revolución moral y ética, y que esta debía ser la base de los avances tecnológicos.

La inteligencia artificial basa su eficacia en dos factores. Por un lado en los datos, tanto con los que se entrena el modelo, como con los que se realizan las predicciones. Y por otro lado en el modelo (muchas veces llamada algoritmo, de forma incorrecta). Tanto en los datos (de entrenamiento), como en el modelo estamos introduciendo sesgos, que nos hacen favorecer, o discriminar ciertos casos. En la prensa hemos podido ver casos de modelos que discriminan ciertas minorías (a la hora de conseguir trabajos, hipotecas, riesgos crediticios,..). Y el motivo es la serie de datos analizados, por lo que estamos introduciendo errores, que haremos que se repliquen en las predicciones futuras.

La importancia de la vigilancia moral y ética en estos modelos es critica para la sociedad. Al igual que en la película nos puede parecer muy injusto e inmoral detener a alguien que no ha hecho nada (pero según el modelo, iba a suceder), en la actualidad estamos tomando decisiones con las mismas consecuencias. No hace falta irnos a la ciencia ficción, es algo que está entre nosotros, y que está en nuestras manos cambiarlo. La sociedad, y los mercaos se están volviendo cada vez más tecnológicos, pero debemos no perder de vista la humanidad. Las organizaciones deben velar por qué las diferentes iniciativas tenga en cuenta estos dos factores.

En marketing cada vez más se habla del valor total del cliente (LTV), y cómo maximizarlo. Para ello hacemos predicciones de cúal será el producto que ciertas personas va a comprar a continuación, para poder empezar poniendo a estas personas en nuestras audiencias cuanto antes. Seguro que se nos ocurren ejemplos en los que estas predicciones pueden generar circunstancias desagradables. Y no solo eso, cuantas de ellas son éticas.

La visualización de datos, y los interfaces con las máquinas.

Las escenas más conocidas y famosas de la películas son aquellas donde Tom Cruise (protagonista de la película), opera el sistema utilizando gestos, sin utilizar un teclado, ni una pantalla convencional.

Cada día esta más claro, que la forma en la que nos relacionamos con las máquinas ha cambiado. El interfaz ha dejado de ser el teclado y la pantalla. Por supuesto se siguen utilizando, pero cada vez utilizamos más la voz (Siri, Cortana,..) las manos (los smartphones, los smartwatch,.) y las pantallas también están cambiando (la batalla del grafeno está por empezar). Eso que parecía de ciencia ficción, ya no lo es tanto.

Pero la importancia no solo radica en una mayor comodidad a la hora de operar un sistema. Sino en una mayor concentración, y entendimiento de los datos cuando los visualizamos de una forma mucho más fácil de digerir para nuestro cerebro.

Nuestro cerebro es un arma de computación masiva. Con sus 1.5 kilos, tiene un poder de computación espectacular, pero tiene sus limitaciones. O mas que limitaciones, sus recomendaciones de uso. Todos entendemos mejor un concepto, cuando lo vemos reflejado de forma gráfica. Todos los conceptos abstractos son difíciles de entender, hasta que hacemos un esquema, un dibujo o una interpretación visual que nos ayude a procesarlo.

En la era en la que vivimos, done estamos rodeados de datos, es muy importante saber visualizarlos para entenderlos y poder tomar decisiones. Esos datos pueden venir de infinidad de fuentes, y su correcta armonización será el primer paso. Pero sin una correcta visualización no conseguiremos sacar todo su potencial. Existen cantidad de herramientas en el mercado (Tableau, Power BI,..) que ayudan en estas tareas. Los famosos cuadros de mando (Dashboards o score cards) no son nuevos, y llevan en la historia de la gestión corporativa decenas de años. Sin embargo, cada vez queremos y necesitamos tener esos datos en tiempo real, y por eso necesitamos plataformas integradas que nos permitan tener datos refrescados de forma instantánea.

Tom Cruise en la película recibe los informes de los crímenes que están a punto de cometerse con horas de que sucedan. En nuestro caso, queremos los datos en tiempo real para poder tomar acciones de futuro. De hecho, cada vez oímos mas hablar del realtime marketing, donde utilizamos diferentes entradas de datos, para realizar audiencias, enviar comunicaciones, responder con acciones,..

Pero no debemos olvidar tampoco el efecto visual de los datos. Una de las herramientas que más impacto está teniendo, es el famoso customer journey. Puede parecer una tontería, pero la representación gráfica de una información compleja, como puede ser el proceso de compra de un cliente, nos ayuda a entender todas las variables que impactan en este ciclo de vida. Pero también nos ayuda a que diferentes partes de la organización se ponen de acuerdo. Todas estas metodologías gráficas y manuales (como puede ser Lego Serious Play, Design thinking y otras tantas), nos ayudan a formalizar conceptos complejos, de forma más sencilla. El cerebro puede trabajar esta información desde diferentes puntos, y teniendo variables que ayuden en el proceso (imágenes, colores, texturas..)

Los datos son el petróleo de nuestra época. Sí, estoy de acuerdo, pero recordemos que son valiosos no como datos, sino por la información que nos proporcionan cuando son correctamente procesados, y visualizados. Y por otro lado, que debemos pensar en todas las consecuencias y para ello la tecnología debe estar acompañada de la moralidad y la ética.

Redes neuronales en acción para servir mejor al cliente

artificial-intelligence-3382521_960_720

IA, inteligencia artificial, redes neuronales o aprendizaje automático son conceptos muy conocidos en el mundo tecnológico, pero poco a poco han ido calando profundamente en otros sectores, y son parte del vocabulario habitual de algunos profesionales de negocio. El marketing no se escapa a esta ¨moda¨, y los responsables de estos equipos intentar ver que beneficios pueden traer la adopción de estas técnicas.

La inteligencia artificial no es nueva. Surgió en los años 60, para dar respuesta a una de las preguntas más interesantes que la ciencia trata de resolver: podrán las maquinas remplazar al ser humano, y si fuera posible en que condiciones y para en que temas se trabajará. Desde entonces estos principios se han aplicado a muchos casos, generando tecnologías que han tenido un gran impacto en nuestras vidas. La evolución ha sido enorme, y las facilidades para seguir avanzando han ayudado. La potencia de computación, el coste del almacenamiento o rapidez en la transmisión de datos ya no son problemas o trabas que haya que tener en cuenta.

El marketing no se ha quedado atrás y hace tiempo que se pudo a analizar como estas técnicas podrían ayudar. Muchos de las soluciones o plataformas existentes en el mercado ofrecen estas herramientas, con diferentes usos. En casi todas ellas, para la predicción y presentación de sugerencia tanto desde el punto de vista del cliente como de la propia empresa. Estas herramientas puede ayudar al cliente en la sugerencia de productos que pueden ser de su interés o puede ser predicción de ventas en los próximos meses.

Al igual que las máquinas necesitan de combustible para funcionar, las redes neuronales necesitan de datos. Durante mucho tiempo las empresas han visto los datos como algo operativo, es decir entradas o salidas de procesos, que eran importantes para la ejecución de las actividades, pero se había resaltado la importancia de los mismos como vehículo estratégico en la organización. Actualmente el mensaje está calando hondo, y las empresas empiezan a entender que la información es poder (no en vano los datos son el petroleo del siglo XXI). El análisis de estos datos, para tomar decisiones basados en ellos es lo que hará que estemos, como organización, a la cabeza de la competición. No hay una formula secreta, pero lo más aproximado que tenemos es intentar conocer al cliente lo mejor posible, e intentar predecir sus movimientos para adelantarnos, en la medida de lo posible a los mismo, proporcionando una experiencia de usuario personalizada que nos ayuda a crear ese vínculo personal

Pongamos un ejemplo. No vamos a descubrir ahora la importancia del desarrollo de negocio para la adquisición de nuevos clientes, y la relevancia que tienen los canales digitales. La web de cualquier empresa es el mejor escaparate, y será uno de los puntos de contacto principales con nuestros clientes. Casi todas las webs cuentan con formularios para dejar los datos y ponerse en contacto con la empresa. Todo depende del ¨call-to-action» (que reclama el cliente) y por otro lado de la gestión que hagamos de estas acciones. Pero hablando de forma genérica, todos estos leads tienen que ser considerados clientes potenciales y por lo tanto debemos atenderles como se merecen. Pero está claro que no todos ellos tendrán el mismo interés o intención de compra. Y en el caso de aquellos que realmente quieran comprar, no todos será rentables. o al mismo rentables de la misma forma. Saber diferenciar quien serán potenciales clientes y separando aquellos que realmente sean relevantes por su rentabilidad.

La inteligencia artificial puede ser muy útil en este caso, sobre todo las redes neuronales. Pueden ayudar a discriminar esos clientes que hemos mencionado arriba. En este caso vamos a seleccionar una red neuronal porque lo que vamos a intentar es simular el comportamiento del cliente y hacer una predicción. La redes neuronales artificiales tratan de emular el cerebro humano, o mejor dicho la forma de

Pero habrá que realizar varios cosas. Por supuesto, tener el conocimiento de negocio y los profesionales adecuados será clave:

  • Análisis  de los clientes, datos y actividad de los mismos: Como mencionaba arriba los datos han dejado de ser algo transaccional, para tener una relevancia estratégica. La forma en la que los clientes se relacionan con nosotros, el perfil de los mismos, y los datos históricos transaccionales que disponemos pueden servir para hacer una segmentación de clientes en base a todos esos atributos. Con esto conseguiremos no solo conseguir saber quien es nuestro cliente (su perfil) sino también que tipo de interacciones tiene con nosotros. Todos estos datos serán los que utilicemos como combustible para el algoritmo y por lo tanto todas decisiones basada en datos. No obstante cuanto más datos, de diferentes fuentes incluyamos, más completa y amplia será la visión que conseguiremos.

 

  • Modelo neuronal: se trata del paso más técnico, y más complejo. El diseño de una red neuronal requiere conocimientos específicos. Existen diferentes modelos, pero todos cumplen un cierto criterio: una capa inicial que recogerá los datos de entrada, una capa de salida que dará el resultado final y las capas intermedias que procesaran los datos. Las conexiones entre neuronas tiene un peso específico, que será el que habrá que ir ajustando durante su entrenamiento.

 

  • Entrenamiento del modelo: Los datos son fundamentales, ya que representarán como se han comportado los clientes históricamente, y por lo tanto podemos sacar un patrón de comportamiento común (o por segmento). Con estos datos entrenaremos el modelo de red neuronal creado. Se trata de ajustar, de forma matemática una función de distribución en la que consigamos reducir el error, y la distribución de dichos puntos.

 

  • Aplicación al negocio: volviendo a nuestro caso, lo que queremos es poder predecir que tipo de cliente tenemos delante y como de rentable es para nuestra empresa. Mediante el algoritmo creado vamos predecir este resultado. Los datos que introduciremos serán los datos que tengamos de ese cliente, mas todos los datos históricos que hemos utilizado para entrenar el modelo. El resultado será el que aplicaremos. Con esta red neuronal, podemos saber que correlación tienen los diferentes atributos de cliente, y su lenguaje corporal digital pudiendo establecer un sistema de puntuación de clientes (lead scoring)

 

Muchas veces utilizamos palabras que no sabemos bien como utilizar, o que aplicación real puede tener en nuestro negocio. Como hemos visto en estas líneas, la inteligencia artificial, y en concreto las redes neuronales, pueden ayudarnos a predecir que tipo de cliente está interactuando con nosotros y cual es la probabilidad de compra y su potencial rentabilidad. Estaremos tomando decisiones basadas en datos (data-driven) y no solo guiados por nuestra intuición, que puede fallar.

A %d blogueros les gusta esto: