Cinco usos de datos sintéticos y análisis predictivo

A nivel global, el mercado de la inteligencia artificial alcanzó una valuación de 51 mil millones de dólares en 2020, de acuerdo con Verified Market Research, y se estima que supere los 640 mil millones para 2028. Además, una de cada tres empresas ya utiliza la inteligencia artificial o planea aprovecharla, según información de Gartner. El reporte señala, además, que entre 2015 y 2019 el número de compañías que implementaron IA se incrementó en un 270 %.

La inteligencia artificial ayuda a agilizar procesos y simular futuros posibles que permitan mejorar la toma de decisiones. Así, analizando datos históricos para predecir eventos futuros, el análisis predictivo permite vender más productos, anticiparse a una enfermedad, elegir qué serie ver noche o escribir mucho más rápido y correctamente un correo electrónico. El uso de IA puede, además, generar un ahorro de costos al optimizar tiempos y recursos.

En este contexto, los datos sintéticos cobran cada vez mayor protagonismo. Se trata de información generada de manera artificial que ayuda a completar “espacios vacíos” cuando no se cuenta con datos reales o simplemente no es posible valerse de ellos para proteger la privacidad del usuario. Estos datos “fabricados” por la IA tienen múltiples aplicaciones y beneficios que varían de acuerdo con el sector de la industria que los utiliza.

Entre las aplicaciones de estos datos sintéticos y del análisis predictivo que ya impactan en nuestras vidas, se encuentran los siguientes ejemplos:

1. Simular futuros posibles para anticiparse a ellos

Los motores de recomendación suelen basarse en el análisis de datos históricos, que con el tiempo pueden perder vigencia y valor predictivo frente a los cambios en el comportamiento del consumidor. Reemplazar los datos históricos con datos sintéticos puede ayudar a actualizar la relevancia de esas recomendaciones. Además, los datos sintéticos permiten simular futuros alternativos para que las empresas anticipen posibles escenarios y se preparen para lo que viene.

En ese sentido, el área de Salud es una industria que ya está aprovechando los beneficios de los datos sintéticos y de la IA. Germán Cugliandolo, CTO de Esto Es, señala que “el análisis de datos históricos hará posible predecir con certeza la salud de un paciente y evolucionar en el diagnóstico de enfermedades”. Entre otras innovaciones en el terreno de la medicina, el especialista menciona cómo el descubrimiento de fármacos se acelera y simplifica, cómo los asistentes de enfermería virtuales permiten monitorear a los pacientes y cómo el análisis de big data ayuda a crear una experiencia más personalizada para el paciente.

Coincide con él Carlos Tejeda, vicepresidente asociado de Innovation Technology en Media.Monks, al indicar que 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 de la salud pueda decidir el mejor tratamiento para un paciente o generar gemelos digitales para simular cómo reaccionará un paciente frente a un tratamiento.

2. Agilizar procesos para optimizar tiempos

La industria del software también se vale de la IA para optimizar tiempos de producción y calidad. Por ejemplo, Github Copilot es una herramienta que permite a los desarrolladores contar con “un asistente” a la hora de trabajar. Cugliandolo explica que esta herramienta predice el bloque de código que se quiere escribir y lo sugiere en tiempo real al editor: “Fue entrenada en miles de millones de líneas de código y por eso puede realizar sugerencias en docenas de idiomas”.  La tecnología que genera este tipo de predicciones funciona de manera similar a las sugerencias de texto que recibimos cada vez que redactamos un correo electrónico.

3. Perfeccionar la experiencia del usuario

La industria del Entretenimiento está demostrando un alto potencial en el uso de datos sintéticos. El metaverso es ejemplo de esto, puesto que se vale de información generada por IA para construir mundos virtuales. En ocasiones, el análisis de datos puede ayudar a generar un mayor engagement con las audiencias y enriquecer la experiencia de los fans gracias a la tecnología.

Tal es el caso de la asociación de la Fórmula 1 con Amazon Web Services que cita Tejeda: “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, transformando el contenido interactivo con predicciones, posibles estrategias, datos relevantes y simulaciones que han hecho crecer la audiencia de manera exponencial en los últimos años”.

4. El desafío de la privacidad en un mundo sin cookies

Según Martin Perelmuter, jefe de Ventas en Latinoamérica de Yahoo, en la publicidad digital, los datos sintéticos permiten entender quién es el usuario que se quiere alcanzar aún frente a las restricciones de un mundo sin cookies y de privacidad protegida. Así, aun cuando no se pueda solicitar información personal al usuario, gracias a los algoritmos de IA se puede comprender e identificar que la persona que está leyendo un determinado contenido sea la misma persona que hace clic en un anuncio.

“Yahoo utiliza soluciones basadas en machine learning, esta rama de la inteligencia artificial que, identificando patrones entre los datos, permite hacer predicciones. Podemos así procesar grandes volúmenes de datos que de manera manual resultaría imposible analizar, y a una alta velocidad”, explica Perelmuter. “Con esta tecnología, nuestra herramienta Predicted Audiences, por ejemplo, nos permite entender todo el customer journey del usuario y decidir cuál es la manera más rápida, corta y efectiva de generar una venta a través de un anuncio publicitario”, detalla.

“Son tiempos maravillosos para la IA”, reflexiona David Eastman, director comercial y administrativo para América Latina en YouGov, quien sintetiza en cinco puntos las principales preocupaciones de los anunciantes –en el ámbito de la publicidad digital– que la IA les está ayudando a solucionar: el targeting, para garantizar que la publicidad llegue a las personas correctas; la visibilidad, para que las personas correctas vean esa publicidad; la seguridad de la marca (Brand Safety), para que la publicidad se enmarque en un entorno apropiado y lejos de contenidos inapropiados; el antifraude, para que el usuario reciba lo que compró; y el brand fift, para que la publicidad tenga un impacto en los indicadores claves de desempeño tales como awareness, intención de compra, etc.

5. Datos conectados para construir ciudades del futuro

La industria de la Movilidad también se enfrenta a una oportunidad única de aprovechar los usos y aplicaciones de la IA para solucionar problemas de las grandes urbes. “Prácticamente cualquier auto producido en los últimos cinco años ya genera datos a los que hoy solamente tienen acceso los constructores para realizar simulaciones y construir modelos futuros”, dice Tejeda. “Pero cuando nosotros tengamos acceso a esa data, nuestras vidas pueden cambiar significativamente al crearse un ecosistema total de movilidad que conecte las aplicaciones de tráfico, como las que ya usamos a diario, y las cámaras de tráfico para que, con base en toda esa información, pensemos de manera masiva en vehículos autónomos y en mejorar la movilidad en las ciudades”, indica.

Con todo, las aplicaciones de datos sintéticos y análisis predictivo son infinitas, y muchas de ellas ya están impactando en la vida cotidiana de las personas y en las empresas, especialmente al preservar la privacidad del usuario. El impacto de estas aplicaciones, hacia adelante, se espera que sea significativo.