Uno de los retos que se plantean en el mundo de la Inteligencia Artificial (IA) es poder dar una explicación del porqué de los resultados de los modelos predictivos.
Los modelos nos permiten establecer predicciones para gestionar los negocios y tomar decisiones mucho más acertadas y basadas en ciencia. Podemos saber con claridad y un grado de certidumbre muy alto, qué clientes tienen mayor probabilidad de darse de baja de una suscripción, o qué prospectos de una campaña específica tienen mayor propensión a comprar. También es posible usando modelos de perfilado (profiling) obtener grupos significativos de elementos (Clientes, Productos, …) que nos presenten afinidades que a simple vista no eran fáciles de prever.
Pero la IA sigue siendo a día de hoy un poco “caja negra”, y no detalla las razones de sus resultados, ni proporciona el porqué de su elección.
Poder obtener una explicación que describa las razones por las cuales un modelo ha hecho una predicción específica, se está avanzando mucho en lo que los expertos y analistas han llamado XAI – “Explainable Artificial Intelligence”.
Veamos algún ejemplo para ilustrar este concepto:
Cuando Google nos recomienda contenido al buscar, no pone en palabras lo que nos interesa, no nos etiqueta, simplemente nos proporciona resultados
Cuando Amazon nos hace recomendaciones y nos dice que “otras personas también compraron” una cosa u otra, no nos explica qué nos gusta y por qué
En cambio Netflix ha avanzado mucho en este aspecto a través de sus múltiples categorizaciones del contenido que ofrece. Por ejemplo, cuando nos presenta una categoría que etiqueta como “Dramas motivadores basados en hechos reales” al mismo tiempo que nos recomienda, nos está explicando la razón por la que nos va a gustar, ya que pone en palabras el gusto (el género, el patrón) con el que podemos reconocernos en la propuesta, e incluso pretende explicarnos un poco nuestro comportamiento como consumidores.
Veamos otro ejemplo de la potencia de XAI en un escenario en donde un empleado de un banco está tratando de vender productos adicionales a sus clientes. Si ya dispone de un modelo predictivo que le presenta la propensión de compra de un cliente sobre un producto en concreto (Smartphone, Seguro, Plan Pensiones, …), ya tiene mucho ganado, pero si el modelo además de indicarle una alta probabilidad de contratación, le ofrece las razones por las cuales esto es así, el argumentario de venta del empleado con la persona que tiene delante o al teléfono será mucho más eficaz, e incrementará aún más las posibilidades de cierre de la operación.
Comments