6 problemas que la IA resuelve bien

    Más del 85% de los proyectos de ciencia de datos no logran pasar de las pruebas a la producción. Si todo el mundo está iniciando un proyecto de aprendizaje automático/inteligencia artificial, ¿dónde está fallando? 

With this post it should help you to focus on the types of problems that AI is good at solving. In order to actually benefit from using AI to increase automation, you will need to have the right data, have enough data, have a methodology that can be defined with data points, and be creative in understanding how to apply or craft solutions for parts of your team's workflow

Ejemplos de resolución de problemas con IA

        
1) Clasificación (decisiones)
      
    
Decisiones binarias: Comprar o Vender; Sí o No; Empezar o Parar 
Categorización: Aprobado, denegado o marcado para revisión adicional; datos de etiquetado 
Sentimiento: Negativo, Neutral o Positivo e incluso una puntuación de polaridad
        
        
2) Extracción (introducción automatizada de datos)
       
    
Analizar un documento fuente, un sitio web, un PDF o un formulario
Extraiga e introduzca automáticamente esa información de forma ordenada en su base de datos 
View or access data in your company's internal and client-facing dashboards
     
        
3) Resumen
       
    
El objetivo es extraer las frases más relevantes de un texto más amplio. Los modelos extractivos seleccionan frases enteras para incluirlas en un resumen, y los modelos abstractivos seleccionan partes de frases que se combinan con palabras generadas por ordenador y partes de otras frases.
      
        
4) Recomendación
       
    
Dado un conjunto de documentos (o artículos, piezas de contenido, patentes, perfiles de clientes, etc.) identifique contenidos similares dentro de la base de datos en la que está buscando.
      
        
5) Estimación
      
    
Es posible que no necesite la inteligencia artificial para construir un modelo de estimación mejor, a menos que tenga suficientes datos como para que al abrir Excel se bloquee el ordenador porque la hoja de cálculo tiene más de 100.000 filas y muchas variables. El aprendizaje automático puede optimizar cientos de dimensiones cuando no se está seguro de la importancia de todas las variables. 

Piense en modelizar todos los factores que afectan a la salud de un individuo utilizando toda una vida de datos poblacionales frente a modelizar los precios de la vivienda en función del código postal, # de dormitorios y tamaño.

6) Detección de anomalías

    
Piense en la ciberseguridad. Su departamento de TI tiene una idea de la actividad normal de todos los empleados de su empresa, y necesita ser alertado cuando existen riesgos reales para su empresa. Ejemplo: los hackers se infiltran en su red y roban la IP de su empresa. 

Aunque puede ser imposible prever de antemano cómo será la forma real del ataque, se puede desplegar un modelo de detección de anomalías para buscar desviaciones en el comportamiento, como un pico de 10.000% en los inicios de sesión o el tráfico saliente que se dirige a un servidor situado en el extranjero.