​Inteligencia artificial híbrida: alcances y usos

El término inteligencia artificial (IA) siempre ha sido fuente de confusión y controversia. No existe un mainstream que oriente la discusión. El tipo más destacado de IA que llama la atención de los usuarios, y que se piensa que reemplazará al ser humano en diversas funciones, sobre todo laborales (donde se proyectan escenarios catastróficos) es la llamada “Inteligencia Artificial General”. El objetivo de ésta es crear un robot o androide que se asimile, hable e incluso reaccione como los seres humanos y, en este sentido, los asistentes mejorados por la IA, como Siri, Alexa o Cortana, son un primer ejemplo de este enfoque.

Sin embargo, aún no se dispone de un robot que pueda sustituir a los seres humanos en sus diferentes aspectos y realidades, y la verdad, hay mucho camino por recorrer. Actualmente la mayoría de los programas de IA nos ofrecen “soluciones especiales” de mente estrecha que pueden ganar a los humanos en el ajedrez o pueden dominar algunas tareas discretas para resolver problemas empresariales específicos. Este tipo práctico de IA utiliza técnicas de aprendizaje automático y aporta cierto valor en las diferentes industrias donde opera.

Pero ¿qué es el aprendizaje automático? En términos simples son herramientas que utilizan algoritmos para aprender de los datos y adaptarse a ellos, lo que permite a los ordenadores encontrar ideas ocultas sin que se les indique dónde buscar.

En la actualidad software especializados basados en Inteligencia Artificial Híbrida, que combinan las bondades de la IA basada en datos (ej. Machine Learning) con la IA basada en conocimiento (OR), se utilizan para identificar el riesgo y fraude que ciertas organizaciones están ejecutando en el mercado financiero. En este sentido, los modelos de machine learning han demostrado ser una potente herramienta contra este flagelo. Sin embargo, requieren de gran cantidad de información y expertos detrás de ellos, para que los mismos puedan usarse en su máximo potencial.

Un enfoque híbrido, en cambio, permite complementar los modelos de machine learning con el conocimiento experto, logrando resultados inmediatos y más confiables.

Los actuales sistemas que mantienen perfiles dinámicos para diferentes entidades (por ejemplo, una cuenta bancaria) pueden detectar en tiempo real a través de reglas avanzadas operaciones “potencialmente fraudulentas”. Adicionalmente, a través de reglas basadas en lógica difusa, se pueden crear reglas independientes que ayudan a evitar el riesgo de un evento particular. Así, al poder manejar reglas independientes para diferentes datos dentro de una misma transacción, es posible crear “huellas digitales” para los clientes, identificando patrones “no conocidos” que, por ser casos aislados, podrían quedar bajo el radar de un modelo totalmente basado en aprendizaje de máquina, como, por ejemplo una transacción donde el monto es 30% más alto que el promedio girado de los últimos meses, donde hay varias cuentas nuevas involucradas para el cliente, montos cercanos a la cota máxima diaria permitida, IP desconocido, país de la operación diferente al del cliente, etc.

Cada una de estas “anomalías” en la transacción por sí solas pueden ser “extrañas y sospechosas”, pero no suficientes para levantar las alarmas correctas. Con el modelo de Inteligencia Artificial Híbrida, las técnicas avanzadas y el aprendizaje de máquina funcionan de la mano, lo que convierte a los software que usan esta tecnología en alternativas sustancialmente más efectivas para prever este tipo de problemas.

Un factor clave para lograr que este enfoque sea efectivo, es la inmediatez con la que estos modelos pueden reaccionar. Son pocas las herramientas que tienen la capacidad de trabajar en tiempo real y poder dar una respuesta en “milisegundos” para identificar y evitar el fraude antes de que el mismo suceda.

Aquellos modelos que combinen todas las tecnologías y técnicas disponibles tienen una ventaja comparativa sustancial con modelos enfocados solo en algunas tecnologías. Esto les permite a las organizaciones que los utilizan, lograr sustanciales ahorros y tener una cartera de clientes más sana y satisfecha.

Federico dos Reis 

CEO de INFORM en Latam