Clase 14 de 16 • Curso de Toma de Decisiones Basadas en Datos
Contenido del curso
Daniel Espinoza
Luis Gustavo Ibarra Carrizalez
Luis Alberto Bustos Sánchez
Luis Alvarez
Felisa Soto
Jose Ricardo Dueñas Suarez
Juan Carlos Rosero Villamizar
Edwin Adrian Borrero Arias
Gabriel Obregón
Federico Acuña
Jose Carlos Penaloza Francia
Jhon Freyman Ramírez Cortés
Jhon Freyman Ramírez Cortés
Jhon Freyman Ramírez Cortés
Nestor Bejarano
Myriam Rocio Romero Segura
Cesar Fabian Lancheros Currea
Cristian Eduardo Carreño Martínez
Luis Cabezas
Jose Fernando Loera Interian
Jhon Freddy Tavera Blandon
Edwin Clavijo
Los algoritmos y la IA tiene la capacidad de auto corregirse, actualizarse y modificarse para así poder adaptarse a nuevas necesidades. Pero hay algunas veces que es necesario realizar cambios más profundos, que terminan cambiando la esencia o directamente nos obligan a crear un nuevo producto más sofisticado.
¿Cuando nos podemos dar cuenta de que nuestro algoritmo tiene un error o si ha quedado obsoleto?
Es importante que el cliente nos evalúe constantemente. Así obtendremos feedback que va a permitir mejorar nuestro producto constantemente para brindar el mejor servicio posible.
Gracias por compartir estos apuntes
Son adaptables pero recuerda que al ser buenos en el pensamiento crítico eso se lo decimos a la maquina y ser lo ordenamos para que ella lo realice,
Adaptación de algoritmos: estrategias y optimización continua
Introducción
En el desarrollo de algoritmos para la implementación de nuevos servicios o productos, buscamos que estos tengan una vida útil extensa. En mi caso, he desarrollado algoritmos que aún se encuentran en implementación después de 5 años.
La ventaja de la inteligencia artificial: mejora continua
La inteligencia artificial permite perfeccionar los algoritmos de forma continua. A partir de ajustes y correcciones, estos se vuelven cada vez más precisos y capaces de explicar mejor la realidad.
Momentos clave para la adaptación de algoritmos
Existen diversos indicadores que nos alertan sobre la necesidad de adaptar o rediseñar un algoritmo. Estos incluyen:
1. Desviación de los KPIs: Cuando los resultados obtenidos no se alinean con los KPIs (Key Performance Indicators) establecidos, es una señal clara de que el algoritmo necesita ajustes. La evaluación mensual de los KPIs permite detectar estas desviaciones de manera oportuna.
2. Cambios en el mercado: La aparición de nuevos competidores o el surgimiento de nuevas tecnologías pueden representar una amenaza para la efectividad del algoritmo. En estos casos, se debe considerar la posibilidad de reemplazar el algoritmo NBA por completo, sofisticarlo o implementar cambios significativos.
3. Evolución del comportamiento del cliente: El comportamiento del cliente puede cambiar con el tiempo. Si los usuarios ya no buscan asesoramiento algorítmico, prefieren nuevos canales o demandan nuevas funcionalidades, es necesario adaptar el algoritmo en consecuencia.
4. Incorporación de nueva información del cliente: La obtención de nuevos datos sobre los clientes, como información de la unidad familiar (pareja, hijos, familia ascendente), permite profundizar en su conocimiento y requiere la incorporación de estos datos al algoritmo para mejorar su precisión.
5. Feedback del cliente: La evaluación constante por parte de los clientes y la obtención de feedback sobre los productos y servicios permite identificar áreas de mejora y realizar ajustes en el algoritmo para optimizar la experiencia del usuario.
Ejemplo: adaptación del algoritmo NBA para familias
La incorporación de nuevos datos, como información de la unidad familiar, implica adaptar el algoritmo NBA para explicar una estrategia colectiva en lugar de individual. Esto requeriría ajustes en la forma en que el algoritmo procesa y analiza la información para ofrecer recomendaciones personalizadas a cada miembro de la familia.
Conclusión
La adaptación y optimización continua de los algoritmos es fundamental para garantizar su efectividad a largo plazo. La atención a los KPIs, la monitorización del mercado, la comprensión del comportamiento del cliente, la incorporación de nueva información y el feedback constante son claves para mantener los algoritmos relevantes y útiles.
Reflexión final
La inteligencia artificial no solo nos brinda herramientas para crear algoritmos, sino que también nos permite adaptarlos y mejorarlos continuamente. Esta capacidad de adaptación es crucial para el éxito de cualquier algoritmo que busque ofrecer valor a largo plazo.
Evaluaria:
Ofrecer productos de "recompensa" por traer afiliados.
Oferta de servicios de acuerdo al grupo e influencia:
¿Por qué se actualizan los algoritmos?
🛠️ ¿Cómo se detectan errores?
🧠 ¿Cómo se corrigen?
📊 Ejemplo práctico
En una campaña de marketing automatizada, un modelo de IA recomienda productos. Si se detecta que está recomendando productos irrelevantes o repetitivos, se puede:
La actualización de algoritmos en IA implica varias etapas clave. Primero, es esencial monitorear los resultados del algoritmo frente a los KPIs establecidos. Si los resultados no cumplen con las expectativas, hay que investigar posibles errores.
Luego, se debe considerar el impacto de cambios en el mercado, la competencia y el comportamiento del cliente. Incorporar nuevos datos y feedback de los usuarios también es crucial. Finalmente, realizar ajustes o rediseñar el algoritmo ayudará a optimizar su rendimiento y relevancia con el tiempo.
Podríamos brindarle un producto de crédito familiar a la persona que nos brindo esos datos familiares.
Por ejemplo, programa de referidos, para que el banco tenga nuevos clientes y se compartan un credito familiar.
Crédito para necesidades de educación, seguro para salud, o hipoteca para mudanza.
Cuando desarrollamos un algoritmo o implementamos un nuevo servicio o producto, el objetivo es que tenga una vida útil prolongada y sea capaz de adaptarse al tiempo y a los cambios. Un ejemplo práctico son los algoritmos que desarrollé hace 5 años, que aún se encuentran en funcionamiento. Esto es posible porque la inteligencia artificial permite hacer ajustes continuos para perfeccionarlos, logrando que sean cada vez más precisos y explicativos de la realidad.
¿CUÁNDO AJUSTAR O RENOVAR UN ALGORITMO?
Existen diversas situaciones en las que es necesario evaluar y actualizar un algoritmo:
1. Resultados no esperados
2. Cambios en el entorno
3. Cambio en el comportamiento del cliente
4. Disponibilidad de nueva información
5. Retroalimentación del cliente
INCORPORACIÓN DE NUEVAS ESTRATEGIAS EN EL ALGORITMO NBA
Cuando incluimos nueva información, como los datos familiares de los clientes, el algoritmo debe pasar de centrarse en estrategias individuales a desarrollar estrategias colectivas. Esto requiere ajustes específicos, como:
Se podría desarrollar y evaluar productos colaborativos dirigidos a familias. Aunque este caso es ficticio; entiendo que revelar tanta información podría resultar incómodo para los clientes.
Se podría realizar o avanza en productos orientados a núcleos familiares o personas especificas dentro de ese núcleo familiar como créditos de consumo para educación para hijos en edad universitaria.
¿Es posible integrar feedback directo del cliente?
Absolutamente, utilizar las calificaciones o comentarios de los usuarios actúa como una etiqueta de verdad absoluta que le indica al modelo exactamente dónde se equivocó para poder corregir su rumbo. Puedes implementar esto creando un ciclo de retroalimentación donde un rechazo a una recomendación ajuste automáticamente los pesos matemáticos de las predicciones futuras en tu base de datos. Esto no solo mejora la exactitud técnica del sistema, sino que genera una profunda confianza en el cliente al sentir que la tecnología realmente respeta sus preferencias.
¿Cuándo debo actualizar mi algoritmo de IA?
Debes considerar una actualización cuando el entorno empresarial, las tecnologías disponibles o el comportamiento de tus usuarios cambian drásticamente, haciendo que tu modelo actual quede ciego ante la nueva realidad. Mantener un ciclo de iteración ágil te permite inyectar nueva información, como preferencias por nuevos canales de atención, tan pronto como esté validada. La clave está en monitorear constantemente el mercado y no asumir que un algoritmo entrenado hace un año seguirá entendiendo el mundo de hoy con la misma eficacia.
¿Cómo adapto el algoritmo a nuevos competidores?
Cuando un competidor disruptivo entra al mercado, las expectativas de los clientes cambian, por lo que debes identificar su ventaja competitiva y traducirla en nuevas características (features) para tu modelo. Por ejemplo, si la competencia ofrece mayor velocidad o precios dinámicos, necesitarás enriquecer tu dataset con esta inteligencia competitiva y ajustar la arquitectura de tu sistema. Reentrenar el algoritmo bajo este nuevo contexto le enseñará a optimizar sus recomendaciones y a mantener su relevancia frente a la nueva presión del mercado.
Según el caso de estudio, no se trata de un simple ajuste, sino de una recalibración estratégica del modelo, los datos y la lógica de decisión partiendo de los nuevos hallazgos encontrados.
Un sistema de NBA con IA no es un modelo estático, es un sistema vivo.
Si el mercado, el cliente y los datos cambian, el NBA debe evolucionar en:
De lo contrario, pasa de ser un motor de decisiones a un riesgo estratégico
Los datos del entorno familiar claramente pueden originar ideas para cambios o desarrollo de nuevos productos. Inclusive, productos de "educación". Hace unos años uno de los banco que utilizo, desarrolló un programa de "Educación financiera" para todos los miembros de la familia, y un producto de manejo familiar. Eso es interesante.
Se deben hacer ajustes de fidelización, upselling, cross-selling y mantener la ventaja competitiva
Gracias
En esta clase se habló de la importancia de actualizar los algoritmos NBA (Next Best Action) para que sigan siendo efectivos en la captación y retención de clientes.
Se mencionó que, para lograr esto, se deben considerar múltiples variables, como los cambios en los gustos y comportamientos de los clientes, la actualización de sus datos, y también modificaciones en sus preferencias de contacto.
La ventaja de utilizar inteligencia artificial es que los modelos son adaptativos, lo cual permite que las estrategias evolucionen a medida que se recopila nueva información. Esto ayuda a tomar decisiones más acertadas y personalizadas.
En resumen, la actualización continua de los algoritmos es esencial para mantener la relevancia de las campañas y responder adecuadamente a los cambios en el comportamiento del cliente.
Cuándo es necesario actualizar un algoritmo de IA y por qué es vital mantenerlo al día en un entorno dinámico.
🚦 1️⃣ Indicadores de que un algoritmo necesita actualización
📉 A. Resultados no esperados o KPIs no alcanzados
✅ Si el algoritmo ya no cumple los indicadores clave de rendimiento (KPIs) → es una señal de alerta. ➡️ Revisa mensualmente los resultados:
👉 Si el desempeño baja de forma reiterada, ¡es momento de optimizar!
🏢 B. Cambios en el mercado
🌍 El mercado evoluciona constantemente:
✅ El algoritmo debe adaptarse para seguir siendo competitivo. ➡️ Ejemplo: Si Banco Contigo lanza un nuevo producto financiero, el algoritmo debe aprender a recomendarlo.
👥 C. Evolución en el comportamiento del cliente
📊 Si los clientes:
👉 Debes ajustar el algoritmo a las nuevas preferencias.
✅ Incorporar nuevos datos de comportamiento ayuda a mantener la relevancia.
🗣️ D. Incorporar feedback del cliente
🎯 ¿Escuchamos a los clientes? ✅ Su retroalimentación es una fuente directa de mejoras.
➡️ Integrar su feedback refuerza la relación y mejora la personalización.
🆕 E. Disponibilidad de nuevos datos
📂 Al obtener nuevos datos valiosos, el algoritmo necesita adaptarse: Ejemplo: Ahora sabemos sobre la unidad familiar de un cliente → el algoritmo podría recomendar productos no solo individuales, sino también familiares o colectivos.
✅ Cada nuevo tipo de dato = una nueva dimensión a integrar.
📝 2️⃣ Reflexión final: El algoritmo NO es estático
👉 Un algoritmo de IA es como un jardín: necesita cuidado y ajustes constantes.
✅ El algoritmo también debe cambiar.
Al incorporar los datos del núcleo familiar en un NBA, el modelo se vuelve más holístico y dinámico, lo que permite una comprensión más profunda de los comportamientos interdependientes y las necesidades colectivas. Este enfoque, sin embargo, requiere un modelo mucho más complejo y personalizado, que puede estar basado en técnicas avanzadas de IA como redes neuronales recurrentes y sistemas de recomendación híbridos.
Implementar un enfoque iterativo para este ajuste, comenzando con una integración simple de datos familiares y evolucionando hacia modelos más sofisticados a medida que se validen los resultados.
Para adaptar el algoritmo NBA y explicar la nueva necesidad de incorporar información sobre la unidad familiar, es necesario:
Este ajuste permitirá que el algoritmo NBA evolucione para manejar estrategias más sofisticadas y precisas, alineadas con las necesidades tanto individuales como familiares.
