9. Curación de contenidos
La cantidad de contenidos que producimos y consumimos en Internet es incalculable.
En las redes sociales, especialmente, la línea de tiempo es disputada por publicaciones de amigos, familiares y marcas, por lo que es difícil prestar atención a todo, ¿no?
Es por eso que plataformas como Twitter y Pinterest están invirtiendo en Inteligencia Artificial para tomar mejores decisiones y recomendaciones para los usuarios. La intención es presentar los contenidos que más suelen encantar al usuario y hacer más relevante la experiencia.Por su parte, en Twitter, las tecnologías de deep learning y NLP se utilizan para mejorar el conocimiento sobre cada usuario y ordenar la línea de tiempo según sus intereses.
La Inteligencia Artificial también es un aliado en la lucha contra el extremismo, el acoso, las fake news y otras violaciones. En 2023, la plataforma suspendió más de 300,000 cuentas vinculadas al terrorismo a través de tecnologías de Inteligencia Artificial.
En Pinterest, el enfoque de la plataforma es lo visual. Por lo tanto, la visión computacional es la principal tecnología de Inteligencia Artificial usada para mejorar la experiencia del usuario.
Pinterest Lens, por ejemplo —que te permite usar la cámara de tu celular en búsquedas— ve imágenes casi como una persona.
Los robots necesitan identificar patrones en las imágenes para hacer recomendaciones alineadas con la investigación y sus gustos e intereses.
Aquí, el pin de un extraño que posee lo que quieres encontrar tiene prioridad ante la publicación de un amigo. Es decir, la lógica de la curación de contenidos es diferente a la de Facebook; y esto se hace con deep learning sobre el uso de cada usuario en cada plataforma.
La intención no es solo recomendar fotos de armarios de dormitorio cuando se buscan “armarios de dormitorio”, sino también traer inspiración para decorar una habitación según el estilo de cada persona. Por tanto, la experiencia se vuelve mucho más valiosa.
10. Búsquedas personalizadas
La experiencia de búsqueda web ha cambiado mucho en los últimos años. Antes de Google, muchos motores de búsqueda ordenaban los resultados alfabéticamente. Fue Google y sus algoritmos los que comenzaron a clasificar los resultados en orden de relevancia para cada usuario.
¿Y cómo se hace eso? Con deep learning, los algoritmos aprenden cada vez más sobre los intereses de cada persona para comprender lo que quieren encontrar.
Pero para traer resultados relevantes, también es necesario comprender las intenciones de búsqueda de los usuarios y el contenido de las páginas web. Ahí es donde entra en juego una de las principales actualizaciones de Google en los últimos años: BERT.
Este es un algoritmo de procesamiento de lenguaje natural que desentraña lo que las personas escriben en las búsquedas y lo que contienen los sitios. Pero no se trata solo de identificar palabras; BERT comprende su significado, cómo se relacionan y qué intenciones hay detrás de ellas.BERT también se combina con varios otros factores de posicionamiento de páginas para comprender cuáles ofrecen la mejor experiencia. De esa manera, Google logra ofrecer los mejores resultados para cada persona y cada búsqueda en los primeros lugares.
Estudio de caso de Business Intelligence
En un estudio de caso extraído de la encuesta AI in the Enterprise: Real Strategies for Artificial Intelligence de junio de 2018, Stripe, una plataforma de pago en línea, tenía como objetivo prevenir el fraude y mejorar la experiencia del cliente.
Básicamente, Stripe buscaba hacer que la economía fuese más accesible para las personas. La idea seguía la línea de Google Adwords, que hizo posible que cualquier empresa comenzara a anunciarse.
En este contexto, uno de los principales desafíos era reducir el fraude con la ayuda de las máquinas, que automatizaban las decisiones basándose en unos pocos miles de millones de datos de la plataforma. Para eso, el algoritmo de Stripe evaluaría metadatos sobre la empresa y sus transacciones.