Utilizando el ejemplo de una solución de IA para automatizar el marketing, tras seleccionar casos de uso valiosos, hemos identificado que podría construirse un modelo para predecir la pérdida de clientes. Esto encaja perfectamente en la IA (ML) tradicional, pero podría aplicarse el mismo enfoque si la tecnología fuera IA Generativa. Dejando a un lado los detalles de la construcción de un modelo de este tipo, parece que funciona bien, en el sentido de que puede predecir con éxito si es probable que un cliente abandone (incluso la evaluación del rendimiento de un modelo depende de la aplicación de negocio, y esto debe acordarse de antemano con las partes interesadas pertinentes). Suponiendo que se hayan abordado con éxito las consideraciones de ingeniería, como la integración con los datos y la infraestructura existente (el esfuerzo necesario nunca debe subestimarse en un proyecto), todavía tenemos que asegurarnos de que dicho modelo realmente añade valor al negocio.
Tal como señalamos en el artículo anterior, también queremos asegurarnos de que no trabajamos en el vacío. Por lo tanto, para garantizar que el resultado final tenga el impacto deseado y previsto, en lugar de ser visto como una solución en busca de un problema, es necesario seguir trabajando con los principales stakeholders y usuarios finales para asegurarse de que esto realmente sucede. En este caso, tras trabajar con las partes interesadas pertinentes, la forma de aportar valor al negocio podría ser poner los resultados del modelo a disposición de los responsables de marketing de la compañía para que puedan dirigirse específicamente a las personas con más probabilidades de cambiar de compañía.
Una consideración clave para los usuarios que interactúan con los resultados de los modelos ML es asegurarse de que les resulten útiles. Por ejemplo, es probable que se integren en algún tipo de interfaz de usuario de marketing, pero entonces ¿cuál sería una presentación útil de los datos? Es poco probable que las probabilidades de 0,0 a 1,0 tengan sentido y sean valiosas por sí mismas, pero ¿qué tal las altas/medias/bajas, o incluso las N más altas o el N % más alto con más probabilidades de pérdida de clientes? Como puede ver, hay que tomar decisiones a lo largo de todo el proceso, en estrecha colaboración con los stakeholders pertinentes, para garantizar que el proyecto logre un resultado útil.
La presentación de los resultados del modelo a los profesionales del marketing de una forma que les resulte útil nos permitiría demostrar el valor del modelo y obtener la aprobación del usuario (lo que podría conducir a una mayor automatización o a su integración en una solución de principio a fin). Esto ilustra perfectamente el doble beneficio de trabajar en estrecha colaboración con los usuarios y los principales stakeholders no sólo para validar el valor de la solución, sino también para servir como punto de control que puede conducir a un mayor alcance del proyecto o una mayor inversión.
.webp "GFT Blog: Overview")