Etiquetar productos con IA es común en la actualidad, con muchos observadores de la industria de la tecnología rascándose la cabeza para encontrar una plataforma, servicio o software que no Use AI, aprendizaje automático o una de las otras variantes a menudo mal definidas como ‘profundo’ o ‘AI cognitivo’.
Una posible razón para tantos casos de IA que se aplican a los productos se derivan de las diferentes formas diferentes de IA, lo que refleja su naturaleza multimodal que funciona en una variedad de datos, incluidos texto, video e imágenes. Además, existe una variedad de términos dispares, como la IA de agente (donde la IA puede interactuar con otro software a través de API) y la IA generativa (en la que la IA puede crear nuevos datos basados en las fuentes a las que se accede).
El software es una industria aficionado a los nuevos acrónimos, con la última frase de Buzz-frase que es MCPS, una bifurcación de API diseñadas específicamente para que los modelos de IA interactúen entre sí. Pero la etiqueta central de ‘AI’ ahora es común en servicios en la nube, software, hardware, redes, almacenamiento y cada aplicación de marketing bajo el sol.
El problema de especialización
Los especialistas en marketing digital están capacitados en el detalle de la variación del mercado, la mensajería, los métodos de transmisión y el análisis estadístico. Al igual que muchos especialistas, los especialistas en marketing carecen de la capacitación en informática y tecnología; Esos son el alcance de los desarrolladores de software, expertos en bases de datos, arquitectos de sistemas, especialistas en ciberseguridad y una docena más de subgéneros en el espacio tecnológico.
Esa falta de conocimiento específico en tecnología hace que los vendedores sean propensos a cualquier otro grupo fuera de la tecnología de juego puro para afirmaciones no proporcionables sobre las bases de las herramientas y plataformas que usan.
Como ejemplo, podríamos tomar una plataforma SOAA de software que permite que las funciones de marketing correlacionen sus diversas campañas digitales (pagadas y orgánicas) y elementos de comercio electrónico, y ver sus resultados en una serie de paneles. Aquí, los profesionales de marketing pueden, por ejemplo, examinar las estadísticas, crear informes sobre campañas individuales y realizar un análisis de la competencia. Nuestra plataforma imaginada también podría capaz de modelar escenarios y pronosticar posibles ingresos de las ventas de comercio electrónico, con predicciones basadas en datos históricos y el desempeño de las actividades de marketing.
Si los usuarios pudieran representar sus consultas para tal plataforma en lenguaje natural, como “Muéstrame las campañas de mejor rendimiento en Europa continental”, entonces un modelo de lenguaje grande analizaría su consulta y produciría las estadísticas deseadas. Justo hay una implementación de IA, que actúa como intermediario entre los usuarios y los datos estadísticos mantenidos en la base de datos de la plataforma.
Pero, ¿esa función justifica una línea de correa para la plataforma que la describe como “ai aficionada”?
La caja negra
El problema que tienen los especialistas en marketing que tienen es experimentado por la gran mayoría de los usuarios de las plataformas de inteligencia artificial: lo que está bajo el capó en el software patentado es solo eso, propiedad y cerrado del examen externo. Es imposible verificar cualquier afirmación sobre el “poder” de AI.
Quizás hay docenas de soluciones en el mercado en este momento, en su totalidad o en parte, al igual que la plataforma descrita anteriormente. Casi sin excepción, afirman elementos de IA, y ninguna de esas afirmaciones está abierta a un escrutinio externo a un nivel que satisfaría a un especialista en él. ¿Hay realmente un ‘motor’ de IA? ¿Cuáles son los sesgos o deficiencias de los elementos de IA? ¿Qué fuentes se usaron para entrenar la IA?
Si tomamos el análisis de la competencia como un elemento de ejemplo de nuestra plataforma imaginada, vemos que probablemente presentará métricas disponibles (tráfico, puntajes del faro, estadísticas de participación, etc.), y no está claro si hay una IA que actúa internamente que afecta o procesa cualquier datos. Quizás el atractivo panel de control muestra resultados basados en, no AI, sino algoritmos clásicos que trabajan en la agregación basada en reglas.
Del mismo modo, muchas plataformas ofrecen funciones predictivas: ¿qué campañas funcionarán bien, cuáles podrían ser los ingresos generados si tomamos una acción particular?
Las funciones predictivas en muchas plataformas se basan en regresiones de series de tiempo, procesos que podría ser definido como funciones de aprendizaje automático, pero generalmente están mucho más cerca del modelado estadístico clásico que de cualquier ‘IA profunda’ revolucionaria.
En el último caso, es probable que haya un elemento de software que pueda usarse para justificar un reclamo de ‘AI bajo el hogar’, pero su implementación puede ser bastante básica, y las predicciones pueden no ser mejores que las derivadas de una combinación de experiencia humana en el sector, instinto y buenas métricas antiguas.
(También vale la pena señalar que los algoritmos de aprendizaje automático son bastante terribles en las matemáticas. Solicite asesoramiento financiero de AI a su riesgo).
Ver para creer
Si las compañías de software de marketing ofreceran plataformas con IA que querían diferenciar de los cientos de otras herramientas similares, podrían hacerlo publicando detalles de conjuntos de características, familias modelo, hiperparametros y divisiones de validación, por nombrar solo algunos detalles que justificarían sus reclamos de IA. Para la mayoría de nosotros, dicha información es impenetrable. Pero para un científico de datos, incluso uno recién salido de la universidad, dicha información podría actuar como una validación de que hay cosas que suceden dentro de la plataforma cerrada de caja negra que la hace diferente. La verificación por medio de algún grado de apertura permitiría que los terceros objetivos (y las organizaciones piensen en registrarse en una ‘plataforma con IA’) asegúrese de que no se les vendiera aceite de serpiente.
El adagio de ‘seguir el dinero’ es, en la actualidad, no un consejo particularmente bueno. Los inversores están arrojando dinero a cualquier empresa con un elemento de IA en su descripción (autoeditada), y parece haber poco para discernir entre productos que le darán valor o no a sus usuarios. Comprobar qué plataforma de marketing ‘con IA’ está obteniendo fondos de inversores y capitalistas de riesgo no es particularmente útil como un criterio de calidad en este momento.
La experiencia, la especialización, el conocimiento y la sensación de intestinos de los especialistas en marketing siguen siendo los productos más valiosos que un equipo puede tener, especialmente cuando tantas afirmaciones de IA son no verificables, si no engañosas. Lo sorprendente es que es la función de marketing la que parece haber ido a la IA. Después de todo, ¿qué tipo de especialista en negocios debería ser más inmune a la exageración de marketing no verificable?
El software en sus formas clásicas y algorítmicas tiene y continuará aportando beneficios masivos al vendedor. Bien puede mejorarse, de alguna manera medible, por el aprendizaje automático. Pero los proveedores de plataformas deben estar dispuestos a probar, a un especialista calificado adecuadamente, justo qué efectos tiene la IA en los resultados y cómo la IA mejora una plataforma más allá de lo que se puede lograr con el software algorítmico ‘tradicional’.
(Fuente de la imagen: “Sombreado y coloración de aceite de serpiente” por opacidad tiene licencia bajo CC BY-NC-ND 2.0.)
Ver también: Tiktok empuja anuncios AI que se parecen a los creadores reales
