Enric Quintero, CEO de Datarmony, explica que “los datos son el nuevo petróleo de las empresas, pero el petróleo hay que refinarlo para que sea útil. Un modelo de IA entrenado con datos erróneos, sesgados o imprecisos, lleva a resultados incorrectos, lo que puede conllevar pérdidas importantes para las compañías”.
La consultora estratégica de datos basada en Inteligencia Artificial Datarmony ha desarrollado Datokey, una nueva herramienta para eliminar el punto débil de la IA: la falta de calidad de los datos. Se trata de una solución automática para corregir y prevenir errores y ayudar así a las empresas a tomar las decisiones correctas y basadas en datos precisos.
Enric Quintero, CEO de la compañía, explica que “los datos son el nuevo petróleo de las empresas, pero el petróleo hay que refinarlo para que sea útil. Un modelo de IA entrenado con datos erróneos, sesgados o imprecisos, lleva a resultados incorrectos, lo que puede conllevar pérdidas importantes para las compañías. Para evitar llegar a ese punto, creamos Datokey”.
Precisamente, los sistemas de alertas en la prevención de errores como Datokey son capaces de reducir errores humanos en hasta un 40%, mejorar la eficiencia reduciendo hasta un 30% de respuesta a incidentes gracias a las alertas y ahorrar hasta un 20% de costes de mantenimiento a las empresas, según datos de clientes de Datarmony.
La idea de Datokey surge a partir de la necesidad de identificar errores en la fase de recolección del dato y poder hacerlo automáticamente, ahorrando horas de trabajo. A partir de un sistema de alertas, Datokey es capaz de hacer una predicción de tendencias para avanzarse a los errores y evitarlos de cara al futuro.
Quintero detalla que en primer lugar se recopila el dato, se analiza y se enriquece con la lógica de validación, y se guarda en un documento Drive que es procesado vía Cloud Functions. Finalmente se activa un sistema de alertas por correo o SMS.
Caso de éxito: ahorro de tiempo para los equipos de IT
Gracias a Datokey, Datarmony ha podido identificar métricas y dimensiones a monitorizar, crear modelos capaces de detectar anormalidades en la recepción de datos y lanzar alertas automáticas indicando la naturaleza del problema y los elementos afectados.
“Nos encontramos con un caso de hotel en el que los datos del sitio web contaba con constantes errores en la medición que implicaban mucho tiempo a los equipos de IT. Nuestra herramienta ha conseguido monitorizar y alertar al equipo técnico de los errores, con lo que han reducido significativamente lo tiempos dedicados a mantener la calidad de los datos recogidos. Con ello, el equipo ha podido invertir su tiempo a desarrollar nuevas mejoras en el sitio web que contribuyen a la satisfacción del cliente final”, concluye Quintero.
Tu opinión enriquece este artículo: