movil.jpg)
 970x90.jpg)
Santo Domingo.- La inteligencia artificial puede acelerar la innovación y mejorar los procesos de las empresas, pero también tiene la capacidad de multiplicar los errores cuando trabaja con información incompleta, desactualizada o de poca calidad.
Por eso, antes de incorporar estas herramientas, las organizaciones deben fortalecer la gestión de sus datos y establecer mecanismos que garanticen su confiabilidad.
Así lo planteó Mario Silié, vicepresidente del área de Data y Analítica del Banco Popular, quien advirtió que la calidad de la información adquiere una importancia mayor en un contexto en el que las empresas apuestan cada vez más por soluciones basadas en inteligencia artificial.
"No podemos hablar de inteligencia artificial confiable si está basada en datos en los cuales no confiamos", sostuvo el ejecutivo, al explicar que estas tecnologías pueden potenciar la innovación y los cambios positivos dentro de una organización, pero también amplificar los problemas cuando la información que utilizan no es correcta.
Silié señaló que la calidad de los datos no debe limitarse a que estén completos, organizados y actualizados, sino que también debe contemplar el contexto en el que se utilizan.
Como ejemplo, explicó que las empresas tradicionalmente procuraban mantener actualizada la información básica de sus clientes, como direcciones y números telefónicos.
Sin embargo, con el desarrollo de la analítica y la inteligencia artificial, resulta necesario contar con una comprensión más amplia de esos usuarios, tomando en cuenta sus características, frecuencia de consumo y valor para el negocio.
Esto implica, por ejemplo, distinguir entre clientes ocasionales y recurrentes, así como identificar aquellos que representan un mayor o menor valor para la organización. Esa información permite que los modelos analíticos produzcan resultados más precisos y contribuyan a tomar mejores decisiones.
El ejecutivo también destacó que la calidad de los datos requiere un mantenimiento permanente, debido a que tanto los clientes como el entorno económico y las condiciones del mercado cambian con el tiempo.
En ese sentido, explicó que las decisiones generadas por los modelos analíticos deben monitorearse continuamente, ya que los resultados que ofrecen hoy podrían no ser los mismos mañana si cambian las circunstancias sobre las que fueron entrenados o desarrollados.
La confianza y la protección de los datos
Otro de los aspectos que consideró fundamentales para una adopción responsable de la inteligencia artificial es la protección de la información, especialmente en lo relacionado con la privacidad, la seguridad y el uso responsable de los datos.
Silié sostuvo que el desarrollo de nuevos modelos de analítica debe avanzar de la mano con mecanismos que preserven la confianza de los usuarios, un elemento que definió como uno de los activos más importantes del Banco Popular.
A su juicio, el desafío para las organizaciones consiste en abordar la calidad de los datos desde una perspectiva transversal, que no solo contemple su utilidad y precisión, sino también la responsabilidad en su manejo, la protección de la información y la supervisión constante de las soluciones tecnológicas.
De esta manera, la incorporación de inteligencia artificial no dependerá únicamente de contar con herramientas cada vez más sofisticadas, sino de garantizar que la información que las alimenta sea confiable y que su utilización responda a criterios de seguridad y responsabilidad.
