La misiónResearch Center Artefact es fomentar un ecosistema de innovación en torno a AI data la colaboración entre profesores universitarios y representantes de empresas internacionales asociadas.
El objetivo: una investigación de vanguardia impulsada por data las aplicaciones industriales de sus empresas colaboradoras.
¿Cuál es el ADN Artefact?
Artefact una consultora de ingeniería especializada en AI data. Líder europeo con presencia en 23 países y una sólida implantación en Francia, cuenta con una plantilla de 1.700 empleados, de los cuales una gran parte son ingenieros. Artefact sus empresas clientes en sus data AI data , abarcando desde cuestiones estratégicas, como data , hasta el desarrollo y la implementación de modelos.
Nuestros equipos, formados por data , ingenieros de software y data , pueden aplicar una amplia gama de técnicas de aprendizaje automático en casos prácticos. El objetivo: actuar a lo largo de toda la cadena de valor para que los clientes puedan sacar el máximo partido a AI.
Artefact cuenta Artefact con otras iniciativas, como la School of Data, dedicada a la recualificación de profesionales, y la organización de grandes eventos en Francia, como AI Health» o «Adopt AI».
Cuéntanos sobre Research Center Artefact
El research center dedica a la investigación de código abierto. Su misión es mejorar AI las aplicaciones empresariales para que resulte más fácil de usar y se adapte mejor a las necesidades. Nuestro objetivo es acabar con la percepción de que el aprendizaje automático es una caja negra incontrolable.
Con este fin, el centro se divide en dos áreas de especialización: las matemáticas aplicadas, para mejorar los modelos desde una perspectiva estadística; y las ciencias de la gestión, que abordan a las empresas y organizaciones como objetos de estudio. Analizamos cómo adoptan la tecnología e imaginamos posibles mejoras.
¿Cómo funcionáis?
Por encima de todo, llevamos a cabo investigación científica sin ánimo de lucro. Nuestro trabajo da lugar a publicaciones científicas y conferencias internacionales. A diferencia de la consultoría, que avanza a un ritmo muy rápido, el research center con un horizonte temporal más amplio. Establecemos colaboraciones entre expertos académicos y empresas que plantean retos del mundo real. Esta relación nos permite abordar casos de uso concretos mediante el acceso a las bases de datos de las empresas colaboradoras. El objetivo es poner a prueba y mejorar nuestras metodologías con estos problemas del mundo real a gran escala.
¿Una revolución para el comercio minorista?
El comercio minorista es un sector data, sobre todo a través de los tickets de caja. Al adaptarse a esta estructura, Inteligencia Artificial «descifrar» el ticket, ya que cada producto que aparece en él puede considerarse una palabra relacionada con otras.
Esto nos permite predecir los hábitos de los consumidores y adaptar las tiendas en consecuencia. Podemos analizar las interacciones entre productos para, por ejemplo, exponer juntos productos complementarios o evitar la «canibalización» entre productos o promociones. Estamos convencidos de que este uso de data el futuro del comercio minorista. AI nunca AI la experiencia y los conocimientos de un jefe de sección o de un socio comercial, pero puede hacer que sean aún más eficaces al aportar información valiosa a partir de data.
¿Una herramienta fundamental también en el sector bancario?
Una vez más, Artefact pretende sustituir a los analistas financieros, que cuentan con una excelente experiencia en el sector. Sin embargo, estos no pueden detectar a todos los clientes vulnerables ni a todos los estafadores. Mediante modelos de puntuación entrenados con data históricos, podemos señalar perfiles de clientes inusuales y anticipar acontecimientos negativos antes de que se conviertan en problemas reales. Dado que los analistas deben justificar sus decisiones —un requisito normativo—, trabajamos en la creación de sistemas de puntuación que sean explicables y ofrezcan razones interpretables para los perfiles de alto riesgo.
¿Entonces AI las capacidades humanas en el trabajo?
Por supuesto. A menudo pongo el ejemplo de Google. Cuando buscas algo en Internet, se lleva a cabo un análisis. El aprendizaje automático consulta billones de páginas web, algo imposible sin la automatización. El tiempo que ahorra el algoritmo representa todo el trabajo preliminar que los humanos ya no tienen que hacer. AI de manera similar. En última instancia, siempre es el ser humano quien decide adoptar o no el resultado y darle sentido. Comenzó con las búsquedas en libros, continuó con el auge de Internet y Wikipedia, y ahora sigue con las tecnologías actuales. Y esto no va a detenerse en un futuro próximo.
¿Cuáles son, en su opinión, los retos de AI generativa?
Se ha producido un punto de inflexión, especialmente con ChatGPT, en la forma en que el público adopta las nuevas tecnologías. Por primera vez, hemos visto cómo algo se ha ido imponiendo desde la base: los empleados empezaron a encontrar buenas formas de utilizar ChatGPT como una herramienta útil en su trabajo. Desde el punto de vista Artefact, la clave está en enmarcar estas tecnologías dentro de casos de uso específicos. En lugar de utilizar una herramienta de uso general para todo, el objetivo es crear aplicaciones sólidas para tareas concretas.
En este momento, estos modelos carecen de solidez; recuperan información de su memoria de formas que aún no comprendemos del todo, lo que conlleva el riesgo de generar resultados inadecuados o incluso absurdos. Estamos trabajando, por ejemplo, en un índice de confianza sencillo pero fiable que se mostrará a los usuarios. El objetivo es, por un lado, evitar la información engañosa y, por otro, fomentar una actitud crítica hacia las respuestas del modelo.
