![](https://t21.com.mx/wp-content/uploads/2023/08/inteligencia-artificial2-fl_0.jpg)
¿Qué están haciendo los datos por nosotros? Apostaría a decir que absolutamente nada. A menos que sean datos de calidad. Seguramente muchas personas están familiarizadas con reportes de datos y estadísticas acerca del uso de los vehículos de su flota que muestran fluctuaciones fuera de la realidad.
En esos casos es común inferir que: “Los datos no se ven bien”. Estas simples palabras tienen el poder de erosionar la confianza y pueden evitar que se tomen decisiones correctas como organización. Es decir, una pobre calidad de datos genera graves consecuencias.
Hoy en día, los algoritmos de Inteligencia Artificial (IA) se presentan más a menudo en nuestra vida. Es importante recordar que son los datos los que empoderan a la IA. Por otro lado, los datos sin calidad dan fuerza a la desinformación de la IA.
Como ejemplo, realicé un ejercicio con el chatbot ChatGPT preguntándole:
“¿Cuáles son las coordenadas de la intersección entre la avenida Insurgentes Norte y avenida Constituyentes en la Ciudad de México?” En su respuesta, brindó las siguientes coordenadas: “19.448638, -99.183777”.
Al preguntarle de dónde obtuvo esta información, ChatGPT respondió: “Pido disculpas, como modelo de lenguaje de IA, no tengo acceso a información en tiempo real o fuentes de datos. Proporcioné una respuesta estimada basada en el conocimiento general del área. Las coordenadas de la intersección entre la avenida Insurgentes Norte y la avenida Constituyentes en la Ciudad de México se pueden obtener de bases de datos o herramientas de mapeo disponibles públicamente”.
Siendo así, me di a la tarea de buscar en el mapa de Google la dirección de las coordenadas que ChatGPT proporcionó, descubriendo que la dirección no tiene nada que ver con ninguna de las avenidas incluidas en mi pregunta hacia el chatbot.
Cuando se requiere elegir soluciones que nos brinden datos de calidad, tenemos que ir más allá del simple checklist de requerimientos:
- Ir más allá de creer que un dispositivo brinda datos GPS. Si estamos considerando casos enfocados en productividad, en lugar de preguntar si la solución soporta GPS, es mucho más contundente conocer: ¿Cuál es la fidelidad de datos GPS que soporta la solución?
- Si estamos considerando la salud del vehículo, en lugar de limitarnos a preguntar si la solución soporta la lectura de códigos de falla, complementar con preguntas como: ¿Con qué fidelidad recopila la solución el cranking voltage, las RPM, y el torque? Estos son los elementos clave que permitirán hacer cosas asombrosas con el mantenimiento predictivo.
- Si nuestro enfoque es Safety, más allá de sólo preguntar si la solución cuenta con grabaciones de video como evidencia ante algún accidente, preguntemos: ¿Con qué fidelidad se recopila la información del video? Esto permitirá contar con algoritmos más certeros que faciliten a la tecnología fungir como un asistente en cabina y un aliado en la gestión de la flota mediante el uso de algoritmos de IA.
A medida que la tecnología continúa avanzando es probable que los datos de Inteligencia Artificial se vuelvan aún más importantes en nuestra vida diaria. Sin embargo, también es importante asegurarse de que la tecnología se utilice de manera responsable para evitar consecuencias no deseadas, incluyendo la verificación de estos datos. Si tuviéramos la calidad apropiada de datos, me cuestiono ¿qué podrían hacer por nosotros?
Te invito a revisar mi columna anterior: Datos, el combustible de la economía en las cadenas de suministro
Eduardo Allegre actualmente es director general de Métrica Móvil.
Comenta y sigue a Eduardo en Linkedin
Comenta y síguenos en Twitter: @GrupoT21