Predecir el comportamiento de los clientes (sin editar)
por Alex “Sandy” Pentland
Con demasiada frecuencia, cuando hablamos de Big Data, hablamos de las entradas, los miles de millones (¿billones?) de migas de pan recopiladas de publicaciones en Facebook, búsquedas en Google, datos GPS de teléfonos móviles, inventario, identificación por radiofrecuencia (RFID) y cualquier otra cosa.
Son simplemente medios para lograr un fin. El final es este: los macrodatos proporcionan información objetiva sobre el comportamiento de las personas. No sus creencias ni su moral. No es lo que les gustaría que fuera su comportamiento. No lo que le dicen al mundo que es su comportamiento, sino lo que realmente es, sin editar. Los científicos pueden decir mucho sobre usted con estos datos. De hecho, mucho más que la mejor encuesta, investigación, grupo focal o entrevista con el médico, las herramientas altamente subjetivas e incompletas en las que confiamos hoy en día para entender el comportamiento. Con el Big Data, las limitaciones actuales a la interpretación del comportamiento humano desaparecen en su mayoría. Podemos saber si es el tipo de persona que devolverá los préstamos. Ya veremos si es un buen líder. Podemos decirle si es probable que tenga diabetes.
Los científicos pueden hacer todo esto porque el Big Data está empezando a exponernos a dos hechos. Primero, su comportamiento está determinado en gran medida por su contexto social. Y segundo, el comportamiento es mucho más predecible de lo que sospecha. En conjunto, estos datos significan que lo único que necesito ver son algunos de sus comportamientos y puedo deducir el resto comparándolo con la gente de su público.
En consecuencia, el análisis del Big Data se centra cada vez más en encontrar conexiones entre el comportamiento de las personas y los resultados. En última instancia, nos permitirá predecir los acontecimientos. Por ejemplo, el análisis de los sistemas financieros nos ayuda a ver los comportamientos y las conexiones que provocan las burbujas financieras.
Hasta ahora, la mayoría de los investigadores han intentado entender cosas como las burbujas financieras mediante lo que se denomina ciencia de la complejidad o ciencia de la web. Pero estas formas antiguas de pensar sobre el Big Data dejan a los humanos fuera de la ecuación. Lo que realmente importa es cómo las personas se conectan entre sí mediante ordenadores y cómo, en conjunto, crean un mercado financiero o un gobierno, una empresa o cualquier otra estructura social. Todos pueden mejorarse con el Big Data.
Porque es muy importante entender estas conexiones, Asu Ozdaglar y yo hemos creado recientemente el Centro de Ciencia e Ingeniería de la Conexión del MIT, que abarca todos los diferentes departamentos y escuelas del MIT. Es uno de los primeros centros del MIT, porque personas de todo tipo de especialidades están empezando a entender que las conexiones entre las personas son el principal problema para que los sistemas logísticos funcionen bien, para que los sistemas de gestión funcionen de manera eficiente y para que los sistemas financieros sean estables. Los mercados no tienen que ver solo con reglas o algoritmos, sino con personas y algoritmos juntos.
Entender estos sistemas hombre-máquina es lo que hará que nuestros futuros sistemas de gestión sean estables y seguros. Esa es la promesa del Big Data, entender realmente los sistemas que forman nuestra sociedad tecnológica. A medida que empiece a entenderlos, podrá crear otros mejores: sistemas financieros que no se derritan, gobiernos que no se queden sumidos en la inacción, sistemas de salud que realmente mejoren la salud y mucho más.
Llegar allí no estará exento de desafíos. En mi próxima entrada de blog, analizaré muchos de esos obstáculos. Aun así, es importante establecer primero que el Big Data es gente más algoritmos, en ese orden. Las barreras para mejorar los sistemas sociales no tienen que ver con el tamaño o la velocidad de los datos. No tienen que ver con la mayoría de las cosas en las que la gente se centra cuando habla de Big Data. En cambio, el desafío consiste en averiguar cómo analizar las conexiones en esta avalancha de datos y encontrar una nueva forma de crear sistemas basada en la comprensión de estas conexiones.
_____________________
Artículos Relacionados
Investigación: La IA generativa hace que la gente sea más productiva y esté menos motivada
Arreglar los chatbots requiere psicología, no tecnología
Los chatbots dotados de IA se están convirtiendo en el nuevo estándar para la gestión de consultas, reclamaciones y devoluciones de productos, pero los clientes se alejan de las interacciones con los chatbots sintiéndose decepcionados. La mayoría de las empresas intentan solucionar este problema diseñando mejores modelos de IA en sus chatbots, pensando que si los modelos suenan lo suficientemente humanos, el problema acabará desapareciendo. Pero esta suposición es errónea. Esto se debe a que el problema de fondo no es tecnológico. Es psicológico: Hay que engatusar a la gente para que vea a los chatbots como un medio positivo de interacción. Los autores han analizado recientemente las últimas investigaciones sobre chatbots e interacciones IA-humanos, y en este artículo presentan seis acciones probadas que puede llevar a cabo al desplegar su chatbot de IA para impulsar la satisfacción, la percepción positiva de la marca y las ventas.
Investigación: ¿Está penalizando a sus mejores empleados por desconectar?
Para combatir el creciente desgaste del personal, muchas empresas han defendido programas de bienestar y han fomentado un enfoque renovado en el equilibrio entre la vida laboral y personal. Pero un nuevo estudio descubrió que incluso cuando los líderes reconocían que desvincularse del trabajo aumenta el bienestar de los empleados y mejora su rendimiento laboral, los directivos seguían penalizando a los empleados que adoptaban estos comportamientos cuando optaban a un ascenso o estaban siendo considerados para un nuevo puesto. Basándose en sus conclusiones, los investigadores ofrecen sugerencias para ayudar a las empresas a crear políticas y construir una cultura que proteja los límites de los trabajadores, evite el agotamiento y recompense el trabajo fuerte.
