(Ad Age) – La inteligencia artificial está a nuestro alrededor y los diferentes tipos cumplen sus propios propósitos para los marketers.

La IA generativa, por ejemplo, es una tecnología razonablemente accesible para probar y usar en la mayoría de las empresas para generar texto e imágenes. Lo mismo ocurre con el modelado predictivo, que puede proporcionar a los marketers información crítica, como la propensión de un cliente a abandonar la empresa. Sin embargo, para alcanzar el apogeo del marketing de la personalización uno a uno, los marketers deben aprovechar el poder de otro tipo de IA: la toma de decisiones mediante IA.

Aprendizaje supervisado vs. aprendizaje por refuerzo

A menudo veo a los marketers intentar utilizar modelos predictivos para tomar decisiones. No es exactamente un error, pero es una forma más antigua y complicada de hacer negocios. Veamos por qué sucede esto y las diferencias inherentes entre los modelos predictivos y los agentes de toma de decisiones.

Los modelos predictivos se construyen con un tipo de IA llamado “aprendizaje supervisado”. Estos modelos se entrenan con datos “etiquetados”; por ejemplo, un conjunto de clientes puede tener las etiquetas “abandonó” y “no abandonó”. Luego, el modelo intenta predecir la etiqueta correcta para asignar nuevos clientes. Los marketers utilizan modelos predictivos para tareas como la predicción de abandono (¿Qué probabilidad hay de que este cliente abandone la tienda en los próximos 90 días?) o la afinidad por categorías (¿En qué categoría es más probable que este cliente compre a continuación?).

Sin embargo, cuando los marketers intentan convertir estas predicciones en decisiones, generan mucho trabajo innecesario y posibles imprecisiones. Este proceso a veces se denomina “próxima mejor acción” y es complicado, largo y complejo de mantener. Requiere que los marketers dividan a las personas en segmentos, realicen pruebas A/B manuales o multivariables para determinar qué es lo mejor para cada segmento y luego codifiquen esa información como reglas. Cuando se reduce a las personas a segmentos de esta manera, se termina con un grupo con puntajes de abandono similares pero con diferentes razones para abandonar el grupo: tal vez uno se mudó a una ciudad diferente y otro tuvo una mala experiencia de servicio al cliente. Sin embargo, debido a que todos están en el mismo segmento, se les comercializa de la misma manera, aunque no debería ser así.

Por otro lado, la toma de decisiones con IA se basa en los avances del aprendizaje por refuerzo, una rama de la IA que ha avanzado rápidamente en los últimos años. Los agentes de toma de decisiones con IA toman decisiones para lograr resultados óptimos. Estos agentes imitan el proceso de aprendizaje de ensayo y error de los humanos para lograr sus objetivos, repitiendo las acciones que contribuyen a la consecución del objetivo y evitando las que lo desvían.

La toma de decisiones con IA está proliferando (y probablemente será una apuesta segura en los próximos cinco años) porque es radicalmente más sencilla. No se necesitan segmentos, pruebas A/B manuales ni reglas. Todo ese trabajo se automatiza porque, en lugar de tener modelos que hagan predicciones, hay agentes de IA que toman decisiones. Se le dice al agente el objetivo que se debe alcanzar, las acciones que se le permiten realizar y, luego se le da rienda suelta para que empiecen a aprender. El agente de IA se vuelve más inteligente en función de todo lo que sabe sobre un cliente individual y puede tomar la mejor decisión individual para cada cliente a fin de maximizar el objetivo, no en cuestión de meses, sino de días.

Como dijo Verónica Moturi, vicepresidenta sénior de experiencia del cliente en Brinks Home: “Al usar OfferFit, logramos una mejora del 200 % en las ganancias de nuestras ofertas de renovación de contratos en solo unas semanas. Si hubiéramos intentado lograrlo mediante pruebas A/B, probablemente nos habría tomado otros 18 meses”.

Y así es como se logran recorridos de clientes personalizados y basados en datos, no predicciones disfrazadas de decisiones.

Como empezar

Mi primer consejo para comenzar a utilizar inteligencia artificial para la toma de decisiones es que una solución lista para usar probablemente no satisfaga sus necesidades, pero desarrollarla internamente probablemente no tenga éxito.

En primer lugar, no hay dos empresas iguales; las empresas necesitan un alto nivel de personalización en lo que respecta a los indicadores clave de rendimiento que desean maximizar con la toma de decisiones mediante IA. Si tiene un restaurante, querrá personalizar en función de la información específica del restaurante, como qué comida pide la gente. Si tiene un banco, querrá personalizar las cosas en función de la información financiera, como dónde gasta dinero una persona, en qué categorías lo hace o qué servicios bancarios utiliza. El uso de un producto listo para usar no funcionará. En cambio, debe personalizar los modelos y los casos de uso según sus objetivos y operaciones comerciales.

En segundo lugar, debido a que el aprendizaje por refuerzo es conocido en la comunidad de investigación de aprendizaje automático por ser difícil, requiere conocimientos altamente especializados. Por este motivo, las empresas que trabajan con OfferFit cuentan con un equipo dedicado, que incluye un ingeniero de implementación de aprendizaje automático que es experto en la configuración de estos productos, un gerente de interacción y un director de éxito del cliente, tanto durante la configuración como durante todo el uso de nuestro producto. 

Una vez que tenga en mente la solución y los servicios adecuados para comenzar a tomar decisiones con inteligencia artificial, le recomiendo:

Comience con algo pequeño: elija un caso de uso que sea de alto valor pero que también sea relativamente fácil de implementar para que pueda obtener una victoria rápida.

Desarrolle una visión amplia desde el principio: analice todas las oportunidades que ofrece la inteligencia artificial para la toma de decisiones. ¿En qué ámbitos podría utilizarla? Crear esa visión amplia ayudará a que todos sus colegas de los distintos departamentos se sumen y se entusiasmen con la idea.

Analice a su proveedor: la toma de decisiones con inteligencia artificial es compleja. Por eso, OfferFit ofrece capacitación educativa previa y posterior al contrato a través de nuestra academia de IA para ayudar a nuestros modelos de toma de decisiones y a las empresas a aprender continuamente, incluso antes de convertirse en clientes.

Las marcas no tienen por qué dejar de confiar en los modelos predictivos, que son excelentes para predecir la tasa de abandono de clientes, pero sí deben dejar de utilizarlos para tomar decisiones. La toma de decisiones con IA puede complementar los modelos predictivos (y otros tipos de IA) para formar un conjunto de herramientas sólido que los especialistas en marketing pueden aprovechar para aprender todo lo que puedan sobre sus clientes y tomar la mejor acción individualizada a partir de ahí para generar resultados.