Los errores de la IA pueden perjudicar a las empresas
Un motor de búsqueda colapsa porque, en pleno pico de tráfico, confunde «vestido de fiesta» con «juego de cuchillos». Un chatbot de servicio al cliente recomienda “termómetros” a quienes buscan “termos”. Una cadena de retail pierde millones en horas porque su sistema no detectó que un competidor bajó los precios de 200 productos clave. Estos no son casos aislados ni anécdotas exageradas. Son síntomas concretos de un problema estructural que se agrava en forma exponencial con la expansión de la inteligencia artificial. Un estudio de Gallagher, por ejemplo, revela que el 34% de los empresarios considera que los errores de la IA son la mayor preocupación, seguido por la violación de datos y privacidad.
Para evitar este tipo de fallas, es clave contar con datos bien estructurados y relevantes. “La recopilación y anotación de datos son procesos fundamentales para transformar información cruda en insights valiosos, capaces de guiar decisiones estratégicas. Pero muchas empresas todavía enfrentan serias dificultades para procesar grandes volúmenes de información de manera eficiente y precisa”. Así lo indicó Clemencia Nicholson, CEO de Arbusta, una empresa de capitales argentinos con proyección regional. Desde hace una década, brinda servicios a compañías como Mercado Libre, Kavak, Despegar. Para convertir datos crudos en información valiosa para la toma de decisiones.
La propuesta de Arbusta para estos dolores se centra en soluciones de preparación de data. Con servicios de Data Collection, Data Cleansing, Labeling, Data Entry, Moderation y Validation. Funcionan como un puente entre el desorden del mundo real y la claridad que necesitan las inteligencias artificiales para operar con precisión.
La anotación de datos es el primer paso para que una inteligencia artificial pueda comprender lo que observa, escucha o lee. Se trata de un proceso esencial en el desarrollo de sistemas inteligentes capaces de operar en contextos complejos y diversos. En este campo, Arbusta ofrece servicios de anotación que abarcan audio, video, texto e imagen. Permiten entrenar modelos de inteligencia artificial con un alto grado de precisión.
Un asistente virtual que confunde el llanto de un bebé con una alarma de incendio, o un sistema de seguridad que no distingue entre el sonido de un cristal roto y una puerta cerrándose. Estos errores se evitan con Sound Tagging. La técnica que ‘enseña’ a las IA a reconocer, por ejemplo, diferencias entre acentos regionales en apps de traducción o a identificar alarmas críticas en fábricas inteligentes.
La anotación de audio es clave para evitar que las IA cometan errores cotidianos. Arbusta entrena modelos para reconocer patrones precisos. Como distinguir entre una emergencia médica y un sonido ambiental inofensivo, o clasificar variaciones lingüísticas en servicios de voz. “Sound Tagging permite entrenar modelos de reconocimiento de sonido para clasificar eventos acústicos o detectar patrones relevantes”. Así lo explicó Pablo Mlynkiewicz, director de Tecnología de Arbusta.
Por su parte, el etiquetado de video o Video Tagging permite, por su parte, procesar imágenes en movimiento. Mediante técnicas como bounding boxes, segmentación semántica y seguimiento de trayectorias. Este servicio es clave para el entrenamiento de modelos de visión por computadora. En un contexto donde el mercado de esta clase de servicios se valoró en US$ 10.500 millones en 2024. Y se espera que alcance US$ 17.020 millones para 2033, con una tasa de crecimiento anual compuesta (CAGR) del 6,%.
El Video Tagging evita que las máquinas ‘vean’ el mundo de forma caótica. Gracias a esta técnica, un vehículo autónomo diferencia entre un niño corriendo y una bolsa volando. Mientras que una tienda detecta qué productos atraen más miradas en un pasillo. O un sistema de seguridad reconoce actividades sospechosas en tiempo real. Arbusta logra esto mediante anotaciones precisas de movimiento, objetos y contextos.
