Antes de que la IA generativa se convirtiera en una tendencia prominente de la industria, la IA predictiva ya estaba allanando el camino al realizar pronósticos sobre eventos futuros basados en datos existentes. Imagina aprovechar las fortalezas de ambas tecnologías: esta es la visión de Pecan AI.
Fundada hace ocho años, Pecan AI ha establecido una plataforma de análisis predictivo para empresas y ha recaudado 116 millones de dólares en financiación, incluyendo una ronda notable de 66 millones en febrero de 2022.
Presentando Predictive GenAI
Hoy, Pecan AI lanza Predictive GenAI, una nueva herramienta que fusiona las capacidades avanzadas de la IA generativa con el aprendizaje automático predictivo. “Mientras nos enfocábamos en soluciones clásicas de aprendizaje automático, la revolución de la IA generativa se desató en toda la industria”, comentó Zohar Bronfman, CEO y cofundador de Pecan AI. “Sin embargo, la IA generativa enfrenta dificultades para hacer predicciones precisas”.
Aunque la IA generativa brilla en tareas como la resumición de contenido y el desarrollo de chatbots, no está diseñada para predecir. Por otro lado, el aprendizaje automático predictivo puede ser complicado para los usuarios. Predictive GenAI de Pecan AI combina estas tecnologías de manera efectiva, permitiendo a los científicos de datos crear modelos predictivos de forma sencilla.
Facilitando la IA Predictiva para las Empresas
Pecan AI busca simplificar la adopción del aprendizaje automático y la IA en las empresas. Tradicionalmente, los científicos de datos han sido los principales usuarios de herramientas de análisis predictivo. Bronfman subrayó que Pecan AI está diseñado para democratizar las capacidades de IA, permitiendo a los profesionales de negocios aprovechar los conocimientos predictivos sin necesidad de una profunda experiencia técnica.
Características Clave de Predictive GenAI
1. Chat Predictivo: Esta función permite a los usuarios interactuar con una interfaz similar a un chatbot, formulando consultas en lenguaje natural adaptadas a desafíos empresariales específicos. Guía intuitivamente a los usuarios hacia los marcos predictivos más relevantes.
2. Cuaderno Predictivo: Utilizando IA generativa, este cuaderno basado en SQL sirve como base para construir modelos predictivos. Automatiza la transformación de datos brutos de la empresa en conjuntos de datos listos para IA mediante celdas generadas que manejan consultas de datos, estructuración y unión. Los usuarios pueden optar por ejecutar estas celdas de forma automática o ajustarlas usando SQL para una mayor implicación.
Desafíos de la IA Predictiva en Modelos Generativos
Los usuarios pueden encontrar que, aunque la IA generativa es eficiente en varias tareas, no logra realizar predicciones. Según Bronfman, esto se debe a que los conjuntos de datos en los que se basa la IA generativa durante el entrenamiento no se alinean con el formato estructurado necesario para la modelación predictiva. Un conjunto de datos predictivo debe tener entidades bien definidas en filas y características claras en columnas, junto con una etiqueta objetivo. Sin embargo, adquirir datos en este formato a menudo requiere ingeniería de datos extensa, una tarea típicamente manejada por científicos de datos experimentados.
Bronfman también destacó las limitaciones de usar bases de datos vectoriales para la modelación predictiva. Aunque los embeddings vectoriales pueden soportar funciones predictivas básicas, tienden a operar con un conjunto de características restringido y requieren modelos simples o un esfuerzo considerable en ingeniería de características por parte de los científicos de datos para preparar adecuadamente los datos.
Innovaciones en la Preparación de Datos
Aunque la interfaz conversacional de Predictive GenAI puede ser su característica más visible, Pecan AI también se centra en innovar en la preparación automática de datos y la ingeniería de características. Entre los avances se encuentra una solución de automatización destinada a mitigar la fuga de datos, un problema común que puede sesgar la precisión del modelo. La fuga de datos se refiere al uso de datos de entrenamiento que deberían permanecer ocultos durante las predicciones, lo cual puede ser difícil de identificar sin experiencia.
“No es fácil detectar la fuga, especialmente para los no expertos”, explicó Bronfman. “Ofrecemos métodos automatizados para identificar y solucionar este problema”.
Al mejorar la accesibilidad y la precisión, Pecan AI está a punto de transformar la manera en que las empresas aprovechan el análisis predictivo, allanando el camino para una toma de decisiones más informada en el panorama siempre cambiante de la IA.
Clasificación
