Inteligencia Artificial: La infalible toma de decisiones basada en datos

Artículo de opinión de Jordi Mallol, CEO de Global Healthcare (www.globalhealthcare.es), agencia perteneciente a AEAPS (www.aeapsalud.es)

Hace pocos días, organizado por nuestra querida asociación, AEAPS, tuvimos la oportunidad de asistir a una reunión-conferencia con el equipo de Watson (IBM) como plataforma de Inteligencia Artificial.

El mercado de las plataformas de Inteligencia Artificial (AI) va a crecer a un ritmo del 15% anual hasta el año 2021, de acuerdo con estadísticas de Forrester. Antes de analizar las características de las principales soluciones de Inteligencia Artificial (IA) aplicada a los procesos de marketing y ventas, estaría bien poner las cosas en perspectiva.

De repente, todo el mundo habla de las bondades de la Inteligencia Artificial como si fuera la panacea para ayudar a resolver sus retos en el terreno del marketing y ventas. Hombre, bien trabajado y conociendo el potencial que la AI puede aportar los Dept de Marketing y Ventas la panacea no sé si lo será, pero soluciones efectivas en sus estrategias y con muy poco margen de equivocación, eso seguro.

Por tanto el objetivo de este articulo es ayudar a responder en cómo la AI puede ayudarnos en nuestra toma de decisiones estratégicas y evitar caer en conclusiones equivocadas generando unas expectativas irrealistas acerca de esta tecnología.

Hay que reconocer que la industria farmacéutica, y dentro de ella los equipos de marketing, digital, IT, etc…, está muy atenta a todas las innovaciones que realmente puedan ayudarles en su negocio. Sin embargo otra cosa muy diferente es la adopción de estas nuevas tecnologías.

Si a los equipos de marketing ya les cuesta, a veces, ser el primero en apostar en innovación; aun sabiendo que ciertas herramientas pueden ayudarles mucho en su día a día, no digamos cuando este tipo de plataformas requieren reuniones entre varios Departamentos (Marketing, Digital, Business Intelligence, Ventas, IT, etc)… vamos que la cosa se complica J

Y si queremos rizar el rizo ya no digamos, en un futuro no muy lejano, cuando los equipos de marketing manejen por ellos mismos estas herramientas sin necesidad de otros Depts que hoy se hacen imprescindibles para ellos en la obtención de ciertos datos para las tomas de decisión.

A todo esto hay que añadir, parece, que preferimos ver un “caso de éxito” de otro laboratorio que previamente ha integrado estas plataformas que no ser los primeros en hacerlo y claro, con la IA quien no corra, volará.

Pero vamos por partes. Como decíamos no cabe duda de que este concepto se ha puesto de moda y, a menudo, está siendo utilizado más como un elemento de branding y marketing, que como un recurso de optimización de procesos y toma de decisiones.

Muchas de las grandes empresas quieren subirse al tren de la IA o, por lo menos, aparentarlo de cara a sus accionistas, y conseguir así un voto extra de confianza en los mercados.

Sin embargo, y dejando a un lado las especulaciones acerca del apocalipsis tecnológico, más propias de la ciencia ficción que de la realidad actual, lo que se está utilizando actualmente es una subdisciplina conocida como Machine Learning.

Machine Learning y Data Driven Marketing: la realidad práctica de la Inteligencia Artificial

Dentro del mundo del marketing, el Machine Learning consiste en entrenar a programas (algoritmos) para que puedan realizar predicciones en función de datos.

Los programas y algoritmos de Machine Learning se puede dividir en 2 grandes grupos: de aprendizaje supervisado (debemos introducirles los datos y entrenarlos en cada escenario y de aprendizaje no supervisado. Ambos se utilizan para crear modelos predictivos, los cuales son capaces de mejorar su rendimiento, gracias a la exposición continuada e incremental a grandes cantidades de datos.

El objetivo a largo plazo es que estos programas puedan aprender de la experiencia, y tomar mejores decisiones, tal y como lo haría un ser humano.

No obstante, no se trata de una tecnología milagrosa, que te permita sustituir a los miembros de tu equipo por máquinas que tomen las decisiones de marketing y ventas, o cualquier otro proceso de negocio.

De lo que se trata es de mejorar y optimizar procesos existentes, así como ayudar en la identificación de “insights”, para llevar a cabo una mejor toma de decisiones basadas en datos.

Debemos aprovechar el poder de la tecnología para complementar las habilidades humanas.

En relación a todo esto, aquí van algunas preguntas que seguramente nos habremos hecho en alguna ocasión:

• Cuantas veces no tomamos decisiones por intuición o con datos que no son lo suficientemente relevantes como para asegurar una estrategia acertada?
• Alguien de cualquier laboratorio es consciente de que sólo con la información que tiene de sus clientes, venga de donde venga esta interacción (informes de los delegados médicos, mails, contact center, mensajes, etc..) es capaz, por ejemplo, de generar nuevos segmentos, que marquen esa diferenciación sobre el resto de competidores? O targets que quizás no tenía ni contemplados?
• Estamos seguros de que aquello que nos dice nuestro cliente cuando le preguntamos es realmente lo que piensa?
• Y una ultima pregunta: No nos gustaría ser el vector clave (Dept Marketing) para ayudar a los delegados médicos a que sean lo más efectivos posibles con la adecuación de servicios relacionados con su práctica diaria sobre sólo aquello que quiere el medico / farmacéuticos de nosotros?

Estamos en un mundo, el de la salud y de la relación con los médicos y farmacéuticos, donde paradójicamente la conversación se hace cada vez mas por internet, un mundo donde los prescriptores, prefieren acceder a la información de producto, de laboratorio, de “papers”, etc por ellos mismos sin que un delegado médico detrás de otro, les vaya argumentado los beneficios de producto. Son autosuficientes y lo que quieren escuchar es lo que necesitan. Quien vaya con este conocimiento profundo de su cliente, seguro que llevará ventaja.

Tener el control absoluto de la información para ser capaces de adecuar los servicios únicamente que nuestro cliente quiere de nosotros y que lo capitalicen nuestros equipos de ventas es la eficiencia en estado puro.

Para claro, todo este tipo de conocimientos y patrones escondidos en los datos no podrían ser descubiertos sin la utilización de algoritmos de IA.

Hoy en día tenemos algunas de las principales soluciones del mercado que seguro pueden ayudar a discernir la que mejor pueda adaptarse a las necesidades de caca compañía con sus ventajas y limitaciones.

Plataformas conocidas como MLaaS (Machine Learning as a Service) y que alude al conjunto de plataformas en la nube que cubren las necesidades de infraestructura digital y analítica de datos -tales como el procesamiento de datos y la evaluación de los modelos-, y que generan resultados gracias a la integración con la infraestructura IT de la organización.

IBM Watson

Watson es la alternativa más avanzada que existe en el mercado. Ninguna otra plataforma dispone de la capa cognitiva de IBM.

Sin embargo, para poder extraer todo su rendimiento, es imprescindible contar con un mayor conocimiento técnico. Es decir, se requiere contar con un equipo de data science y analistas de datos.

Está fundamentalmente dirigido a grandes empresas, las cuales también disponen de los mayores volúmenes de datos con los que trabajar.

Salesforce Einstein: Inteligencia Artificial para todos

La filosofía en la que se basa Einstein es la de poner la Inteligencia Artificial al alcance de cualquier usuario, con independencia de sus conocimientos en analítica de datos. Después de todo, Salesforce nació como una herramienta para los equipos de marketing y ventas de las empresas.

Se integra perfectamente dentro de toda la suite de Salesforce, por lo que constituye un excelente recurso para mejorar los procesos de captación de clientes.

Como contrapartida, su versatilidad es bastante limitada, no llegando al potencial ofrecido por IBM.

Microsoft Azure ML Studio

Finalmente, la solución de Microsoft está claramente inspirada en las prestaciones propias de Amazon, y está orientada a todo su ecosistema de clientes y desarrolladores.

Casi todas las operaciones de Azure Machine Learning Studio (Azure ML Studio) deben ser completadas de forma manual, incluyendo la exploración de datos, el pre-procesamiento, la selección de los métodos de análisis y la validación.

CONCLUSIONES

Estas son las mejores soluciones de Machine Learning as a Service aplicadas a Marketing y Ventas que consideramos para este sector farmacéutico cada vez más concurrido.

Como semejante variedad puede resultar confusa a la hora de elegir recomendaría que la industria farmacéutica tuviera en cuenta a la hora de implementar estas plataformas el trabajo conjunto con sus agencias de publicidad y comunicación salud (https://www.aeapsalud.es)  así como empresas tecnológicas que tienen los perfiles ideales para manejar estas plataformas y  extraer y analizar los datos que ya tenemos y que aún no hemos sido capaces de sacarles el máximo rendimiento.

Empecemos ya dando el primer paso necesario para aplicar cualquier metodología de Data Science que no es más que contar con una organización adecuada de los datos, como la base de los resultados.

Por ultimo y por si interesa esta lectura una recomendación: https://www.showerthinking.es/ebook-marketing-salud

Jordi Mallol es CEO de Global Healthcare (www.globalhealthcare.es), agencia perteneciente a AEAPS (www.aeapsalud.es)