Al crear su recurso o producto con Inteligencia Artificial (IA), el feedback  y el control del usuario son fundamentales para el desarrollo de la comunicación y la confianza entre el usuario y el sistema. Y también para el desarrollo de un producto que ayude de forma constante a lo largo del tiempo.

Consideraciones importantes para los mecanismos de control y retroalimentación:

  • Alinear el feedback con la mejora del modelo: 

En general, existen mecanismos implícitos y explícitos para obtener feedback. Para cualquier tipo de feedback, es importante que los usuarios sepan qué información se está recopilando, para qué sirve y cómo les beneficia el uso de la misma (siempre en cumplimiento de la nueva LGPD – Ley General de Protección de Datos). Siempre que sea posible, busque formas de utilizar la retroalimentación para mejorar su Inteligencia Artificial.

  • Comunicar valor y tiempo:

Comprenda por qué las personas desarrollan modelos mentales existentes para explicar los beneficios y comunicar cómo y cuándo el feedback de los usuarios cambiarán su experiencia. Para que las personas se tomen el tiempo de dar su opinión, debe ser valiosa y impactante, esto es fundamental para determinar si los usuarios están involucrados o no. Recuerde que el «valor» suele estar vinculado a la motivación.

  • Control de equilibrio y automatización: 

Si el beneficio no es claro y específico, es posible que los usuarios no comprendan por qué deberían dar su opinión. Pueden evitar dar el feedback o, si no pueden, evitar respuestas sin sentido o un feedback que terminen dañando su producto o comunidad.

Si el usuario siente que la retroalimentación es valiosa solo para los desarrolladores de productos, algunos pueden decidir dar una mala retroalimentación. Por ejemplo, si los usuarios asumen que la intención detrás de su aplicación «gratuita» es realmente recopilar datos para venderlos a los anunciantes sin previo aviso, puede influir en los comentarios que brindan en las búsquedas.

Idealmente, los usuarios comprenderán el valor de su feedback y lo verán manifestarse en el producto de una manera reconocible. Depende de usted conectar el valor que los usuarios creen que obtienen de lo que su IA realmente puede ofrecer.

  • Diseño para ajuste de modelo: 

Descubra en qué esperan influir las personas mediante la realización de encuestas a los usuarios. Por ejemplo, cuando se usa un sistema de recomendación de video, las personas pueden querer dar retroalimentación en un nivel conceptual diferente al que entiende el modelo de IA.

Discuta con sus stakeholders multifuncionales todos los beneficios de recopilar o no diferentes tipos de feedback. A veces, observar las interacciones durante un largo período de tiempo puede ayudarlo a extraer patrones más precisos de comportamiento y intención.

 

Novedades al trabajar con IA 

El feedback de los usuarios es el canal de comunicación entre sus consumidores, su producto y su equipo. Aprovechar eso es una forma poderosa y escalable de mejorar su tecnología, brindar contenido personalizado y mejorar su experiencia de marca, además de maximizar los beneficios que brinda su producto. Cuando los usuarios tienen el nivel adecuado de control sobre el sistema, es más probable que confíen en él y se vuelvan cada vez más leales y cómodos con su marca.

Conecte los comentarios a los cambios en la experiencia del usuario

El simple hecho de reconocer que recibió feedback de un usuario puede generar confianza, pero idealmente, el producto también les permitirá saber qué hará el sistema a continuación o cómo su información influirá en la IA.

Establezca expectativas para las mejoras de la IA 

Para muchos sistemas, incluso con los comentarios de los usuarios, es probable que gran parte de la producción de IA sea la misma que antes. El mismo usuario que proporciona feedback constantes (o usuarios similares que producen feedback similares) no tendrá tanto impacto en el modelo de IA, por lo que puede mejorar, no solo el volumen de datos, sino también la variabilidad de los datos. También es posible que las mejoras realizadas en su modelo sean demasiado sutiles para que los usuarios las noten.

Incluso con los mejores datos y comentarios, las mejoras en el modelo de inteligencia artificial casi nunca se pueden implementar de inmediato. Es posible que su equipo de ingeniería deba esperar para implementar las actualizaciones del modelo hasta que reciban señales adicionales de un individuo, más datos de un grupo o una versión de lanzamiento. La realidad de estos retrasos significa que debe establecer expectativas claras sobre cuándo las personas deben esperar mejoras en el rendimiento del modelo o una mayor relevancia de salida para su producto impulsado por IA. Puede hacer esto con mensajes claros y diseños.

Inteligencia artificial y aprendizaje automático 

El beneficio del usuario en productos como estos puede parecer obvio, pero los equipos que los producen a menudo aprenden lecciones valiosas sobre cómo se sienten los usuarios acerca de la automatización y el control. Hay algunas situaciones predecibles en las que las personas prefieren mantener el control de las tareas o procesos, independientemente de si tienen IA o no.

Los sistemas de IA han existido durante décadas, pero fue en los últimos 10 años que comenzaron a generar cambios más profundos en la gestión empresarial.

En este escenario, es obligatorio que las empresas – en particular, sus líderes – inicien de inmediato una reflexión interna y realicen un escaneo en el que las metodologías, herramientas y procesos de toma de decisiones existentes en la empresa hoy en día puedan verse impactados por recursos que involucren Inteligencia Artificial, Machine Learning, computación cognitiva, Big Data, y otros.

Estas tecnologías de aprendizaje automático y inteligencia artificial permiten a las empresas procesar grandes volúmenes de información para tomar decisiones más rápidas y asertivas.

En el caso de LEVEE, los algoritmos utilizados combinan cientos de factores con la relevancia para esa vacante específica, que puede deberse a experiencias previas, educación y edad, ubicación geográfica, y otros. Todo esto de forma automatizada, ayudando a identificar talentos que puedan ser más productivos a largo plazo y permanecer más tiempo en la empresa. A medida que los sistemas funcionan, van incorporando los aprendizajes realizados en búsquedas anteriores y aportan perfiles aún más asertivos  a las vacantes.

 

Referencias:

https://pair.withgoogle.com/

https://pair.withgoogle.com/chapter/feedback-controls/

Leave a Reply