"La inteligencia artificial (IA) podría suponer el fin de la raza humana", dijo Stephen Hawking cuando la BBC le preguntó qué pensaba de la IA. No es de extrañar que sentimientos como estos de los líderes del pensamiento -junto con innumerables películas en las que robots malvados se apoderan del mundo- hayan arrojado una larga sombra sobre la comprensión de la IA.
Tanto es así, que en el Mindshare Huddle del 15 de noviembre, gran parte de nuestro debate se centró en la percepción pública de la IA. No voy a discutir las ideas de Stephen Hawking sobre lo que podría llegar a ser la IA. Pero la realidad de la IA hoy, y durante mucho tiempo, es mucho menos dramática y más benigna.
La IA ya camina entre nosotros
De hecho, una simulación de IA de Deepmind incluso se enseñó a sí misma a caminar. La IA está aquí y probablemente la estés utilizando mientras lees esta entrada del blog. El reconocimiento de voz Siri de Apple, el motor de recomendaciones de Netflix, los algoritmos de búsqueda de Google... todas las IA que utilizamos hoy y damos por sentado. Y muy pronto se les unirán las IA que conducen coches, revolucionan la ciencia médica y nos ayudan de muchas otras maneras.
Estos son ejemplos de un tipo específico de IA, llamado aprendizaje automático. El aprendizaje automático utiliza la capacidad de un ordenador para procesar grandes cantidades de datos, descubrir patrones en ellos y convertirlos en un resultado que sirva de instrucción o comando a las máquinas. Esta técnica existe desde 1959, pero los potentes procesadores informáticos de hoy en día y la capacidad de almacenamiento de datos, cada vez mayor, permiten utilizarla de forma mucho más amplia que antes.
¿Cómo funciona el aprendizaje automático?
El aprendizaje automático calcula la probabilidad de un acontecimiento futuro basándose en observaciones de datos pasados. Supongamos que quiero predecir si voy a llevar a mis dos hijos al parque infantil hoy.
Alimentaría mi algoritmo de aprendizaje automático con muchos datos -el tiempo, el día de la semana, el calendario de vacaciones escolares, etc.- sobre todos los días del pasado en los que he llevado o no a mis hijos al parque. La IA ordenaría estos datos para detectar las variables comunes a los días en los que he llevado a mis hijas a jugar en los columpios.
Estoy bastante seguro de que asignaría las puntuaciones de probabilidad más altas a los días de fin de semana con tiempo soleado y las puntuaciones de probabilidad más bajas a los días que fueran tanto de trabajo como de colegio en los que lloviera.
Pero, ¿quién sabe? Una de las grandes cosas de la IA es que puede y suele detectar patrones que nosotros no podemos, patrones que pueden ayudarnos a mejorar nuestros negocios y nuestras vidas. Y cuantos más puntos y volúmenes de datos demos a estos sistemas, mejores serán sus predicciones.
¿Cómo se aplica todo esto a la publicidad?
El servicio de anuncios digitales produce grandes cantidades de puntos de datos y el aprendizaje automático es especialmente adecuado para aprender de estos datos y asignar un valor específico a una impresión publicitaria programática que el DSP ofrece basándose en observaciones de datos anteriores. Además, ahora hay mucho más inventario del que se podría acceder mediante órdenes de inserción manuales.
Un gestor de campañas humano puede fijarse en un conjunto relativamente pequeño de variables: la hora del día, el editor, etc., que han obtenido los mejores resultados. Las IAs, como Copilot de Xaxis, pueden analizar miles de variables, casi en tiempo real, para encontrar exactamente la combinación de variables de segmentación para obtener el máximo rendimiento.
Pero eso no significa que el papel del director de campaña esté obsoleto. De hecho, es más importante que nunca. Para que la IA ofrezca el resultado adecuado, necesita la información correcta. Para ello es necesario conocer al cliente, el briefing, el sector y saber cómo integrar los conjuntos de datos del cliente para garantizar que la optimización se ajuste lo más posible a los resultados que el anunciante quiere conseguir.
El éxito también depende de que los directores de campaña conozcan la IA lo suficientemente bien como para trabajar con los equipos de ingeniería para desarrollar nuevas estrategias basadas en datos. En Xaxis, nuestros gestores de campañas trabajan incluso con científicos de datos e ingenieros para desarrollar nuevos e innovadores algoritmos específicos para las campañas de Copilot.
Los sistemas basados en la IA en el ámbito de la publicidad ya son herramientas inestimables para hacer que la inversión en medios llegue más lejos y que las campañas publicitarias funcionen mejor. En el futuro, serán aún más inteligentes, más adaptables y de mayor rendimiento. Y eso es una gran noticia para los anunciantes, pero también para los que trabajamos en el sector publicitario.
