Aportarán gran poder predictivo.
En 2018, el desarrollo y uso de la Inteligencia Artificial (IA) continuará su expansión y sumará fuerzas con el Blockchain para consolidar las “Cadenas de tiempo de eventos” como una nueva tendencia tecnológica que cambiará la dinámica del mercado de datos y el análisis predictivo.
Para Scott Zoldi, Chief Analytics Officer de FICO, en las «cadenas de tiempo» derivadas de la combinación de IA y Blockchain, la gente y los elementos con los que interactúan tendrán identidades codificadas.
Así, la cadena de bloques que se distribuirá será una única fuente que permitirá registros de auditoría de uso de datos para diversos tipos de servicios como por ejemplo, la renta de un auto.
En el futuro, podremos caminar hacia un auto para rentarlo y lo haremos con un micropréstamo que nos fue aprobado para rentar un auto una tarde. Este micropréstamo tendrá pólizas de seguro anexas a la cadena, y un historial codificado de conductores, eventos y mantenimiento”.
Zoldi opina que el uso de esta tecnología permitirá que conforme una persona maneja por la ciudad e interactúa con carreteras y estacionamientos, acumulará una serie de datos que se registrarán y monitorearán de forma automática en la cadena de bloques.
Las cadenas de eventos de datos crearán nuevas oportunidades para analistas de gráficos y nuevos algoritmos de IA para consumir datos de relaciones a escala. En el 2018, el mundo será testigo de nuevos métodos de análisis alrededor de relationship epochs o “redes de relaciones”.
Pensemos en nuestra interacción diaria con dinero, gente, lugares y cosas. La mayoría de los días son rutinarios, pero algunas veces tiene lugar una cadena de eventos con un nuevo significado, que quizá indiquen actividades de lavado de dinero, fraude, oportunidades de prevención de suicidio y muchas otras”.
El directivo afirmó que entender estas redes de relaciones de eventos agregará más visibilidad a cualquier análisis de componentes individuales, pues al contar con puntajes y gráficos variables se tendrá un gran poder predictivo.
C$T-GM