Analizan sentimientos y emociones en redes sociales.
En procesos de relevancia nacional como la elección del nuevo presidente de la República, los servicios de Machine Learning podrían ser una valiosa “arma secreta”; sin embargo, persiste un alto nivel de desconocimiento entre los asesores digitales de los contendientes políticos, lo que los llevaría a dejar de lado la oportunidad de dar un paso hacia la Inteligencia Artificial.
Los sistemas de Machine Learning o Aprendizaje Automático son capaces de analizar grandes cantidades del contenido diseminado en redes sociales como Facebook y Twitter para obtener no sólo el “qué” se dice sino “cómo”, lo cual permite detectar emociones positivas, negativas y neutrales; incluso identificar ironías y sarcasmos.
En estos comicios todavía no veremos una buena entrada de tecnología de este tipo, creo que los partidos serán muy tradicionales y mucho tiene que ver con el riesgo que no quieren correr en un proceso tan importante usando tecnologías que aún les resultan desconocidas”, comentó Óscar Morales, CEO de Pollstr.
En opinión del directivo, la curva de adopción de sistemas y servicios basados en Machine Learning e Inteligencia Artificial podría alcanzar su punto más alto en los siguientes procesos electorales intermedios en el país que se realizarán en tres años; sin embargo, las elecciones 2018 serán una referencia del potencial de este tipo de tecnología.
Un ejemplo de los beneficios que provee el software de Pollstr en materia de Procesamiento de Lenguaje Natural es la automatización de procesos como el monitoreo, extracción, lectura y análisis de los millones de conversaciones que se generan cada minuto en cualquier red social.
Antes de los sistemas inteligentes se requería un equipo de 15 a 20 personas que tardaban hasta una semana para entregar resultados, nosotros analizamos alrededor de 500 mil líneas de texto en menos de cinco minutos”.
Esta tarea, explicó el directivo, es posible mediante un software que permite el estudio de cadenas de texto a partir de su composición semántica, las cuales son comparadas para obtener semejanzas y agruparlas por tema.
Con Machine Learning entrenamos el algoritmo para que sea capaz de reconocer las diferentes construcciones semánticas. La detección y el análisis de ironías y sarcasmos es muy complicado pero con todo y eso tenemos una eficiencia de alrededor de 70 por ciento”.
Para el directivo, las redes sociales son un indicador muy valioso de cómo “se mueve la aguja” en torno a temas políticos, sociales, económicos y de entretenimiento; incluso ya han dado muestra de su poder de influencia a nivel mundial.
En elecciones como la relacionada con el Brexit las redes sociales fueron un indicador importante, y en casos de una elección electoral muy cerrada con un margen de 1 o 2.5 puntos porcentuales podrían inclinar una balanza”.
Morales dijo que la profesionalización en la estrategia relacionada con redes sociales por parte de empresas y gobiernos sigue siendo una asignatura pendiente, pues en no pocos casos esta tarea se encomienda al “amigo del amigo” sin que ello signifique que existe la experiencia y el conocimiento necesario.
Como empresario y emprendedor de tecnología veo que es preocupante que no exista una profesionalización, pero en las pláticas que tenemos con los grupos de estratega de los políticos también vemos que términos como Machine Learning, Redes Neuronales o Procesamiento de Lenguaje Natural son totalmente desconocidos para ellos”.
C$T-GM