El aprendizaje automático o Machine Learning (ML), pertenece a un subcampo de la inteligencia artificial que proporciona a los ordenadores la capacidad de aprender sin necesidad de estar programados de forma explícita. Los algoritmos de ML construyen un modelo estadístico basado en datos existentes. Con estos datos, el 80% se utilizan para el entrenamiento del modelo y el otro 20% será utilizado para el testeo, de esta forma, a medida que el modelo va aprendiendo ofrece una mejor respuesta.
Un ejemplo de aplicación de Machine Learning es el filtro spam que tenemos en nuestros gestores de correo, automáticamente el sistema detecta palabras en el asunto que puedan ser susceptibles a “publicidad molesta” como, “tarjeta de crédito”, “gratis”,” impresionante” y al detectarlo lo eliminan de nuestra bandeja de entrada.Pero en ocasiones, esta información si que nos interesa recibirla así que de una manera manual tenemos la posibilidad de aceptarlo y eliminarlo de la lista spam. Con esta información añadida por el usuario, el modelo empieza a aprender que los correos aceptados por el usuario no deben ser bloqueados y empieza a permitir los correos con el mismo patrón y en consecuencia, admite su recepción en la bandeja de entrada.
El Machine Learning ayuda a las compañías aseguradoras a aumentar sus ventas mediante técnicas como el clustering. Esta técnica consiste en implementar algoritmos de agrupación de objetos que buscan patrones de comportamiento similares entre los clientes. A modo de ejemplo, si el modelo detectara un patrón de contratación de póliza donde el usuario con un determinado rango de edad solicita un presupuesto, visita la página de la compañía para buscar información y termina finalmente contratando un seguro de salud o de ahorro, el modelo recomendará el producto a todos los clientes que cumplan con las mismas características, lo que se traduciría en un aumento de las ventas.
Además, los modelos se pueden aplicar a una variedad de problemas de marketing, como la segmentación de clientes ayudando a las campañas a segmentar en función de edad, sexo, ubicación y comportamiento de compra, también puede ayudar a optimizar los mensajes y canales de marketing para cada segmento.
Uno de los elementos que consigue obtener mayor satisfacción al cliente es la sensación de cercanía de la compañía una vez realizada la contratación, el chatbot permite a las compañías ofrecer respuestas a sus usuarios de manera inmediata y filtrar las consultas frecuentes, de esta manera los operadores pueden centrarse en los casos particulares de cada cliente donde requiere una mayor personalización.
Cuando un cliente se siente insatisfecho o bien haya encontrado una oferta más favorable procederá a la baja del servicio. En este punto, las compañías suelen llamar una vez se ha realizado la baja o bien durante el proceso de abandono del servicio, pero normalmente es tarde ya que el usuario ha tomado la decisión. Gracias al Machine Learning se puede predecir los usuarios que son susceptibles a darse de baja, permitiendo a las compañías crear estrategias de retención evitando que abandonen la compañía, de hecho, se genera un punto de contacto con el cliente donde se puede aprovechar ofrecer nuevos productos.
Las compañías aseguradoras mediante los actuarios de seguros han calculado históricamente los niveles de riesgo mediante modelos estadísticos, en consecuencia, dependiendo del nivel del riesgo alcanzado el valor de prima de la póliza variaba su precio. EL machine Learning ayuda a los actuarios a entrenar los modelos estadísticos ya implementados y conseguir personalizar las primas en función de los hábitos de los asegurados, esto implica la personalización de precios. A modo de ejemplo, una persona con hábitos de vida saludables tendrá una póliza de vida con menor coste que no, un fumador con vida sedentaria.
Un estudio realizado por ICEA “el fraude al seguro español. Año 2021” indica que el seguro de automóvil ha sido el ramo con mayor intento de fraude con un 66% de los casos investigados, sin embargo, en diversos el porcentaje de fraude baja a un 30%. En cualquier caso, el número de intentos de fraude es elevado. El Machine Learning permite a las compañías predecir los patrones de comportamiento que pueden indicar un intento de engaño a la compañía y identificar las características de los clientes que son propensos al fraude.
Hasta ahora hemos visto las principales ventajas que puede tener una compañía al utilizar el Machine Learning, pero ¿Qué debemos tener en cuenta con el uso de esta tecnologia?
El Aprendizaje automático es una herramienta muy potente que nos permite automatizar y tomar decisiones gracias a la predicción de los modelos, pero cabe recordar que los algoritmos están desarrollados por personas, normalmente ingenieros de raza blanda con edades comprendidas entre los 25 a 40 años, esto supone que pueda existir un sesgo inconsciente sobre la población (BIAS) y el modelo obtenga errores hacia colectivos desfavorecidos.
Por lo tanto, los responsables en el diseño de este tipo de aplicaciones bien sean para una compañía de seguros, un banco o un sistema de recomendaciones de entretenimiento debe usar de manera responsable esta tecnologia y aplicar las normas éticas de la inteligencia artificial.
Volver