Opción de rechazo: Tu modelo de IA tiene derecho al silencio

Cuando se trata de modelos de IA, a menudo esperamos que siempre proporcionen una respuesta. Pero, ¿y si pudiéramos confiar más en ellos cuando eligen permanecer en silencio? Este concepto, conocido como la 'opción de rechazo', permite que los modelos de IA se abstengan de responder cuando no tienen confianza, abriendo muchas aplicaciones en tu negocio y reduciendo el riesgo.

¿Por qué deberían abstenerse los modelos de IA?

Al igual que los expertos humanos, los modelos de IA pueden ganar nuestra confianza cuando saben decir, "no sé". Esta capacidad de abstenerse de responder, conocida como la 'opción de rechazo', puede ser un factor decisivo para muchas aplicaciones.

Considera un modelo que diagnostica si un paciente tiene cáncer. ¿Confiarías en un modelo que siempre da un definitivo 'sí' o 'no', u otro que a veces dice, "no sé, busquemos una segunda opinión"? Lo mismo aplica a un modelo que monitorea una línea de producción para aseguramiento de calidad. Un modelo que puede decir, "no sé, dejemos que un técnico lo revise" resulta más fiable que uno que siempre adivina.

¿Cómo puedes usar la opción de rechazo en tu negocio?

Hay dos estrategias principales para usar la opción de rechazo en el negocio: filtrado e implantación incremental.

Filtrado

En la estrategia de filtrado, el modelo de IA automatiza la mayoría de los casos y pide ayuda para el resto. Esta ayuda podría provenir de un segundo modelo de IA o de un experto humano. Esta estrategia añade esencialmente una etapa adicional a tu flujo de trabajo, una opción de respaldo para cuando el modelo de IA no puede proporcionar una respuesta.

Implantación incremental

En la estrategia de implantación incremental, empiezas cubriendo solo los casos principales donde el modelo tiene mayor confianza. Conforme ganas confianza en el modelo, empiezas a darle más y más casos, aunque la IA no tenga tanta confianza en ellos. Esta estrategia permite un despliegue más seguro y es particularmente útil para pilotos iniciales.

¿Cómo calcular el impacto esperado?

Para calcular el impacto esperado de usar la opción de rechazo, necesitas entender el equilibrio entre el porcentaje de veces que el modelo se abstiene y su rendimiento predictivo.

Empiezas calculando cuánto beneficio obtendrías del modelo predeciendo el 100% de casos y cuánto perderías por los errores. Luego, para cualquier porcentaje dado de abstenciones, calculas cuánto ganarías de los casos que la IA automatiza y cuánto gastarías en los casos que no lo hace.

Recuerda que siempre hay un coste fijo tanto para la IA (infraestructura) como para el componente humano (salarios), y un coste variable para cada caso, dependiendo de cuánto la IA se abstenga o prediga.

¿Cómo obtener modelos que puedan abstenerse?

La forma más sencilla de tener modelos que puedan abstenerse es observar los extremos de tus predicciones y predecir solo para esos casos. Este enfoque implica establecer dos umbrales, uno para el límite inferior y otro para el superior, y elegir estos umbrales para maximizar tu rentabilidad.

Sin embargo, este enfoque puede no ser suficiente. Un enfoque más avanzado implica permitir que tu modelo prediga qué casos quiere responder y cuál debería ser la respuesta para esos casos. Esto se puede lograr teniendo dos salidas del modelo: una indicando si el modelo se abstendrá o no, y la otra proporcionando la respuesta si no se abstiene.

Conclusión

Permitir que tus modelos de IA se abstengan cuando no tienen confianza puede abrir muchas aplicaciones en tu negocio y reducir el riesgo. Es una estrategia que vale la pena considerar mientras planificas tu implantación de IA. Si quieres adoptar decisiones de IA más inteligentes, reserva una reunión estratégica con nuestros expertos y transforma el riesgo en fiabilidad hoy.