Estamos hablando mucho de agentes de IA...
...Pero bastante poco de algo que en empresa puede tener muchísimo impacto:
predecir mejor sin comprometer los datos del cliente.
Google Research tiene un repositorio llamado TimesFM que, explicado fácil, sirve para hacer predicciones con datos históricos (ventas, demanda, stock, consumo, producción, incidencias y un largo etc...)
La gracia no está solo en el modelo
Está en cómo lo conectas con el contexto real de la empresa.
Porque una predicción aislada puede decirte que la demanda va a subir, pero una predicción conectada al negocio puede ayudarte a entender dónde, por qué, con qué producto, en qué canal, con qué campaña y con qué clúster de datos
Ahí es donde entra la ontología
No como palabra técnica para complicarlo todo
Sino como la capa que ordena qué significa cada dato y cómo se relaciona con el resto (producto, cliente, tienda, stock, campaña, proveedor, canal, región)
Y esto, para preparar PoCs con clientes, cambia mucho la conversación.
Porque muchas pruebas de IA no se frenan por falta de ideas
Se frenan por preguntas mucho más incómodas:
- ¿Qué datos podemos usar?
- ¿Dónde se tratan?
- ¿Quién tiene acceso?
- ¿Hay información sensible?
- ¿Podemos probarlo sin exponer información del cliente?
Por eso me parece tan potente la combinación:
TimesFM para predecir
Ontología para dar contexto, gobierno y sentido de negocio.
No es lo mismo decir que vamos a probar un modelo de IA a decir, vamos a ver si podemos anticipar demanda, stock o consumo usando vuestro histórico, entendiendo qué datos se pueden usar y sin comprometer información sensible
Acceso al repo en comentarios