Inteligencia de Negocios

¿Qué es la IA explicable y sus efectos?

single-image


Haga clic aquí para obtener más información al respecto. Dustin Oxborrow.

La inteligencia artificial (IA) está impulsando una proporción creciente de decisiones que afectan todos los aspectos de nuestras vidas, desde lugares de vacaciones hasta recomendaciones de atención médica que podrían afectar nuestra esperanza de vida. A medida que la IA crece en influencia, la firma de investigación IDC espera que el gasto en IA alcance los $ 98 mil millones en 2023, frente a los $ 38 mil millones en 2019. Sin embargo, en la mayoría de las aplicaciones, la IA hace su magia con muy poca explicación de cómo logró sus recomendaciones. Es como un estudiante que muestra una respuesta a un problema de matemáticas en la escuela, pero cuando se les pide que muestren su trabajo, simplemente se encogen de hombros.

Este enfoque de «caja negra» es una cosa en la tarea de matemáticas de quinto grado, pero otra muy distinta cuando se trata del poderoso mundo de los reclamos comerciales donde los Ajustadores a menudo toman decisiones importantes que ascienden a millones de dólares cada año. Los compromisos asociados hacen que sea fundamental para los Ajustadores y los transportistas para los que trabajan ver el razonamiento de la IA antes y después de las grandes decisiones para que puedan evaluar eficazmente su desempeño y optimizar las operaciones comerciales.

Las preocupaciones sobre los modelos de IA cada vez más complejos han despertado interés en la «IA explicable» (a veces denominada XAI), un campo en crecimiento de la IA que le pide a la IA que muestre su trabajo. La IA explicable tiene muchas definiciones y es un nicho de rápido crecimiento y un tema común de conversación con nuestros clientes.

En un nivel básico, la IA explicable describe cómo el algoritmo llegó a la recomendación, a menudo en forma de una lista de los factores considerados y porcentajes que describen el grado en que cada factor contribuyó a la decisión. Luego, el usuario puede evaluar las entradas que impulsan la salida y decidir cuánto confiar en la salida.

Transparencia y rendición de cuentas

Este enfoque de «muestra tu trabajo» tiene tres ventajas principales. Para empezar, crea responsabilidad para quienes gestionan el modelo. La transparencia anima a los desarrolladores del modelo a considerar cómo reaccionarán los usuarios a su recomendación, a pensar más en ella y a prepararse para cualquier comentario. El resultado suele ser un modelo mejor.

Más seguimiento

La segunda ventaja es que la recomendación de IA se implementa con más frecuencia. Los resultados explicados generalmente le dan al usuario la confianza de seguir la recomendación del modelo. Un mayor seguimiento conduce a un mayor impacto, lo que puede conducir a mayores inversiones en nuevos modelos.

Fomenta la participación humana

El tercer hallazgo positivo es que la IA explicable da la bienvenida al compromiso humano. Los operadores que comprenden los factores que conducen a la recomendación pueden utilizar su propia experiencia en la decisión final. Por ejemplo, es de crucial importancia en casos individuales ponderar un factor que indique su propia experiencia.

IA explicable para una industria vertical

Ahora echemos un vistazo a cómo la inteligencia artificial explicable puede cambiar drásticamente el juego en varios mercados verticales, por ejemplo, en el área de reclamos de compensación de empleados.

Las lesiones de los trabajadores y los costos médicos, legales y administrativos resultantes cuestan a las aseguradoras más de $ 70 mil millones y a los empleadores más de $ 100 mil millones cada año, lo que afecta las vidas de millones de trabajadores que hacen valer sus reclamos. Un equipo dedicado de menos de 40,000 ajustadores en la industria maneja más de tres millones de reclamos de empleados por daños en los Estados Unidos, a menudo con un software de flujo de trabajo sorprendentemente básico.

Ingrese AI, que puede acomodar el creciente mar de datos en los reclamos de compensación para trabajadores y generar predicciones cada vez más precisas sobre cosas como el costo probable del reclamo, la efectividad de los proveedores que manejan la infracción y la probabilidad de litigio.

Para la aplicación de la inteligencia artificial a un reclamo, es crucial que el experto que maneja el reclamo lo vea, lo crea y reaccione, y esto lo suficientemente temprano en el reclamo para tener influencia en su trayectoria.

Los ajustadores ahora pueden monitorear los paneles de control de reclamos que les muestran el costo proyectado y la gravedad médica de un reclamo, así como los factores ponderados que influyen en esas predicciones, en función de:

  • Atributos del solicitante
  • La lesión
  • El camino de afirmaciones similares en el pasado

Los ajustadores también pueden determinar la probabilidad de que el solicitante utilice un abogado, un evento que puede aumentar cuatro veces o más el costo de presentar reclamaciones catastróficas.

Usemos un ejemplo para ver cómo esto conduce a mejores decisiones. Digamos que el solicitante se ha lesionado la rodilla pero también tiene artritis reumatoide que merece un régimen de medicación y fisioterapia específico.

Si los Ajustadores observaron una estimación de costos general que tuvo esto en cuenta, pero no indicaron específicamente, pueden pensar que el puntaje es demasiado alto y simplemente lo descartan o dedican tiempo a hacer sus propias estimaciones.

Sin embargo, al observar los componentes de la puntuación, ahora pueden ver claramente este factor de complicación, saber que deben concentrarse más en este caso y posiblemente contratar a una enfermera capacitada para que los asesore. También puede utilizar la IA para encontrar un proveedor de atención médica específico con experiencia en artritis reumatoide que pueda brindarle al solicitante un tratamiento más específico para su afección.

El resultado es probable:

  • Cuidado más efectivo
  • Un tiempo de recuperación más rápido
  • Ahorro de costos para la aseguradora, el solicitante y el empleador

La IA explicable también puede revelar lo que puede faltar en una predicción. Una puntuación puede indicar que el riesgo de la participación de un abogado es bajo. Según los factores enumerados, incluida la ubicación, la edad y el tipo de lesión, esta podría ser una conclusión razonable.

Pero el ajustador pudo ver que faltaba algo. Es posible que hayan planteado preocupaciones al solicitante de que podrían ser despedidos en el trabajo. Sabiendo que el miedo al despido puede llevar a la práctica legal, el tasador puede saber invertir más tiempo en ese solicitante en particular, disipando algunas de sus inquietudes y reduciendo así el riesgo de contratar un abogado.

Logre resultados en toda la empresa

Estos ejemplos no solo mejoran los resultados en un caso particular, sino que también muestran cómo la IA explicable puede ayudar a la empresa a optimizar los resultados para todas las necesidades. Por ejemplo, los gerentes de riesgos pueden evaluar cómo el equipo generalmente hace un seguimiento de los casos en los que el riesgo de la práctica de un abogado es alto e introducir nuevas prácticas y capacitación para abordar el riesgo de manera más efectiva en el futuro. Los administradores de la red de atención pueden asegurarse de incorporar nuevos proveedores que estén al tanto de las tendencias emergentes en la atención.

Al monitorear las acciones de seguimiento y permitir que los ajustadores proporcionen comentarios sobre evaluaciones y recomendaciones específicas, se acelera un ciclo de mejora que conduce a mejores modelos, más comentarios e incluso más ajustes, lo que finalmente conduce a una conversación continua entre la IA y los ajustadores la compensación del empleado.

Sin embargo, la compensación de trabajadores es solo un área que puede beneficiarse de una IA explicable. Se están adoptando modelos que muestran su trabajo en finanzas, salud, tecnología y más.

La IA explicable puede ser el siguiente paso para generar confianza en el usuario, acelerar la adopción y ayudar a convertir la visión de la IA en avances reales para las empresas, los consumidores y la sociedad.

También te gustará