Cuando aplicamos t\u00e9cnicas de IA confiables (trustworthy AI), siempre nos enfocamos en las soluciones de IA explicables que nos permiten desbloquear lo que hay detr\u00e1s de un modelo de IA y hacerlo accesible a las diferentes partes interesadas, para que podamos confiar en sus respuestas. La explicabilidad de un modelo de IA se puede poner en pr\u00e1ctica de diferentes maneras en cada uno de los sectores con los que trabajamos. Veamos algunos ejemplos.<\/p>\n
Cuando trabajamos con el sector sanitario, hablamos de entornos altamente regulados que deben estar certificados, ser fiables y rendir cuentas de sus respuestas. Por ejemplo, al realizar el diagn\u00f3stico de la enfermedad de un paciente, la IA explicable puede explicar los elementos y datos que se utilizaron para diagnosticar a ese paciente<\/strong>. De esta manera, ayudamos a crear una mayor confianza entre los pacientes y sus m\u00e9dicos, al tiempo que mitigamos cualquier posible problema \u00e9tico cuando una m\u00e1quina ayuda a detectar una enfermedad.<\/p>\n Los casos de uso t\u00edpicos para \u00e9sto son la validaci\u00f3n de predicciones de IA que funcionan con datos de im\u00e1genes m\u00e9dicas al diagnosticar el c\u00e1ncer.<\/p>\n La IA explicable tambi\u00e9n se puede aplicar en una l\u00ednea de producci\u00f3n para detectar, mapear y explicar las causas del comportamiento inadecuado de la m\u00e1quina o de las salidas defectuosas de los productos<\/strong>, lo que provoca lo que se denomina \u00abno conformidades\u00bb en la calidad del producto en el proceso de producci\u00f3n o pone de manifiesto la necesidad de mantenimiento.<\/p>\n De esta manera, hay una mayor comprensi\u00f3n de la comunicaci\u00f3n m\u00e1quina-m\u00e1quina y m\u00e1quina-operador y se pueden hacer pol\u00edticas de gesti\u00f3n comercial para disminuir costos y ganar productividad, al tiempo que se mantienen confiables y se guardan los est\u00e1ndares de producci\u00f3n que deben cumplirse y certificarse.<\/p>\n La IA explicable est\u00e1 adquiriendo cada vez m\u00e1s importancia en el sector del transporte y la automoci\u00f3n debido a la expansi\u00f3n del IoT y las soluciones de movilidad inteligente, as\u00ed como a la potencial expansi\u00f3n del uso de veh\u00edculos aut\u00f3nomos, primero en entornos empresariales como veh\u00edculos log\u00edsticos aut\u00f3nomos o trenes, y m\u00e1s tarde en usuarios finales. Selecci\u00f3n de curr\u00edculums: la inteligencia artificial explicable puede utilizarse para explicar por qu\u00e9 se seleccion\u00f3 un curr\u00edculum o no. Esto proporciona un mayor nivel de comprensi\u00f3n entre humanos y m\u00e1quinas, lo que ayuda a crear una mayor confianza en los sistemas de IA al tiempo que mitiga los problemas relacionados con el sesgo y la injusticia.<\/p>\n2. Industria<\/strong><\/h2>\n
3.Mobility<\/strong><\/h2>\n
\nEsto ha puesto \u00e9nfasis en las t\u00e9cnicas de explicabilidad para los algoritmos de IA, especialmente cuando se trata de usar casos que involucran decisiones cr\u00edticas para la seguridad. La IA explicable se puede utilizar para veh\u00edculos aut\u00f3nomos, donde proporciona una mayor conciencia situacional en accidentes o situaciones inesperadas, lo que podr\u00eda conducir a un funcionamiento m\u00e1s responsable de la tecnolog\u00eda (es decir, prevenir accidentes).<\/p>\n4.Recruitment<\/strong><\/h2>\n
5.Finance<\/strong><\/h2>\n