Experimento · En uso
Modelos que deciden sin escribir una palabra
Dos modelos pequeños clasifican 95 búsquedas reales de anuncios contestando solo con una opción y su probabilidad; se compara acierto, tiempo y coste.
Qué problema resuelve
Muchas veces una empresa no necesita un texto, necesita una decisión: ¿esto es spam?, ¿a qué departamento va?, ¿quien busca esto quiere vender o comprar? Escribir una respuesta es lento y caro; elegir una opción no.
Cómo funciona
- 01
La prueba
95 búsquedas reales que activaron los anuncios de una empresa de recuperación de metales, sacadas de su cuenta de anuncios en solo lectura. Antes de mirar ninguna respuesta se clasificaron a mano; 25 admitían dos lecturas y se apartaron. El resultado es sobre las 70 sin dudas.
- 02
Las dos preguntas
¿Qué quiere hacer esta persona? (seis opciones) y ¿quiere vender metal? (sí o no). A los dos modelos se les hicieron las mismas.
- 03
Dos formas de usarlos
Uno es gratuito y corre en el propio ordenador, sin internet. El otro funciona en la nube y cuesta unos dos céntimos de dólar por cada mil preguntas.
Con qué está hecho
- Python
- Modelos de decisión sin texto
Qué hicimos
- Qué quiere la persona: 90,0 % de acierto el modelo local y 92,9 % el de la nube.
- Quiere vender metal, sí o no: 78,6 % frente a 91,4 %. El local contesta casi todo cerca del 50 %, como quien no se moja.
- Tiempo por búsqueda: unos 240 milisegundos el local y 360 el de la nube. Las 190 preguntas al de la nube costaron menos de un céntimo en total.
- Antes de ejecutar el modelo local se revisó su código: unas 1.100 líneas, sin conexión a internet, sin lanzar programas y sin escribir ficheros.
- Límite dicho tal cual: 95 búsquedas bastan para hacerse una idea, no para sentar cátedra.
¿Tienes un proyecto parecido?
Cuéntanos qué necesitas y te decimos cómo lo haríamos y si te sale a cuenta.
Hablemos