¿Cuáles son los tipos de inteligencia artificial aplicables a pricing?

​La inteligencia artificial ha abierto nuevas posibilidades en la toma de decisiones de precios. Para comprender cómo puede aplicarse en pricing, es fundamental conocer los dos enfoques principales: los sistemas expertos y el aprendizaje automático (machine learning).

Veamos un ejemplo sencillo para ilustrar ambos tipos de inteligencia artificial. Supongamos que una persona desea convertir 20 grados Celsius a Fahrenheit.

En el primer caso, esta persona recuerda la fórmula que aprendió en la escuela: multiplicar por 1.8 y luego sumar 32. Al aplicar la fórmula, obtiene que 20 °C equivalen a 68 °F. Este caso representa el uso de conocimiento preexistente, típico de los sistemas expertos.

Ahora imaginemos que esta persona no conoce la fórmula. En su lugar, cuenta con una tabla con datos históricos que muestran pares de temperaturas en Celsius y Fahrenheit. Observando los datos, nota que existe una relación lineal entre ambas unidades. Decide entonces usar una técnica estadística —la regresión lineal— para predecir el equivalente en Fahrenheit de los 20 °C.

Usando una hoja de cálculo, calcula la línea recta que mejor se ajusta a los datos y obtiene nuevamente 68 °F. Este segundo caso ejemplifica el uso de machine learning, donde se parte de los datos para construir el conocimiento.

¿Qué tipo de problema se puede resolver con AI?
No todos los problemas del mundo real son adecuados para ser resueltos con inteligencia artificial. Por eso, antes de construir un sistema experto o un modelo de machine learning, debemos responder algunas preguntas clave:

¿Existe conocimiento humano para resolver el problema?
Si la respuesta es sí, se puede construir un sistema experto. Un buen ejemplo son los robots que ensamblan automóviles siguiendo instrucciones paso a paso.

¿No hay conocimiento humano, pero sí datos históricos?
En este caso, se puede construir un modelo de machine learning. Pero es necesario analizar el tipo de datos disponibles.

¿Los datos históricos incluyen los resultados del problema?
Si no los incluyen, se pueden usar técnicas de clasificación no supervisada, útiles para segmentar clientes, por ejemplo, a partir de características demográficas o psicográficas.

Si sí los incluyen, debemos saber qué tipo de resultados son:

Resultados categóricos: se utilizan modelos de clasificación supervisada. Por ejemplo, entrenar un algoritmo con imágenes médicas para identificar casos positivos de cáncer de pulmón.

Resultados continuos: se utilizan algoritmos de regresión, como en el ejemplo de predicción de temperaturas.

Aplicaciones en pricing
En resumen, existen dos tipos de inteligencia artificial aplicables a pricing:

• Sistemas expertos, que usan reglas definidas por expertos humanos.
• Modelos de machine learning, que aprenden patrones a partir de datos históricos.

Ambos enfoques tienen aplicaciones distintas según el tipo de decisión que se desea automatizar o apoyar.

¿Qué decisiones de pricing se pueden tomar con cada tipo?
Esa es la pregunta que responderemos en el siguiente artículo, donde exploraremos las aplicaciones de los modelos de regresión en la toma de decisiones de precios.