Inteligencia Artificial Loogic Startups
Entrevistamos a los fundadores de la startup venezolana TioConejo.net

Entrevistamos a los fundadores de la startup venezolana TioConejo.net

Pocas veces hemos hablado por aquí de startups nacidas en Venezuela por lo que es interesante descubrir de la existencia de proyectos como TioConejo.net que ha desarrollado un algoritmo capaz de analizar grandes volúmenes de textos en muy corto tiempo y un gestor de datos textuales que aprende de la manera en que selecciona el usuario para luego hacerlo por sí mismo. El algoritmo desarrollado por la empresa quiere ser una herramienta para los consultores de todo tipo: los que analizan las redes sociales, los que hacen grandes encuestas con preguntas abiertas, los que necesitan hacer análisis de focus groups, ya que es un herramienta que permite hacer un análisis cualitativo, pero que también le entrega al consultor una serie de análisis cuantitativos.

¿Quiénes sois los fundadores de la empresa y qué os motiva para emprender?

El fundador es Igor Collazos. Un arquitecto con maestría en estudios del discurso que aprendió a programar como reto personal para desarrollar TioConejo.net. Dos socios más formaron parte del equipo inicial del proyecto cuando fue acelerado por Wayra: Julio Nazoa y Jacqueline Perilla. Aunque ninguno de los dos forma parte del equipo de desarrollo actual de la empresa. Yo, Rodolfo A. Rico me convierto en socio de TioConejo.net hace un par de años y mi aporte es desde el área de comunicación y desde mi experiencia emprendiendo con un medio en Venezuela.

¿Cómo surge la idea de crear Tío Conejo.net y qué problema resuelve?

El análisis de patrones, de co ocurrencias léxicas es una metodología estándar en los análisis del discurso, pero usualmente se hace de manera artesanal. TioConejo.net es capaz de realizarlo de manera automatizada: captura, clasifica, analiza, identifica y genera reportes de sentimientos y tendencias.
Tío COnejo.net tiene una serie de motores de análisis automáticos que permite tomar grandes cantidades de texto e identificar patrones . Un análisis que podría tardar meses se resuelve en unos pocos clics.
Además tiene microservicios que permiten capturar datos de Twitter, Facebook e Instagram así como una nueva herramienta que es capaz de armar nuevos textos a partir del análisis de su proximidad en cuanto a estructura y tema de manera automatizada.

​¿Por qué habéis decidido utilizar la Inteligencia Artificial en el proyecto?

Cada cliente es un mundo. Por eso desde el principio vimos que TioConejo.net tenía que ser una herramienta machine learning que aprendiera a capturar, clasificar y analizar según los criterios particulares de cada investigador y de cada investigación. Es esta capacidad la que marca la diferencia con herramientas más tradicionales de análisis del discurso.

¿Cuál es vuestra estrategia para financiarlos?

Somos un servicio dirigido a consultores independientes, pequeñas y medianas empresas interesadas en ser competitivos . Nuestro potenciales clientes están entre los expertos de marketing, investigadores sociales y en general todo aquél que necesite analizar grandes volúmenes de textos en breve tiempo para ser competitivo. Nuestros clientes nos pagan un monto mensual o por proyecto de captura de datos. También ofrecemos nuestra API para ser usada por aplicaciones y webs de formas que todavía no nos hemos imaginado.

Descubre el proyecto Zensei

Descubre el proyecto Zensei

La Inteligencia Artificial es una de las tecnologías exponenciales que mayor impacto va a tener en el mundo de los negocios y en el desarrollo de la sociedad en los próximos años. Muchas startups se han lanzado a usar tecnologías como el machine learning en el desarrollo de nuevas aplicaciones y la mejora de los productos creados en sus startups.

Hoy os presentamos uno de estos nuevos proyectos, se trata de Zensei, que vas a poder conocer a través de la entrevista que hemos realizado a su fundador David Martín-Corral.

¿Cómo surge la idea de crear Zensei?

Las enfermedades del siglo XXI vienen definidas por el entorno físico, comportamientos y factores sociales. Está probado que fenómenos como el cambio climático, contaminación en las ciudades y estilos de vida sedentarios tienen consecuencias en la salud millones de personas en todo el mundo. Por este motivo hemos creado Zensei para ayudar a prevenir las enfermedades del futuro, un objetivo muy ambicioso, pero ha empezado por algo mucho más sencillo y muy valioso que es la información del entorno físico como niveles de contaminación, enfermedades respiratorias como la gripe o el resfriado, niveles de polen, clima extremo e incluso riesgos para la salud para niños como la bronquiolitis o epidemias de piojos. Toda esta información aderezada con consejos muy útiles para evitar los riesgos reales del entorno sobre nuestra salud.

Los fundadores del proyecto hemos trabajado en empresas como Doctor24, Sanitas, Smartvel, IBM, y hemos participado en la creación de Politibot, con experiencia en machine learning, desarrollo de software, seguridad informática y gestión.

¿Cómo utilizáis la Inteligencia Artificial?

Pese a ser un servicio muy sencillo el primer producto cuenta con más de 10 modelos de machine learning para predicción de factores del entorno físico y de procesamiento del lenguaje natural. En la parte de los consejos utilizan técnicas de behavioral economics para ayudarnos a tener hábitos mucho más saludables. Los datos que mostramos son de múltiples fuentes como AEMET, Instituto Carlos III de Salud, Búsquedas agregadas de buscadores y organismos públicos como ayuntamientos o el Ministerios de Agricultura y Medioambiente para la calidad del aire. Muchos de los datos como el clima, los rayos UV o calidad del aire, son reportados en tiempo real.

Pero nuestro fuerte es en los datos epidemiológicos o de calidad del aire, predecimos los datos con modelos propios de aprendizaje estadístico. En este ámbito existe un problema, por ejemplo, los datos de la gripe son datos que se reportan con dos semanas de decalaje por la red de médicos centinelas, es decir, hoy tenemos los datos de hace dos semanas y el problema que tiene la gripe es que tiene un comportamiento exponencial, en dos semanas puede haber causado mucho daño, si no se toman las medidas preventivas adecuadas.

Utilizando modelos que están a la vanguardia de la epidemiología digital nos permite ayudar a mucha gente a prevenir la gripe y sus consecuencias siguiendo nuestros consejos. Por poner un ejemplo, Zensei tiene modelos que predicen con más de un 95% de acierto la gripe, la bronquiolitis, las superación de límites de NO2 y otras muchas más métricas, como, por ejemplo, los piojos.

¿Por qué habéis elegido messenger como plataforma sobre la que desarrollar la aplicación?

Messenger ha sido nuestra decisión inicial porque creíamos que el alcance que tendría Zensei sería mayor,
pero estamos descubriendo que Messenger no es una app mayoritaria en España, y ya estamos trabajando en otros canales, Telegram, Email, Slack, … aunque el día de mañana Zensei será una plataforma multisesión y multidispositivo con su propia entidad, ya que el servicio actual de Zensei solo es un 1% de la visión que tenemos desde Zensei para llevar una medicina preventiva, escalable y accesible a todo el mundo.

¿Puedes adelantarnos algo sobre cosas nuevas en las que estáis trabajando?

Durante el verano empezaremos a escalar nuestro servicio a todas las ciudades de España y a construir un servicio mejorado que proporcionará una información más contextualizada y personalizada al usuario final. Siempre sin dejar de lado nuestra visión a largo plazo de mejorar la salud de millones de personas mediante nuevos servicios de salud digitales.

Politibot utiliza la inteligencia artificial para mejorar la transparencia en la política

Politibot utiliza la inteligencia artificial para mejorar la transparencia en la política

Así nos cuentan los creadores del chatbot Politibot la historia de este interesante proyecto que utiliza la inteligencia artificial para hacer más transparente el mundo de la política:

Politibot nació como un bot para Telegram en junio de 2016. Nuestro objetivo era cubrir la campaña del 26J de una forma distinta: en una aplicación de mensajería, con un lenguaje más fresco y seleccionando artículos y gráficos que aportaran contexto sobre la batalla electoral. En apenas tres semanas Politibot alcanzó 8.000 usuarios, superó las 100.000 sesiones y estableció una conexión emocional con una audiencia fiel. El proyecto es el fruto del trabajo de un equipo multidisciplinar con periodistas, desarrolladores y politólogos y de nuestra pasión por un periodismo más móvil, más centrado en los datos y más visual.

Ahora el proyecto vuelve a la actividad a través de Telegram y Facebook. Sigue compartiendo en su cuenta de Twitter artículos, gráficos y GIF. Además el bot ya no hablará sólo de política española ya que seguirá de cerca las elecciones que se avecinan en Países Bajos, Francia y Alemania, intentará explicar los entresijos del Brexit e informará sobre la agenda legislativa de Trump.