El 96% de las soluciones de inteligencia artificial son aún ideas y no implementaciones a nivel mundial (hype). Nosotros estamos en el 4% restante.
Camino El Alba 9500, Oficina 004, Torre B, Las Condes.
hola@tars.technology
Desarrollo de data engineering para ALMA Observatory.
PRO BONO
Trabajo pro bono para apoyar a ALMA en el proceso de consolidación de data para posterior interpretación de machine learning para mantenciones y eficiencia de las antenas.
Detalles: estamos ayudando acentralizar toda la información y data operativa de las antenas del observatorio Alma (protegido por NDA).
Un ejemplo muy claro es la aplicabilidad de detección de posibles ilícitos en el retail. A través de cámaras podemos detectar movimientos y maniobras que pueden involucrar posibles acciones delictivas.
Otro ejemplo es la detección de indumentaria necesaria para minería, construcción u operaciones a través de cámaras que sean capaces de alertar en tiempo real.
Con herramientas que utilizan IA podemos rescatar hasta 52 variables psicológicas de una persona, solamente utilizando un texto que sea escrito directa y genuinamente por el usuario.
Hay perfiles psicológicos que comparten patrones comunes. Muchos de ellos pueden ser positivos, en otros derechamente negativos haciéndolos propensos a accidentes, ilícitos o ausentarse.
No es necesario agregar muchos sensores, cuando podemos entrenar con un modelo que permite detección de fallas, por ejemplo en motores, utilizando una App que rescata el sonido.
Los chatbots suelen ser bastante conocidos, pero ¿cuántos de estos son conversacionales y se comportan como humanos? Nosotros trabajamos en esa línea para acompañar la experiencia de los usuarios de nuestros clientes.
Estamos ocupando la última tecnología y papers de Stanford, el instituto MILA y Facebook AI, para generar asistentes virtuales conversacionales que sean un real aporte a la experiencia.
Nos encontramos en un proceso de centralización de data con el equipo de Alma (Observatorio), de modo que en un futuro se puedan hacer más y mejores modelos predictivos.
¿Cómo elegir el mejor segmento para que compren un determinado producto? Con data y procesos de machine learning y clustering, hemos logrado aumentos de hasta 50% en efectividad de presupuestos y aumento en ventas.
¿Es posible saber lo que el cliente comprará mañana? Teniendo data suficiente hemos logrado predecir cuál será la siguiente compra de un usuario.
Generación de clusters para segmentar acciones de marketing.
INMOBILIARIAS Y RETAIL
Hemos apoyado a inmobiliarias y empresas del retail en el análisis de todo su historial de ventas y de fuentes externas para clusterizar públicos objetivo en base a filtros (cantidad de habitaciones, baños, piso máximo, metros cuadrados, entre otros).
Detalles: además de realizar segmentación de clientes y realizar machine learning con propensión de compra, logramos demostrar en campañas de marketing que nuestros insights aumentaban en un 35% el cierre de ventas versus campañas tradicionales.
Identificación
de propensión
de compra.
RETAIL
Durante fines de 2019 y principios del 2020 trabajamos en la identificación de propensión de compras por categorías utilizando clusterización y deep learning.
Detalles: conseguimos identificar qué tan propenso es a consumir un producto un usuario. Esto basado en un modelo de machine learning que consume transacciones históricas en el retail.
Detección de sospechosos con Computer Vision.
RETAIL
Frente a la necesidad de reducir los robos en supermercados, nos solicitaron implementar un modelo de detección de sospechosos con computer vision adaptado a la realidad de las cámaras ya instaladas.
Detalles: se realizaron entrenamientos con videos de robos en múltiples locales. TARS realizó un proceso de data annotation acucioso y entrenamiento con múltiples algoritmos llegando a resultados escalables.
Quienes han explorado la IA con nosotros.