AyGLOO - Explainable AI woman explaining IA

AyGLOO XAI

La IA transforma las empresas impulsando la productividad, la eficiencia y la innovación, pero con demasiada frecuencia sus soluciones son 'cajas negras' que ofrecen poca o ninguna información discernible sobre cómo logran sus resultados.


AyGLOO XAI es un producto que utiliza algoritmos estándar y propios (como SHAP-ISA) para explicar cómo funcionan los modelos de IA y por qué obtienen sus resultados. Se obtiene así, un análisis mucho más potente e intuitivo del modelo y su dataset.

Convierte tus modelos de IA en un motor completo y fiable para tu negocio con

Explicabilidad y "Fairness"

Técnicas

Usamos algoritmos estándar y propios:

  • Transforma modelos complejos de IA (redes neuronales, modelos estadísticos, clustering...) en un conjunto de reglas de lenguaje natural fácil de entender

  • Algoritmos propios de IA explicables para estructurar y presentar el análisis al usuario no técnico de una manera intuitiva, como son el análisis de valor de Shapley, y el resumen por segmentos críticos identificados por nuestro algoritmo de IA. Se trata de una técnica propia desarrollada por AyGLOO denominada “SHAP Intelligent Segment Analysis” (SHAP-ISA). Esto permite un análisis mucho más potente e intuitivo del modelo.

  • Explica las variables más relevantes en la predicción y sus pesos

  • Explica cómo se comporta cada instancia y sus counterfactuals.

  • Muestra herramientas de "fairness" (sesgos del modelo y del conjunto de datos)

  • Análisis “what-if” por variable o grupo de variables

  • Generación automática de informe de explicabilidad

Características

Monitoriza continuamente tus algoritmos con un sencillo cuadro de mandos

  • Interfaz fácil de usar e interactivo

  • Los resultados se muestran con gráficos simples e intuitivos

  • Permite al usuario no técnico comprender el modelo desde un punto de vista global y desde uno detallado

  • Algoritmos propietarios de IA explicables para estructurar y presentar análisis al usuario no técnico de una manera sencilla

  • Permite un análisis detallado con todas las variables del modelo o con una selección realizada por el usuario  

  • Incluye análisis por segmentos críticos de negocio identificados por el modelo

  • Herramienta "Drag & Drop"

  • Permite una amplia variedad de tecnologías y modelos incluyendo modelos de aprendizaje por refuerzo

  • Producto personalizable según requerimientos del cliente

A continuación, incluimos alguno de los gráficos

del producto AyGLOO XAI.

(Gráficos pixelados por razones de confidencialidad)

conjuntoreglas.png AyGLOO - Explainable AI

Conjunto de reglas

Sesgos_discriminación.png AyGLOO - Explainable AI

Sesgos/discriminación

contribution.png AyGLOO - Explainable AI

Contribución

importancias_atributos.png AyGLOO - Explainable AI

Estudio de importancias

causality_graph.png AyGLOO - Explainable AI

Grafico de causalidades

what-if.png AyGLOO - Explainable AI

Análisis What-if

Y mucho más…

 

Producto completamente configurable según tus necesidades para que uses los modelos que necesites en tu análisis solo con arrastrar y soltar.

 

El primer y único producto del mercado diseñado para ser usado por usuarios no técnicos.

En AyGLOO somos expertos en IA con más de 25 años haciendo machine learning y deep learning.

Tenemos un riguroso programa de gobierno del dato para cumplir con tus necesidades más estrictas pero si lo necesitas podemos buscar un dataset público similar al tuyo para que el comienzo de la PoC no se eternice.

 

Si lo necesitas, también podemos construirte el modelo con la interpretabilidad embebida.

Beneficios de la explicabilidad para las partes interesadas

Beneficios de la explicabilidad para la empresa

Casos de uso

Científico de datos: Comprender el modelo globalmente

 

Directivos y responsables del proceso: Comprender las recomendaciones del modelo para tomar las mejores decisiones y explicarlas.

 

Beneficiarios (clientes, pacientes, etc.): Comprender por qué se tomó la decisión y qué datos, si fueran diferentes, cambiarían la decisión. Por ejemplo, qué datos de los clientes han sido fundamentales para denegar un préstamo y qué datos tendrían que ser diferentes para aceptarlos.

  • Mejorar la transparencia y la confianza

  • Abordar presiones como la adaptación a las nuevas regulaciones de IA

  • Adoptar buenas prácticas en torno a la responsabilidad y la ética.

  • Monitorizar y mejorar el rendimiento

  • Mejorar el control del proceso

  • Prevenir prejuicios no deseados como la discriminación racial y de género

Cuanto más crítico es el proceso, más necesaria es la explicabilidad

 

  • Medicina clínica

 

  • Predicción de abandono

  • Detección de fraude

  • Gestión del riesgo

 

  • Atención médica

 

  • Forecasting

  • Recursos humanos​

  • Mantenimiento predictivo

  • etc