Clientes
Casos de Uso
Cliente
Europa Press es la agencia líder de noticias privada española
Caso de Uso
IA Explicable para combatir las “fake news”
Industria
Media
Nuestro Papel
Desarrollar junto a Europa Press la algoritmia de fake news usando modelos avanzados de Deep Learning, NLP e IA Explicable para entender como y por qué el modelo ha tomado la decisión. El resultado se presenta en un cuadro de mandos para periodistas con una valoración de veracidad.
La solución se despliega en Google Cloud.
Clave
La capacidad de AyGLOO de proporcionar interpretabilidad a los modelos de IA de un manera intuitiva para ser usado por periodistas sin conocimientos de ciencia de datos.
Situación
Una predicción hecha por la consultora Garnet en 2017 ponía el foco en 2022 y afirmaba que para ese año el público occidental consumiría más noticias falsas que verdaderas. No existe manera de comprobar si ya hemos cruzado ese umbral, pero la preocupación por el aumento de las ‘fake news’ se ha situado en el centro del debate público.
Por su parte, el Ministerio de Asuntos Exteriores, Unión Europea y Cooperación, considera que los bulos y la desinformación representan «una amenaza global para la libertad y para la democracia» que se ha agravado debido a las redes sociales y a que «en los últimos años se ha acelerado tanto el flujo de información como el de desinformación», como se ha demostrado con la pandemia del COVID. Una realidad que empeora teniendo en cuenta estudios que apuntan a que ocho de cada diez españoles tiene dificultades para distinguir entre noticias falsas y verdaderas.
Solución
Para detectar si una notifica es falsa o no, cada texto noticioso pasa por una secuencia de procesos de inteligencia artificial con aprendizaje profundo que tratan el texto en una cascada de pasos (categorización y etiquetado, vectorización semántica / embedding, búsqueda de similitudes, inferencia, clasificación), que finalmente determinar su veracidad.
Todos estos tratamientos siguen un proceso en paralelo de inteligencia artificial explicable (XAI) para poder mantener la transparencia y confianza en el proceso seguido por nuestra herramienta FND.
Cliente
Agrupan, clasifican y delimitan toda la información urbanística y la presentan de manera sencilla y actualizada.
Caso de Uso
Automatización del proceso diario de extracción de los boletines oficiales de los cambios normativos urbanísticos en España
Industria
Compañía Nativa Digital – Servicios
Nuestro Papel
Clave
Situación
Solución
El sistema hace scraping diario de las 62 webs de las comunidades autónomas y diputaciones provinciales para descargar los boletines en pdf y extraer todos los anuncios de urbanismo interpretando semánticamente el texto aplicando técnicas de NLP e identificando 19 campos en cada anuncio que van desde la referencia catastral, trámite, fechas varias, planeamiento, etc.
EL sistema desarrollado esta desplegado en Google Cloud con procesamiento diario usando técnicas serverless y en paralelo y es capaz de procesar simultáneamente un número indefinido de documentos obteniendo el resultado en pocos minutos y a un coste muy optimizado.
El resultado se entrega al cliente en un JSON que el cliente integra en sus sistemas y se presenta en un cuadro de mandos.
Antes:
Tiempo proceso diario de boletines: 31 horas.
Ahora:
Tiempo proceso diario de boletines: 5 minutos de proceso de boletines + 1 hora máximo de revisión.
Antes:
Personas dedicadas al proceso: 3,5 personas por año.
Ahora:
Personas dedicadas al proceso anualmente: 0,1 persona por año.
Cliente
Una de las Big Four
Caso de Uso
Radar normativo para automatizar el proceso diario de buscar normativa en fase de aprobación en organismos oficiales y redes sociales a nivel europeo, nacional, regional y provincial.
Industria
Servicios
Nuestro Papel
Clave
Situación
Solución
Se hace scraping de las webs de organismos oficiales de la UE, gobierno de España, gobiernos autonómicos y locales, instituciones y entidades públicas nacionales a nivel europeo.
Se descarga la información relevante y se usan técnicas propias de NLP para hacer scraping (descargar), seleccionar información, recortarla, filtrarla, agregarla y clasificarla por sectores. El resultado se presenta en un cuadro de mandos en el que cada usuario visualiza la información que le corresponde.
El usuario también tiene la posibilidad de filtrar la información en la parte superior del cuadro de mandos y la posibilidad de establecer alertas para ser comunicadas por email.
El sistema es multilenguaje.
Cliente
Caso de Uso
Deep Learning para detectar falta de saturación de oxígeno en sangre a través de dispositivo móvil
Industria
Healthcare
Nuestro Papel
Clave
Situación
Solución
La solución ha sido premiada por su impacto social y ético entre otros.
Cliente