Casos de Uso

Cliente

logos-clientes-europapress

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

El Smart Fake News Detection (FND), como se llama la herramienta, esta caracterizado por encadenar varias técnicas diferentes de inteligencia artificial sobre el texto de la noticia objeto de análisis como el NLP (Procesamiento de Lenguaje Natural), STS (Similaridad Semántica de textos), NLI (Inferencia de Lenguaje Natural), Detección de Anomalías, y XAI (Inteligencia Artificial Explicable). El resultado de la herramienta finalmente se presenta en un cuadro de mandos que sirve al periodista como alerta para identificación de noticias fake incluyendo las razones por las que el sistema ha considerado la noticia como falsa o verdadera.

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

logos-clientes-visualurb
Visual URB es una empresa española que esta digitalizando el urbanismo con el objetivo de proporcionar a los ciudadanos y profesionales del sector datos actualizados de urbanismo.

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

Desarrollar una herramienta para automatizar la extracción de datos de urbanismo de todos los boletines de las comunidades autónomas y diputaciones provinciales.

Clave

La capacidad y experiencia de años del equipo de AyGLOO para aplicar técnicas de NLP propias desarrolladas y desplegadas en serverless en Cloud con una precisión muy alta.

Situación

El cliente necesita tener actualizada toda la información de urbanismo en España y hasta ahora era un proceso muy manual que requiere de personas buscando cada día la información relevante en los boletines oficiales pero es un proceso ineficiente que consume muchos recursos y tiempo para hacerlo correctamente.

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.

productividad
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.

IA Confiable
Antes:

Personas dedicadas al proceso: 3,5 personas por año.

Ahora:

Personas dedicadas al proceso anualmente: 0,1 persona por año.

Cliente

logos-clientes-Soni2
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

Desarrollar los modelos de radar normativo usando técnicas propias de NLP para presentar normativa en fase de aprobación a nivel europeo, nacional, regional y provincial.

Clave

La capacidad y experiencia de años del equipo de AyGLOO para aplicar técnicas de NLP propias desarrolladas y desplegadas en serverless en Cloud con una precisión muy alta.

Situación

La búsqueda de normativa en fase de aprobación es un proceso muy manual que en la actualidad requiere de personal de la firma dedicando mucho tiempo a hacer tareas de poco valor añadido.

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

logos-clientes-SAVIA Mapfre
SmartDyspnea

Caso de Uso

Deep Learning para detectar falta de saturación de oxígeno en sangre a través de dispositivo móvil

Industria

Healthcare

Nuestro Papel

AyGLOO ha desarrollado el modelo de Inteligencia Artificial que detecta la saturación de sangre a través de dispositivos móviles.

Clave

La capacidad y experiencia de AyGLOO con socios que llevan mas de 20 años haciendo Machine Learning y Deep Learning en el sector de Healthcare.

Situación

La falta de aire, o disnea, es una sensación muy frecuente en nuestro día a día, en la mayoría de las veces no está relacionada con un problema de salud que requiera control o seguimiento pero en algunos casos es un indicador directo de una enfermedad y necesita ser valorado y tratado por profesionales sanitarios, porque sus consecuencias pueden ser fatales. Más de 400 Millones de personas en todo el mundo diagnosticadas de enfermedades respiratorias como el EPOC o el asma están muy familiarizadas con esta sensación. Y durante la primera ola de la pandemia, más de 95 millones de personas diagnosticadas de COVID19 tuvieron este problema.

Solución

Smart Dyspnea es un sistema de detección precoz de la saturación de oxígeno a través de la voz mediante algoritmos de Deep Learning que permite realizar un seguimiento, e identificación del grado de disnea gracias a la aplicación de un test validado clínicamente con un 91% de fiabilidad (Test de Roth.

La solución ha sido premiada por su impacto social y ético entre otros.

Cliente

logos-clientes-Soni2
Soni2 es un estudio de grabación

Caso de Uso

IA para clonación de voz humana

Industria

Media

Nuestro Papel

Desarrollar junto a Soni2 y la colaboración de la Universidad de Valencia la algoritmia de clonación de voz para el uso en el ámbito del e-learning y audiolibros usando modelos de inteligencia artificial.

Clave

La capacidad de AyGLOO de trabajar con éxito en proyecto de I+D aplicando inteligencia artificial.

Situación

La clonación de voz humana ha empezado a tener avances en estos últimos años, especialmente en inglés. El estado del arte en otros idiomas incluido el español es mas incipiente.

Solución

La intención es reproducir la voz de un locutor con su timbre, tono, acento y cadencia de respiración. Partiendo de texto, se aplican modelos acústicos y generativos de IA que incorporan volumen, pronunciación, entonación, velocidad y emoción para conseguir reproducir la voz del locutor. El sistema se entrena con horas grabadas de locutor.