El aprendizaje automático es el santo grial del análisis de datos, pero desafortunadamente, ese santo grial a menudo requiere un doctorado en informática para comenzar. A pesar de la increíble atención que el aprendizaje automático y la inteligencia artificial obtienen de la prensa, la realidad es que existe una brecha enorme entre las necesidades de las empresas para resolver los desafíos empresariales y la disponibilidad de talento para construir modelos incisivos.
Intersect Labs, respaldado por YC, busca resolver esa brecha al hacer que el aprendizaje automático sea mucho más accesible para la comunidad de analistas de negocios. A través de su plataforma, que se está lanzando de forma totalmente pública, los analistas de negocios pueden cargar sus datos, e Intersect identificará automáticamente los modelos de aprendizaje automático correctos para aplicar al conjunto de datos y optimizar los parámetros de esos modelos.
La compañía fue fundada por Ankit Gordhandas y Aaron Fried en agosto del año pasado. En su trabajo anterior, Gordhandas implementó modelos de aprendizaje automático para los clientes y comenzó a trabajar en una herramienta que aceleraría su trabajo. "En realidad me di cuenta de que podía construir una versión de la herramienta que estaba un poco más avanzada", dijo, y ese trabajo en última instancia condujo a la base de Intersect Labs. Se unió a Fried en octubre, y los dos han estado trabajando en la plataforma desde entonces.
El objetivo de Intersect es hacer que los analistas pasen del análisis puramente retrospectivo a la creación de modelos que puedan determinar de manera predictiva la estrategia comercial. "Las personas que viven en SQL y Excel, son realmente buenas para extraer los datos del pasado, pero les estamos dando la superpotencia de ver el futuro", explicó Gordhandas. "Todo lo que necesita son sus datos históricos, subirlos a nuestra plataforma y responder a dos preguntas".
Ankit Gordhandas y Aaron Fried de Intersect Labs. Cortesía de Intersect Labs.
Esas preguntas esencialmente preguntan qué debe predecir el modelo (la variable de resultado). A partir de ahí, Intersect comienza con la limpieza de los datos y se asegura de que las distintas columnas se escalan correctamente para el análisis de los datos. Luego, la plataforma comienza a construir una gama de modelos de aprendizaje automático y evalúa su rendimiento en relación con el resultado deseado. Una vez que se identifica un modelo ideal, los clientes pueden integrarlo en sus otros sistemas a través de una API de estilo REST.
Lo interesante aquí es que Intersect puede mejorar cada vez más en la identificación de modelos a lo largo del tiempo en función de la creciente diversidad de conjuntos de datos a los que tiene acceso. Además, a medida que los investigadores identifican nuevos modelos o formas de sintonizarlos, la plataforma puede mejorar de manera proactiva los modelos que previamente había identificado para sus clientes, asegurando que permanezcan a la vanguardia del campo.
Hoy en día, la plataforma puede manejar una tabla de filas y columnas estándar para su procesamiento. Gordhandas dijo que la compañía pretende expandirse en el futuro al "procesamiento de imágenes, procesamiento de audio, procesamiento de video, procesamiento de datos no estructurados" para que la plataforma se pueda aplicar a un conjunto de fuentes de datos tan diverso como sea posible.
Gordhandas dice que Intersect está tratando de ubicarse en medio de plataformas de aprendizaje automático más especializadas que se limitan a nichos hipercentrados, al mismo tiempo que ofrece más poder analítico que soluciones comparablemente más simples.
Ciertamente el espacio ha visto una proliferación de opciones. Generable (anteriormente Stan), con sede en la ciudad de Nueva York, usa modelado bayesiano y programación probabilística para mejorar el descubrimiento de fármacos, mientras que Mintigo usa modelado de IA para mejorar el compromiso del cliente. Un gran número de otras empresas nuevas también tienen como objetivo diferentes etapas de la línea de análisis de datos.
Al final, Intersect espera hacer que estas herramientas sean más accesibles. La compañía ya tiene un par de clientes tempranos y está pasando por el Combinador Y Acelerador de este lote.
