¿Qué te llevó a empezar a trabajar en el espacio de recomendación de contenidos noticiosos?
Comencé mi carrera en la industria energética en Estados Unidos en 2005. Trabajé 12 años en este sector. El sector energético utiliza muchos datos, y muy al principio de mi carrera tuve contacto con proyectos de big data. Lo disfruté muchísimo y, en retrospectiva, también fue una bendición, ya que el análisis de big data ha despegado en los últimos 5 años. Además, la computación en la nube ofrece tanta potencia que el análisis de big data se está volviendo muy interesante.
Esa fue mi carrera profesional. En lo personal, me gusta mantenerme al día y al tanto de los avances. Me informo de diversas fuentes, como sitios web de noticias, redes sociales y, por supuesto, blogs especializados. Alrededor de 2017, pensé que sería bueno combinar mi interés por el análisis de big data y las noticias, y pasé del análisis de big data en la industria energética al análisis de big data para la recomendación de contenido informativo.
¿Qué te llevó a fundar Newsology?
Como mencioné antes, soy un lector ávido de noticias. Sin embargo, sentía que las recomendaciones de noticias provenían del público en general, en lugar de expertos y profesionales de un área específica. Por ejemplo, recibía artículos sobre nutrición del público en general, quizás de mis amigos, y prefería leer lo que recomiendan los nutricionistas. La hipótesis es que un profesional de su área está mejor informado sobre la calidad de un artículo periodístico.
Realizamos varias sesiones de retroalimentación para probar nuestra hipótesis y consideramos que era necesario abordar este problema. Así, en 2017, lanzamos Newsology. Recibimos retroalimentación de nuestra comunidad de usuarios y periodistas durante el proceso para asegurarnos de recomendar contenido de calidad a nuestros usuarios. Seguimos recibiendo comentarios sobre las recomendaciones de los artículos que sugiere nuestra aplicación y, en consecuencia, optimizamos nuestro producto.
¿Cómo es un día típico?
Soy un noctámbulo, así que mi noche típica empieza analizando nuestros KPI clave con el sistema actual y luego el estado de avance de las próximas mejoras que estamos desarrollando, como ajustes a nuestro motor de IA o modificaciones en nuestra aplicación. Trabajamos con un equipo distribuido. No tenemos horarios fijos para las reuniones. Todos usamos Skype, así que simplemente nos enviamos mensajes y, si es necesario, programamos conferencias telefónicas.
Así que mi noche se usa para más trabajo técnico. A lo largo del día suelo realizar otras tareas como marketing, relaciones públicas y la retroalimentación de los clientes.
¿Cómo es tu configuración de trabajo (tus aplicaciones, herramientas de productividad, etc.)?
Tengo una laptop conectada con una configuración de doble pantalla. Intento evitar escribir correos largos en mi teléfono y los dedico a mi computadora para poder dar instrucciones y respuestas claras. Nuestras tareas se registran en Trello. Tenemos pautas muy claras sobre cómo registrar los problemas en Trello, cuándo se marca una tarea como completada, etc. Nos esforzamos por mantener una cultura de proporcionar mucha información al siguiente usuario para que la tarea avance eficientemente con un mínimo de reuniones. Definitivamente, somos una empresa de O365. Nuestros documentos, KPI, flujos de trabajo, presentaciones, etc., se almacenan en la nube de O365. Además, usamos GitHub y AWS.
¿Cómo la IA hace surgir contenido original?
Existen varias aplicaciones de agregación de noticias que utilizan IA para mostrar contenido original. Estas aplicaciones utilizan IA de diversas maneras. Explicaré dos de los métodos más comunes y luego una variante que utiliza Newsology.
La primera tecnología que se puede utilizar es el Filtrado Colaborativo. Podemos explicarlo con un ejemplo sencillo. Supongamos que a Stephan le interesa la nutrición y la pérdida de peso. Y a Sarah también le interesan la nutrición y la pérdida de peso. Pero a Sarah también le interesan los mariscos. ¿Quizás deberíamos recomendarle artículos sobre mariscos a Stephan? Si Stephan muestra falta de interés en estos artículos, el modelo lo detectará y probará con otro tema. Aquí se puede ver que el motor de IA encuentra de forma independiente nuevos temas que podrían interesar al lector.
Hablemos de una segunda tecnología: Doc2Vec. A veces, un periodista o bloguero ofrece una perspectiva interesante, pero esta se ve eclipsada por una gran cantidad de artículos que, en esencia, tratan sobre lo mismo. Podemos usar algoritmos como Doc2Vec para ver si los periodistas hablan del mismo evento. Por ejemplo, supongamos que un astrólogo descubre dos cosas interesantes sobre nuestra galaxia el mismo día. Podríamos tener 10 periodistas cubriendo el primer evento, pero solo uno de los dosDakota del Norte Evento. Doc2Vec puede identificar que, en realidad, los 10 periodistas están discutiendo el mismo evento, y sus artículos se agruparán en una sola "pantalla". Esto les da la oportunidad a los 2Dakota del Norte Artículo para mostrar a usuarios interesados en la astrología. En este caso, la IA ayudó a un usuario a ver avances que de otro modo quedarían ocultos.
La novedad de Newsology es que también considera la trayectoria profesional del usuario. Tomemos nuestro primer ejemplo con Sarah y Stephan. Si un usuario de Newsology afirma ser nutricionista, añadimos esta tercera dimensión al recomendarles artículos sobre nutrición. Es decir: ¿qué artículos leen los nutricionistas? Con esta información, ¿qué podemos recomendarles?
Por supuesto, las aplicaciones de agregación de noticias no solo utilizan dos o tres modelos de IA. Hay muchos más modelos que trabajan juntos, realizan pruebas y recomendaciones en conjunto. Además, aprenden por sí mismos si sus recomendaciones funcionan. Por ejemplo, ¿responde el usuario a la recomendación? Esto se conoce como pruebas A/B. Y si el usuario no responde, ¿qué hacemos?
¿Cuál es el beneficio para los blogueros y escritores?
Los usuarios buscan contenido original y bien articulado. Miles de blogueros y escritores escriben contenido original que no consigue la suficiente visibilidad. Newsology ayuda a visibilizar el contenido de blogueros y escritores independientes.
¿Qué consejos de delegación sigues?
Delegar es un proceso. El primer paso es usar el Cuadrante de Delegación (importante/no importante vs. urgente/no urgente). Te sorprendería la cantidad de tareas que se delegan en esa etapa. Si delegas, creo que es mejor tomarme el tiempo para escribir primero la visión, la necesidad o el problema para asegurarme de comprender completamente el problema y el resultado final deseado. Después de analizar detenidamente la tarea, me pregunto quién es la persona más adecuada para asignarla. Es importante explicar cómo se ve un éxito y animar al delegado a preguntarse si cree que una tarea se completó correctamente. Esto garantiza que quien la completa esté realizando su propio control de calidad.
¿Qué consejo le daría a los ambiciosos profesionales de medios y publicaciones digitales que se adentran en el campo de la IA y el ML?
Ofreceré dos consejos: uno sobre habilidades blandas y otro sobre habilidades duras.
En cuanto a las habilidades blandas, dedica mucho tiempo a contratar a la persona adecuada para la tarea. Pero una vez que la hayas contratado, no tengas miedo de exigirle a tu equipo altos estándares. Te sorprendería saber cuánta gente opera con la mentalidad de "suficientemente bueno". No es su culpa. Buscan tu orientación sobre cuáles son tus expectativas.
En cuanto a las habilidades técnicas: las tecnologías de IA y ML pueden ayudarte a exponer tu contenido. Intenta usar etiquetas y palabras clave en tus artículos. Los motores de búsqueda buscan estas palabras clave. Además, no diluyas tu artículo. Hay editoriales que añaden todo tipo de palabras clave a sus artículos. Por ejemplo, un artículo puede tratar sobre senderismo, pero añaden palabras clave de fondo como "Política internacional, viajes en el tiempo, etc.". Los motores de IA pueden detectar esto y, en todo caso, perjudica la visibilidad de tus artículos.
