CARRIZOSA SANCHEZ, EMILIO ANTONIO

Por un lado tenemos la explosión del internet de las cosas (IoT) que integra sensores y dispositivos; según IDC, en 2025 habrá 55.700 millones de aparatos conectados, con el 75% asociados a plataformas IoT. Por otro, tenemos la capacidad big data, el 5G y la nube para procesar esa ingente cantidad de datos, especialmente los generados por los usuarios de esos dispositivos en su relación con empresas, productos y servicios.  ¿Qué faltaba para convertir esa información en conocimiento sobre esas personas y monetizarlo? La ciencia del comportamiento: programas de analítica basados en inteligencia artificial (IA), capaces de entender patrones en hábitos, preferencias, tendencias, valoraciones, incluso emociones de esos usuarios. Este nuevo modelo analítico se denomina internet del comportamiento (IoB), se considera una evolución natural del IoT y su mercado promete crecer desde los 386.000 millones de dólares en 2022 a 381.000 al cabo de una década, según Market.us.  Su utilidad bebe de las interacciones digitales entre clientes y empresas desde numerosas fuentes de datos. Cada compañía tendrá acceso a unas o a otras dependiendo del servicio que preste, pero en general la lista incluye smartphones, aplicaciones móviles y cualquier dispositivo online desde relojes inteligentes a pulseras médicas o gafas virtuales; los historiales de búsqueda o consultas a asistentes, además de respuestas a encuestas, votos y valoraciones en redes y webs corporativas; las propias aplicaciones de las empresas —desde una plataforma de contenidos a una tienda electrónica, un banco digital, una red de gasolineras o una compañía energética, etc, etc—; además las campañas o actividades corporativas en las que participan los clientes; los dispositivos domóticos en viviendas, oficinas o vehículos; sensores, cámaras o sistemas de pago en superficies comerciales; incluso las propias redes de los usuarios si permiten el acceso. Precisamente el acceso a la información es una de sus claves. Las compañías pueden promover esas fuentes o canales de información para obtener datos abundantes, pero deben respetar las leyes de privacidad y cuidar el modelo legal de consentimiento por parte de los usuarios. Algunos expertos apuntan un posible hándicap del IoB en el rechazo de un sector de los usuarios por considerarlo una intrusión excesiva, aunque no parece que eso haya sucedido en modelos parecidos como la publicidad personalizada de plataformas como Google a partir de las búsquedas de los usuarios.  En todo caso, transformar la información dispersa en conocimiento preciso de cada perfil, hasta incluso predecir sus necesidades, tiene diferentes ventajas según de qué producto, servicio o sector estemos hablando. Desde luego, analizar la evolución de búsquedas, consultas, compras, devoluciones y valoraciones con una compañía ayuda a personalizar la publicidad. Si el análisis de datos se produce durante un proceso de compra desde que el cliente muestra interés, permite intervenir en tiempo real con notificaciones o ayuda para para facilitar la operación. Con toda esa información agregada, una empresa puede afinar su diseño de productos y servicios, además de la atención para mejorar la experiencia del usuario.  Ya existen proveedores que desarrollan plataformas IoB en modo servicio para integrarse en el software de la empresa cliente, con herramientas de análisis y aprendizaje automático. Su aplicación tiende a diversificarse, aunque de momento se centra más en marketing, ventas, entretenimiento y finanzas, además de atención médica y formación.  Veamos algunos casos para entender mejor cómo funciona. Por ejemplo, una red de tiendas implanta un sistema de autopago con cámaras IA y una app que descarga el cliente y al cabo de algunas visitas le hace sugerencias en función del historial de consultas, pruebas, descartes y compras. Una startup se especializa en analizar el estilo de juego online de cada usuario para ofrecerle competiciones adaptadas a su destreza. En banca, la primera utilidad es alertar sobre una transacción extraña respecto a las habituales de un cliente, pero puede ir mucho más allá y personalizar consejos de gestión o inversión.  En salud, puede vincular una aplicación de nutrición y una pulsera que monitoriza actividad e índices sanitarios —cardio, azúcar, oxigeno, presión, sueño…— para alertar de riesgos o definir hábitos saludables de ejercicio y menú. Una energética monitoriza la evolución de consumos en todos los dispositivos domóticos de un hogar o una oficina para precisar medidas de eficiencia y ahorro. O una marca de bicicletas estudia la relación con un cliente para avisarle del mantenimiento —estiramiento de cadena, engrase, desgaste de componentes— a lo largo de la vida útil, incluso cada vez que la somete a un esfuerzo intenso registrado en el navegador.