Inteligencia artificial explicable en una aplicación en sistemas de recomendación
DOI:
https://doi.org/10.46480/esj.8.2.180Palabras clave:
sistema recomendación, Algoritmo, Prototipo, Predicción, Machine learning, licitacionesResumen
Contexto: Este artículo se centra en el desarrollo de técnicas interpretativas para un sistema de recomendación basado en Inteligencia Artificial (IA) aplicado a procesos de contratación pública. El proyecto busca no solo implementar soluciones técnicas, sino también abordar desafíos estructurales y organizacionales en la contratación, mejorando la eficiencia y la justicia. Método: Se destaca el crecimiento exponencial de la dependencia tecnológica en diversos sectores, impulsada por avances en IA y Machine Learning, y la adopción de la Inteligencia Artificial Explicable (XAI). Resultados: El proyecto ofrece como resultado un algoritmo predictivo para el proceso de compras públicas. A diferencia de la IA tradicional, la XAI equilibra la precisión con la interpretabilidad humana, lo cual es crucial para su aplicación en sistemas de recomendación. Conclusiones: Este enfoque holístico tiene como objetivo mejorar la transparencia, la confianza y la eficiencia en la selección de proveedores, abordando la capacidad y los riesgos de sesgo en la toma de decisiones automatizada, y resaltando la importancia de la XAI en la creación de sistemas más éticos y confiables.
Descargas
Referencias
Alcarazo, L. O. (2022). Evaluación de modelos de inteligencia artificial explicable. Universidad Autónoma de Madrid.
Cóunago, P. (2021). Sistemas de recomendación basados en contenido.
Fonseca, B., & Cornelio, A. (2022). Sistemas de recomendación híbridos.
Fonseca, B. B. (2021). Sistemas de recomendación.
Gonzalo, A. M. (2022). Evaluación de modelos de inteligencia artificial explicable: Caso de uso con clasificadores de licitaciones públicas a partir de textos [Tesis de maestría, Universidad Politécnica de Madrid].
Hernández, N. B. (2020a). Licitaciones públicas.
Hernández, N. B. (2020b). Transparencia y equidad en las recomendaciones basadas en IA en procesos de licitación pública.
Janiesch, C., Zschech, P., & Heinrich, K. (2021). Machine learning and deep learning. Electronic Markets, 31(3), 685–695. DOI: https://doi.org/10.1007/s12525-021-00475-2
Mimbrera, E. (2021). Inteligencia artificial explicable.
Moreno, V. (2023). Sistemas de recomendación basados en memoria (Nearest Neighbour).
Pathak, S. (2024). La XAI – Explainable Artificial Intelligence.
Portal Compras Públicas. (2023). Sistema Nacional de Contratación Pública. https://www.compraspublicas.gob.ec
Ramírez, J. (2018). Deep learning [Tesis de maestría].
Rojo, P. (2019). Modelo predictivo de análisis de riesgo crediticio usando machine learning en una entidad del sector microfinanciero [Tesis de maestría].
Rubio, G., Charry, P., & Pérez, C. (2022). El machine learning.
SERCOP. (2020). Oficios 2020. Servicio Nacional de Contratación Pública.
SERCOP. (2022). Sistema Nacional de Contratación Pública.
Valenzuela, J., Correa, C., & Rendón, D. (2022). Sistemas de recomendación basados en filtrados colaborativos.
Vaquero, A. (2020). Inteligencia artificial.
Xia, L. (2023). Desarrollo de un sistema de recomendación para una empresa de servicios online [Tesis de maestría].
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Miguel Molina Villacís, María Molina Miranda, Ximena Acaro Chacón, Angel Jiménez Villao , Darla Luna Chiriboga
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan los derechos sobre sus artículos y, por tanto, son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente su obra en sus sitios web personales o en repositorios institucionales, después de su publicación en esta revista, siempre que se proporcione la referencia bibliográfica que acredite su publicación original.
Cómo citar
