¿Qué te llevó a empezar a trabajar en el espacio de recomendación de contenidos de noticias?
Comencé mi carrera en la industria energética en los EE. UU. en 2005. Trabajé 12 años en la industria energética. La industria de la energía es muy intensiva en datos y muy temprano en mi carrera estuve expuesto a proyectos de big data. Definitivamente lo disfruté y, en retrospectiva, también fue una bendición porque Big Data Analytics realmente ha despegado en los últimos 5 años. Hay tanto poder de computación en la nube también disponible que el espacio de Big Data Analytics se está volviendo muy interesante.
Esa fue mi carrera profesional. En el aspecto personal, me gusta estar actualizado y estar al tanto de los desarrollos. Obtengo mis noticias de varias fuentes, incluidos sitios web de noticias, redes sociales y, por supuesto, blogs especializados. Alrededor de 2017, sentí que sería bueno unir mi interés en Big Data Analytics y News y pasé de Big Data Analytics de la industria energética a Big Data Analytics de recomendación de contenido de noticias.
¿Cómo esto te llevó a fundar Newsology?
Como mencioné anteriormente, soy un ávido consumidor de noticias. Sin embargo, sentí que estaba recibiendo recomendaciones de noticias del público en general, en lugar de expertos y profesionales en un dominio determinado. Entonces, por ejemplo, estaba recibiendo artículos sobre nutrición del público en general, tal vez de mis amigos, y sentí que prefería leer lo que recomiendan los nutricionistas. La hipótesis es que un profesional de su dominio está mejor informado sobre la calidad de una noticia.
Llevamos a cabo múltiples sesiones de retroalimentación para probar nuestra hipótesis y sentimos que era necesario abordar este problema. Así que comenzamos Newsology en 2017. Recibimos comentarios de nuestra comunidad de usuarios y periodistas en el camino para asegurarnos de recomendar buen contenido a nuestros usuarios. Continuamos recibiendo comentarios sobre la recomendación de los artículos que sugiere nuestra aplicación y ajustamos nuestro producto en consecuencia.
¿Cómo es un día típico?
Definitivamente soy un ave nocturna, por lo que mi 'noche' típica comienza conmigo analizando nuestros KPI clave con el sistema existente, y luego el estado de finalización de las próximas mejoras que estamos construyendo; esto podría ser ajustes a nuestro motor de IA o modificaciones en nuestra aplicación. Trabajamos con un equipo distribuido. No tenemos horarios fijos para las reuniones. Todos están en Skype, así que solo nos enviamos mensajes y, si es necesario, establecemos conferencias telefónicas.
Así que mi noche se usa para más trabajo técnico. A lo largo del día tiendo a hacer otras tareas como marketing, relaciones públicas y esfuerzos relacionados con los comentarios de los clientes.
¿Cómo es tu configuración de trabajo? (sus aplicaciones, herramientas de productividad, etc.)
Tengo una computadora portátil conectada con una configuración de pantalla dual. Trato de evitar escribir correos electrónicos largos en mi teléfono y lo guardo para mi computadora para poder dar instrucciones y respuestas claras. Nuestras tareas están registradas en Trello. Tenemos pautas muy claras sobre cómo se registran los problemas en Trello, cuándo se marca una tarea como completa, etc. Tratamos de mantener una cultura de proporcionar mucha información al próximo usuario para que la tarea avance de manera eficiente con reuniones mínimas. Definitivamente somos una tienda O365. Nuestros documentos, KPI, flujos de trabajo, presentaciones, etc. están todos almacenados en la nube de O365. Aparte de eso, usamos GitHub y AWS.
¿Cómo está sacando a la luz la IA el contenido original?
Hay un puñado de aplicaciones de agregación de noticias que usan IA para mostrar contenido original. Hay varias formas en que esas aplicaciones usan IA para mostrar contenido original. Explicaré dos de los métodos más comunes utilizados, y luego un giro que usa Newsology.
La primera tecnología que se puede utilizar es el filtrado colaborativo. Podemos explicar el filtrado colaborativo con un ejemplo simple. Digamos que Stephan está interesado en la nutrición y la pérdida de peso. Y Sarah también está interesada en la nutrición y la pérdida de peso. Pero a Sarah también le interesan los mariscos. ¿Quizás deberíamos recomendar artículos de mariscos a Stephan? Si Stephan muestra una falta de interés por los artículos de mariscos, el modelo lo reconocerá y probará otro tema. Puede ver aquí que el motor de IA está encontrando de forma independiente nuevos temas en los que un lector podría estar interesado.
Hablemos de una segunda tecnología: Doc2Vec. A veces hay una perspectiva interesante que ofrece un periodista o un blogger. Y esto queda ahogado por un gran volumen de artículos que, en esencia, hablan de lo mismo. Podemos usar algoritmos como Doc2Vec para ver si los periodistas están hablando del mismo evento. Entonces, 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 1 periodista cubriendo el segundo 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 da la oportunidad de mostrar el segundo artículo a los usuarios interesados en la astrología. En este caso, la IA ayudó a un usuario a ver desarrollos que de otro modo estarían ocultos.
El giro que agrega Newsology es que también toma en cuenta la experiencia profesional de un usuario. Usemos nuestro primer ejemplo con Sarah y Stephan. Si un usuario de Newsology afirma que es nutricionista, ahora agregamos esta tercera dimensión al recomendar artículos a Sarah y Stephan sobre artículos de nutrición. Es decir: ¿qué artículos lee el nutricionista? Dada esta información, ¿qué podemos recomendar ahora a Sarah y Stephan?
Por supuesto, no hay solo dos o tres modelos de IA utilizados por las aplicaciones de agregación de noticias. Hay muchos más modelos que funcionan juntos, prueban juntos y recomiendan juntos. También están aprendiendo por sí mismos si su recomendación está funcionando. Por ejemplo, es el usuario respondiendo a la recomendación. Esto se conoce como prueba A/B. Y si el usuario no responde, ¿qué hacemos?
¿Cuál es el beneficio para los blogueros y escritores?
El usuario quiere consumir contenido original y bien articulado. Hay miles de blogueros y escritores que escriben contenido original que no recibe suficiente exposición. Newsology está ayudando a sacar a la luz el contenido de los blogueros y escritores independientes.
¿Cuáles son algunos consejos de delegación que sigues?
La delegación es un proceso. El primer paso es utilizar el Cuadrante de Delegación (importante/no importante vs Urgente/No Urgente). Te sorprendería la cantidad de tareas que quedan en esa etapa. Si delego, creo que es mejor tomarme el tiempo para escribir primero la visión/necesidad/problema yo mismo para asegurarme de haber entendido completamente el problema y el resultado final deseado. Después de pensar detenidamente en la tarea, me pregunto quién es la mejor persona para asignarle la tarea. Es importante exponer cómo se ve un éxito y alentar al delegado a preguntarse si cree que una tarea se completó con éxito. Esto asegura que la persona que completa la tarea esté haciendo su propio control de calidad.
Contenido de nuestros socios
¿Qué consejo le daría a los ambiciosos profesionales de medios y publicaciones digitales que ingresan al espacio de IA y ML?
Voy a ofrecer dos consejos. Una habilidad suave y una habilidad dura.
En el lado de las habilidades blandas, dedique mucho tiempo a contratar a la persona adecuada para la tarea. Pero una vez que haya contratado a la persona, no tenga miedo de hacer que su equipo cumpla con altos estándares. Te sorprendería saber cuántas personas operan con la mentalidad de 'lo suficientemente bueno'. No es su culpa. Están buscando orientación de usted sobre cuáles son sus expectativas.
En el lado de las habilidades duras: las tecnologías AI y ML pueden ayudarlo a exponer su contenido. Trate de usar etiquetas y palabras clave en sus artículos. Los motores de rastreo buscan estas palabras clave. Además, no diluyas tu artículo. Hay algunos editores que agregan todo tipo de palabras clave a su artículo. Por lo tanto, su artículo puede ser sobre senderismo, pero agregan palabras clave de fondo como "Política internacional, viajes en el tiempo, etc.". Los motores de IA pueden captar esto y, en todo caso, duele mostrar sus artículos.