Modelo Interpretable AI para empresas reguladas

Los modelos de razonamiento no siempre dicen lo que piensan. El nuestro sí.

ARTÍCULO DE INVESTIGACIÓN
Los modelos de razonamiento no siempre dicen lo que piensan
Anthropic
Leer el artículo →
Quién lo usa

Hecho para industrias reguladas

€ Suscripción & tarificación de seguros

Revisa los campos y las consultas detrás de cada cálculo de prima.

Calificación crediticia

Los revisores pueden ver cómo se calculó un resultado a partir de los datos de la solicitud.

Salud & elegibilidad para beneficios

Revisa las reglas y las filas usadas en cada resultado de elegibilidad.

Por qué la interpretabilidad

IA generativa

Interpretable AI

Caja negra

Caja negra

La IA generativa es como un extraterrestre que leyó todo el texto de internet y eligió su propia representación interna para "ver" el color. Estas representaciones se llaman dimensiones y no sabemos qué significan. Su dimensión podría ser la frecuencia de la luz o algo que no entendemos. Tampoco sabemos cómo interpreta las palabras que le decimos.

Comprensible

Comprensible

Los humanos vemos el café como rojo, verde y azul gracias a tres tipos de conos en los ojos. Prereasoner se entrena de la misma forma. Sus dimensiones llevan el nombre de propiedades de schema.org como country y currency. Así, la pregunta y la respuesta se pueden rastrear hasta esas propiedades en nuestro modelo.

Impredecible

Impredecible

La IA generativa predice la palabra siguiente más probable. Puede elegir una palabra la primera vez y otra la segunda. Eso la hace parecer humana en los chatbots. Pero en un cálculo financiero, significa que la misma pregunta puede devolver un número distinto.

Predecible

Predecible

Prereasoner convierte una pregunta en dimensiones con nombre como "SUM" de "SALES" en "FRANCE". Esto se convierte en una consulta SQL o en código Python, de forma determinista. Al ejecutarse, la base de datos o el código calcula el número. Con los mismos datos, obtienes la misma consulta y la misma respuesta.

Por qué nosotros

Dimensiones con nombre, no un puntaje de confianza

Un puntaje de confianza al predecir la palabra siguiente no es una razón. Prereasoner muestra la consulta SQL que ejecutó, por qué eligió esa consulta y las filas detrás de la respuesta. Un revisor puede verificar cada paso y el cálculo. Luego puede aceptar o rechazar la respuesta.

Dimensiones con nombre, no un puntaje de confianza
Un campo sustituto no puede esconderse en la consulta

Un campo sustituto no puede esconderse en la consulta

Un modelo opaco puede decidir una prima de seguro a partir de una dirección u otro campo sustituto que nadie puede revisar. Aquí el número viene de una consulta. Si una columna se usa en un filtro, una unión o un cálculo, aparece en el SQL, así que un revisor puede encontrarla y cuestionarla.

La transparencia llega hasta el código fuente

El motor tiene licencia Apache 2.0 y los pesos están publicados. El código muestra cómo se define cada dimensión y cómo se entrenó el modelo. Tu auditor no tiene que creernos sobre cómo razona el modelo. Puede leer los pasos del razonamiento y también nuestro código fuente.

La transparencia llega hasta el código fuente
Lo que un revisor puede verificar
Lo que necesita un revisorIA generativaPrereasoner
Explicar por qué se tomó una decisiónUna explicación generada que puede no ser fielLa derivación en sí: consulta SQL, pasos y filas
Reproducir la respuesta para un auditorPuede variar según el muestreoLa misma consulta y la misma respuesta con los mismos datos y la misma configuración
Ver qué campos determinaron el resultadoNo es visible dentro del modeloCada columna usada está en la consulta
Saber de dónde salió un númeroEscrito por el modeloCalculado por la base de datos a partir de tus filas
Manejar una pregunta que los datos no pueden responderTiende a responder de todos modosTe pide que aclares en los casos compatibles
Mantén los datos regulados en tu propia nubeDepende del proveedorAutoalojable en tu propio proyecto en la nube

Nuestros productos

RAG estructurado para tus datos CSV

El RAG vectorial responde "ventas en Francia" por similitud, así que Kehl, un pueblo alemán junto a Estrasburgo, puede contarse como Francia. El RAG estructurado vincula tu columna de ciudades a una tabla de países de Wikipedia, así la pregunta se convierte en una unión SQL que puedes leer.

París y Estrasburgo se vinculan a Francia, Berlín a Alemania. Kehl está junto a Estrasburgo con un signo de interrogación entre los dos países.
Una terminal que clona Prereasoner y lo despliega en tu propio proyecto en la nube

Ejecuta el motor abierto en tu propia CPU

Un proveedor puede cambiar un modelo alojado sin que lo sepas. El código fuente Apache 2.0 y los pesos abiertos de Prereasoner funcionan en CPU. Un script guiado los despliega en tu propio proyecto de Google Cloud.

Haz preguntas sobre tus datos en Microsoft Excel

No puedes verificar un número de la IA si no ves cómo llegó a él. Pregunta en lenguaje sencillo y cada respuesta llega con la consulta que ejecutó en tu hoja.

Respuesta de Excel con sus filas y su consulta
Pregunta sobre una hoja de Google con el cálculo y la respuesta

Haz preguntas sobre tus datos en Google Sheets

Un chat de IA te da un número sin el procedimiento detrás. Pregúntale a tu hoja de Google en lenguaje sencillo y mira cómo se calcula la respuesta, paso a paso.

Empieza gratis

Cuando un número equivocado es un riesgo legal, no puedes usar una IA que adivina

Prereasoner muestra la consulta y las filas detrás de cada respuesta.