MLSIP | Aprendizaje Supervisado: La técnica de IA elegida para entrenar a MLSIP
Para que el sistema MLSIP pueda tomar decisiones inteligentes, primero debe aprender. El campo del Machine Learning ofrece diversas técnicas, pero para el objetivo de predecir la calidad de una ruta SIP, el equipo de Quobis ha seleccionado el Aprendizaje Supervisado como el enfoque principal.
Aprendizaje supervisado pera entrenar modelos de IA
El aprendizaje supervisado funciona de manera similar a como aprende un estudiante con un profesor. El modelo de IA se entrena con un conjunto de datos que ya ha sido «etiquetado» con la respuesta correcta. En el contexto de MLSIP, esto significa alimentar al sistema con miles de registros de llamadas anteriores (CDRs), donde cada registro incluye los parámetros de la llamada (ruta, hora, códec, destino) y una etiqueta que indica el resultado: si la llamada fue «exitosa» o «fallida», o una métrica de calidad como el factor MOS.
Al analizar estos datos históricos, el modelo aprende a identificar patrones. Por ejemplo, puede descubrir que las llamadas a un determinado país a través de la Ruta A entre las 10:00 y las 12:00 tienen una alta probabilidad de fallo. Con este conocimiento, cuando reciba una nueva petición de llamada con características similares, podrá predecir el resultado y recomendar una ruta alternativa.
Dentro del aprendizaje supervisado, MLSIP utilizará algoritmos robustos como Random Forest, que se basa en múltiples árboles de decisión para lograr predicciones estables y fácilmente interpretables, y FT-Transformer, una arquitectura más moderna basada en redes neuronales y diseñada para datos tabulares. Esta combinación permitirá al sistema no solo tomar decisiones precisas, sino también ofrecer un equilibrio entre rendimiento y coste computacional.
