Más Allá de las Estrellas: Cómo la IA Aprende de tus Emociones para Encontrar tu Hotel Ideal

El reto de encontrar el hotel perfecto

Planificar un viaje es emocionante, pero la búsqueda de alojamiento puede convertirse en una tarea abrumadora. Ante una oferta casi infinita de hoteles, ¿cómo encontrar el que realmente se adapta a nuestras necesidades y deseos? Filtros como el precio o el número de estrellas son útiles, pero no capturan la esencia de lo que buscamos: un "ambiente relajante", una "escapada romántica" o un "lugar animado para jóvenes". Estos conceptos son subjetivos y difíciles de cuantificar para un ordenador. Para resolver este dilema, un equipo de investigadores de la Universidad Carlos III de Madrid desarrolló Sem-Fit, un sistema experto que actúa como un agente de viajes virtual capaz de comprender estas sutilezas.

Sem-Fit: La clave está en la lógica difusa

El secreto de Sem-Fit no reside en la lógica tradicional binaria (verdadero o falso), sino en la "lógica difusa". Esta aproximación matemática permite al sistema manejar la ambigüedad del lenguaje humano. En lugar de decidir si una persona de 30 años es "joven" o "no joven", la lógica difusa le asigna un grado de pertenencia, por ejemplo, "0.7 joven". De esta forma, el sistema puede interpretar conceptos imprecisos y relacionarlos con las características concretas de un hotel.

Para lograrlo, Sem-Fit combina dos tecnologías clave. Por un lado, utiliza ontologías semánticas, que son como diccionarios inteligentes que estructuran el conocimiento sobre los hoteles (servicios, ubicación, tipo de actividades, etc.). Por otro, emplea una herramienta psicológica llamada "affect grid" (rejilla de afectos) para mapear las características del cliente y del hotel en un plano emocional. Así, el sistema no solo busca un hotel con piscina, sino que intenta encontrar un hotel que evoque la sensación de "tranquilidad" o "diversión" que el usuario anhela.

Un sistema que aprende y se adapta

Una de las características más potentes de Sem-Fit es su capacidad de aprendizaje. Tras recibir una recomendación, el usuario valora su grado de satisfacción. Esta retroalimentación no se ignora; el sistema la utiliza para ajustar sus reglas internas. Si muchos usuarios que buscan un "viaje relajante" rechazan un hotel específico, Sem-Fit aprenderá que, a pesar de sus características, ese hotel no cumple con esa expectativa emocional. De esta forma, el sistema se vuelve progresivamente más inteligente y preciso con cada interacción, adaptándose a las tendencias y preferencias cambiantes de los viajeros.

¿Funciona mejor que un experto humano?

Para validar su eficacia, los investigadores pusieron a prueba a Sem-Fit con 50 estudiantes que buscaban hotel para sus vacaciones. Compararon las recomendaciones del sistema con las de cuatro expertos en viajes humanos y con la elección final de los propios estudiantes. Los resultados fueron sorprendentes: aunque la recomendación principal del sistema solo coincidió con la del experto en un 58% de los casos, el hotel recomendado por el experto se encontraba dentro de la lista completa de sugerencias de Sem-Fit en un 96% de las ocasiones. Y lo que es más importante, el 96% de los estudiantes encontraron un hotel de su agrado dentro de esa misma lista. Esto demuestra que Sem-Fit es excepcionalmente bueno creando una selección de opciones de alta calidad, funcionando a un nivel comparable, e incluso superior, al de un experto humano para satisfacer las necesidades del cliente.

Ficha Técnica

• Título original: Sem-Fit: A semantic based expert system to provide recommendations in the tourism domain

• Revista: Expert Systems with Applications

• Año: 2011

• DOI: 10.1016/j.eswa.2011.02.164

• Autores: Ángel García-Crespo, José Luis López-Cuadrado, Ricardo Colomo-Palacios, Israel González-Carrasco, Belén Ruiz-Mezcua