Calificación de relevancia de búsquedas, puntaje de datos en línea

Puntaje y validación de datos en línea para una compañía multinacional dedicada a la tecnología

• • • •La solución• • • •

En las primeras etapas del proyecto, DataForce reunió a un grupo de poco menos de 50 calificadores. En un plazo de seis meses, el grupo llegó a un total de 1500 calificadores activos y capacitados a razón de un crecimiento del  20% diario. A medida que el proyecto crece con la adición de especificaciones avanzadas, DataForce aumenta la fuerza laboral que emplea en el país y ofrece diversos programas de capacitación específicos para cada proyecto. El equipo no solo participa en la incorporación de los calificadores, sino que está en permanente comunicación con ellos mediante un sistema de emisión de tickets para comentarios y problemas, en caso de que surgieran. Se estableció un proceso exhaustivo de control de calidad (QA) que sigue las directrices del cliente y es congruente con las expectativas de este. Las directrices incluyen varias capas de QA para determinar la velocidad de trabajo de los calificadores y medidas de prevención de fraude (comprobaciones de IP, autenticación de currículum, etc.) sin dejar de garantizar pagos quincenales y la elaboración de informes de desempeño para los miembros de la comunidad.

Algunos ejemplos de los proyectos son los siguientes:

• Punto de interés: la confirmación de datos específicos para una ubicación (horarios de atención, direcciones, etc.). Búsqueda: la validación de los resultados de una búsqueda, que confirma tanto la precisión de los resultados como su actualización.
• Identificación de producto: la validación y la comparación de varios productos, como prendas de vestir, accesorios y alimentos, para garantizar que los resultados de las búsquedas coincidan con el enlace, la descripción del producto, el color, el estilo, etc.
• Compleción automática: la validación de la predicción del sistema cuando se elabora una consulta donde hay una abreviatura o se necesita terminar un enunciado, de modo que se confirme que el sistema comprende lo que se pregunta.
• Análisis de opinión: revisión y etiquetado de datos de texto con clasificación positiva, negativa y neutra a fin de entrenar el sistema de IA para que identifique la emoción que motivó el texto.
• Podcast: el calificador recibe una sinopsis en formato de texto del archivo de audio y debe revisar el texto y escuchar el podcast para confirmar que el texto coincida con lo que se dice en el podcast.
• Clasificación de calidad del audio: la evaluación de la calidad del sonido para modelos de texto a voz que confirme si los resultados suenan naturales (alta calidad) o robóticos (baja calidad).
• Moderación de contenido ofensivo: la mitigación de contenido en línea inadecuado, como material para adultos, discursos de odio y otras motivaciones nocivas, mediante la identificación y evaluación diligente de datos de imagen, video, audio y texto que deberían aparecer en varios resultados de búsquedas.

A medida que este proyecto avance, DataForce continuará facilitando la mejora del modelo de nuestro cliente, para lo cual seguirá las directrices específicas que se le proporcionen, siempre reuniendo y capacitando a una red de calificadores con diversidad geográfica en todo el mundo.