🎯 ¿Por qué la IA no puede dar el mismo diagnóstico para todos?

19 Jun 2025 · 1 min

Watch on YouTube

1:07

In this excerpt, speakers discuss a UNICEF‑funded project to develop an artificial‑intelligence model that answers fever‑related health questions for users across Latin America. They highlight that generic AI models often give inaccurate advice because they ignore local epidemiology—for example, suggesting dengue in Bogotá, where the disease is virtually absent due to high altitude. The conversation stresses the need for hyper‑personalization: the model must consider the user’s geographic location, local disease prevalence, and travel history to provide relevant recommendations. The speakers illustrate how disease risk varies dramatically within a single country, making a one‑size‑fits‑all approach unsuitable.

Chapters

Entonces, en este momento estamos trabajando junto a un proyecto que nos ganamos con UNICEF para hacer un modelo de inteligencia artificial que responda preguntas de fiebre, pero la responde en el contexto latinoamericano, que eso hay una pequeña, muy gran diferencia. Y así tú le preguntas a, no voy a decir nombres, pero a los modelos que mayoritariamente usamos, pues tú le dices mi hijo tiene fiebre y es de Colombia, inmediatamente te empieza a hablar de dengue. Digamos, en Bogotá el dengue no da o casi no da porque estamos en altura, acá no hay esos tipos de mosquitos. Entonces pues tiene que ser alguien que viajó, y esos modelos no te preguntan cómo el niño viajó. Nosotros estamos trabajando como dónde estás ubicado geográficamente, o sea, tiene sentido diferenciar.
Exactamente, la hiperpersonalización, pues la persona promedio no existe. Tal vez hay parte de Colombia donde alguien se agarra dengue 4 veces por año y otras donde cero. En promedio el bogotano no se agarra, cero como una vez por año dengue, no se agarra dengue.
Exacto, exactamente.