Rens ter Weijde, Co-Fundador y CEO de KIMO – Serie de Entrevistas

KIMO es una startup holandesa fundada por dos graduados de Harvard: Krishna Deepak Nallamilli (India) y Rens ter Weijde (Países Bajos). El equipo se enfoca en desarrollar la inteligencia artificial necesaria para generar rutas de aprendizaje individuales a través de contenido de aprendizaje digital.

Mientras que el aprendizaje en línea ha despegado, también presenta tasas de abandono tan altas como el 95%. ¿Por qué la tasa de éxito es tan baja?

Cuando empezamos KIMO, realizamos una encuesta a unos cientos de usuarios para entender mejor la situación. En primer lugar, la mayoría de los proveedores en línea ofrecen MOOC (cursos en línea), pero los usuarios perciben los MOOC como un compromiso de tiempo significativo. A menudo utilizaban muchos “atajos” más cortos, como leer artículos, escuchar podcasts, hacer preguntas en Google (GOOGL ), etc., que se adaptaban mejor a su horario diario. Así que el aprendizaje es más multicanal en la práctica de lo que permiten estos proveedores. Además, muchos usuarios expresaron que echaban de menos la orientación en su viaje en línea. El resultado es que pasan mucho tiempo buscando, tratando de decidir qué estudiar, etc. Una tercera razón se relaciona con la relevancia del contenido real. Los materiales en línea a menudo son estáticos, pregrabados y no completamente relevantes para ellos. Podrías decir que el contenido no es lo suficientemente personal/relevante para ellos, o al menos no lo suficientemente relevante como para justificar el tiempo invertido.

Muchos usuarios afirman estar aburridos y frecuentemente citan la falta de compromiso como un problema, ¿por qué cree que los usuarios se sienten desilusionados con el aprendizaje en línea?

Creo que hay espacio para mejorar las plataformas de aprendizaje en al menos dos dimensiones principales. En primer lugar, se requiere una mejor inteligencia para guiar a los usuarios en mejores trayectorias y proporcionar mejores recomendaciones de contenido. Podrías decir que esto es el R&D necesario para el sector de la educación, estrechamente relacionado con algoritmos de inteligencia artificial. El segundo elemento es el otro lado de la cadena de valor: la interfaz de usuario/experiencia del usuario y la experiencia final para los usuarios. La mayoría de los sistemas de gestión del aprendizaje (LMS) son vistos como aburridos y desactualizados por los usuarios. Están lejos del software pulido, en tiempo real, social y personalizado que los usuarios esperan hoy en día.

¿Podría compartir la historia de la creación de KIMO y qué lo atrajo a resolver el problema del aprendizaje en línea?

¡Claro! KIMO comenzó cuando Krishna, mi co-fundador, y yo nos conocimos en la Escuela de Negocios de Harvard. Amábamos el entorno, pero al mismo tiempo nos dimos cuenta de que las partes buenas de la experiencia no eran escalables para las personas en todo el mundo. Decidimos, sobre un whisky en el lobby de un hotel, que podríamos intentar crear un “coach de carrera digital”. Ese coach fue la primera versión de KIMO.

¿Puede discutir cómo se necesita la inteligencia artificial para generar rutas de aprendizaje individuales a través de contenido de aprendizaje digital?

De hecho, KIMO se basa en una multitud de modelos de inteligencia artificial en la tubería. Algunos modelos son inherentemente simples, otros son más complejos. El hilo común es que la mayoría de los modelos dependen del lenguaje natural como sus datos de entrada (NLP, por ejemplo, modelos de transformadores). Estos modelos están detrás de las recomendaciones de contenido que recibe, la agrupación de contenido en temas específicos o el reconocimiento de las habilidades críticas requeridas para los trabajos. También tenemos algunos modelos de inteligencia artificial “generativos” más experimentales, como el modelo que responde a las preguntas relacionadas con el contenido dentro de la aplicación KIMO. Si esto funciona suficientemente, es un paso más cerca de la automatización de los profesores que visualizamos.

¿Puede elaborar sobre cómo un sistema de inteligencia artificial puede aprender a entender los trabajos en gran detalle (por ejemplo, habilidades duras o habilidades blandas)?

En términos simples: decidimos ignorar las bases de datos existentes (O*Net, ESCO) para este trabajo, ya que no eran lo suficientemente detalladas y estaban desactualizadas. En su lugar, creamos un sistema que puede reconocer alrededor de 40,000 habilidades dentro de los trabajos en el mercado en tiempo casi real. Podrías decir que nuestro sistema “lee” todos estos perfiles de trabajo para predecir qué tipo de habilidades se requieren actualmente para los trabajos. Esas habilidades reconocidas se agrupan luego en habilidades blandas y duras.

¿Puede discutir cómo funciona el aprendizaje personalizado en la plataforma, como cómo el sistema sabrá qué tipo de contenido funciona mejor para cada usuario, como artículos, videos, podcasts, documentos, etc.?

La respuesta simple es que emparejamos a los usuarios y el contenido a través de coincidencias de vectores, que es una práctica común en modelos de recomendación. La parte más difícil es decidir cómo se construyen esos vectores, en otras palabras, qué elementos se ponderan. Por ahora, el sistema es relativamente simple y funciona con las preferencias de aprendizaje del usuario y las puntuaciones de popularidad para los materiales en línea. El futuro será más interesante, ya que estamos tratando de ponderar el estado actual del usuario (por ejemplo, su trabajo) y el estado deseado.

¿Cuáles son algunas de las metodologías de aprendizaje automático actuales que se utilizan en el sistema KIMO?

Utilizamos muchos modelos diferentes, dependiendo de la tarea. Pero puedo decir que tenemos un gran amor por los modelos de NLP que utilizan la atención, así que los modelos de transformadores.

¿Dónde ve el futuro de la educación en línea en 5 años?

En resumen, veo la educación en línea moviéndose de “aburrida, solitaria y de un tamaño único” a “altamente atractiva, social y personalizada”. Las empresas de educación en línea necesitan escapar de la idea de que existen en una industria tradicional y lenta. En su lugar, deben darse cuenta de que compiten en la era de la curación de la información, justo en el corazón de muchas tendencias importantes hoy en día.

¿Hay algo más que le gustaría compartir sobre KIMO?

Sí. KIMO todavía es un bebé, o “beta” como lo llamamos. Descargue la aplicación, pruébela y envíenos sus comentarios.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar KIMO.