El concepto de Big Data cobró impulso a principios de la década del 2000 cuando las empresas comenzaron a darse cuenta del valor que podían obtener de analizar información nueva y variada. Pero, ¿cómo se relaciona este concepto con la Inteligencia Artificial y cómo avanzan en conjunto? Según explica Stephen Cressall, Gerente General de BeSmart, “las soluciones de Inteligencia Artificial se basan justamente en grandes volúmenes de datos (Big Data) para poder ser entrenados. De esta manera, a mayor cantidad de datos, mayor la precisión del modelo resultante”. Son dos eslabones que se potencian, explica Bernardo Aldea, CEO en Küdaw.
“Big Data hizo que los modelos de Machine Learning que existían hace 40 años empezaran a desarrollar ciertas capacidades parecidas a la inteligencia humana, dando origen a la Inteligencia Artificial. Hoy estamos llegando al punto donde esas IA no solo utilizan los datos, sino que los generan retroalimentando el ciclo y haciendo que esto comience a evolucionar de manera exponencial”. Agrega que avanzamos a un punto en que la Inteligencia Artificial puede transformar y redibujar la sociedad, por lo tanto, esto impacta la humanidad, tal como lo hizo la invención del motor a combustión o de la electricidad. Por su parte, Aldo Marzolo, Gerente General y fundador de Cognitiva, explica que “los sistemas cognitivos, al tener un algoritmo que procesa altos volúmenes de datos, son capaces de ir generando un conocimiento sobre el cual se van retroalimentando ciertos modelos y ajustando nuevamente”.
“En este sentido, la disponibilidad de datos de calidad es un tema a tomar en cuenta. A veces se cree que con simplemente tener muchos datos hemos resuelto el problema, y no es así”, indica el ejecutivo de BeSmart, agregando que esta es una arista clave después en los resultados.
“Tener los datos es solo eso, pero otro reto es cómo aprovechamos la IA para apoyar a los clientes con sus resultados de negocios; la idea es aplicar inteligencia a estos, que generen negocios de una u otra forma, y en eso es clave también la fidelidad y la calidad de los datos”, coincide Ignacio Araya, Data Services Sales Specialist HPE.
Y no solo eso, hay otros retos que se plantean. Por ejemplo, “las exigencias del ‘time-to-market’ y de los clientes que quieren todo en tiempo real, generan un desafío asociado a la velocidad y certeza con que se obtiene la data, porque lo que se requiere es información en tiempo real precisa”, plantea Leticia Heise, Gerente General de Latam Go To Market.
En este sentido, la ejecutiva agrega que el desafío es “¿cómo nosotros vinculamos todo esto, integramos los datos y los explotamos para, finalmente, generar un mayor valor para el negocio desde la experiencia, una mayor customización, rentabilidad y también valor en mercado”. Se trata de romper ciertos paradigmas: “A veces se piensa que tener los precios más bajos y, a la vez, una experiencia de cliente personalizada y customizada es algo imposible. Pero a través del uso eficiente de la data, mediante IA, y de las tecnologías, se logra romper ese paradigma”.
Cambio cultural y democratización
Tal como históricamente el hombre ha querido anticipar su futuro, en otras épocas a través del oráculo, a fin de que sus decisiones fueran acertadas, hoy se busca algo similar con el análisis con Inteligencia Artificial. Según Gustavo Vicencio, Socio Gerente de Abisko Group, “hace 25 años hablábamos con la gente y le decíamos: ‘Usted debe tener datos para tomar decisiones’; hoy todos tienen muchos datos, pero no saben cómo tomar decisiones. Afortunadamente la tecnología va acompañando en todo este desarrollo, manejando mucha más información y poniéndola a disposición del tomador de decisión”.
En este sentido, agrega, el desafío para la gente que maneja grandes volúmenes de datos es tomar decisiones oportunas y ojalá exitosas, lo que ya no puede ser en base a supuestos, sino que, con datos certeros. De esta manera, se impulsa el concepto de Data Literacy o alfabetización de datos, que apunta a que todos sepan entender, analizar y manejar los datos.
Esto se relaciona, a juicio de Cristóbal Ibarra, Director del Área Data y Analytics de NTT Data, con llevar adelante la democratización de los datos de la organización. “Tenemos un gran desafío: apoyar a los clientes y orientarlos a que sean las personas que trabajan y analizan datos, las capaces de llevar adelante pequeños desarrollos, sin necesidad de ser especialistas. Hoy existen herramientas que lo permiten y eso será un acelerador muy importante en el uso de estas tecnologías”, asevera.
Agrega que existe mucho desconocimiento de qué es la Inteligencia Artificial por parte de las personas que no están dentro de este mundo y no se ve claramente su potencial, por ejemplo, a nivel de ejecutivos C-Level. Por eso, es clave democratizar y evangelizar. Por ejemplo, si vemos en el mercado quiénes son los usuarios que utilizan el Data Lake en una organización, no debe ser más del 15%.
Como en toda adopción tecnológica, coinciden los proveedores, hay un tema de gestión del cambio y cambio cultural. “Humanizar esta tecnología es el gran desafío que tenemos y no encerrarla en una ‘cúpula’ donde solo podamos hablar los técnicos. Debemos hacer sentir cómoda a la persona que debe subirse a esto, explicarle cómo mejorará su calidad de vida y liberará tiempo de ocio, de manera que no lo vea como una amenaza que le ha quitado su fuente laboral, sino como una contribución”, enfatiza el profesional de Abisko Group.
En este sentido, el rol de los proveedores es esencial, en opinión del ejecutivo de HPE: “Cómo entregamos el mensaje de lo que es esta tecnología, aterrizándolo, será esencial en cómo también la sociedad lo interpretará para poder usarla a su favor y no verla como una amenaza, sino que, como un complemento a su calidad de vida y trabajo, una ayuda para progresar como sociedad”.
A juicio de Leticia Heise, hay distintos niveles de madurez: empresas que ni siquiera tienen una estrategia de datos y están recién entendiendo los conceptos básicos, y otras que están en una etapa distinta, ya tienen este mindset de la generación de valor, comprenden y, además, cuentan con grandes arquitecturas, gobierno de datos y democratización.
No obstante, los proveedores coinciden en que actualmente las tecnologías para el procesamiento de datos en su mayoría son para empresas grandes, por un tema de presupuesto. “Hoy, cuando hablamos de posibles recesiones y todo el mundo está pensando en cómo optimizar recursos, las empresas ya entienden qué tienen que eficientar y empiezan a buscar cuáles son esas soluciones y por dónde mejorar esos procesos, y vemos cómo las Pymes generalmente están muy interesadas en estos cambios, aunque no tienen presupuesto, y las empresas pequeñas tienen los nuevos conceptos de startup, de organizaciones que nacen digitales y la gran oportunidad de hacer ese cambio de mindset desde el inicio”, añade.
Temores y nuevas oportunidades o roles
Según una encuesta realizada por la consultora Accenture en 2019, ya el 62% de los trabajadores de todo el mundo creía que la IA cambiaría su trabajo en los próximos años. Hoy muchos piensan que se quedarán sin trabajo y este es uno de los grandes temores que acarrea esta tecnología, explica Stephen Cressall. El ejecutivo detalla que, en Chile, el 56% de la fuerza laboral está empleada por empresas con menos de 20 colaboradores, segmento que seguramente usará herramientas relacionadas con IA y va a potenciar su actividad, pero es difícil que llegue al punto de reemplazar a su fuerza laboral. En cambio, agrega, las grandes empresas, que emplean cerca del 20% y contratan a más de 200 personas, probablemente vincularán IA con robótica, aunque en el corto plazo no se esperan cambios drásticos en términos de empleo. “Sobre todo en América Latina, y particularmente en Chile, se verán potenciadas las capacidades de la fuerza laboral, reemplazando principalmente trabajos que tienen muy poco valor agregado”, indica.
Para 2025, Gartner estima que la Inteligencia Artificial habrá eliminado 1,8 millones de empleos y creado 2,3 millones. Científicos de datos, ingenieros de aprendizaje automático, analistas de datos y desarrolladores de chatbots, son algunos de estos nuevos roles.
Según el profesional de NTT Data, se están creando nuevas gerencias especializadas exclusivamente en analítica y gestión de datos, también hay una parte de estrategia de datos, dedicada a buscar casos de negocio, así como áreas de IA con data scientists; áreas de gobierno de datos, con guardianes de datos y data stewards dentro del mundo de la Inteligencia Artificial; y se observa el desarrollo de los machine learning engineers, que gestionan modelos.
“Se han creado nuevos puestos de trabajo muy interesantes, y esto ha llevado a buscar nuevos perfiles profesionales en áreas que antes no se consideraban, como ingenieros matemáticos, estadísticos y PhD. Es una oportunidad enorme para ingresar al mercado laboral, pudiendo trabajar desde diferentes países como parte de equipos multidisciplinarios que aporten en esta área”, indica.
Para la ejecutiva de Latam Go To Market, el tipo y tamaño de la organización, los objetivos de negocio, o si es ágil o no, impacta en el tipo de roles que se tendrá.
“Está muy relacionado con la cultura de la empresa y la forma en que implemento mis proyectos o las competencias técnicas que tiene la gente. La visión del liderazgo determinará, por ejemplo, de quién dependerá el Chief Data Officer y su alcance”, comenta. Añade que, respondiendo a las regulaciones en esta área, acaba de aparecer un nuevo rol que varios bancos ya tienen incorporado: el RPD o responsable de la protección de datos.
¿Hay suficiente talento en Chile para acelerar la adopción de IA?
A juicio de Cristóbal Ibarra, sí hay talento. “Nosotros vamos buscando de manera muy inclusiva a personas en áreas que, por lo general, no trabajan en nuestro mundo y vamos formándolas. No obstante, si incluimos personas más jóvenes tienen que ir acompañadas en este proceso con personas con experiencia porque es muy difícil que sepan conectar con el negocio de inmediato, lo que es clave, pero podemos afirmar que sí hay talento y de sobra en Chile y en la Región”.
Para Aldo Marzolo, “Chile siempre ha sido un país que las grandes compañías ven como un piloto para probar nueva tecnología. Para poder adoptar IA efectivamente hay que buscar la contraparte adecuada. Algunas organizaciones más maduras en su proceso de transformación digital tienen una estrategia transversal ‘top down’ clara y, por lo tanto, todos están alineados en cómo ir incorporando la tecnología. Sin embargo, la mayoría comienza por cierta área o áreas que están más preparadas, donde efectivamente vas al gerente general, conversas con el dueño y él mismo identifica dónde empezar”.
Según explica, esa es una primera estrategia simple de cómo acelerar la adopción de IA. Además, aquella unidad más preparada demuestra los beneficios con un quick win (proyecto acotado con impacto significativo), para que después las otras áreas se sensibilicen y se genere un conocimiento transversal.
Otra forma de avanzar más rápido, a su juicio, es tener la capacidad ya embebida en una solución, en que no necesito una estrategia para acelerar la adopción pues la herramienta ya está embebida y no se requiere tal nivel de especialización en una contraparte para poder hacerlo.
En Chile, si bien hay varias iniciativas de IA, hay mucho camino por recorrer, enfatiza el profesional de BeSmart. A su juicio, también hay limitaciones legales. “Por ejemplo, no se puede poner un algoritmo no supervisado para determinar a quién asignar una línea de crédito, pero sin duda el espacio para mejorar existe y es significativo; y hay muchos ejemplos locales donde se ha aplicado este tipo de tecnologías de manera muy exitosa”.
Según detalla el ejecutivo de Küdaw, las posibilidades son extensas. A partir de ahora, por ejemplo, un joven de 17 años puede construir una empresa de billones de dólares; distintas compañías pueden usar una tecnología que aumente su productividad 100 veces; un profesor puede tener a 1.500 alumnos con un programa de educación personalizado para cada uno o un investigador puede hacer, posiblemente en meses, lo que hacían 20 investigadores en 10 años. Es decir, la disrupción que esto puede significar es impresionante y este tipo de tecnología puede ser aplicado en el futuro en muchos escenarios.
“No sabemos cómo se asimilará la velocidad de adopción, ya que venimos de una era del conocimiento, donde muchos puestos básicamente se definían por la especialización, mientras que ahora el conocimiento será gratis y muchas plazas laborales serán reemplazadas por IA o se incrementará la productividad principalmente en tareas que antes requerían mucho conocimiento. Pero, ya sea en los próximos 18 meses o 5 años, el impacto será importante en Chile, que podría retomar, además, el liderazgo que antes tuvo con Big Data”, enfatiza.
Un aspecto fundamental, para Leticia Heise, es conocer cómo afectan estos cambios en las personas. En este sentido, indica que comunicar más allá de la tecnología nos permitirá avanzar mucho más rápidamente en esta adopción.
Asimismo, a juicio de Gustavo Vicencio, son las personas las que van a adoptar esta tecnología y a hacerla suya, y si estas se resisten al cambio y tienen una emocionalidad negativa ante el proceso, afectará el ritmo de adopción. “Por eso, el desafío está en evangelizar y democratizar para que se transforme en un ciclo virtuoso, donde aprovechemos esa oportunidad y donde el alineamiento estratégico y la sintonía con el negocio son esenciales, de manera de habilitar al tomador de decisión, pero con una dirección clara y objetiva”, enfatiza.
Coincide Bernardo Aldea en que se necesita una contraparte que tenga esa mirada visionaria de cuál será el impacto de la Inteligencia Artificial en lo que hace, ya sea en cualquier área, y acelerar la comprensión de cuáles son los límites y los beneficios que otorga esta tecnología.
Es clave tener una visión completa de negocio y de hacia dónde quiero llegar, lo que también permitirá ir implementando gradualmente y escalar. Como consultores, coinciden los participantes de esta mesa de trabajo, el foco se debe centrar en dar a los clientes el sentido agnóstico de la tecnología, pues finalmente la ventaja competitiva pasa por cómo se aplica esta y no por la tecnología en sí misma, y orientarlos para tomar la mejor decisión respecto al diseño o mejor arquitectura para cada uno, de manera que, además, su negocio no se mantenga “amarrado” a un proveedor y tenga la fl exibilidad de moverse en pro de sus objetivos.
