A fondo: ¿Acabará la inteligencia artificial con el data scientist?

Big DataBusiness IntelligenceDatos y AlmacenamientoGestión EmpresarialInnovaciónTrabajo

En la era del Big Data, el trabajo de data scientist ha cobrado gran relevancia. La automatización y el desarrollo de la inteligencia artificial podría ser una amenaza, pero también una oportunidad.

Los profesionales del sector de la tecnología y las telecomunicaciones se han convertido en los mejor pagados en nuestro país. Y dentro de todas las profesiones que se engloban en el sector, la de data scientist es una de las que mayor crecimiento de la demanda está experimentando en los últimos años.

InfoJobs incluye a los data scientists dentro de la categoría de desarrollo de soluciones Big Data, junto a arquitectos de Big Data, analistas, data engineers, consultores de Big Data, etc. Y según los datos del portal de empleo, en 2016 se solicitaron 4.292 profesionales de este grupo, 845 más que un año antes. Es decir, un 24,5% más que en 2015, por lo que la pujanza de estos trabajos está fuera de toda duda. Además, estos empleos están entre los mejor remunerados, ya que el salario bruto promedio de estos puesto es de 39.020 euros.

¿Qué es la Data Science?

“La ciencia de los datos es el estudio de dónde viene la información, qué representa y cómo se puede convertir en un recurso valioso en la creación de negocios y estrategias. La minería de grandes cantidades de datos estructurados y no estructurados para identificar patrones puede ayudar a una organización a controlar los costes, aumentar la eficiencia, reconocer nuevas oportunidades de mercado y aumentar la ventaja competitiva de la organización”, especifica Gema Santos, senior performance management advisor en Repsol Exploración y colaboradora de MSMK – Madrid School of Marketing.

“Un científico de datos viene a ayudar a convertir datos sin procesar en información. Para ser efectivos, deben poseer una combinación de analítica, ‘learning machine’ o aprendizaje automático, minería de datos y habilidades estadísticas, así como experiencia con algoritmos y codificación. Sin embargo, quizás la habilidad más importante que posee un científico de datos es la capacidad de explicar el significado de los datos de una manera que pueda ser fácilmente entendida por otros: que los datos cuenten historias y solucionar problemas basado en ellos”, añade.

Ignacio Alonso, especialista técnico en soluciones de Big Data y Data Science y docente de MSMK, explica que “las aplicaciones que puede tener son incontables: desde predicción de la demanda de stock en empresas que venden productos hasta la obtención del mejor tratamiento para una enfermedad. Podríamos nombrar miles. Pero es importante tener en cuenta que la ciencia de datos no sólo está presente en grandes empresas o instituciones, sino que llega a cada rincón de este mundo. Campos de cultivo que se gestionan automáticamente y de la manera más efectiva posible, gadgets en nuestro bolsillo que nos ayudan a traducir instantáneamente un texto en otro idioma, dispositivos que llevamos puestos 24 horas y aprenden solos sobre nuestros gustos y costumbres y nos aconsejan sobre nuestra alimentación u horas de sueño…”.

El desafío de la inteligencia artificial

La importancia de la labor de estos profesionales está fuera de toda duda. De hecho, hace apenas cinco años, Harvard Business Review calificaba el data scientist como “el trabajo más ‘sexy’ del siglo XXI”. Sin embargo, tampoco está exento de los riesgos que comporta la progresiva automatización. Según Gartner, más del 40% de las tareas que realiza la Data Science estará automatizada en 2020. La consultora explica que el aumento en la automatización dará lugar a mejoras significativas en la productividad de los data sientist, por lo que se necesitarán menos para hacer la misma cantidad de trabajo.

Santos reconoce que el desarrollo de la inteligencia artificial “ofrece oportunidades desafiantes” a la ciencia de datos. “El ‘machine learning’ o aprendizaje automático es una herramienta de inteligencia artificial que procesa cantidades masivas de datos que un ser humano no podría procesar en su vida. El aprendizaje de la máquina perfecciona el modelo de decisión presentado bajo el análisis predictivo, haciendo coincidir la probabilidad de un acontecimiento sucediendo a lo que realmente sucedió en el tiempo previsto. Bajo analítica, el científico de datos recoge y procesa los datos estructurados desde la fase de aprendizaje mediante algoritmos. Interpreta, convierte y cuenta los datos con un lenguaje que el equipo de toma de decisiones puede entender. Pero la inteligencia artificial o inteligencia computacional no se detiene ahí. Busca la facultad de razonamiento que ostenta un agente que no está vivo: sistemas que piensan como los seres humanos, sistemas que actúan como los humanos, sistemas que piensan de modo racional y sistemas que actúan de manera racional. Éstos son los cuatro básicos en los que trabaja”.

Sin embargo, opina que no debe entenderse como una amenaza, sino como una aliada. “Considero que el binomio ‘ciencia de datos – inteligencia artificial’ o ‘Big Data Analytics – Artifitial Intelligence’ está destinado a enriquecerse mutuamente y trabajar en conjunto en su búsqueda común de resolución de problemas y toma de decisiones”. Por su parte, Alonso cree que “nos dirigimos a un escenario en el que predomine la inteligencia artificial basada en la ciencia de datos”, ya que esta disciplina se aplica al desarrollo del aprendizaje automático.

No obstante, la colaboradora del MSMK considera que “los principales retos que se le presentan a las organizaciones están asociados a la eficaz convivencia entre máquina-humano en el entorno de trabajo, con el consiguiente cambio en el modelo de relaciones y de competencias necesarias. El proceso de digitalización y automatización nos ha hecho evidente la incipiente necesidad de pensar en este nuevo entorno  por la automatización de procesos productivos, operativos y soporte. Pero sólo algunos se han puesto a trabajar en el enorme impacto y cambio que va a suponer la incorporación de máquinas-robots en las organizaciones,  que va a gran velocidad. ¿Cuál será el perfil de responsable cuando todos los ‘trabajadores’ a su cargo sean 20 robots a los que dar órdenes y/o ´discutir´ un conflicto de forma creativa?”

En este sentido, Santos opina que “las capacidades y competencias que hoy atribuimos a un científico de los datos serán las necesarias para el puesto de trabajo humano ‘tipo’ en un futuro que se encuentra a la vuelta de la esquina. Tengamos por seguro que todos los trabajos asociados a copiar y pegar datos entre hojas de cálculo o reportes serán los primeros en desaparecer”.

Las ventajas de la ‘humanidad’

Ante un futuro en el que las máquinas cada vez vayan adquiriendo una mayor relevancia y asumiendo tareas antes realizadas por humanos, cabría preguntarte qué ofrece el data scientist que no pueda lograr la inteligencia artificial. La experta del MSMK remarca que “el científico de datos es un humano, con todo lo que conlleva serlo. Se nos confieren las cualidades de los sentidos e incluso el sentido común y la inteligencia emocional, cada vez más trabajada desde temprana edad y competencia que tiene que poseer un científico de los datos, además de educación y experiencia en análisis de datos. Y la nunca suficientemente bien estimada magia de la imperfección, que hace sorprendentemente posible cosas inimaginables basándonos en la razón”.

En cualquier caso, Alonso recuerda que “la inteligencia artificial es el fin y la Data Science es el medio. La ciencia de datos no es más que poder usar la inteligencia colectiva por el bien común –esperemos- y con el objetivo de que la inteligencia sea completa”.

Leer la biografía del autor  Ocultar la biografía del autor