Encuentro con CIOS: Proyectos de datos e inteligencia artificial, del piloto a la producción

El rápido avance en el despliegue de proyectos de las organizaciones que utilizan inteligencia artificial (IA) para obtener un mayor valor en sus negocios encuentra en ocasiones obstáculos como cuando se trata de pasar de la prueba piloto a la producción. Esto supone tener que reentrenar los modelos de IA e integrarlos con las restantes

El rápido avance en el despliegue de proyectos de las organizaciones que utilizan inteligencia artificial (IA) para obtener un mayor valor en sus negocios encuentra en ocasiones obstáculos como cuando se trata de pasar de la prueba piloto a la producción. Esto supone tener que reentrenar los modelos de IA e integrarlos con las restantes soluciones y aplicaciones existentes en la empresa.

Con el objetivo de abordar esta cuestión se ha celebrado el encuentro “Proyectos de datos en inteligencia artificial: del piloto a la producción” entre expertos de Keepler Data Tech y uno de sus clientes, CEPSA. Un encuentro en el que se abordaron retos reales de los proyectos de datos así como las mejores soluciones y estrategias para llevarlos a la fase de productivización.

De esta reunión se han mostrado experiencias reales de organizaciones que han aplicado sus modelos de aprendizaje automático a la fase de producto, generando valor real en el negocio a partir de los datos, automatizando procesos de entrenamiento de modelos, con funcionalidades de monitorización y análisis de rendimiento que enriquecen los sistemas de información, habilitando sistemas para su consumo dentro del negocio.

En este evento los anfitriones han sido Juan María Aramburu (CEO Keepler Data Tech), Esteban Álvarez (Business Development de Keepler Data Tech) e Íñigo Fernández (Data Scientist Lead de CEPSA).

Asistieron Ignacio Reyes (Data Analyst Senior de Carrefour), Leonardo Bueno (responsable de Data Analytics, Business Intelligence y Strategy en Schneider Electric, Marek Nowosielski (director de Data Science and Innovation Big Data en Liberty Seguros), Eduardo Prieto (responsable arquitecto de datos en INDRA), Sergio Tagua (director de innovación en banca), Enrique García (director de Procesos y Tecnología en Iberdrola), Juan del Corro (encargado de procesos de transformación digital en BBVA), Abran Yiu-Sen (MásMóvil) y Francisco Machin (CDO de IE University).

El valor de los datos ya está en la conciencia de las organizaciones

Bajo la premisa de que los datos son el nuevo oro se empieza a entender su importancia y que tienen un valor que debe aprovecharse mediante el trabajo de personas en la organización. Como destaca Juan María Aramburu, Keepler Data Tech, la empresa que dirige y que se fundó en 2018, tiene como objetivo ofrecer servicios especializados en datos y nube pública a grandes empresas que manejan una gran cantidad de datos. Se trata de poner en valor los datos mediante esfuerzos analíticos que conducen a aprovechar ese activo, respondiendo a las peticiones que efectúan los propios consejos de administración de las empresas.

Esteban Álvarez, Business Development de Keepler Data Tech, abordó la amplitud y diversidad de la nube pública, con un gran flujo de datos que requiere de una gran especialización y una continua actualización en múltiples aspectos, para así poder ofrecer a las empresas respuesta a las consultas que necesitan obtener a partir del análisis de los datos. Información procedente de su actuación diaria, con la finalidad de avanzar previsiones para el futuro.

Pero estas preguntas cambian. Con el uso de la inteligencia artificial (IA) se percibe la importancia de hacer las preguntas adecuadas, pero también hay que desarrollar la imaginación dentro del negocio para saber qué se va a hacer con los datos. Y no es fácil hacer entender que no hay que temer a la “cultura del fallo”, que cuanto antes falles mejor porque menos recursos se desperdician y antes podrá implementarse el cambio que permita mejorar.

La industrialización de procesos permite obtener una agilidad frente a los cambios que deben implementarse, según opinión de Iñigo Fernández, Data Scientist Lead de CEPSA. Se llega a ello mediante una estandarización y una automatización de procesos, independizando el trabajo del científico de datos de la integración del arquitecto, consiguiendo una mayor autonomía a la hora de pasar a la producción que desemboca en plazos más cortos para finalizar el proyecto.

No obstante, se encuentra una cierta resistencia en las empresas frente a la innovación, un miedo al cambio (y al error) pero la innovación es la única manera de actualizarse para continuar compitiendo. Se tiene la tentación de continuar en la dinámica del “si funciona no lo toques”, pero el mercado termina demandando esa evolución, esa transformación.

En el caso de la banca, según explica Juan del Corro, se ha cambiado de manera radical para adaptarse a la innovación constante que demanda el mercado y ante la que hay que adaptarse en ámbitos como el de la seguridad o la regulación tanto interna como externa en los que existe una mayor resistencia. Por fortuna la integración de procesos en la Nube ayuda a alcanzar esos cambios de una manera más ágil y rápida. En ocasiones, esta resistencia también puede proceder de la necesidad de intercambio de información entre la parte de negocio de banca y la de ciencia de datos, debiendo comprender ambas partes de manera adecuada las necesidades del cliente y las posibilidades de las herramientas disponibles. Cada departamento conoce una información que desconoce la otra parte y debe ordenarse y ponerse en común el valor de lo que aporta cada segmento.

Enrique García explica que en Iberdrola establecen una planificación que se enfoca por procesos, no por proyectos, con lo que puede compararse el coste antes y después de aplicar la digitalización.

Del dato al ROI

Ante la pregunta “¿cómo mides el ROI si eres el primero?” Francisco Machín avanza que el departamento financiero siempre va a fijarse en gastos y rentabilidad, y no es fácil hacer ver las oportunidades presentes en algunas implementaciones tecnológicas. Pero curiosamente es gracias al análisis de los datos como las empresas pueden tomar unas mejores decisiones al poder analizar de manera sistematizada la información, pudiendo definir impacto en costes e impacto en la mejora del negocio. Hay que darle peso y personal a los equipos de datos, igual que en otros momentos se ha hecho con otros departamentos que con el tiempo se han convertido en esenciales para la buena marcha de la empresa.

En relación con los costes y la inversión, Abran Yiu-Sen (MásMóvil), explica que la moneda más cara con la que se paga todos los días no es el dinero sino el tiempo, porque cada minuto que pasa no puede recuperarse. De ahí que en los proyectos el coste no es un factor limitante sino que lo es el tiempo necesario para llevarlos a cabo. En la coordinación de equipos es más determinante saber cómo se va a realizar el trabajo que cuánto va a costar conseguirlo. Derivado de esto hay que conseguir también maximizar la formación de los integrantes del equipo, que será lo que permita reducir el tiempo, pudiendo aplicar modelos que casi pueden suponer viajar en el tiempo por su agilidad en esta categoría.

En el sector retail, Ignacio Reyes (Data Analyst Senior de Carrefour) explica que se trabaja con márgenes presupuestarios más ajustados y se trata de abordar una transformación digital que haga que la empresa base sus decisiones en los datos, con lo que también se afronta un proceso de transformación digital del propio personal y los directivos, para que se adapten a trabajar sobre esa base. Se trata de un proceso aún en marcha y en el que todavía queda mucho recorrido, en el que también hay espacio para replantear procesos que se habían comenzado a abordar con métodos anteriores, y que ahora con las nuevas posibilidades que ofrecen los datos permiten abordar está transición mediante nuevas estrategias.

Sobre el papel que pueden jugar la IA o el machine learning (aprendizaje automático), Leonardo Bueno defiende la postura de que es más razonable empezar por las preguntas básicas que pueden responderse con una analítica estándar. A continuación debe escogerse las montañas que se va a escalar, porque puede subirse a cualquiera, pero hay que seleccionar a cuál. Quien te pide la respuesta (subir a la montaña) puede que no sepa cuánto cuesta subir a su cima, por lo que habrá que establecer una interlocución en la que se le pregunta al líder de la organización “¿para qué hay que subir esa montaña? ¿cuál es la fundamentación de la decisión?” y no siempre saben responderla.

Como las decisiones las toman las personas, tanto solas como en conjunto, no basta con una formación en datos sino que es necesario contar con una base de formación en disciplinas como la psicología y la filosofía. Cuestiones como estas hacen que la formación en Humanidades no deba descartarse en estos campos científicos por la importancia del factor humano, de comprensión del propio comportamiento y de la psique humana aplicada en el campo de la toma de decisiones empresariales, de mercado y de análisis del dato.