¿Tu estrategia de inteligencia artificial ha tomado tierra?

A estas alturas de la película, está claro que la inteligencia artificial ha llegado para quedarse. Hay numerosas publicaciones escritas acerca de que es el motor de la cuarta revolución industrial y, si bien aún quedan bastantes piezas del puzzle por montar o incluso por definir (calidad de los datos, formación, legislación, ética, …), lo cierto es que nos encontramos en medio de un mercado hirviendo y cociéndose alrededor de todo lo que tenga que ver con inteligencia artificial. Parecemos una olla de lentejas.

¿Dónde estamos?

En medio de esta cocción, con lentejas blandas, al dente y otras duras como rocas, vemos empresas en todas estas etapas.

Overview of the Maturity Model for Data and Analytics (Fuente: Gartner, 2017)

Viendo esta gráfica solemos pensar que ya hay muchas empresas en el nivel 4 o 5. Pero no debemos confundir el interés real que podamos tener por estar en esos niveles con la realidad. Lo cierto es que la inmensa mayoría de las empresas se encuentra transitando entre los niveles 2 y 3. Es decir: han comenzado a realizar algunas pruebas de concepto con esto de la inteligencia artificial, pero… no acaba de despegar. ¿Cómo ha ocurrido esto? ¿por qué estamos aquí?

  1. En determinada unidad de negocio han querido dar el paso para probar la inteligencia artificial, piensan un caso de uso a resolver y se lanzan a ello.
  2. Le piden al departamento que se encarga de la tecnología, un determinado volcado de datos. O bien, contratan a una empresa externa que se encarga de mediar entre ellos.
  3. Con esos datos, la unidad de negocio (o la empresa externa contratada para tal fin) saca una serie de conclusiones que, a menudo, se quedan en un power point o en un excel. Simplemente para actualizar ese excel, hay que volver al paso 2. No fluye.

Vemos que hay varios actores implicados en esta historia, porque para aplicar la inteligencia artificial, realmente necesitamos:

  • Conocimiento funcional que se encuentra en las distintas unidades de negocio
  • Conocimiento sobre el tratamiento de datos desde el punto de vista matemático-algorítmico (machine learning)
  • Conocimiento tecnológico sobre las herramientas que almacenan y “mueven” los datos

Muy bien.

Pasemos de nivel

Y ahora, ¿qué podemos hacer para pasar de nivel? La respuesta es la siguiente: que la comunicación entre esos tres actores sea fluida. Ojo, no porque se trate de una frase corta, se trata de una acción sencilla de realizar. No, ni por asomo. Puesto que para que esta comunicación sea fluida, se debe elevar el discurso de la conversación, y que la estrategia parta de la alta dirección. Para estar preparados para la que se viene encima, debemos adoptar lo que llamamos una cultura data-driven, en la que los datos se dirijan desde las capas de negocio.

Se debe hablar de estrategia, definición de roles, estructura, dinero, formación… A menudo me gusta pensar en esto como si fuera un castillo, como el Palacio da Pena en Sintra. Una amalgama de colores y formas, torres, murallas, arcos, … todo ello soportado por unos cimientos sólidos. En la empresa también tendremos torres, colores, murallas y arcos a construir, … hay muchas partes implicadas, y muchos objetivos concretos, pero todos ellos deben tener una base y lenguaje común: los datos.

Palacio da Pena, Sintra (fotografía de Singa Hitam)

Y aunque la solución no es única, y en cada empresa habrá que estudiar cuál es el enfoque que mejor encaja. Desde mi punto de vista, gran parte del secreto radica en la fluidez en la conversación entre los distintos actores, y para ello es fundamental que exista el rol del traductor entre negocio y datos: el data translator.

El rol del Data Translator

¿”Quién” es el data translator? “Alguien” a medio camino entre negocio, datos y tecnología. “Alguien” que sea capaz de mediar entre distintos actores para temas como:

  • entender las necesidades de las distintas unidades de negocio en cuanto a datos y modelos
  • establecer prioridades y poner orden en el área de datos con objetivos de negocio
  • orquestar los distintos algoritmos de la empresa. Siempre existen partes comunes
  • asegurar que roles no expertos en datos puedan entender el significado de los insights descubiertos
  • traducir las necesidades de negocio en la incorporación de nuevas fuentes de datos que enriquezcan los modelos
  • instrumentar la puesta en producción de los algoritmos, mediando entre negocio, data scientists y tecnología
  • explicar la importancia que tiene la recogida de datos en origen para asegurar su calidad y llevarla a cabo
  • etc

Y, ojo, entrecomillo ese “alguien” porque existen a su vez múltiples formas de obtener este rol en una organización:

  • Puede tratarse de un área aislada
  • Puede tomar la forma de reuniones periódicas entre las áreas implicadas
  • Puede ser una o varias personas dentro de cada unidad de negocio
  • Puede ser todo lo anterior

Pero lo cierto es que ese rol debe aterrizar en tu empresa para asegurar la fluidez en la comunicación.


Conclusión: si en tu organización lo que existen son iniciativas aisladas alrededor de los datos y tu preocupación ahora mismo es que los pilotos no acaban de despegar… empieza por buscar ese rol de data translator, y adopta una cultura data-driven en tu empresa. O volviendo al símil del título: si tienes muchos aviones volando alrededor de tu aeropuerto, pero no acaban de tomar tierra: búscate un controlador.