En nuestro artículo anterior disectamos las fortalezas y debilidades del sistema educativo mexicano para enfrentar la demanda de talento en Ciencia de Datos e Inteligencia Artificial. Toca ahora el turno a las empresas. En esta entrega explicamos los 3 pilares para ser una empresa orientada a datos y por tanto a Inteligencia Artificial (IA), y los riesgos que implica el no fortalecerlos.
¿Cómo identifico si mi empresa está lista para tomar en serio la Inteligencia Artificial?
Para responder esta pregunta, le cuento una historia:
Una reconocida empresa financiera mexicana logró identificar que cuando se le daba oportunidad a sus clientes de abrir una cuenta de ahorro con el objetivo de reunir fondos para su matrimonio, lo hacían inmediatamente y mantenían un saldo promedio muy por encima de los otros productos de la institución. Posteriormente, dicha financiera contrató a un despacho de comunicación con sede en Nueva York para modernizar todo su discurso hacia sus clientes más jóvenes. El despacho argumentó (sepa usted cómo) que cada vez son menos los millennials mexicanos que contraen matrimonio, y por tanto este producto de ahorro estrella debía venderse con otra narrativa. La financiera adoptó la nueva narrative y poco a poco vio desaparecer la alta captación proveniente del producto. Efectivamente, una mala intuición logró sofocar a las decisiones basadas en evidencia y datos duros.
Si en su organización frecuentemente suceden historias como ésta, su empresa puede adquirir, construir o adoptar soluciones de Inteligencia Artificial, pero solo lo hará para la nota de prensa, no para mejorar de raíz sus decisiones y operaciones.
Afortunadamente, no todo está perdido. Hay una razón y una cura para esta situación. La razón es que los tomadores de decisiones y directivos ven a la empresa desde una altura de 33,000 pies sobre el nivel del mar, pero los insumos con los que toman decisiones vienen de sistemas y procesos que están “a nivel de suelo”. Hay una gran brecha entre ambos, la cual se llena con la intuición, experiencia, o “colmillo” de los directivos, que algunas veces es atinado, pero cuando hay una fuerte discrepancia entre intuición de negocio y datos duros, frecuentemente se sigue la primera, evitando que llegue la cura para este mal: una cultura de datos, cuyos pilares describo a continuación:
Una empresa orientada a datos, recolecta datos
Esto parece fácil, pero reunir datos suficientes y relevantes para la toma de decisiones efectivas es una gran tarea. El mejor aliado de este pilar es su área de tecnología. Son ellos los que deben desarrollar, comprar, construir o adoptar soluciones que permitan que cada actividad y proceso de cada eslabón de la cadena de valor quede registrado en medio electrónico persistente con su respectiva marca de tiempo. Efectivamente, estarán dejando esa huella digital histórica de lo que sucede en su negocio. No importa si este almacenamiento es de tipo Big Data, una base de datos tradicional, o Excel. Lo que importa es que sea la Right Data.
Este pilar también implica tener mecanismos de limpieza y calidad de datos, la famosa “gobernanza de datos”. Hay una distancia entre el proceso de negocio que genera un dato, y el momento en el que se guarda para su posterior análisis. Entre más cerca se encuentren ambos, más barato y replicable será su efecto. Tomemos como ejemplo al Inegi, el proveedor de datos mexicano por antonomasia: imagine que en una encuesta uno de los procesos de limpieza identifique la fecha 05/03/19 como Mayo 3 y no como Abril 5, y lo haga 1 o 2 meses después de recabadas todas las respuestas. Sería ciertamente un desastre y obligaría al Instituto a publicar numerosas fe de erratas y recalcular numerosos productos de información. Hubiera sido mejor corregirlo a medida que se capturan las respuestas. Estos errores son frecuentes y diferentes en el tiempo, por lo que la calidad de datos es un trabajo diario, y evolucionará a medida que la organización desee recabar más información de su realidad.
Una empresa orientada a datos, comparte datos
Numerosas empresas fallan en su camino a una cultura de datos al implementar este pilar, sobre todo las del sector financiero de gran tamaño, ante el desconocimiento de la Ley Federal de Protección de Datos Personales y la amenaza constante de multas de la Comisión Nacional Bancaria y de Valores (CNBV). Este pilar no se refiere a abrir datos indiscriminadamente, sino a darle insumos a los colaboradores internos y a mandos medios para tomar mejores decisiones y que el efecto de su trabajo se vea claramente.
Para evidenciar lo poderoso de este pilar, comparto otra historia:
Una comercializadora mexicana de cosméticos tiene en sus instalaciones un gran centro de operaciones con unas pantallas enormes donde se despliegan las metas de venta del mes por región comercial. Este enorme tablero tiene la bondad de refrescarse inmediatamente que sucede una venta en cualquier lugar de la república, de modo que al quedar registrada una venta en, por ejemplo, Ciudad Obregón en Sonora, este tablero en Ciudad de México se actualiza a los pocos minutos de haber sucedido. Definitivamente un gran logro para los grupos de operaciones y tecnología de esta empresa.
Al inicio todos los directivos eran escépticos de esta iniciativa, viendo más peligros que oportunidades. Al ver que esta apertura de datos provocó un incremento en la productividad, y por tanto mayor transparencia en las comisiones, estímulos y bonos para las agentes, otras áreas de la organización comenzaron a demandar sus propios tableros, y por tanto sus propias métricas de desempeño cuantitativas, transparentes y objetivas. En un círculo virtuoso, los beneficios de la apertura de datos fueron tales que los mismos colaboradores del resto de las áreas exigieron que se continuara con estas iniciativas, y dándole un carácter de irreversibilidad, como cuando se logra adquirir un hábito positivo. Naturalmente, todo esto se tiene que hacer con mucho cuidado para no filtrar datos personales, ni sensibles al individuo, ni privados; pero tampoco debe inmovilizarnos el miedo a la multa del regulador o la autoridad. Los datos de la empresa no son propiedad de los directivos, son de la empresa.
Una empresa orientada a datos, analiza datos
Llegamos al pilar más importante, y en donde los errores son más costosos en el camino a incorporar Inteligencia Artificial, o de menos, decisiones basadas en datos.
Analizar datos implica que las áreas de negocio definan métricas relevantes y alineadas a la estrategia, y luego obtener datos de los sistemas que los almacenan para tomar contínuamente las medidas, a diferentes niveles de agregación, o “altura”. Aquí juega un papel crucial su músculo cuantitativo y estadístico, como sus actuarios de planeación comercial, sus financieros y econometristas, sus ingenieros industriales de operaciones. De una vuelta por estos grupos antes de contratar a un “científico de datos”; puede haber ahí experiencia y ganas de hacer mejor las cosas.
Una vez que esto suceda, y que la gente adecuada esté consumiendo las métricas adecuadas en la frecuencia adecuada, se acostumbrarán a cierto rango de valores que representan la “normalidad” de dicha métrica, y por tanto podrán identificar anomalías o lecturas atípicas. Como doctor que con experiencia y estudio aprende que 125 miligramos de triglicéridos son normales, pero que 400 ameritan acción inmediata. Posterior a esto, se pueden crear sistemas de alertas o alarmas para detectar estos casos atípicos tan pronto sucedan, liberando al colaborador de la tarea de estar vigilándolas constantemente y el riesgo de adquirir “ceguera de taller”.
El socavón que representa este pilar es el fenómeno conocido en inglés como “Highest-paid Person’s Opinion” (HiPPO), que consiste en que la persona de mayor salario, usualmente la de mayor rango, tiene el peso suficiente dentro de la empresa para contravenir cualquier recomendación que se oponga a su intuición, inclusive aquellas generadas por evidencia dura y obtenida con métodos estadísticos rigurosos. Aún cuando se tengan mecanismos de adquisición de datos robustos, y tableros para compartir información de manera oportuna y a la audiencia correcta, este fenómeno puede, literal, matar la iniciativa de datos, y por tanto, inutilizar cualquier adopción, construcción, o cualquier inversión en Inteligencia Artificiala las decisiones de negocio.
Finalmente, “el milagro”
Una vez que la empresa esté recabando datos fiables, de calidad, y que de ellos se desprendan reportes y tableros que hagan que todos los colaboradores tengan perfectamente leídas las métricas que les ayuden a hacer mejor su trabajo, y que todos estén acostumbrados a cierto rango o valores de dichas métricas, y por tanto sepan qué es anómalo y qué no, y que dicha detección de anomalías se encuentre sistematizada, entonces sucede el milagro: la empresa, como organismo, comienza a aprender.
Y una vez que se logra este aprendizaje de forma contínua, entonces podemos automatizar este aprendizaje con la ayuda de máquinas, e incorporar, finalmente, “Machine Learning” e Inteligencia Artificial: sistemas de recomendación de nuestros productos hacia los clientes, prevención de fraude, segmentación de clientes, estimación de demanda, límite de crédito dinámico, detección temprana de morosidad, etc. Todas estas aplicaciones tienen su base en procesos humanos de aprendizaje que ya se practicaron en la empresa, aún cuando sea de manera poco sofisticada. Ahora solo las vamos a automatizar.
Y cuando tengamos nuestro primer sistema de Inteligencia Artificial recogiendo datos de la operación contínua del negocio, y aprendiendo de ella, entonces debemos asegurarnos que estos insumos se mantengan limpios y con calidad, y que regresen a dicho sistema para reaprender de la realidad ya modificada por nuestra solución. De este modo cumplimos con el ciclo de observación -> predicción -> acción sobre la realidad -> reobservación -> reaprendizaje.
¿Cuánto tiempo me va a llevar este proceso en mi empresa?
Depende si su empresa está convencida que los datos son un fuerte capital de trabajo, y por tanto, qué tan rápido pueda iniciar la construcción de estos pilares. No es sencillo y se requiere que toda la empresa se mueva en la misma dirección. Hay obstáculos: un reconocido banco mexicano tardó más de 3 años en construir el 1er pilar antes de llegar, con trabajo, a la última fase de “aprendizaje organizacional”; un importante actor del sistema financiero tardó 4 años en el 1er pilar y nunca pasó al 2o, y por ende nunca fue más allá de la reportería normativa para su regulador. La buena noticia es que, como todo en la vida, podemos iterar en un ciclo de mejora contínua y lograr resultados incrementales hacia una cultura de datos completa y que permee en todos los niveles de la empresa.
Del mismo modo, este no es un estado que se se mantenga vigente por siempre una vez logrado. El trabajo que implica construir estos 3 pilares requiere enormes cantidades de esfuerzo y capital político y organizacional, y un trabajo contínuo de todos los involucrados, sobre todo a medida que la organización crezca con esta cultura, y sea necesario adquirir más datos de nuevas realidades de negocio. Recuerde usted que el universo tiende al desorden y a la máxima entropía. El microcosmos que es su empresa no es diferente.
Así que lo invito a iniciar de inmediato su hacia una cultura de datos. Puede comenzar con algo pequeño e iterar, pero esta transformación no debe darse tímida y modestamente. Sepa también que estas son las nuevas reglas del juego en la economía de la Inteligencia Artificial, y que el país requiere que su empresa y demás organizaciones se sumen a esta tendencia, si queremos utilizar de manera precisa y quirúrgica los recursos que tenemos, sobre todo en momentos macroeconómicamente tensos. Identifique qué pilar es el más endeble o inexistente. Escuche a su área de tecnología, pero no le de toda la responsabilidad de convertir los datos en decisiones o predicciones, ese debe ser trabajo de toda la organización. Considere los datos como capital de trabajo, y prepárese para invertir parte de su capital político como líder de su empresa. Le aseguro que no se va a arrepentir. Mucha suerte.
Fuente: El Economista