“Data-driven” o «Basado en datos» puede implicar muchas cosas. Una de las más básicas es que los datos se consideran un activo estratégico que debe gestionarse como tal, y no como un residuo operativo de un proceso empresarial. Por tanto, es necesario un departamento dedicado y responsable de su gestión: un director de datos, igual que un director financiero para los activos financieros. Pero los datos en sí mismos no crean valor: se necesita Inteligencia Artificial o analíticas avanzadas para generarlo. En una empresa impulsada por los datos, las decisiones importantes se toman basándose en la información extraída a partir de los datos, además de los conocimientos, la experiencia y la intuición.
Pero, ¿por qué es tan importante una gestión basada en datos? En 2021, no hay duda de que existen enormes oportunidades de negocio gracias al Big Data y la Inteligencia Artificial. Las posibilidades pasan por generar más ingresos (hacer más con lo mismo), reducir costes (hacer lo mismo con menos) o incluso crear negocios completamente nuevos. Además, todas las empresas seguirán este camino, así que, si no lo haces, estás fuera. Y aparte de las oportunidades de negocio, también hay enormes oportunidades sociales. Piense en un mejor seguimiento o en la consecución de los objetivos de desarrollo sostenible de las Naciones Unidas o en la lucha contra el COVID-19 o las catástrofes naturales provocadas por el cambio climático o en el alivio de las consecuencias de la migración forzosa.
Efectivamente, el Big Data y la Inteligencia Artificial no son solo para el sector privado. Es igualmente aplicable a los gobiernos y a la administración pública. Por eso no es de extrañar que gobiernos de todo el mundo hayan incluido estas tecnologías en sus programas tecnológicos, educativos, económicos y de sostenibilidad, entre otros. Además, pocos ciudadanos estarían en desacuerdo con la necesidad de hacer políticas más basadas en la evidencia y menos en el voto. En este sentido, la nueva Estrategia Europea de Datos, que también abarca el intercambio de datos entre empresas y gobiernos, es de suma importancia. Sin embargo, las administraciones públicas y los gobiernos tienen algunos retos adicionales cuando hablamos de datos e Inteligencia Artificial. En primer lugar, los organismos públicos van generalmente por detrás del sector privado en cuanto a transformación digital. Y sin transformación digital, no se puede iniciar un viaje de datos. En segundo lugar, desde el punto de vista de la cultura de datos, no todos los responsables públicos adoptan los datos por defecto como fuente para tomar decisiones. Los datos son el fundamento de la transparencia, y a veces pueden mostrar cosas que van en contra de ciertas agendas políticas.
La experiencia concreta y práctica en las decisiones que deben tomar las grandes organizaciones para avanzar en su viaje de datos se incluye en el libro que acabo de publicar sobre «Una compañía basada en datos: 21 lecciones para crear valor a partir de la IA». Estas «lecciones» están organizadas en cinco categorías: organización, negocio y finanzas, tecnología, personas y responsabilidad.
Mientras que el capítulo sobre la organización trata de las decisiones relacionadas con los aspectos organizativos de convertirse en una empresa impulsada por los datos y la IA, la sección sobre negocios y finanzas aborda las principales decisiones empresariales relacionadas con los datos y la IA, incluyendo cómo seleccionar los casos de uso de la IA y el Big Data y cómo medir el impacto económico, entre otros.
El apartado sobre tecnología ofrece lecciones sobre las decisiones tecnológicas que las organizaciones enfrentan en su trayectoria de datos e IA. Aquí es importante tener en cuenta dilemas específicos, como: cuando es conveniente utilizar la nube (Cloud) o las instalaciones, si es necesario un modelo de datos unificado o cómo abordar una estrategia de recopilación de datos.
Dada la importancia de las personas en esta transformación, me gustaría compartir algunas lecciones que he aprendido. La primera tiene que ver con la democratización de los datos. En muchas organizaciones, hay un equipo dedicado a los datos o a la Inteligencia Artificial que se encarga de la creación de valor a partir de los datos. Este equipo recibe peticiones de las diferentes unidades de negocio para posteriormente solventar sus problemas y en la aportación de soluciones basadas en los datos. La experiencia enseña que, una vez que una organización ha aprendido a crear valor a partir de los datos, todo el mundo quiere hacerlo. Esto supone una gran carga para este departamento, generando cuellos de botella (bottlenecks) -cuando el equipo central no puede crecer indefinidamente- y ralentiza el viaje de los datos. Por lo tanto, es importante aumentar gradualmente el número de empleados que pueden generar valor a partir de los datos. Eso no significa que cada trabajador tenga que convertirse en un científico de datos. Hay varias herramientas que proporcionan aprendizaje automático o sistemas de procesamiento del lenguaje natural que pueden ser utilizadas por personas sin conocimientos técnicos. Por supuesto, esas herramientas no pueden resolver los problemas más complejos (para esto siempre necesitaremos científicos de datos), pero igualmente, esas herramientas quizá puedan solucionar el 60% de los problemas empresariales. Esto libera al equipo especializado en datos de trabajar en los problemas más sencillos, por lo que pueden centrarse en resolver los más complejos e interesantes, manteniendo también su motivación con el correspondiente efecto de retención. En resumen, la democratización de los datos permite aumentar la creación de valor en toda la empresa y, al mismo tiempo, conservar los expertos en datos.
La segunda lección está relacionada con la resistencia al cambio (inherente al ser humano). Para pasar a ser una empresa basada en datos es necesario que estos se compartan en toda la empresa (por supuesto, respetando todas las normas de privacidad y protección de datos). Tradicionalmente, los datos se almacenan por departamentos (los famosos silos de datos) y el director del departamento responsable tiene el control de los datos y decide quién tiene acceso a ellos. Los datos son poder y no es fácil compartir el poder. Por tanto, tratar adecuadamente a los escépticos es crucial para avanzar en el viaje de los datos. Una forma de hacerlo es buscar un “campeón” o alumno aventajado dentro del departamento «escéptico a los datos», trabajar con él o ella en un proyecto de datos -bajo el radar- y una vez que haya resultados interesantes, dejar que el “campeón” presente los resultados al departamento. El cambio desde dentro siempre es más fácil de aceptar que el impuesto desde fuera.
La última lección es en realidad una categoría reciente y está relacionada con la responsabilidad. En la actualidad, en las más empresas respetadas no se utiliza la tecnología solo para generar beneficios. Cada vez más compañías se preocupan por su impacto en el planeta y en las sociedades en las que operan o con las que operan. Como hemos visto, el uso de la Inteligencia Artificial y el Big Data permite numerosas oportunidades de negocio, pero esas mismas tecnologías también pueden conllevar consecuencias negativas no deseadas. ¿Quién no ha oído hablar de los algoritmos de reconocimiento facial que discriminan a las personas de color? ¿Sistemas de IA que contratan a más hombres que mujeres? ¿Decisiones algorítmicas opacas, cajas negras que nadie entiende? ¿Decisiones autónomas sin la debida supervisión humana? ¿Automatización excesiva que sustituye al trabajo humano? Todos estos son aspectos éticos del uso de esta tecnología y es importante tratarlos de frente. Cada vez son más las organizaciones que adoptan los denominados principios de IA o códigos de conducta que garantizan que el uso de la Inteligencia Artificial y la tecnología de datos no conduzca a esas consecuencias o impactos no deseados: “Responsabilidad por diseño” es como yo lo llamo. En Telefónica, publicamos nuestros principios de IA en 2018 y desde entonces los estamos implementando en nuestros negocios. Así, queremos asegurarnos de que la tecnología que utilizamos para nuestro negocio y nuestros clientes se usa de forma responsable y no tiene efectos secundarios negativos no deseados.
La otra parte de la responsabilidad está relacionada con el uso de la IA y los grandes datos con fines sociales: Al for good, o Big Data para el bien social. Los gobiernos de todo el mundo han utilizado los datos y la Inteligencia Artificial en la lucha contra el COVID-19, como se analiza en este número especial de la revista Data and Policy de Cambridge University Press.
En conclusión, estas recomendaciones se dirigen a las (grandes) organizaciones privadas y públicas que se enfrentan a preguntas como: ¿Se está planeando empezar a trabajar con Big Data, analítica o IA, pero no sabe por dónde empezar o qué esperar? ¿Ha comenzado su transformación basada en datos y se pregunta cómo llegar al siguiente nivel? ¿Quiere saber cómo financiar su transformación basada en datos, cómo organizar su equipo de datos, cómo medir los resultados y cómo escalar? Si esa es su situación, no se preocupe, no está solo. Muchas organizaciones se están enfrentando a las mismas preguntas, incluso en muchos sectores diferentes.
Más información: «Una empresa impulsada por los datos: 21 lecciones para que las grandes organizaciones creen valor a partir de la IA»: es la última obra escrita por Richard Benjamins, embajador de IA y datos en Telefónica. Este libro recoge todas esas experiencias comunes y las formula en decisiones prácticas y concretas con alternativas junto con sus pros y sus contras. También ofrece las perspectivas de 20 expertos y profesionales internacionales de organizaciones como AXA, BBVA, ENGIE, KPMG, MTN, O2, la ODI, OdiseIA, Rabobank, Telefónica y Vodafone.
Sigue la presentación del libro el jueves 9 de septiembre en Fundación Telefónica. Más detalles: https://boletines.fundaciontelefonica.com/institucional/invitacion-repensando-el-manana-empresa-data-driven/
