La computación cognitiva permitirá que las máquinas nos complementen de forma ilimitada

¿Somos conscientes del valor del dato?

Sin duda. Las empresas son absolutamente conscientes de lo que se puede extraer del dato y de lo que puede aportar en cuanto al valor de la compañía y el mantenimiento de la competitividad. El dato es ahora mismo una palanca absolutamente clave para la transformación digital. No entiendo una transformación que no se apoye en una mejora de la analítica y de su aplicación sobre cualquier tipo de proceso de negocio.

Eso sí, el nivel de adopción es diferente en función del tamaño. Las grandes multinacionales se están adaptando rápidamente, en cambio, las pymes aún no tienen ese mismo ritmo.

Pero aunque todas ellas entienden el valor que les proporciona el dato, lo realmente importante es cómo se están adaptando, cómo están transformando sus negocios, sus organizaciones o sus procesos operativos. En esta cuestión va radicar gran parte del éxito a la hora de aprovechar toda la potencia que tienen los datos. El cómo va a ser una de las grandes preguntas.

¿Puede ser una cuestión de costes?

No creo que sea un tema de costes. Las tecnologías que soportan este procesamiento masivo de datos son asequibles y ya hay modelos muy eficientes, incluso en el sourcing de las infraestructuras. Es más un problema de  transformación organizativa y cultural. Ese movimiento hay que estructurarlo bien, dejando flexibilidad para que las áreas de negocio puedan conseguir ese valor sin muchas restricciones, capturando todas las sinergias en una actuación conjunta y organizada. Y eso implica una transformación de esquemas organizativos, donde aparecen nuevas funciones y roles, y nuevos esquemas productivos con cambios en el modelo cultural de la organización y en sus capacidades.

Las empresas más innovadoras están poniendo el foco en el desarrollo cultural como una de las claves, transformando el talento interno para que pueda adoptar estas nuevas capacidades.

Los planes formativos deben incluir conceptos relacionados con el dato y su ciclo de vida

Hay un gap importante en lo referido al talento.

Efectivamente, la demanda actual no encuentra el mismo nivel de respuesta. Se pueden plantear varias iniciativas para corregir este desfase.

Por ejemplo, cualquier ámbito  de estudio actual
—ingenieros, médicos, abogados, economistas— necesita complementarse con conocimientos sobre la gestión de los datos.  No solo se trata de aplicar estadística, sino de saber qué datos son de valor y dónde están y, a partir de ahí, empezar un proceso para extraer información y conocimiento. Es muy importante empezar a incluir en los planes formativos (incluso a nivel escolar) conceptos relacionados con la importancia del dato y su ciclo de vida. 

Y esto empieza desde las propias entidades, que deben acelerar el desarrollo de formaciones en las que el dato ya esté implícito, de lo contrario van a perder competitividad y al final también terminarán desapareciendo. Porque no es un problema de oferta formativa, que es de muy alto nivel y está disponible para todos, en muchos casos a bajo coste. Es un tema de reaccionar y asociar la importancia del dato a las diferentes especialidades y carreras.

El reto no es encontrar vías para formar el talento, sino modelos flexibles que hagan competencia a los que se están desarrollando en otras geografías.

Además, y este es un factor que tiene que ver con Europa y con España, las carreras más técnicas están en un leve receso, cada vez tenemos menos estudiantes que quieren cursar carreras relacionadas con ingenierías, matemáticas, etc. Y otro factor importante es que, dentro de esa reducción de estudiantes, la mujer tiene un porcentaje menor. Es importante buscar vías para incentivar y hacer más atractivo ese tipo de formación.

¿Esto del big data es opcional?

No. Las empresas que no se adecuen y no se transformen para orientarse hacia los datos no van a mantener su competitividad y están grave riesgo de desaparecer.

La explotación de los datos está presente en innumerables sectores y en múltiples frentes. Hablamos de lo relacionado con la mejora del conocimiento del cliente y, como consecuencia, del esquema de la definición de servicios: optimización de los procesos operativos, del backoffice empresarial, de los procesos de fabricación a través de la monitorización preventiva…

El análisis de la información transforma el modelo de negocio, el operativo, organizativo y tecnológico; y esa transformación es una evolución positiva. Aplicando los datos puedes conseguir una mayor eficiencia en todos estos ámbitos.

En everis habláis de computación cognitiva.

La analítica tradicional se aplica para apoyar una toma de decisiones con más base cuantitativa o menos subjetiva. Básicamente se trata de tomar ciertos datos, aplicar algún modelo analítico-estadístico y generar información, que el ser humano convierte en conocimiento y lo utiliza en la toma de decisiones. La explosión del dato supone que tenemos más información, más datos (también los externos o no estructurados). “Alimentamos” al ser humano con más variables analizadas para mejorar su proceso de toma de decisiones.

Pero la mente humana, por su estructura, es capaz de decidir a partir de un conjunto muy limitado de variables. La computación cognitiva va un poco más allá. Hablamos de un sistema capaz de estructurar la información y convertirla en conocimiento, adicional y complementario al que ya tenemos. Y todo ello con un cierto nivel de autonomía. 

Aporta la capacidad de que las máquinas nos complementen de forma prácticamente ilimitada en cuanto al número de variables que podemos manejar para tomar una decisión.

Por poner algún ejemplo, el coche autónomo, que toma decisiones en función de la información que recibe de innumerables sensores incorporados o de su sistema de navegación, pero también se “alimenta” de situaciones de tráfico que están reportadas por los propios conductores, que inciden a la hora de trazar una determinada ruta. Y esto lo hace de forma autónoma.

En everis habláis de computación cognitiva.

La analítica tradicional se aplica para apoyar una toma de decisiones con más base cuantitativa o menos subjetiva. Básicamente se trata de tomar ciertos datos, aplicar algún modelo analítico-estadístico y generar información, que el ser humano convierte en conocimiento y lo utiliza en la toma de decisiones. La explosión del dato supone que tenemos más información, más datos (también los externos o no estructurados). “Alimentamos” al ser humano con más variables analizadas para mejorar su proceso de toma de decisiones.

Pero la mente humana, por su estructura, es capaz de decidir a partir de un conjunto muy limitado de variables. La computación cognitiva va un poco más allá. Hablamos de un sistema capaz de estructurar la información y convertirla en conocimiento, adicional y complementario al que ya tenemos. Y todo ello con un cierto nivel de autonomía. 

Aporta la capacidad de que las máquinas nos complementen de forma prácticamente ilimitada en cuanto al número de variables que podemos manejar para tomar una decisión.

Por poner algún ejemplo, el coche autónomo, que toma decisiones en función de la información que recibe de innumerables sensores incorporados o de su sistema de navegación, pero también se “alimenta” de situaciones de tráfico que están reportadas por los propios conductores, que inciden a la hora de trazar una determinada ruta. Y esto lo hace de forma autónoma.

El ser humano es capaz de decidir en base a un conjunto muy limitado de variables

¿Cuál es su ámbito de actuación?

Desde un punto de vista empresarial, los ámbitos de aprovechamiento son infinitos. Ya hay sistemas que trabajan en el diagnóstico médico o en la monitorización de infraestructuras físicas, en la que se aplica sensorización que recoge un elevado número de variables para aportar una mayor riqueza de información.

En el ámbito médico, para cualquier patología existen anualmente centenas de posibles informes de investigación suficientemente contrastados que el médico debería aprender para mejorar su desarrollo profesional. Pero esto es prácticamente imposible. Mediante esta tecnología le damos al médico un sistema capaz de “extraer” ese conocimiento de la información disponible y presentárselo de forma adecuada, complementando su toma de decisión en un diagnóstico o en la asignación de un tratamiento.

Esa evolución es imparable y necesaria desde un punto de vista social, ya que puede mejorar muchos ámbitos de la vida de las personas en el desarrollo de iniciativas públicas o privadas.

¿Cómo se construye? ¿Cómo se consume?

Ahora mismo somos capaces de procesar ingentes volúmenes de datos y, además, heterogéneos, no estructurados y prácticamente en tiempo real. Para aprovechar este escenario es necesario desarrollar nuevo software, dentro del cual se van a lanzar procesos analíticos y cognitivos muy complejos, que van a estar dentro de los flujos de las aplicaciones. 

Al final todo acaba siendo software, que puede estar disponible desde la red o en la nube y puede ser consumido tanto por empresas como por ciudadanos directamente.

Hablamos del acceso a grandes fuentes de conocimiento digital, bibliografías de cualquier tipo (legislación, recetas, documentación científica…). Este conocimiento, y su interpretación, está en manos de los ciudadanos y, por consiguiente, de las empresas como aplicaciones que se pueden consumir desde la nube.

everisMoriarty es una plataforma que permite el desarrollo de software con analítica embebida

¿Y esto cómo se materializa?

Nuestra propuesta en este ámbito se llama everisMoriarty. Es una plataforma para el desarrollo eficiente e industrial —y bajo metodologías maduras— de software con analítica embebida. Y hablo tanto de analítica tradicional como de inteligencia artificial, machine learning, motores de decisión… Algoritmos complejos que pueden llegar a generar conocimiento: un acelerador de soluciones.

En cuanto a su aplicación, hemos desarrollado soluciones para el sector médico. Por ejemplo, ayudando a los profesionales de las unidades de cuidados intensivos a la hora de recoger y analizar la información generada por los dispositivos conectados al paciente, complementando esos datos con el expediente clínico como soporte a las decisiones del médico en momentos críticos.

En otros ámbitos estamos generando soluciones para perfeccionar el trading de energía o para la mejora de la gestión de inversiones en bancos o aseguradoras, incorporando a los modelos tradicionales información social o proveniente de medios económicos, que puede servir para identificar tendencias sobre la evolución de los activos que componen la cartera de inversiones.

Y en sector público estamos trabajando para la Comisión Europea en proyectos donde se analizan tendencias basadas en información social, o en la disponible en medios digitales, para evaluar tendencias. Por ejemplo, en cuanto a la demanda de nuevos empleos, a la hora de favorecer o anticipar posibles acciones de la Comunidad Europea al atender esa futura demanda. También, a través de everisMoriarty, hemos desarrollado un sistema automatizado para verificar la transposición de las directivas de la Comisión a las legislaciones de los países miembros. La Comisión genera innumerables directivas en todos los ámbitos y se tiene que asegurar de que están fielmente trasladadas a las legislaciones locales. Hasta ahora, esto era un proceso de bajo valor que realizaba un númeroso grupo de personas. Nosotros hemos generado una herramienta capaz de interpretar y contextualizar los textos, automatizando gran parte de este trabajo.

Las AAPP están viendo este pontencial.

Se está notando cierto interés tanto en la Administración General del Estado como en Comunidades Autónomas y Administraciones locales. Ahora mismo, las principales ciudades se están moviendo mucho, tienen planes específicos para el desarrollo del big data, data analytics y las soluciones cognitivas en torno al concepto de smart city.

En las Comunidades Autónomas se está empezando a trabajar, aunque a menor velocidad. Están empezando a definir iniciativas para mejorar sus servicios, incluso con modelos económicos en torno al tratamiento de la información.

En la Administración General del Estado, una gran parte de las administraciones y de los ministerios cuentan con planes específicos, aunque en algún caso están siendo afectados por la actual situación política.

¿Cómo vamos en España respecto a este tema?

Por lo que se refiere a grandes corporaciones, la mayoría están en una posición avanzada. Las grandes multinacionales españolas están al mismo nivel, y en algún caso por delante, de sus pares a escala internacional.

Lamentablemente, en cuanto al sector específico de empresas de Internet, no estamos compitiendo, ni siquiera a nivel europeo. Necesitamos reactivar este tema y ya hay planes para generar un tejido de empresas puras de Internet, que son las mayores captadoras de datos y de conocimiento.

Y en cuanto a las pymes, tienen dificultades a la hora de generar los procesos de transformación empresarial que permiten sacar, de verdad, provecho de esta situación. Para corregir esto, deberíamos contar con políticas que impulsen el acceso a este tipo de tecnologías. Al final, el tejido industrial español está fundamentalmente basado en este sector.

¿Qué podemos esperar de ese futuro y cómo debemos reaccionar?

Estamos en un proceso de cambio que está derivando en una transformación social importante. Igual que los coches van a ser autónomos, se van a construir casas con impresoras 3D. Esto tiene una profundidad tremenda.

Una de las consecuencias más claras es que el empleo va a cambiar. Es evidente que el de bajo valor se va a ir automatizando y se va a reemplazar por sistemas muy diversos. Esto va a ocurrir tanto en los trabajos más físicos como también con los más repetitivos, que requieran un menor nivel de cualificación. Esto va a tener un efecto social importante. Va a cambiar el modelo social a medio y largo plazo. Y, además, es un camino sin retorno.

Lo que hay que hacer es favorecer el trabajo de calidad, basado en el conocimiento. Va a ser necesario un esfuerzo de todo el país para que todas estas personas se transformen y se cree una cultura de conocimiento especializado y de valor.

Habrá que pensar qué otras palancas se pueden accionar para que el impacto de esta transformación sea menor, o para que de este cambio se genere una oportunidad.