Fue un informático precoz. Empezó a programar en Basic a los nueve años, fascinado por aquello de “transmitir tu pensamiento a una máquina que, por aquel entonces, era tonta por definición”. Profesionalmente, ha estado vinculado a la digitalización y su aplicación al negocio, para después especializarse en datos e inteligencia artificial de la mano de IBM Watson. En Capgemini ha ampliado su visión para aprovechar todo lo que ofrece el mercado, y en un modelo end-to-end completo.
Se viene hablando del potencial de los datos desde hace muchos años…
En efecto, sigue siendo una asignatura pendiente. Este potencial es evidente y, de hecho, hay muchas empresas que ya lo están explotando. En cuanto al resto, o entienden ese valor o llegarán otros y lo harán por ellos.
Las empresas van a distintas velocidades, una realidad que se puede ver tanto en España como en otros países. Algunas han intentado mantener su modelo de negocio pensando que no les iba a afectar, pero se están dando cuenta de que no conocer a tu cliente, no ser capaz de mejorar la eficiencia de los procesos para abaratar costes, o no poder explorar nuevas formas de sacar valor del conocimiento interno les resta competitividad y les frena. Además, la pandemia ha impulsado mucho estos procesos. La situación provocada por la COVID-19 ha hecho que seamos conscientes de que el mundo ha cambiado. La gente realmente está utilizando los medios digitales y, o entendemos lo que eso significa, o no seremos capaces de ser competitivos.
Piensa en grande, sé ambicioso, plantea todo lo que quieres hacer; pero no lo abordes todo a la vez
En cuanto a su adopción, a nivel mundial se pueden destacar regiones como Europa, Estados Unidos o Asia, que están ganando mucha fuerza. En Europa hay algunos países, como Alemania o el Reino Unido, que están más avanzados. En cuanto a España, vemos empresas que se lo están tomando muy en serio, quizás porque ya ven la urgencia.
La banca es un ejemplo claro. Hay otros sectores en los que se sigue pensando que esto de la transformación digital y la inteligencia artificial no deja de ser algo con lo que jugar, pero no se ve el retorno de la inversión.
¿Por qué no se ha avanzado más?
La principal razón es que impera la idea de que si algo funciona no hay que tocarlo. No se percibe el peligro de no cambiar. Hay empresas que sí tienen esa visión y, de hecho, ya comenzaron hace años con las pruebas de concepto, a validar qué es lo que se podía hacer.
Según un estudio de Capgemini de 2018, fallaron el 80% de las empresas que empezaron a validar estas posibilidades e intentaron ponerlas en producción. Solo el 20% fueron capaces de llevarlas adelante. Detrás de ese dato se encuentra una falta de alineación entre Tecnología y Negocio. Eso es algo que sigue existiendo en la actualidad. Negocio no termina de entender lo que Tecnología puede aportar, y esta no tiene claro cómo ayudar desde un punto de vista de negocio, no tecnológico.
Una de las tareas más importantes del CDO es identificar quién es el dueño de los datos
En ese desalineamiento es donde se produce el freno. Ahí pueden ayudar figuras como el CDO, que cada vez va cobrando más relevancia. De hecho, una de las tareas más importantes de esta figura es identificar quién es el dueño de los datos, que suele ser el propio Negocio. Este último es el que entiende quién es el cliente, cuáles y cómo son los productos y subproductos, etc. Toda esta información pertenece a Negocio, pero debe apoyarse en Tecnología para transformarla y que realmente funcione.
El CDO facilita que ambas áreas se hablen y todo funcione. El problema es que, en algunas empresas, esa figura es robusta, reporta directamente al CEO y tiene poder para hacer que las cosas vayan cambiando, que la cultura vaya cambiando. En otros casos se trata de cargos puramente testimoniales, que no pueden romper los silos, repartir el juego de fuerzas y que todo el mundo esté alineado dentro de la organización. Dependiendo del volumen de la empresa, puede ser muy complicado.
¿Falta, tal vez, un modelo más transversal?
Absolutamente. El discurso debe ser transversal. Es algo que tiene que funcionar para todas las áreas. Suele ocurrir que alguien de negocio ha leído sobre las posibilidades que ofrece eso de la hiperpersonalización y se decide a disfrutar de todos estos beneficios. Entonces contrata a una consultora para hacer el caso de uso, construir los KPI, ver cómo tiene que funcionar… Montan una historia preciosa, pero cuando se la llevan a Tecnología, la respuesta suele ser: “Para articular todo esto necesitamos una inversión desorbitada, un proyecto que durará cerca de tres años…”. En ese momento, la iniciativa muere. Eso sí, después de abonar los costes de la consultoría preliminar.
También está la visión contraria: Tecnología decide que debe adelantarse a Negocio y crear esa visión transversal del cliente. Para ello, monta una plataforma informacional, un MDM, las bases de datos… Después, se la presenta a Negocio y resulta que esas no son las dimensiones que le interesan, o tiene una visión distinta de lo que es un producto o de quién es el cliente. Estos son casos reales que nos hemos encontrado.
Empieza haciendo cosas pequeñas, casos de uso que puedan ir aportando un retorno en función de los pain points de la organización
La clave está en la sincronización. Lo que aconsejamos es “piensa en grande” —es decir, sé ambicioso, plantéate todo lo que quieres hacer—, pero no lo abordes todo a la vez. A partir de ahí es importante alinear negocio y tecnología, ver qué prueba de concepto se puede hacer, qué es lo importante para Negocio, que Tecnología proponga un mínimo para poder empezar… Pero todo ello alineado con ese mapa grande que has dibujado. Empieza haciendo cosas pequeñas, construyendo tu visión poco a poco, a través de casos de uso del negocio que puedan ir aportando un retorno en función de los pain points de la organización.
¿Las empresas son conscientes del retorno que ofrece?
Los datos están ahí; y cuando las empresas se los toman en serio, se demuestra. Recientemente hemos publicado las conclusiones de un estudio a escala mundial elaborado por el Instituto de Investigación de Capgemini. Los datos referidos a España, en concreto a 75 empresas que ya han empezado a hacer lo que llamamos la automatización inteligente, muestran que el 45% consiguieron un incremento de los ingresos, el 52% fueron capaces de optimizar sus procesos operativos y reducir sus costes, y el 55% mejoraron la satisfacción del cliente. Eso son datos.
La ventaja que aporten los modelos basados en datos tiene que ser palpable
Pero para poner el proyecto en marcha —y para que funcione—, es muy importante todo lo relativo a la cultura, que estos procesos estén alineados (Negocio y Tecnología), y que el modelo sea escalable para poder ponerlo en producción. Que se pueda seguir reentrenando a la velocidad adecuada, que ofrezca el rendimiento que permita dar esos resultados en la frecuencia que Negocio requiere para que lo perciba el cliente.
La ventaja que aporten los modelos basados en datos tiene que ser palpable. Si eres capaz de elegir bien los casos y ponerlo en producción, vas a poder conseguir todos estos beneficios y, a partir de ahí, crecer con éxito.
¿Cuáles son los siguientes pasos?
El mundo sigue evolucionando. Acabamos de hacer público el informe Data sharing masters, que muestra lo que, para nosotros, va a ser la siguiente ola. Esto es algo que ya se está haciendo en otras regiones, y que terminará llegando también a España. No solo se trata de entender el contexto de datos del que dispongo y de averiguar cómo conseguir beneficios tangibles (incremento de los ingresos, reducción de costes o mejora en la interacción con el cliente). El siguiente nivel es ser dueño de mis datos y ponerlos a disposición de otras empresas para crear ecosistemas de datos. Hablamos de un dato que es agregado —no es específico por persona— y que está tratado. La compañía aporta una capa de valor y gana dinero por ello.
Este conocimiento puede ayudar a explicar tendencias sin entrar en el nivel personal. Muchas empresas cuentan con información de este tipo y podrían tener la capacidad para explotar esos datos, compartirlos como un servicio o cederlos para que otros los exploten.
El siguiente nivel es ser dueño de los datos y ponerlos a disposición de otras empresas a través de ecosistemas de datos
Hay aseguradoras en Estados Unidos que están poniendo sus datos a disposición de otras empresas del sector —cobrando por ello— para que los científicos de datos de estas últimas creen sus propios modelos aplicados a los servicios que quieren ofrecer.
En Capgemini tenemos una plataforma que hace posible ese modelo, y están surgiendo muchas otras, públicas y privadas. De hecho, la Unión Europea también ha sacado ya varios conjuntos de datos que pone al servicio de las compañías.
Ese el siguiente nivel, pero previamente debes tener un control y un dominio muy importante de tus datos: deben ser de calidad y fiables (sabes de dónde vienen, quién los ha tratado, que se han homogenizado correctamente…). Solo a partir de ahí es posible explicar de dónde se extraen las conclusiones.
El mundo está cambiando; si las empresas quieren seguir siendo competitivas, tienen que ir dando pasos. Ya lo estamos viendo en ámbitos como las empresas de car sharing, en el sector automovilístico en general (¿hasta cuándo vamos a seguir comprando coches?), las empresas de seguros, la transformación que se está produciendo en el sector de la energía en cuanto al consumo y la producción… Todos ellos se están viendo forzados a buscar nuevos modelos de negocio.
¿Cuáles son las aplicaciones más extendidas?
Algunos de los ámbitos de más uso son el del customer engagement, el de modelos de recomendación, etc. Esta aplicación se basa en explorar las redes sociales para saber qué dice y hace la gente, e incluso en interactuar con ellos a través de preguntas en foros. El año pasado, en plena pandemia, trabajábamos para una importante compañía de productos de estética y belleza, para entender el uso que se hacía de este tipo de productos. Lo hicimos de forma segmentada, con un rastreo por todas las redes sociales y empleando herramientas de marketing y publicidad. Estaba orientado a saber si había cambiado su comportamiento a causa de la pandemia, para que la compañía pudiera enfocar su publicidad y su oferta de productos. Y funcionó muy bien.
El siguiente paso es la hiperpersonalización, que va más allá de identificar al cliente y saber qué busca
El siguiente paso es la hiperpersonalización, que va más allá de identificar al cliente y saber qué busca. Se trata de entenderle a través de las interacciones que tienes con él, incluso a partir de lo que te dice, digitalizando las conversaciones. En un proyecto reciente en el que hemos trabajado con contact centers, hemos puesto en marcha un modelo que escucha las conversaciones y trata de detectar determinados sentimientos con respecto a unos temas definidos. Esta información se cruza con una oferta de productos o servicios, lo que permite mandar una alerta en tiempo real al agente que está hablando con el cliente, para que pueda ofrecérselo.
Estas son algunas de las grandes ventajas de la transformación digital: la posibilidad de trabajar con información no estructurada, entender los correos electrónicos, las conversaciones, extraer información de las imágenes de personas o lugares. Convertir todo eso en información estructurada, que permita entender mejor a los clientes, pero también los procesos. Este último es un tema en el que estamos trabajando mucho, en ámbitos como la optimización de la logística de almacenes: aplicar inteligencia artificial para conseguir la mejor ubicación de las mercancías, reducir el tiempo de preparación y trazar una ruta óptima.
Son pequeñas mejoras, pero la suma de varias optimizaciones se traduce en reducción de costes y en mejora de la satisfacción del cliente. La inteligencia artificial se está centrando en este tipo de proyectos, pero para ello es importante contar con datos: dónde están los pallets, cámaras que detecten el movimiento de los operarios… Esos datos son los que nos van a permitir ser más competitivos.
¿Está suficientemente protegida la confidencialidad de la información?
Vivimos en un mundo digital que se encuentra en constante evolución. La ciberseguridad es clave, pero también lo es que el usuario posea cierta cultura digital que le ayude a distinguir entre una empresa legal, que quiere vender algo de forma correcta y ética, y una pirata que está suplantando identidades. Esa cibercultura es muy importante a la hora de decidir con quién interactuamos.
En todo caso, son las compañías las que han de tener cuidado: si lo que ofrecen no está al nivel de lo que el cliente espera, lo pierden
Si nos olvidamos de los piratas y nos centramos en las empresas, los clientes no deben tener miedo. En todo caso, son las compañías las que han de tener cuidado: si lo que ofrecen no está al nivel de lo que el cliente espera, lo pierden. Las empresas deben entender bien a su cliente, saber hasta qué punto están aportando valor o siendo intrusivas. Desde el punto de vista de los clientes, la información está totalmente regulada, se anonimiza y se gestiona de una forma correcta. Hay garantías legales suficientes para asegurarlo.
Existe otro punto en el que se está trabajando mucho: la ética de la inteligencia artificial, con el fin de evitar que el sesgo de los datos afecte a las conclusiones. Todos los datos tienen sesgo, pero las empresas, a partir de su ética, deben ser capaces de controlarlo para que los modelos resultantes no establezcan ningún tipo de discriminación al ofrecer los servicios. De igual forma, este no es un riesgo para las personas, sino más bien para las empresas. Las compañías deben evitar perder ese negocio o que les llegue algún tipo de sanción por fomentar la discriminación.