blog

Un año más avanttic ha asistido al Big Data & AI Congress que ha tenido lugar en Barcelona y que este año 2019 ha llegado ya a su quinta edición. Una de las novedades de este año ha sido el formato, y es que ha pasado de celebrarse durante dos días a concentrarse en un uno. En este congreso la temática se ha centrado en la Inteligencia Artificial y sus aplicaciones presentes y futuras. Diferentes ponentes y partners han expuesto su visión, las tendencias y las oportunidades de negocio que las organizaciones se encontrarán en el corto y medio plazo.

 

Jordi Ribas (CVP Microsoft) abrió el día de ponencias ubicando la IA en nuestros días. Y es que si es verdad que el término lleva escuchándose muchos años, ahora parece que tanto la tecnología como, sobre todo, la sociedad parecen estar preparadas para soportarla. Una de las aplicaciones que ya ha pasado la línea que separa la realizad de la ficción ha sido el reconocimiento facial. Otra de ellas, es por ejemplo, la detección de distintos cánceres, antes incluso de que aparezcan los síntomas mediante análisis de sangre. En definitiva, la Inteligencia Artificial ya está aquí y ha llegado para avanzar, mejorar,
transformar a la sociedad.

 

MarcTorrent (Director Big Data CoE) presentó la IA desde un punto de vista de los mercados. No solo las empresas privadas llevan años invirtiendo en IA, si no que la mayoría de los gobiernos llevan varios años destinando importantes cantidades presupuestarias, sobre todo desde 2017. Las estimaciones prevén que su incremento sea exponencial en los próximos 5 años. En cuanto a la actividad privada, los estudios indican que, en mayor o menor medida, todas las áreas de negocio tienen proyectos en marcha. De hecho se estima que en 2019 existen ya una media de 4 proyectos por empresa relacionados con la IA, y se prevé que esta cifra se doble anualmente en los próximos 5 años.

 

 

Pero el éxito, tanto de proyectos de IA, como de Big Data en general, se ve truncado a menudo por alguna (o todas) de las siguientes barreras:

• Estrategia
  • Falta de estrategia
  • Falta de apoyo de la dirección
  • Falta de retorno claro de la inversión
• Cultura y habilidad
  • Falta de una cultura de datos corporativa
  • Falta de talento
  • Falta de gobierno de los datos (silos de información)
• Base tecnológica
  • Falta de herramientas adecuadas

 

Por ello, es necesario un buen análisis antes de aventurarse a iniciar un proyecto Big Data.

 

A continuación, se presentaron diferentes casos de éxito donde pudimos comprobar aplicaciones reales de proyectos de IA. Ignacio Jímenez (BigData Director – Minsait), nos explicó cómo aplicaron este tipo de proyectos en la red de la organización, de tal forma que se generan alertas cuando alguien intenta acceder a recursos a los que no tiene permisos. La IA ayuda a diferenciar cuándo es intencionado ayudando a frenar la salida de datos de la compañía. Vicent Ribas (Manager in Data Analytics in Medicine – Eurecat) explicó el objetivo conseguido de aumentar la detección precoz del cáncer dando uso a las miles de radiografías que el hospital tiene almacenadas por otro tipo de enfermedades. Se ha logrado, mediante un algoritmo, clasificar aquellas en las que se detectan manchas que pueden ser posibles positivos. En una línea distinta a la de los anteriores ponentes, Michael Donaldson (Chief Tecnolgy Officer- Ayuntamiento de Barcelona) nos explicó por qué el ayuntamiento no tiene ningún proyecto de este tipo. Y es que, como les ocurre a muchas grandes organizaciones, existen silos de datos en los departamentos que no se comparten y mucha burocracia. Existen factores críticos que hacen que un proyecto de Big Data tenga éxito. La organización de las personas, los procesos y tecnologías que implementan flujos de trabajo flexibles de principio al fin, roles e interlocutores son claves en cada departamento para llevar a la transformación digital de un negocio.

 

Por su parte Lluis Anaya (CTTI- Goverment of Catalonia) recalcó que, en lo que se refiere a los datos, los diferentes departamentos de las empresas muchas veces se comportan como islas. Y para realizar un proyecto de este tipo es necesario que se construyan puentes entre ellas para que la información fluya. Para que esto ocurra debe plantearse una estrategia que recoja los posibles “mini-proyectos” de cada una de estas islas. Empezando, por ejemplo, por crear una biblioteca de datos donde consultar el significado de los KPIs. O una oficina de datos, un lugar donde cualquier departamento pueda solicitar los datos que necesita ya que contiene la información centralizada.

 

 

¿Qué fue antes, el huevo o la gallina? Pues es lo que planteó Miguel Romero (Executive Manager SDG) cuando se refirió a que estrategia y cultura tienen que ir de la mano. Hay que hacer entender a la dirección que los datos son una ventaja competitiva que es clave en cada uno de los departamentos y por lo tanto es clave frente a la competencia. Y para expandir la cultura del dato en la organización es imprescindible alfabetizarla. Que todos conozcan la terminología, las aplicaciones disponibles, el significado de los KPIs disponibles, cómo se calculan, dónde encontrarlos… y, en definitiva, crear una metodología que toda la organización conozca.

 

 

Eric Baldellou (Head of Data Government – Privalia) clasificó a las empresas en los siguientes tipos dependiendo de cómo usan de sus datos:

• Data Resistant: son ajenos a los datos. Afortunadamente están en peligro de extinción.
• Data Curious: solo almacenan datos
• Data Awave: curiosean en los datos y analizan cómo van las cosas
• Data Suvy: usan datos en la toma de decisiones de los procesos de producción
• Data-Driven: aquellas organizaciones que tienen una cultura del dato; todos tienen claro la información que se comparte, quién la mantiene y son autónomos.

 

¿Y como una empresa llega a ser Data Driven? Pues principalmente teniendo como sponsor la dirección, realizando micro proyectos en los que se vean rápido resultados, estando abiertos a fallos, y cuidando mucho la calidad del dato. El dato es un recurso corporativo. Es de todos. No solo del equipo de data y todos deben colaborar para que sea de buena calidad. Y para saber interpretarlos debería haber analistas en todas las áreas, que fueran autónomos. Esto se consigue creando una capa semántica común a toda la empresa, que todo el mundo conoce, con un único gobernador del dato que la gestiona.

 

Dejando al lado un poco el negocio y la estrategia y profundizando más en la parte técnica, UPF, BBVA, y Dribia describieron los diferentes algoritmos aplicados en distintos proyectos y el motivo de utilizar unos y no otros. BSC,Nestle, CVC y Aigües de Barcelona presentaron varios campos pioneros donde se ha aplicado IA, como la visión computacional o el procesamiento del lenguaje natural, proyectos que necesitan de una arquitectura específica.  Worldsensing, Snowflake y Lidl Digital Hub presentaron las aplicadas en sus proyectos.

 

 

Una de las novedades de este certamen fueron los dos Workshops, fruto de las numerosas peticiones de años anteriores sobre profundizar en algunos temas Por ello, Snowflake nos presentó su herramienta ELT Cloud y pudimos comprobar, mediante un sencillo ejemplo, cómo cargar datos desde un repositorio cloud a otro. Y finalmente, cerrando las ponencias, Eurecat nos mostró diferentes enfoques para utilizar correctamente distintos modelos de machine learning.

 

En resumen, fue un día muy intenso, donde pudimos comprobar que los grandes cambios que parecían lejanos hace 4 o 5 años ya se han convertido en presente. Y estos nuevos proyectos implican un cambio cultural dentro de las organizaciones que deben darles el apoyo que se merecen, puesto que generarán uno de sus activos más importantes: EL CONOCIMIENTO.