El pasado 21 de septiembre tuvo lugar en la Casa del Lector del Matadero de Madrid el Tech Management Day 21, conferencia independiente del sector de la Tecnología organizado por Tecnofor. Seguidamente se presentan notas de algunas de las seis conferencias, sin duda inspiradoras, de la jornada.#TMD21
PRESENTACIÓN. CICLO DE VIDA DE UN FRAMEWORK
Pablo Grueso. CEO de Tecnofor.
En su conferencia inaugural, Pablo Grueso identificó 6 fases o participantes en el ciclo de vida de un framework, en un gráfico con forma de campana de Gauss.
- Creadores. Agile ayuda creando marcos de gestión predictiva. El framework tiene que tener aceptación social para expandirse más allá de sus creadores (el framework Scrum no tiene autoría).
- Brillantes. Personas que hacen fácil lo difícil. Gente lista y apasionada. Empiezan a aplicar el marco de trabajo en sus empresas y los resultados son buenos porque estas personas pueden moverlo todo. Empiezan a surgir las comunidades de profesionales (Ej Agile Spain).
- Mercantilizadores. A partir de aquí se empieza a escalar y a querer monetizar el marco («mercantilización o irrelevancia»). En el caso de los frameworks esto se consigue tanto por consultores como por los fabricantes de herramientas, que tienen la capacidad de llegar al mercado. Son los responsables de incrementar el interés en el marco de trabajo.
- Competentes. Personas que aprenden cosas cuando su empresa les apunta a un curso. Aquí empieza “el cargo oculto”, repetir actividades sin saber bien para qué lo hacen. Se pierde la conexión entre el para qué y el cómo. Los resultados ya no son tan consistentes, pero se escala porque no son suficientemente malos. Esta es la época dorada de los cursos y las certificaciones.
- Torpes. Profesionales que ejecutan mal la mayor parte del tiempo, y que no saben que son torpes en la incorporación de lo novedoso. Cuando el framework llega a este punto, los brillantes se desvinculan del mismo para escapar de esa etiqueta común (“agiles coaches” que pasan a ser “asesores externos”). Los torpes presentan casos de éxito que no son tales, que son perversiones o simplificaciones del marco.
- Terraplanistas. Cuando el framework entra en contacto con ellos, muere, se desvirtúa y se convierte en algo absurdo (“agile y teiki”, por ejemplo). Los referentes intelectuales abandonan definitivamente el barco.
Conclusiones:
- Los problemas que Itil, agile y cualquier otro marco quiere acometer siguen existiendo y siendo reales.
- Los frameworks actuales morirán y surgirán otros nuevos.
- Las personas brillantes necesitarán probar las nuevas olas, y si no lo pueden hacer en sus empresas, se irán y se perderá la oportunidad.
- No importa saber que algo vaya a morir, porque en el camino dejará el mundo mejor de lo que se lo encontró… o al menos debería intentarlo.
CÓMO ME CONVERTÍ EN UN TRAIDOR A MI CLASE
Javier G. Recuenco. Complex Problem Solver. Personetics.
La resolución de problemas complejos es la primera habilidad necesaria para ser una persona empleable en los próximos años, según informes como The Future of Jobs del World Economic Forum. También lo es según el programa 2025 Digital Skills and Jobs de la UE.
La complejidad es la ciencia que trata de solucionar lo que no solucionan el expertise de la consultoría ni el sentido común. Hay cosas muy complicadas de hacer pero que ya están hechas (por ejemplo, un helicóptero). Para replicar esos modelos complejos, existe la consultoría. Un problema complicado no es lo mismo que un problema complejo.
Dentro del Complex Problem Solving se yuxtaponen 4 disciplinas: las ciencias de la complejidad, los ecosistemas tecnológicos, el factor x y el business acumen –perspicacia comercial- (necesidad de la mercantilización para que las innovaciones trasciendan y calen a la sociedad).
“Los sistemas complejos son como zarzamoras en un matorral”, no es fácil distinguir dónde empieza o acaba el uno o la otra. Descomponer todo en pequeñas piezas a veces no sirve para desentrañar problemas complejos. Para resolverlos, se necesitan profesionales multidisciplinares que tengan varios talentos al mismo tiempo. La mayor parte de las tendencias habla de la desaparición de los especialistas; así lo defiende David Epstein en su libro Amplitud: por qué los generalistas triunfan en un mundo hiperespecializado. La sociología, la etnografía, la historia, la filosofía… son ciencias que permiten entender mejor al ser humano, así como los organigramas ocultos en las organizaciones.
“Los generalistas no podrían triunfar sin los especialistas”. Ej, Oceans Eleven. Los necesitas a todos, pero también la orquestación. Necesitan saber cuánto y para qué, y dónde integrarse. Otro ej es la captura de Bin Laden, con diferentes cuerpos y fuerzas de seguridad. La clave fue la orquestación de talentos heterogéneos puestos al servicio de la resolución del problema.
La importancia de leer las señales
Un “rinoceronte gris” (como el de Evergrande en China) es un problema enorme que te empeñas en ignorar. Hay personas que se dedican a leer señales de todo tipo: metaseñales (de la comunidad), tecnológicas, económicas… Por ejemplo, observadores que ya saben que las máquinas de tragaperras, las gasolineras, los seguros de coche… todo desaparecerá.
La consultoría trata de lo conocido, de gente que sabe de lo que habla, como el Sr. Lobo en Pulp Fiction. Ofrece soluciones adaptadas como consultor especializado. Por el contrario, la complejidad habla de lo desconocido, de leer señales y encontrar soluciones singulares. Un ej, el Dr. House, un sociópata y mal profesional que sabe leer señales y ser funcional cuando todos los demás están bloqueados. House plantea estrategias de investigación y cuando está a punto de acabar con el paciente, lo sana.
Fringe Futurism: “Algo loco que puede resolver el problema de forma rápida”: No tiene por qué ser una nueva tecnología. Ej, Gunpei Yonkoi inventó la Gameboy en 1989 con un procesador obsoleto y una pantalla en B/N. La clave estaba en que las pilas duraran 8-10 horas, para largos tiempos de juego porque sabían que la gente iba a jugar en la calle. Esto fue una innovación radical con tecnología ya disponible.
Todo es susceptible de convertirse en un problema complejo: Vinilo, Nokia, GoPro… Si tu problema es el modelo de negocio, no lo solucionarás con tecnología.
Para saber más:
APRENDER Y/O MORIR: CÓMO SOBREVIVIR A LA EXPONENCIAL
Agustín Cuenca, rookie en Sngular and CEO en NeuroK.es
Haciendo un símil tecnológico, en el cerebro solo caben 2.5 pettabytes, hay overflow, no cabe todo. Según el interesante libro La transformación de la mente moderna, los niños van a clase por edades para formar a gente muy parecida. Del mismo modo, las matemáticas y la lengua se convirtieron en troncales porque el Imperio británico necesitaban un gran número de burócratas que supieran leer y escribir, sumar y restar.
Hace falta gente con capacidad de riesgo y aventura, que rompa con la indefensión aprendida. El cerebro aprende conectando y desconectando neuronas, cuando se emociona. La motivación es la gasolina del cerebro. Cuando más tiras de memoria, mayor es el esfuerzo y más rápido olvidas. La memoria solo se refuerza cuando la utilizas. La educación actual está basada principalmente en la atención, no en la participación. Sin embargo, se aprende haciendo y colaborando.
Hay que diferenciar entre Ser v Estar inteligente: porque hoy todavía no sabes, pero mañana quizás sí, si tú quieres. En el ámbito de la empresa la situación es más dura. La mayoría de los profesionales hacen los cursos solo si están ligados al bonus o hay algún tipo de consecuencia, si no, falta motivación. En la mayoría de los casos, la formación centrada en contenidos que no son relevantes, que se entienden, pero no se comprenden.
Para saber más:
- Do schools kill creativity? Charla Ted. Con 5 años el 95% de los niños se consideran creativos. Con 17, solo el 10%.
- Thinking Fast & Slow. Daniel Kahneman.
- Microsoft´s Growth Mindset Culture
- SOLE: Single Online Learning Enviroment (como por ejemplo Escuela 42). Aprende haciendo, no escuchando.
DE SCRUM A KANBAN. CÓMO BAJAMOS NUESTRO CYCLE TIME A LA MITAD
Pablo Santos, Senior Manager Independiente
Por qué pasaron de Scrum a Kanban: para poner más foco en el plan global, es decir, cómo ayudar entre todos a que una tarea avance como grupo, no como individuo. Lo bueno de Scrum es que tiene reglas muy sencillas para hacer funcionar a un equipo. Sin embargo, su estructuración puede llegar a perjudicar al trabajo en equipo, por eje, poniendo reuniones en el medio de su jornada a un desarrollador que necesita largos periodos de tiempo continuo para concentrase.
Su objetivo era la búsqueda de un proceso para mover las tarjetas que fuera repetible, de cara a poder entregarlas de forma sostenible garantizando los estándares calidad. Dicho de otro modo: medir el Cycle time: desde que la tarjeta entra en Open hasta que llega a Deploy, cuántas tarjetas se pueden asumir.
Importantes lo wip, los límites de cada fase. Con eso se fuerza a que las cosas siempre vayan hacia adelante respecto a meter tarjetas nuevas. El objetivo de todo el equipo es empujar el trabajo hacia delante. Cada cambio es una tarea con un título, descripción y datos de resolución
La clave está en cómo trocear el trabajo. Tienes que dividir en trozos entregables al cliente. Dividir bien es clave para que el ciclo funcione. Una vez que abres una tarea, empújala hacia adelante, evita bloquearla o que se bloquee por todos los medios.
Aplican dos principios de gestión al proyecto: ten siempre tu solución de respaldo (1 release cada semana y otra de respaldo), maximiza la visibilidad (si no se ve, no sirve). Es mejor tener dos features terminadas y 1 no comenzada a 3 en proceso sin acabar ninguna.
INTELIGENCIA ARTFICIAL AL ALCANCE DE TU MANO
Nerea Luis, doctora en IA en Sngular
De las 6 áreas principales de conocimiento de la IA, las aplicadas son visión artificial, PNL, Robótica. La IA no solo es aprendizaje automático. Lo que más ha proliferado últimamente son las redes neuronales, ideales para tras de clasificación porque la IA es muy buena buscando patrones.
Metodología: análisis del problema y datos + generación del modelo de aprendizaje. El gran reto de la IA es cuánto tiempo necesitas para entrenar al algoritmo. Los frameworks han ayudado a que la IA salga de los laboratorios.
Algunos ejemplos y aplicaciones:
- Open AI (2015) entidad en la que está gente como Elon Musk. “IA en la frontera”, gente que está centrada en investigaciones muy rupturistas en muchas líneas de aplicación simultáneamente.
- Empiezan a salir casos de uso muy vistosos, como por ejemplo Saving Emergetic Google Scale para reducir las emociones de CO2, o noticias como que Warner Bros. utilizará IA para decidir qué películas producir. Se trata de casos trasversales, muy bajados a la realidad, y que también tienen mucho de marketing.
- En este momento algunas personas empiezan a ver la IA como amenaza. Netflix, HBO, Disney, Amazon son portales basados en datos para personalizar al milímetro (microsegmentación). Para esto se necesitan muchos datos y mucha capacidad de computación.
- Desde 2018-19, IA generativa, fundamental para entornos en los que no tienes tantos datos (datos sintéticos, generados artificialmente). Ej de aplicación de las GANs (redes generativas antagónicas): video de YouTube de la llegada del hombre a la luna con alta calidad y coloreado.
- GPT3: redacta textos, traduce, programa y conversa sobre política o economía.
- AlphaFold (Nov 2020). Impacto de la IA en biología (DeepMind de Google) Competición sobre si es posible predecir cómo se va a plegar una proteína (para prever su derivación hacia posibles enfermedades).
- Narrow AI: tareas específicas, enfoque práctico y a poder ser reutilizable. Cada vez se basa en modelos más potentes, pero aún estamos muy lejos de la IA General.
- Las expectativas son muy altas por la presión de los medios. A veces a tecnología está muy inmadura o es carísima, o hay algún impedimento legal o ético (e reconocimiento facial, datos médicos).
- Federated Learning: el móvil aprende de cómo escribimos y de vez en cuando “lo olvida” para que le vuelvas a enseñar.
- El futuro pasa por una gran brecha entre los grandes monopolios tecnológicos y todas las demás empresas. Hasta a los gobiernos les cuesta intervenir. En los próximos años aprenderemos a convivir con las máquinas, las integraremos en nuestras vidas y habrá tensión entre regulación e innovación.
Para saber más:
- Recursos sobre inteligencia artificial y robórica: https://nerealuis.es/