Blog de aprendizaje

El arduo camino de las empresas nacidas analógicas hacia el machine learning

“La mejor manera de predecir el futuro es creándolo.” Abraham Lincoln (1809-1865).

14

Para John Hagel, gurú de la Singularity University, la digitalización crea oportunidades para buscar nuevas formas de trabajar y crear negocios emergentes, si bien ejerce una enorme presión sobre las personas en tres aspectos principales:

  1. Introducción de automatismos.
  2. Adquisición de nuevas competencias.
  3. Nuevos modelos de relaciones laborales.

Una de las preguntas que más frecuentemente se hacen las empresas nacidas analógicas en torno a los proyectos de inteligencia artificial –o más bien machine learning– es la de los perfiles que deben incorporar o implicar en este tipo de proyectos, así como los recursos (datos, hardware o software) necesarios para obtener resultados tangibles en un tiempo prudencial.

Para estas empresas «tradicionales» recorrer el camino desde la Business Intelligence y la analítica avanzada hacia el machine learning es arduo y puede llevar años. La razón no es tanto arrancar estos proyectos en cuanto a las capacidades profesionales o los medios necesarios, sino industrializar y extender esta forma de entender la importancia del dato y, sobre todo, de trabajar, a toda la compañía.

Para ello, los expertos recomiendan “trabajar en modo garaje”, lo que ayuda a ir creando soluciones y avanzar de forma iterativa e incremental, de tal modo que en poco tiempo (meses) se demuestre el valor real de lo que se está haciendo. El propósito es que la alta dirección «lo compre», esponsorice y apoye, permitiendo que se incorporen a estos equipos ágiles más recursos para llevar a cabo más iniciativas.

La clave está en implicar en estos proyectos con alta carga tecnológica, tan estratégicos y disruptivos, únicamente a aquellos perfiles de la compañía que saben sobre el tema, y conjugarlos con los que saben a qué destino se quiere llegar.

Para ello es necesario que las personas tengan, por un lado, las capacidades para trabajar de este modo, y por otro seleccionar los modelos a utilizar y el fin a alcanzar, ya que lo de menos es el software o la herramienta a utilizar (que sin duda cambiará frecuentemente en los próximos años) respecto a crear una nueva forma de trabajo, comunicación y colaboración.

Concretamente respecto a las capacidades, al tratarse de nuevos perfiles no siempre es sencillo incorporar a las compañías a expertos digitales con los conocimientos necesarios, pero aún más complicado suele ser ayudar a que “encajen” con la cultura y formas de ser y trabajar de compañías tradicionales donde las cosas “siempre se han hecho así”.

Involucrar a los profesionales de People/RRHH/Talento es fundamental para  evolucionar tecnológicamente a los profesionales, lograr la convivencia generacional con el talento externo y obtener el mayor partido y sinergias entre grupos diversos que han de colaborar conjuntamente para lograr el objetivo común.

Por tanto, es necesario no solo captar talento digital externo, sino desarrollar el perfil de los profesionales que atesoran experiencia y conocimiento de su empresa, evitando la dependencia de consultoras tecnológicas excepto cuando sea imprescindible -en picos de disrupción tecnológica, por ejemplo-, o cuando sea necesario consultar a un asesor imparcial que aporte, evalúe y en su caso corrija el modo en que está avanzando en el camino hacia el dato.

El objetivo es procurar que el conocimiento y la experiencia queden dentro de la compañía para evitar retrabajos, aprovechar las bases construidas por otros y, sobre todo, construir conjuntamente un nuevo modelo cultural similar al de las empresas nacidas en el siglo XXI.

En conclusión:

Algunas empresas ya comenzaron a recorrer este camino desde la analítica avanzada hacia el machine learning, lo que les ha otorgado cierta ventaja sobre sus competidores. Sin embargo, los más rezagados aún están a tiempo para empezar a andar y sumarse a esta promesa de un futuro empresarial en el que los datos estructurados a partir de fuentes diversas y modelizados para alcanzar objetivos concretos sirvan para tomar decisiones empresariales acertadas basadas en información antes que en intuición y, sobre todo, para entender de forma predictiva lo que el mercado, los clientes y los consumidores están demandando prácticamente en tiempo real.

Para saber más:

También podría gustarte

Deja una respuesta

Tu dirección de correo electrónico no será publicada.