Los datos y la fe - LUCAMi segunda colaboración para el blog corporativo de LUCA, la unidad de Big Data e Inteligencia Artificial de Telefonica (aquí la primera) se titula “Los datos y la fe” (pdf), e intenta ahondar en el concepto de revolución frente a evolución que supone el machine learning y la idea de tratar a una máquina que se encuentra introducida en nuestra rutina diaria desde hace décadas, el ordenador, no tanto como una simple automatización de tareas, sino como algo capaz de captar datos y derivar sus propias reglas de funcionamiento a partir de ellos. 

Lograr extraer una ventaja competitiva de una revolución como el machine learning, con efectos comparables a lo que en su momento supuso el desarrollo y adopción masiva de internet, requiere por un lado directivos con el perfil adecuado convencidos del papel de la ciencia en el management de las compañías – un aspecto en el que incidí en mi primer artículo de la serie – y, por otro, de un convencimiento pleno de la necesidad de dotar a esas compañías de una cultura de datos que permita reorientar la totalidad de los productos y servicios de la compañía hacia ellos, como anteriormente lo hicimos con respecto a internet. Las mismas compañías que en los años ’90 creían que internet no supondría un cambio en su forma de hacer las cosas están ahora, un par de décadas después, completamente orientadas a la red, o si no llevaron a cabo ese cambio de mentalidad, muy probablemente hayan desaparecido. Ahora, las compañías deben tomar la decisión de formar a la totalidad de su personal en una tecnología que va a suponer un cambio fortísimo en la manera de entender el mundo en las próximas décadas, la que marcará la próxima gran discontinuidad entre los que la entienden y la saben aplicar y los que no.

Estamos aún, obviamente, en fases experimentales. Aún veremos en muchas ocasiones algoritmos capaces de aprender de los datos de maneras erróneas, de heredar sesgos o de crearlos en función de patrones que no sabíamos que estaban ahí. Si históricamente hemos incorporado menos mujeres que hombres a nuestras compañías, es posible que un algoritmo diseñado para optimizar procesos de reclutamiento alimentado con nuestro histórico de datos tienda, sin la supervisión adecuada, a discriminar a las mujeres en esos procesos, con todo lo que ello podría conllevar de pérdida de oportunidades para la atracción de talento. La adopción tecnológica tiene este comportamiento que requiere de procesos de ensayo y error, del desarrollo de una cultura que posibilite entender los mecanismos que conforman el aprendizaje de una máquina, la generación de algoritmos a partir de los datos, mediante procesos relativamente toscos al principio, pero que pueden evolucionar hasta mostrar patrones intrínsecamente superiores a los exhibidos por los tomadores de decisiones humanos.

No hablamos simplemente de hacer o plantear Machine Learning: hablamos de automatizarlo, de convertirlo en una parte integrante de nuestros procesos empresariales. Entender ese tipo de procesos no es simplemente el fruto de un proceso de reflexión o de aprendizaje individual: requiere la fe necesaria para trasformar las compañías y sus procesos de negocio – que en muchas ocasiones no mostraban signos especialmente preocupantes de ningún tipo de problema – para adaptarlos a las posibilidades que ofrece el machine learning. Las resistencias serán importantes, y van a requerir no solo argumentos, sino la capacidad de rodearse de personas que entiendan ese cambio, que crean en él, y que estén dispuestos a invertir en el proselitismo necesario para convencer a otros. Decididamente, no una tarea sencilla.

 

¿Sustituirán las máquinas a los abogados? - Abogacía EspañolaLa revista del Consejo General de la Abogacía, Abogacía Española, me pidió un artículo para su nº 108, que han titulado “¿Sustituirán las máquinas a los abogados?” (pdf), y en el que precisamente intenté analizar por qué razones el análisis de la posible sustitución de una tarea desarrollada por personas mediante una desarrollada por máquinas es, a mi juicio, erróneo.

La abogacía, como la gran mayoría de las profesiones relacionadas con la justicia, tiene un inherente componente humano que, en el estado actual del desarrollo tecnológico, sería sin duda imprudente negar o relegar al ámbito de la automatización. El desarrollo del machine learning incide precisamente en eso, en una visión de las máquinas que tiende a alejarse de la perspectiva clásica de la automatización, “máquina que ejecuta de manera repetitiva las órdenes que le hemos codificado en forma de variables, condicionales y bucles”, y se aproxima más a la idea de “máquina capaz de aprender y derivar esas reglas a partir del aprendizaje que es capaz de derivar a partir de un conjunto de datos”.

Sin embargo, que las máquinas puedan llevar a cabo tareas cada vez más sofisticadas y reservadas antes para los humanos no implica necesariamente un rumbo de colisión, dado que las tareas desarrolladas por humanos están muy lejos de mantenerse y perpetuarse de manera estática en el tiempo: el trabajo de un abogado, como ocurre con una gran cantidad de profesiones de otros tipos, está muy lejos de parecerse al que desarrollaba un abogado hace algunas décadas: utiliza otro tipo de medios, otros protocolos, requiere otras habilidades, y se apoya en tecnologías y herramientas de una manera sensiblemente diferente. Si un abogado de hace algunas décadas viese hoy trabajar a uno actual, una buena parte de su trabajo le parecería poco menos que ciencia-ficción. Dentro de algunas décadas, el paralelismo se repetirá, y los abogados utilizarán medios, protocolos, habilidades, tecnologías y herramientas que hoy nos parecerían ciencia-ficción, pero que serán las que definan la tarea de un abogado en ese momento.

Las máquinas solo sustituyen al que se niega a avanzar. En la justicia, veremos sin duda crecer la cantidad de casos que son juzgados mediante justicia algorítmica, mediante máquinas que, tras consultar la jurisprudencia, deciden qué casos son homologables a cuáles, toman en cuenta circunstancias de todo tipo que puedan afectar, y emiten un veredicto que, lógicamente, podrá ser sometido a apelación. Un avance que, en virtud del colapso de una buena parte de la administración de justicia, resulta cada día más acuciante y necesario, pero que no podremos considerar una sustitución de abogados por máquinas más allá del hecho de que la instrucción de una inmensa mayoría de esos casos hace mucho tiempo que no debería consumir horas de trabajo de personas, sino de máquinas. Dedicar horas de un profesional a casos tan mecánicos que podrían ser analizados por un simple conjunto de algoritmos es admitir que, en la práctica, ese profesional se está dedicando a tareas puramente administrativas, repetitivas y banales.

Pero más allá de la justicia algorítmica, tendremos otras connotaciones, Desarrollaremos asistentes capaces de llevar a cabo análisis predictivos de una buena parte de los elementos de la naturaleza humana, de recomendar actuaciones en función de determinadas circunstancias, de negociar en función de unos protocolos determinados, o de aliviar una buena parte del trabajo que hoy consideramos, en general, como la peor parte de lo que un abogado hace a lo largo de su día a día, todas esas tareas que, en realidad, enriquecen más bien poco y son consideradas aburridas o penosas. La máquina, en realidad, no quita el trabajo al (buen) profesional, sino que lo libera para llevar a cabo tareas de mayor valor añadido. Así ha sido desde los inicios de la revolución industrial, y existen pocas razones para pensar que no siga siendo así.

Esto implica, lógicamente, un reajuste de las capacidades y habilidades de un abogado. El abogado del futuro hablará con máquinas con la misma soltura con la que habla con personas, y eso no vendrá dado por sus habilidades para programar, porque la misma tarea de programación se habrá convertido, a ese nivel, en algo muy similar a lo que hacemos cuando hablamos con personas. En ese entorno, el abogado seguirá teniendo su papel, sus responsabilidades y su trabajo, aunque su día a día nos parezca alejado de lo que hoy conocemos. Pero seguirá ahí, como seguirán las causas que lo hacen imprescindible. La dialéctica de la sustitución es errónea, y además, dañina por lo que tiende a conllevar de resistencia al cambio. Resistencias que, aunque inútiles a medio plazo dado lo inexorable del cambio, sí pueden retrasarlo e influir en el ritmo del progreso, en la adaptación de los profesionales o en las perspectivas de competitividad de los actores implicados. Negar el cambio implica hacerse enemigo de él, con todo lo que ello conlleva. No, la máquina no sustituirá al abogado, pero los abogados que sepan utilizar máquinas sustituirán a los que no sepan. Eso sí que podemos tomarlo como seguro.

 

El directivo analitico - LUCADesde LUCA, la unidad de Big Data e Inteligencia Artificial de Telefonica, me pidieron un artículo para su blog corporativo sobre los nuevos entornos que precisan, cada vez más, tomar decisiones inteligentes a partir de los datos, y la importancia del análisis de esos datos de cara al desarrollo de un nuevo perfil de directivo. Una tendencia creciente en las compañías modernas que se encuadra en desmitificar el llamado gut feeling, esa supuesta “intuición” de los directivos que, cada día más, prueba que por cada una de esas decisiones acertadas hay, en realidad, un número similar o en ocasiones mayor de decisiones erróneas en contextos similares. 

Mi artículo, titulado “El directivo analítico” (pdf), trata de exponer cómo la llegada del machine learning y la analítica avanzada de datos al mundo directivo nos acerca cada vez más a entornos con un mayor nivel de profesionalización, más científicos y menos dados a sacralizar “la experiencia por la experiencia”, en beneficio de unas herramientas analíticas adecuadas y de unos procedimientos más rigurosos. El management, como ocurre en todas las disciplinas, está destinado a ser cada vez menos “magia” y más ciencia. Para las compañías, entender el funcionamiento de los proyectos de machine learning, sus requerimientos y los pasos que hay que dar para poder alimentar los algoritmos adecuados con datos resulta cada vez más importante – sí, todos los directivos piensan que “tienen muchísimos datos” y que “todos ellos pueden ser utilizados inmediatamente”, pero la realidad es otra muy diferente y mucho más compleja. Sabes qué podemos pedir a un algoritmo, qué posibilidades reales tiene de generar resultados tangibles y qué tiempos de desarrollo cabe esperar en un proyecto de este tipo es cada día más importante para las compañías.

A lo largo de la próxima década, como bien comentan Erik Brynjolfsson y Andrew McAfee en ese gran artículo titulado The business of artificial intelligence, la inteligencia artificial va a cambiar la forma de entender el management hasta el punto de que “aunque la inteligencia artificial no sustituya a los directivos, los directivos que utilicen inteligencia artificial sí sustituyan a los que no lo hacen.” Si como directivo sigues viendo el desarrollo de machine learning e inteligencia artificial desde lejos, como quien ve una película de ciencia-ficción, deberías saber que lo que haces, sea lo que sea, será en algún momento mejorado por otros directivos que sí han aprendido a aprovechar sus posibilidades. Entender el funcionamiento de este tipo de proyectos, su dimensionamiento, sus diferentes fases y lo que se les puede pedir de manera realista se está convirtiendo, tanto a nivel corporativo como personal, en una necesidad cada vez más acuciante. 

 

Transformación radical y dinamismo - SagMi tercera colaboración (aquí la primera y la segunda) en el blog corporativo de Sage se titula “Transformación radical y dinamismo” (pdf), y habla de los procesos de transformación de las compañías, de la continua reinvención de algunas compañías para adaptarse a los cambios del entorno, utilizando como ejemplos casos muy conocidos como Nokia, Microsoft, Sage, IBM o Amazon.

El paso de la transformación digital a la transformación radical, a la necesidad de entender los cambios en el entorno e interpretarlos como señales que marcan la necesidad de transformarse, incluso cuando el negocio que tienes funciona perfectamente y es susceptible de continuar haciéndolo durante algún tiempo. Entre casos de simple búsqueda de oportunidades y otros de adaptación y migración del negocio en función de cambios en el mercado existe una gran diferencia: la capacidad de análisis de la cadena de valor, la comprensión de la necesidad de examinar de manera crítica todos sus elementos y plantearse hackearlos desde dentro antes de que otros lo hagan desde fuera y sin control alguno por nuestra parte. La capacidad de no solo entender la disrupción, sino además, de reaccionar a ella de la manera adecuada, sin minimizar sus efectos, sin pensar que vas a ser capaz de luchar contra ella y de cambiar el entorno mediante el recurso  a las non-market strategies, al lobbying o a la presión sobre el regulador.

Desde hace muchos años, la estructura y planteamiento de mis cursos de innovación es precisamente ese: presentar los cambios en el entorno, y obligar a los directivos a plantearse que, ante un entorno que cambia de esa manera, resulta prácticamente imposible o absurdo pensar que su negocio no ha cambiado o no va a cambiar, por muy exitoso que sea o haya sido anteriormente. En un entorno tan rápidamente cambiante como el actual, todas las compañías están obligadas a replantearse constantemente su actividad, a analizar todos los cambios en el mercado y a entender las tendencias de fondo que representan o que pueden llegar a representar. La capacidad para plantearse ya no la transformación digital, sino la transformación radical es lo que separa a las compañías exitosas de las que simplemente son capaces de aprovechar una coyuntura y un modelo determinados, pero no se plantean salir de ahí.

 

CloudDentro de mi colaboración con el blog corporativo de Sage, me pidieron un artículo hablando sobre las ventajas del cloud computing y la propuesta de valor de la nube en general orientado al mundo de las pequeñas y medianas empresas, artículo que publicaron ayer bajo el título “Replanteando flujos de trabajo: las pymes, la nube y la evolución de la computación” (pdf).

Básicamente, es un intento de actualizar lo que sabemos sobre el cloud computing visto de una manera histórica, desde que, hace ya bastantes años, la combinación de herramientas cada vez más adecuadas, un ancho de banda en crecimiento y una cobertura de conectividad c ada vez más ubicua nos empezaron a llevar hacia la lógica que hoy ya prácticamente todos conocemos: que el lugar ideal para los datos ya nunca es un ordenador ni ningún dispositivo en manos del usuario, sino un servidor remoto perteneciente a una compañía especializada y que nos brinda una calidad de servicio pactada. Nada que no sea perfectamente sabido y asumido por el visitante habitual de esta página, pero que he podido comprobar en numerosas ocasiones que no lo es tanto a nivel de PYMES.

Como en tantos otros temas, la PYME suele ser relativamente conservadora y renuente al cambio, lo que conlleva, en muchos casos, que bien por ignorancia, por conservadurismo o por temores infundados pierda las muchas ventajas que supone el trabajo en la nube. En el artículo, menciono concretamente la evolución de las metodologías de trabajo gracias a las herramientas en la nube, y las ventajas que puede traer consigo su adopción, tales como una mayor seguridad – no importa cómo de seria sea una PYME con sus prácticas de seguridad, un buen proveedor de herramientas en la nube siempre las superará por principio, debido a su nivel de especialización, por mucho que obviamente pueda haber, como en todo negocio, proveedores buenos, malos o regulares, – así como mayor flexibilidad y comodidad, al tiempo que posibilitan la llegada de usos más sofisticados, como la posibilidad de aplicación de técnicas de machine learning mediante herramientas de Machine Learning as a Service (MLaaS).

Hace ya casi catorce años que trasladé la mayor parte de mis metodologías de trabajo de mi actividad empresarial a la nube, aprovechando un artículo que escribí para una revista que me lo planteaba como desafío. Sin embargo, muchas compañías, particularmente PYMES, parecen seguir considerando que un ordenador es una máquina para almacenar archivos, algo que, prácticamente sin excepción corresponde, en nuestros días, a una idea ampliamente errónea. La evolución de la tecnología ha sido similar a la de muchas otras compañías: especialización y desarrollo de una oferta de servicios que lleva a que, si pretendemos utilizar los nuestros en lugar de los creados por esos competidores, implique prácticamente siempre que trabajemos de manera subóptima, tanto en términos de coste como de prestaciones o de nivel de servicio. Mientras las PYMES no sean conscientes de este tipo de ideas, no habrán dado el paso a la edad moderna de la tecnología, con todo lo que ello conlleva para una parte fundamental del tejido productivo y de la economía.