Todos los años, el diccionario británico Collins elige una palabra que representa una tendencia o un hecho sobresaliente para la sociedad, buscando capturar la esencia de los acontecimientos culturales de ese período. En 2023, esa palabra fue “IA”, definida como “abreviatura de inteligencia artificial: el modelado de las funciones mentales humanas mediante programas informáticos”. Sin duda, una decisión acertada por parte de los lexicógrafos de Collins, ya que no solo el término ha acaparado titulares y dominado conversaciones desde el lanzamiento de ChatGPT en noviembre del año pasado, sino que esta tecnología se ha incorporado a nuestras vidas de manera casi omnipresente.
La inteligencia artificial parece ser la nueva fiebre del oro para las empresas tecnológicas, donde se ha desencadenado una competencia feroz por el liderazgo. Tanto los gigantes de Silicon Valley como startups emergentes han invertido enormes sumas de dinero en desarrollar algoritmos de IA, sistemas de aprendizaje automático y plataformas de procesamientos de datos que los posicionen a la vanguardia de un mercado dinámico y vibrante.
Según los datos recopilados en el informe AI Index 2023, elaborado por el Instituto Stanford para la Inteligencia Artificial centrada en el Humano (HAI), hasta 2014, la mayoría de los modelos de aprendizaje automático más importantes fueron creados por universidades y centros de investigación académicos. Estas organizaciones, actores fundamentales en el desarrollo de la IA, cuentan con los recursos necesarios para llevar a cabo investigaciones complejas y de vanguardia, además de tener acceso a grandes conjuntos de datos, un considerable poder de procesamiento computacional y un equipo de investigadores de altísimo nivel.
Aún así, últimamente la industria tecnológica ha tomado la delantera. En 2022 hubo 32 modelos de aprendizaje automático relevantes producidos por empresas privadas, frente a solo tres desarrollados por organizaciones académicas. Esto se da así porque construir sistemas de IA vanguardistas requiere de cantidades cada vez más grandes de datos y poder de cómputo, pero sobre todo, abundantes cantidades de dinero, aportada a la industria por inversores ávidos de obtener un rendimiento financiero a su inversión.
Es que los modelos de IA están cambiando al mundo rápidamente, acelerando el progreso científico, la producción industrial, el cuidado de la salud, el arte, la creatividad y la toma de decisiones. Y toda esta tecnología fascinante es imposible de concebir sin la Ciencia de Datos, ya que no solo se complementan y retroalimentan mutuamente, sino que también comparten muchos aspectos en común. Ambas disciplinas se basan en el uso de los datos para generar conocimiento y soluciones prácticas.
“¿De qué se trata la ciencia de datos? En rigor de verdad es un crisol de ciencias”, ilustra Sebastián Grieco, licenciado en sistemas y director de la carrera de Licenciatura en Ciencia de Datos, recientemente incorporada a la oferta académica de la UCA Rosario. “Allí coexisten distintos saberes que tienen que ver con matemática, con estadística, con datos, con informática e incluso con inteligencia artificial. Su objeto de estudio claramente son los datos, y los aborda con el propósito de obtener información significativa”, explica Grieco a Rosario3.
“El profesional trabaja con los datos, ya sea que estén estructurados en una base de datos o se encuentren repartidos en diferentes fuentes y formatos”, precisa el director académico. “Por ejemplo, pueden llegar a ser correos electrónicos, informes, audios, textos, gráficos... Y lo hace para extraer de allí el conocimiento, la información que no se reveló a simple vista o a primera lectura. Una vez obtenido este conocimiento, lo comunica para que sea utilizado en la toma de decisiones”, detalla. “Por eso es que me gusta definir al profesional en ciencia de datos como un descubridor, un libertador del conocimiento que subyace en los enormes volúmenes de datos de una organización”, expone Grieco.
En la era de la transformación digital, la ciencia de datos se consolida como uno de los pilares fundamentales para las organizaciones que buscan liderar en el ámbito empresarial. Su influencia se extiende más allá de las fronteras de la academia y la investigación, permeando cada aspecto de la toma de decisiones estratégicas. La capacidad de analizar grandes volúmenes de datos, provenientes de diversas fuentes y en variados formatos, se convierte en un activo invaluable para descubrir patrones, tendencias y oportunidades que de otra manera podrían pasar desapercibidos.
“Sin arquitectura de la información, no hay inteligencia artificial”, afirma a Rosario3 la ingeniera María del Rosario Bruera, consultora especialista en Ciencia, Gobierno y Monetización de Datos de MEC, una consultoría local que brinda servicios de estrategia de negocios, con gran penetración en la región centro y países limítrofes. “Si no hay datos convenientemente estructurados y organizados, la inteligencia artificial no puede crear respuestas. Es decir, no es una caja mágica que puede responder cualquier pregunta, en cualquier contexto, con cualquier dato”, describe Bruera.
En este contexto, el profesional en ciencia de datos no solo se convierte en un descubridor de conocimiento, sino en el artífice de la innovación y el catalizador de la eficiencia operativa en la empresa moderna. Un alquimista contemporáneo que desentraña los secretos escondidos entre los enormes caudales de información para transformarlos en valioso conocimiento. No obstante, la implementación de nuevas tecnologías debe ser consciente y fundamentada, respaldada por un análisis detenido de su rentabilidad y su alineación con los objetivos estratégicos de la organización.
“La primera barrera que una empresa tiene que vencer, es pensar cuáles son los principales problemas que tiene actualmente el negocio, y entender si esos problemas pueden mejorarse usando eficientemente los datos que ya tienen”, indica Bruera. “Si esa respuesta es positiva, es decir, que verdaderamente la inteligencia artificial puede brindarnos una respuesta sobre esas decisiones que estamos tomando mal y por eso no encontramos la solución al problema, recién ahí se puede avanzar en la siguiente etapa, que es evaluar cuánto sería el costo de mejorar esta decisión. Esto tiene que estar alineado con la ganancia que se va a obtener de la monetización de datos. Es decir, solamente se justifica actuar y desplegar tecnologías si la monetización del dato así lo asegura”, fundamenta la especialista.
La conjunción armónica entre la ciencia de datos y la inteligencia artificial ha transformado radicalmente la manera en que las organizaciones toman decisiones y enfrentan sus desafíos. Sin embargo, muchas empresas enfrentan la realidad de contar con información y datos desordenados, mal clasificados o incluso, sin clasificar; una situación que subraya la urgente necesidad de implementar métodos eficaces de gestión de datos.
Ariel Secondo, director de MEC Consultores, cuenta que “muchas veces nos encontramos con problemas en la parte de gobierno de datos. Primero hay que ordenar bien lo que uno tiene, entenderlo, segmentar, clasificar y tomar los recaudos para que sea información disponible de manera oportuna, segura y confiable. Posteriormente se pueden explorar las diversas dimensiones del análisis de datos y, finalmente, en todo lo relacionado con el aprendizaje automático”, detalla el experto en marketing y gestión de mercado. “Por eso decimos que para tener inteligencia artificial, primero hay que tener arquitectura de la información”.
La ciencia de datos y la inteligencia artificial son, en algún punto, dos caras de una misma moneda; disciplinas complementarias que, en plena simbiosis, potencian exponencialmente la capacidad para extraer conocimiento de enormes volúmenes de datos. Un binomio poderoso con el potencial de reinventar por completo la forma en que empresas y organizaciones toman decisiones estratégicas en la era digital.
