Por Jorge González.

El CEO de RockingData, Fredi Vivas, dijo a Ciberseguridad LATAM que los países más avanzados en Inteligencia Artificial (IA) son Estados Unidos, China y los que integran la Unión Europea, y resaltó que la pandemia por coronavirus “acentuó la importancia de la analítica predictiva y cómo potencia la toma de decisiones, no solo de las empresas sino también en la salud pública”.

“Gestionar información y realizar predicciones que permitan dar un mejor servicio a los pacientes y hacer más eficientes las instituciones, serán claves para monitorear, comprender y mitigar esta pandemia”, aseveró el ingeniero Vivas, actual Coordinador académico del programa Big Data de la Universidad de San Andrés.

RockingData es una startup argentina que trabaja todos los días junto a organizaciones líderes en distintas industrias, identificando formas valiosas e innovadoras de usar los datos. Los algoritmos que desarrolla RockingData usan inteligencia artificial y machine learning para resolver problemas concretos, automatizando y potenciando la capacidad de toma de decisiones en organizaciones.

¿Cuál fue el motivo que lo impulsó a fundar Rocking Data en Argentina y por qué eligió ese nombre para la empresa?

La creación del proyecto fue única, trabajábamos juntos los tres socios, haciendo proyectos de Big Data en una compañía multinacional. Nos sentábamos en la misma mesa. Nos hicimos amigos muy rápido porque los tres somos músicos, comenzamos a ensayar y tocar. Cuando decidimos formar la startup, naturalmente las dos cosas que más nos gustan son el rock y los datos. De ahí nuestro nombre, RockingData. Creamos algoritmos de inteligencia artificial y machine learning para empresas.

Conocimos la potencia del análisis de datos porque nos formamos durante más de 10 años en eso y también porque tuvimos la suerte de implementarlo a gran escala, con volúmenes de datos enormes. Sumado a eso, notamos una necesidad creciente en las empresas del mundo de expertos en datos que los ayuden a crear modelos predictivos, para hacer más eficientes y rentables sus negocios.

Usted realizó estudios de posgrado sobre inteligencia artificial, robótica, biotecnología, neurociencia y nanotecnología en la Singularity University, ubicada en una sede de la NASA en Silicon Valley. ¿Qué recuerda de su paso por esa universidad, qué es lo que más le sorprendió y lo que más lo benefició a futuro?

Ganar la beca para estudiar en Singularity University fue la experiencia profesional más importante de mi vida, pasé un verano entero ahí, compartiéndolo con 90 personas de 50 países. Distintas profesiones, realidades y todos queriendo entender mejor las tecnologías más disruptivas del mundo como inteligencia artificial, machine learning y robótica para solucionar problemas reales. El trabajo con tecnologías exponenciales fue muy fuerte a lo largo de esos meses, pero me impactó también la importancia que le dan a las habilidades emprendedoras, a la búsqueda del propósito, al desarrollo de las fortalezas personales. Me sirvió muchísimo para confiar en mí y avanzar con la creación de RockingData.

¿Cuáles son las virtudes y vulnerabilidades de la Inteligencia Artificial (IA)?

Empiezo por los riesgos, como dijo Stephen Hawking en 2014 “el éxito en la creación de IA sería el mayor evento en la historia humana. Desafortunadamente, también podría ser el último, a menos que aprendamos cómo evitar los riesgos”.

Si queremos aprovechar los beneficios de la inteligencia artificial para mejorar la calidad de vida de las personas, es el momento de establecer criterios legales y éticos sólidos.

Cuando usamos machine learning (aprendizaje automático) creamos modelos para que las máquinas puedan entender el mundo, y este puede ser un proceso que replique y peor aún, amplifique errores humanos.

Estos modelos pueden ser más precisos y veraces que nuestra propia manera de analizar cómo funciona el mundo. Estamos recurriendo a máquinas que “piensan” de una manera diferente a nosotros, calculan más rápido que los humanos y encuentran patrones que serían imposibles de descubrir de otra manera, aunque a veces no sepamos explicar cómo lo consiguen.

“Las empresas más exitosas del mundo hoy son digitales”.

La preocupación ética por la creación de nuevos tipos de inteligencia requiere de criterio moral en las personas que las estamos desarrollando. Una “guía” para crear IA con criterios éticos centrados en los humanos y en defensa de los derechos fundamentales debería:

• Prestar atención a los grupos vulnerables, como los menores de edad o las personas con discapacidades.
• Respetar los derechos fundamentales y la regulación aplicable.
• Ser técnicamente robusta y fiable.
• Funcionar con transparencia.
• No debe restringir la libertad humana.

Y cuando hablamos de las virtudes, pienso que si todo lo que nos gusta de nuestra civilización es un producto de nuestra inteligencia, entonces amplificar nuestra inteligencia humana con inteligencia artificial tiene el potencial de ayudar a la civilización a desarrollarse como nunca antes.

Si consideramos la IA como la principal herramienta que existe hoy para resolver problemas complejos, podemos decir que algunos beneficios son:

• Automatizar los procesos repetitivos y rutinarios, optimizar procesos automáticos de cualquier tipo.
• Potenciar las tareas creativas, y considerando el punto anterior, los humanos tendremos más tiempo para las actividades creativas.
• Reducir errores, por ejemplo, en algunas fábricas se usa la técnica de visión artificial (computer vision) para detectar defectos en piezas, que son imposibles de detectar rápido por el ojo humano.
• Mantenimiento predictivo, por ejemplo en equipamiento industrial, permitiendo incrementar el rendimiento y vida útil de las máquinas.
• Mejora la capacidad de toma de decisiones, en cualquier tipo de industria o negocio, permite a los responsables de la toma de decisiones obtener información predictiva y nuevo conocimiento clave.

El concepto de Inteligencia Artificial existe desde hace mucho. De hecho, John McCarthy creó el término Artificial Intelligence en 1950 y Alan Turing ya empezó a hablar de esta realidad ese mismo año en un artículo titulado “Computing Machinery and Intelligence”. Pero realmente en esta última década estamos viviendo la implementación concreta en instituciones de todo tipo; gobiernos, instituciones y empresas.

¿Dónde se utiliza principalmente?

Hoy todos convivimos con sistemas que usan IA; en plataformas que te recomiendan películas, apps que te dan el mejor camino para llegar a algún lugar o donde compramos productos, pero también puede ser un bot que responde consultas 24×7 en una institución pública.

Las empresas más exitosas del mundo hoy son digitales y tienen a estos algoritmos en el corazón de su negocio. La inteligencia artificial (IA) y el machine learning (ML) se están posicionando como un medio para que las instituciones y empresas de todo tipo reduzcan costos, mejoren la calidad de sus servicios, la coordinación, productividad y la eficiencia de sus prácticas.

Vemos cómo cada día más organizaciones crean nuevas conexiones humano-máquina, desde la toma de decisiones en la gestión, fabricación o diseño. ¿Para qué puede servirle todo esto a una organización? ¿Reducción de costos? Sí. ¿Aumento de la eficiencia? Por supuesto, también.

Estos dos puntos anteriores conectan directo con los casos de negocio más probados en el mundo de machine learning, y cuando hablamos del verdadero valor de la IA aplicada a las organizaciones, el foco estará en la ampliación o el crecimiento de nuevas verticales de negocio, es decir, puede generar nuevos negocios por sí misma.

“Los datos de salud son especialmente sensibles y por lo tanto se deben tener consideraciones distintas a otros ámbitos”.

¿Puede la Inteligencia Artificial (IA) producir accidentes?

Puede ser, aunque también pienso que posibilitará la reducción de la cantidad de accidentes, desde su implementación en autos autónomos a la prevención de accidentes en sectores industriales, por ejemplo en líneas de producción.

Los sistemas de inteligencia artificial podrían funcionar mal, o mejor dicho, podrían ser mal diseñados/entrenados, por ejemplo ya ocurrieron accidentes con autos autónomos. Y a futuro, podría ser aún más peligroso con drones que funcionen mal, camiones o sistemas relacionados a la salud.

¿Qué tipo de consecuencias sociales puede provocar la inteligencia artificial en el futuro?

Las tecnologías de inteligencia artificial pueden de manera “similar” a un humano hacer cosas como aprender, percibir, interpretar, comunicarse, recomendar decisiones y muchas otras más que ni siquiera ahora podemos imaginar. Sin dudas todo esto puede tener consecuencias de gran alcance en todos los ámbitos.

¿Cuáles son los países más avanzados en Inteligencia Artificial?

Según la Information Technology and Innovation Foundation (ITIF), los países más avanzados son Estados Unidos, China y la Unión Europea.

En el marco de la pandemia por coronavirus, ¿qué tienen de especiales los datos del sistema de salud, y cómo se utiliza el machine learning? ¿Esos datos pueden recibir ataques de ciberdelincuentes?

El suceso covid acentuó la importancia de la analítica predictiva y cómo potencia la toma de decisiones, no solo de las empresas sino también en la salud pública. Gestionar información y realizar predicciones que permitan dar un mejor servicio a los pacientes y hacer más eficientes las instituciones, serán claves para monitorear, comprender y mitigar esta pandemia.

Si bien tecnologías como la inteligencia artificial (IA) y el machine learning (ML) son importantes herramientas para este propósito de entendimiento de un problema complejo, la obtención de datos confiables a escala sigue siendo una prioridad y una dificultad para generar información de calidad.

Algunos casos de uso podrían ser la organización y enriquecimiento de datos para obtener conocimiento sobre los aumentos y caídas de las tasas de infección por COVID-19, con foco en conseguir una mejor planificación de los servicios hospitalarios, uso óptimo de recursos y del staff médico. Otro caso puede ser un modelo predictivo para comprender mejor qué pacientes con COVID positivo tienen un alto riesgo de hospitalización.

Los datos de salud son especialmente sensibles y por lo tanto se deben tener consideraciones distintas a otros ámbitos. Cuestiones como la solicitud de consentimiento, aseguramiento de la calidad de los datos, confidencialidad y procedimientos legales son sin duda más rigurosos.

Cifrar datos, manejarlos con seguridad estricta y garantizar transparencia en todo el proceso también son parte fundamental de estos proyectos. La securización para evitar robo de información debe ser prioridad, aún más que con cualquier otro sistema de información digital, dado el tipo particular de datos.

¿Cómo se puede saber si una empresa está lista para incorporar IA-machine learning?

Según un estudio de la revista Forbes en 2020, sólo el 13% de las empresas del mundo usan eficientemente los datos que poseen. Para revertir esos números, primero tenemos que entender el fenómeno del mundo de los datos y los beneficios concretos que su análisis aporta a las empresas.

Creo que en este punto la clave es responder la pregunta: ¿Cómo acelerar la adopción de estas tecnologías? Una buena forma de responder esto es pensar las claves para obtener beneficios concretos de IA / ML.

Lo primero que tenemos que tener en cuenta es que para que estos proyectos se traduzcan en beneficios concretos para las compañías es necesario alguien que los lidere.

“En los últimos 10 años, una combinación explosiva de mayor uso de internet, capacidad de almacenamiento más barato y el incremento de dispositivos conectados provocaron que el volumen de datos crezca exponencialmente”.

(1) El liderazgo es fundamental para llevar adelante este proceso de transformación y manejar las expectativas de los miembros de la organización al respecto.

La incorporación de tecnología de IA o ML no siempre es lo que solemos llamar plug and play (conectar y funcionar). Y además, el retorno a la inversión puede no ser inmediato.

Antes de comenzar a trabajar, es clave (2) realizar un buen balance entre viabilidad, presupuesto, tiempo y valor al negocio.

Muchas veces sabemos que queremos comenzar a usar estas tecnologías pero no tenemos bien claro qué es lo que queremos hacer con ellas, o cómo van a mejorar nuestro negocio. Es clave invertir tiempo en eso, o pedir ayuda a expertos en esas definiciones.

Para los casos donde no haya mucha claridad de por donde arrancar, es recomendable (3) comenzar con un piloto o prueba de concepto.

Estos pilotos de prueba, además de poder generar ganancias en las organizaciones, actúan como un golpe de impacto que ayuda a romper la barrera de desconfianza o escepticismo. Para implementarlas, es recomendable hacerlo en ambientes controlados que nos permitan medir impacto y ajustar expectativas y procesos. El aprendizaje basado en la prueba y el error es lo que nos va a ayudar a construir bases muy sólidas para nuestro proyecto. Y por supuesto también hacer que más gente en la organización conozca cómo funcionan estas herramientas.

Una cuarta sugerencia o recomendación a la hora de implementar por primera vez un proyecto de esta magnitud, es (4) no poner demasiado foco en tecnicismos, del estilo.

¿Es mejor un algoritmo u otro? o ¿Vamos a desarrollar en Python o en R?

No estamos diciendo que esas discusiones no sean importantes, pero en el periodo de adopción, lo fundamental es alinear la cultura, las diferentes áreas involucradas y sus objetivos comunes para comenzar a trabajar con inteligencia artificial en nuestra organización.

Para hacer esto, es fundamental poder (5) implementar herramientas de colaboración y trabajo en equipo.

La IA suele tener mayor impacto cuando es desarrollada por equipos multidisciplinarios, que mezclan habilidades y perspectivas para sacar el mejor provecho de estas herramientas.

El gran desafío que tenemos por delante para transformar nuestra organización en data driven es desarrollar un mindset ágil, flexible y colaborativo en nuestros equipos de trabajo. En este sentido, mi sugerencia es (6) invertir en entrenamiento y planes de adopción.

Las organizaciones que tienen éxito implementando IA son aquellas que elaboran planes de adopción, estrategias de inversión en capacitación, rediseños de flujos de trabajo y comunicación. Adquirir talento con conocimiento específico en IA es muy complejo, por eso tener aceitados los mecanismos de capacitación y por supuesto para “enamorar todos los días” a nuestro talento serán muy importantes.

(7) Identificar los factores de riesgo, como toda gran innovación, la adopción de IA/ML en los procesos de toma de decisión puede generar cierta resistencia en algunos sectores de la organización. Y eso es algo completamente normal, porque la mayoría de las empresas no nacieron digitales. Por eso, para encarar este camino de la mejor forma, es importante prestar atención a ciertos factores de riesgo que pueden demorar la confianza en la puesta en producción de estas tecnologías. Algunos de los más comunes son:

• Sesgos en el desarrollo de los modelos.
• Datos faltantes o de mala calidad.
• Barreras culturales.
• Falta de involucramiento de las distintas áreas.

Estos desafíos requieren de líderes decididos, que entrenen, motiven y den las herramientas adecuadas a los equipos. Los líderes que más rápido tomen medidas para derribar estas barreras, son los que podrán capitalizar más eficazmente las oportunidades que genera la inteligencia artificial. Consiguiendo que sus organizaciones sean pioneras en sus industrias.

¿Por qué es tan importante el big data en la actualidad?

En los últimos 10 años, una combinación explosiva de mayor uso de internet, capacidad de almacenamiento más barato y el incremento de dispositivos conectados provocaron que el volumen de datos crezca exponencialmente.

“Hoy todos convivimos con sistemas que usan IA”.

Pero el desafío ya no es tener los datos, sino encontrar nuevos conocimientos en ellos. Las empresas de a poco comenzaron a convertir los datos sin procesar en información sobre la que puedan actuar, de la manera más rápida y frictionless (sin fricción) posible.

Las organizaciones data driven (que toman decisiones basadas en datos) saben que los datos son su principal activo estratégico, y que reflejan toda la experiencia de la organización; cada transacción, incumplimiento de crédito, reclamo de un cliente, cada venta, contenido reproducido o medicamento recetado, todo eso genera un registro en los sistemas a cada segundo en todo el mundo. Y todo sirve para aprender.

Por ejemplo, para generar ofertas personalizadas uno a uno, a partir de entender en mayor profundidad hábitos y preferencias de consumo. En lugar de enviar 20 mensajes con ofertas, mandar uno solo, pero que es el más relevante para cada usuario. O que tu newsletter se adapte a los contenidos que busque cada lector. En el siglo XXI, no importa el tamaño de la empresa, si es pública, privada, mediana, grande o pequeña. Todas van a poder innovar y crecer a partir del uso inteligente y búsqueda de valor en los datos.

En off

¿Una comida preferida? Milanesas con puré.

¿Un postre? Queso y dulce (de batata).

¿Un país que recomendaría visitar? Argentina.

¿Qué ciudad le gustaría conocer? Tokio.

Para vacaciones, ¿elige playa o montaña? ¿Por qué? ¿Qué lugar elegiría? Playa. Me gusta nadar. Nunca fui a las playas de Europa y me encantaría.

¿Practica deportes? ¿Cuáles? Ahora estoy bastante con el ciclismo, porque ya no estoy apto para jugar al fútbol

¿Le gusta la música? ¿Cuál? Me encanta la música, casi todos los géneros. Crecí en los 90´s y el grunge me sigue fascinando. También me gusta el rock clásico de los 70´s y de la actualidad Muse es mi banda favorita.