RockingData celebró los 69 años de la inteligencia artificial con ideas, humor y una hoja de ruta para el futuro
En un encuentro que reunió a expertos, clientes y entusiastas, RockingData propuso repensar el uso de la inteligencia artificial desde la estrategia, la infraestructura y el factor humano. Entre brindis y conceptos, delinearon los desafíos clave de esta nueva era.
La consultora argentina RockingData, especializada en datos e IA, organizó un evento en Buenos Aires para festejar los 69 años de la inteligencia artificial. En lugar de enfocarse en promesas futuristas, sus referentes compartieron aprendizajes reales sobre cómo usar la IA de manera estratégica, humana y efectiva.
La inteligencia artificial cumplió 69 años desde su bautismo formal en la histórica conferencia de Dartmouth de 1956, y RockingData lo celebró con una propuesta poco convencional. Bajo el lema “la IA ya no es promesa de futuro, es una señora grande”, el evento realizado ayer jueves en HIT CEL— combinó brindis, anécdotas de Turing y una serie de ideas clave sobre el presente y el futuro de esta tecnología en los negocios.
De la inteligencia artificial a la era MAD
La bienvenida estuvo a cargo de Fredi Vivas, CEO de RockingData, quien propuso dejar atrás la visión mística de la IA como caja negra todopoderosa. “Vamos a dejar de hablar de inteligencia artificial… al menos un poco. Bienvenidos a la era de MAD”, lanzó.
En su visión, la tecnología debe dejar de ser protagonista para pasar a ser una herramienta al servicio de quienes toman decisiones con propósito. Y para eso, es necesario más criterio humano y menos hype.
Una estrategia que empieza con personas, no con tecnología
El primer “facto” de la noche lo compartió Martín Maffioli, COO de RockingData. En su intervención, dejó en claro que una estrategia de IA no arranca por los algoritmos, sino por las personas. “Cuando hablamos de IA, lo primero que tenemos que hacer es hablar de inteligencia humana”, sostuvo.
Propuso una hoja de ruta de tres pasos: poner a las personas en el centro, trabajar en cómo tomamos decisiones —lo que en RockingData llaman “inteligencia en las acciones”— y recién después elegir la tecnología adecuada. “La IA sola no sirve si no sabemos qué decisiones queremos potenciar”, remarcó, defendiendo una visión pragmática y centrada en el negocio.
La infraestructura también importa: datos, modelos y gobierno
El segundo expositor fue Diego Oyola, CTO de la empresa, quien alertó sobre un punto muchas veces subestimado: la infraestructura de datos. A medida que crece el uso de IA, dijo, también crecen los desafíos técnicos para escalarla de forma segura y eficaz.
Oyola explicó que están surgiendo enfoques como data mesh y data fabric, que permiten a las distintas áreas de una empresa trabajar de manera más autónoma con sus propios datos. También mencionó la irrupción de las bases de datos vectoriales, pensadas específicamente para modelos de inteligencia artificial, y que difieren completamente de las bases tradicionales.
Pero el eje más importante de su intervención fue el llamado a priorizar el gobierno de datos y modelos. “No basta con tener un modelo que funcione. Tenemos que saber qué modelo se está usando, con qué datos, y bajo qué reglas”, advirtió, señalando que este será uno de los grandes desafíos para los próximos años.
Del prompt al contexto: una nueva forma de interactuar con los modelos
La tercera presentación estuvo a cargo de Agustín Di Salvo, AI Manager, quien rompió con una de las tendencias más repetidas del último año: el prompt engineering. “Eso ya fue”, sentenció. En su lugar, propuso pensar en context engineering, un enfoque más avanzado que se pregunta qué necesita el modelo para funcionar en entornos más complejos.
En lugar de escribir una instrucción aislada, explicó, hoy debemos diseñar entornos completos, con memoria, acceso a herramientas externas, bases de datos en tiempo real y flujos de trabajo. “El contexto es lo que permite a los modelos operar con sentido. Ya no alcanza con una orden bien escrita”, sostuvo.
Cambiar la mentalidad: de parches a rediseño de procesos
Luego fue el turno de Augusto Salvatto, Director de Iniciativas Humanas, quien trajo al centro de la escena un concepto clave: el mindset organizacional. Según explicó, muchas empresas adoptan IA como si fuera un “parche” que se le agrega a un proceso ya existente para hacerlo más rápido o barato. Pero esa lógica es limitada.
“La IA no es un agregado, es un cambio de paradigma”, afirmó. Y detalló tres cambios de mentalidad necesarios: aprender a ver datos donde otros ven problemas, dejar atrás la idea de reemplazo y enfocarse en el crecimiento de capacidades, y repensar procesos desde cero para una era en la que la inteligencia artificial ya no es opcional.
Machine learning de autor: datos propios, modelos propios
El cierre estuvo a cargo de Tomás Bonfiglio, Advanced Analytics Manager, quien reivindicó el rol del machine learning clásico frente a la moda de la IA generativa. Con tono irónico, recordó que más de una vez les dijeron que lo que hacían era “magic learning”. “Y si eso ayuda a que se entienda, lo tomamos”, bromeó.
Bonfiglio sostuvo que muchas empresas tienen sus datos clave en tablas, y que esos datos no se aprovechan si se dependen únicamente de modelos genéricos. En cambio, propuso crear modelos entrenados con esos datos específicos y usarlos como entrada para los LLM. “Podemos personalizar decisiones a nivel cliente, proveedor o empleado. El machine learning sigue vivísimo”, concluyó.
Entre brindis, referencias a Turing y chistes sobre el viejo internet dial-up, RockingData logró lo que muchas veces falta en los eventos de tecnología: bajar la conversación a tierra. Lejos del marketing vacío, el cumpleaños de la inteligencia artificial fue una excusa para revisar qué estamos haciendo con esta tecnología y hacia dónde queremos ir.
LEER MÁS:
Globant es reconocido por Gartner por la interfaz de IA conversacional de su sitio web corporativo
