El rol clave de los datos en la transformación digital y el impulso de la IA generativa

En una nueva emisión de Next, el programa coproducido por ITSitio y AhoraPlay, Emiliano Actis Dato, Customer Success Leader en IBM Argentina, compartió su visión sobre la importancia de la gestión de datos para la transformación digital, el crecimiento de las organizaciones y el auge de la inteligencia artificial generativa.

Actis Dato explicó que su función se enmarca dentro de la unidad de software de IBM, donde su equipo tiene la misión de acompañar a los clientes en el uso de los productos más estratégicos de la compañía en la región. «Nos encargamos de que nuestros clientes estén contentos con esos productos, que los usen al máximo, que se enteren de las nuevas funcionalidades, que puedan implementar nuevos casos, que crezcan», detalló. Además, subrayó la importancia de brindar asistencia rápida ante cualquier inconveniente, reforzando el vínculo de cercanía con la marca.

Durante la entrevista, Actis Dato remarcó que los datos atraviesan toda la propuesta de valor de las empresas tecnológicas. Recordó que no es posible mejorar lo que no se puede medir, y que la capacidad de recolectar y analizar datos impacta directamente en la productividad y la innovación. «Los datos nos permiten medir procesos, interacciones con los clientes y todo tipo de acciones en la empresa. A partir de ahí, podemos identificar puntos de valor y áreas de mejora», explicó.

Cómo empezar: del Excel al Data Warehouse

Para aquellas pymes que aún dependen de planillas Excel, Actis Dato ofreció una mirada alentadora. «Todos empezamos con un Excel, incluso las grandes compañías», señaló. Sin embargo, advirtió sobre los riesgos de gestionar datos dispersos o duplicados, y destacó la necesidad de construir una «única fuente de verdad».

El primer paso, recomendó, es identificar los datos más críticos para la empresa y centralizarlos en un repositorio dinámico que se actualice constantemente. «Pensar en una base de datos es fundamental, algo que sirva como un almacén organizado de la información», explicó, en referencia al concepto de Data Warehouse.

Definición de prioridades y modelos escalables

En la construcción de esa base de datos, Actis Dato aconsejó comenzar de forma sencilla pero con visión de crecimiento. «Siempre se arranca con un modelo que pueda expandirse, pero que inicialmente permita contestar las preguntas más básicas», sostuvo. También remarcó la importancia de no querer almacenar todo indiscriminadamente, ya que eso podría derivar en estructuras complejas y de difícil explotación por parte de los usuarios finales.

La facilidad de acceso y la interoperabilidad también son aspectos centrales. «Muchas veces una empresa tiene datos en Excel, en herramientas de gestión o en sistemas externos. Todo eso debe integrarse en un único repositorio de manera ordenada», afirmó.

Para lograr una buena integración, Actis Dato recomendó utilizar herramientas de ETL (Extract, Transform, Load) en lugar de soluciones improvisadas. «Usar una herramienta de ETL paga en el largo plazo. Nos permite asegurar la calidad de los datos desde el momento de la ingestión. Si los datos no son confiables, la empresa pierde confianza en toda su gestión basada en datos», advirtió.

Datos y su vínculo con la inteligencia artificial

A medida que las organizaciones avanzan en su madurez digital, surge naturalmente la inquietud de incorporar inteligencia artificial en sus procesos. Actis Dato fue claro al respecto: «En el ámbito corporativo, la IA, y en particular la IA generativa, no es un problema de modelos, es un problema de datos».

Recordó el principio fundamental de «garbage in, garbage out»: si los datos que alimentan un modelo son de baja calidad, el resultado será igualmente deficiente, sin importar cuán avanzado sea el modelo utilizado.

La diferencia entre IA tradicional y IA generativa

El especialista de IBM explicó que la IA tradicional, como los modelos de predicción, trabaja fundamentalmente sobre datos estructurados: ventas, pedidos, transacciones. Estos modelos existen desde hace décadas y son la base de predicciones como el pronóstico del tiempo o las recomendaciones de productos.

Sin embargo, la IA generativa, basada en los Large Language Models (LLM), introduce un nuevo paradigma. «Su gran diferencial es la capacidad de entender y procesar datos no estructurados: textos, documentos, artículos. Y a partir de ahí, generar contenido nuevo», describió. Este avance, recordó, se remonta a 2017 con la publicación del paper «Attention is all you need», que revolucionó el campo.

Casos de uso para IA generativa en empresas

Actis Dato subrayó que la implementación de IA generativa se justifica especialmente en contextos donde se manejan grandes volúmenes de texto. Un ejemplo claro es el de los contact centers. «Un cliente llama, tiene una conversación con el operador. Esas conversaciones, aunque se graban, sólo una pequeña muestra es auditada», señaló.

En este contexto, aplicar IA generativa permitiría analizar automáticamente todas las conversaciones, identificar patrones, evaluar la performance de los operadores y entender mejor las necesidades de los clientes. «Sería imposible pensar en un humano escuchando todas las grabaciones. Ahí es donde la IA generativa marca la diferencia», afirmó.

La importancia de construir una base sólida

La entrevista cerró con un mensaje contundente: el éxito en la adopción de tecnologías avanzadas como la inteligencia artificial depende de construir primero una base sólida de datos confiables, estructurados y organizados. «Sin una gestión de datos adecuada, cualquier intento de transformación digital o de uso de IA estará condenado a fallar», advirtió Actis Dato.

Su visión deja en claro que, aunque las herramientas tecnológicas evolucionen, el verdadero corazón de la innovación sigue estando en los datos.

Leer mas

• Invento argentino: una vincha para mantener el cerebro joven mientras dormís
• Silver Economy e inteligencia artificial: reinventarse después de los 50
• ¿Qué tipo de liderazgo buscan las empresas hoy? Las 6 H que definen a un líder humano