A medida que se producen cambios drásticos en la organización de las actividades profesionales, fruto del enorme cambio que ocasiona en la vida de las empresas el proceso de Transformación Digital, es habitual encontrarse con sistemas de innovación que buscan crear sinergias entre diversos equipos para huir de los departamentos estanco. Desde el punto de vista tanto de la experiencia de empleado como de la incorporación de nuevas habilidades y afrontar soluciones a problemas de complejidad creciente, los profesionales multidisciplinares y equipados de soft skills son cada vez más valiosos.
Sin embargo, la competencia interna entre departamentos no solo es algo saludable sino que es compatible con el enunciado anterior. La competencia interna se da también cuando se aborda la velocidad con la que las diversas áreas de las empresas asimilan, incorporan o demandan nuevas tecnologías para mejorar en su día a día. Y ese es, en parte, el asunto que hoy nos ocupa a la luz de la reciente publicación del sexto estudio anual de la empresa de servicios Dresner, acerca del empleo de la Ciencia de Datos y el aprendizaje automático. Se trata de un estudio de mercado que analiza el impacto de 37 tecnologías relacionadas con estas dos disciplinas.
Entre las ideas clave del estudio de mercado, se debe mencionar que la minería de datos, los algoritmos avanzados y el análisis predictivo se encuentran entre los proyectos de mayor prioridad para las empresas que han adoptado la Inteligencia Artificial (AI, por sus siglas en inglés) y el aprendizaje automático (ML, ídem) a lo largo de este año 2019. Además, la elaboración de informes y paneles, la integración de datos y la visualización avanzada son las principales tecnologías e iniciativas estratégicas aplicadas a la Inteligencia de Negocios (BI, ídem) en la actualidad. Sin embargo, el BI basado en AI, también llamado BI cognitivo, ocupa todavía un lugar relativamente bajo entre las prioridades.
En concreto, la elaboración de informes y paneles son citadas como algo «crítico» para el negocio por casi la mitad de los participantes en el estudio, y como algo «muy importante» para otro 35%, de tal forma que solo 1 de cada 5 lo considera relativamente o nada importante. La integración de datos es citada como algo «crítico» o «muy importante» por 3 de cada 4 encuestados. La lista de prioridades la cierran disciplinas como el Internet de las Cosas (IoT), el llamado Edge Computing y las analíticas de vídeo, que son citadas como iniciativas estratégicas poco o nada importantes por 3 de cada 5 participantes, e incluso más en el caso de la última opción.
Pero como decíamos líneas arriba, estudios de mercado como el que nos ocupa también nos sirve para medir la presión que diversos departamentos funcionales de las empresas ejercen a la hora de adoptar las nuevas tecnologías. En el caso de la ciencia de datos y el aprendizaje automático, las áreas de marketing y ventas vuelven a coronarse con los laureles de vencedores, ya que sus miembros son los que en mayor porcentaje reclaman estas tecnologías como algo «crítico»: 2 de cada 5 así lo afirman. Les siguen los responsables de Investigación y Desarrollo, y por debajo, con un respaldo cercano al 25%, podríamos encontrar a directivos y ejecutivos, seguidos del área técnica (IT) y por último el área financiera. En este último caso, 3 de cada 10 participantes sostienen que se trata de tecnologías poco o nada importantes para su objetivos.
Sin embargo, la presión ejercida no siempre tiene relación directa con el uso real de las tecnologías. Y en el caso de la ciencia de datos y el ML esta realidad se pone claramente de manifiesto. Así, si medimos su uso real, marketing y ventas se hunde hasta el penúltimo puesto, ya que solo la cuarta parte afirma estar usando de manera efectiva estas tecnologías. Y el primer lugar lo ocupan, y de forma destacada, las áreas funcionales de I+D, que se disparan hasta un nada desdeñable 70% de respuesta afirmativa. Los departamentos financieros también en esta ocasión portan el farolillo rojo, dado que solo algo más del 15% afirman que le dan uso, y apenas otro 15% declara estar evaluando software al respecto para una futura incorporación.
Aún se puede rizar más el rizo si lo que abordamos no son los departamentos dentro de una empresa… sino los principales sectores industriales de la actividad empresarial. Porque en este caso podríamos afirmar que «se da la vuelta» la tortilla: los servicios financieros (y de seguros) encabezan de forma destacada la adquisición de tecnología de datos y ML, con casi 3 de cada 10 empresas del sector reclamándolas como algo «crítico», y más de un 40% adicional subrayándolas como «muy importantes». Las empresas de telecomunicaciones, tecnología, ciencias de la salud, y las de comercio minorista también aparecen en posiciones relevantes al respecto, mientras que las empresas orientadas a la educación y a la manufactura son las que menos fijación parecen tener en este sentido.
Sin embargo, en cuanto a su uso real son las empresas de telecomunicaciones las que llevan cierta ventaja, ya que son líderes en el uso efectivo de las mismas en 4 de las 14 funcionalidades características que los autores del estudio han identificado para estas tecnologías: motores de recomendación, gobernanza y gestión de modelos, análisis de componentes principales (PCA) y análisis geoespacial. Por su parte, el comercio minorista, a pesar de que parece querer captar tecnologías punteras, ocupa la última posición efectiva en 10 de esas 14 funcionalidades específicas.
En todo caso, se considera que 2019 es un año récord en cuanto al interés de las empresas en las características de ciencia de datos, la Inteligencia Artificial y y el machine learning, a las que perciben como las incorporaciones más necesarias para lograr sus estrategias y objetivos comerciales. En concreto, la mayoría de las empresas esperan admitan una variedad de modelos de regresión, funciones agrupamiento jerárquico y funciones estadísticas de texto para estadísticas descriptivas. En 11 de las 14 características identificadas, el interés es el mayor registrado hasta la fecha, después de (recordemos) seis ediciones de este mismo estudio.
Photo by Thomas Griesbeck on Unsplash
