“Tenemos que reinventarnos constantemente. No podemos confiar en los logros de hace veinte años”

Madrid se viste de gala para servir, por vez primera, de anfitrión al SAS Innovate on Tour. Una de las citas imperdonables para aquellos que buscan innovar, para quienes llevan la ambición por bandera, para quienes se atreven a trazar nuevos caminos, algo que ya hizo SAS en el campo de la analítica de datos más de cuatro décadas atrás. Desde entonces, su evolución ha sido imparable, algo que no sorprende teniendo en cuenta que lo llevan dentro, en su ADN corporativo. El cambio, la adaptación y la transformación le sirven como motor en su cometido por liderar el mañana, sin perder de vista, eso sí, su vocación para con el cliente. Productividad, rendimiento y confianza son los tres grandes bastiones sobre los que se cimienta, hoy día, la estrategia de la organización. Un trinomio que descifra, entre otras cuestiones, el vicepresidente de Analítica Avanzada de SAS, Udo Sglavo, en entrevista para ComputerWorld. Así ha hablado.

Por primera vez el SAS Innovate on Tour aterriza en Madrid convirtiendo la capital en epicentro de la innovación. ¿Qué supone este término para la compañía que capitanea?

Innovación es un término muy amplio. En pocas palabras, para nosotros, una empresa que ha existido durante 47 años, implica que tenemos que reinventarnos constantemente. No podemos confiar en los logros de hace veinte años. Tenemos que observar el mercado, definir hacia dónde se dirigen nuestros clientes y observar cómo están cambiando los casos de uso. Una vez hayamos hecho esto, es la hora de innovar. Sin embargo, me gustaría destacar que, para mí, es importante defender que la innovación no significa necesariamente inventar algo, tiene más que ver con el hecho de tomar algo y hacerlo mejor. Se trata de un proceso sin fin.

SAS es una de las históricas en el campo de la analítica de datos con más de 40 años de experiencia sobre el terreno. ¿Cómo ha evolucionado su visión acerca de la misma?

Cuando nació SAS, incluso durante los dos primeros años, la compañía creó un software para expertos, es decir, destinado a personas que tuvieran ciertos conocimientos para poder emplearlo. Un ejemplo de ello son los modelos lineales generalizados. Con los años, sin embargo, el público al que servimos se ha ampliado. Ahora contamos con personas que no tienen en absoluto formación estadística, lo que ha contribuido a la democratización de la analítica y al fomento del análisis para las masas. La cuestión ahora radica en cómo podemos brindarles ese poder analítico de forma que se beneficien de él sin la necesidad de convertirse en expertos.

¿Es esa su forma de entregar valor añadido a sus clientes?

Bueno, las soluciones son un ejemplo. Básicamente lo que hacemos es ocultar todas las complejidades tras entornos fáciles de usar dirigidos a usuarios empresariales. Otra de las maneras de lograrlo es ocultando nuestras capacidades detrás de aparatos cotidianos. Por ejemplo, nuestros algoritmos podrían ejecutarse con el tiempo en un iPhone y el cliente ni siquiera sabría que está utilizando este entorno.

En la actualidad, ¿dónde pone el acento su estrategia corporativa en el campo de la analítica?

En las áreas más técnicas, sin duda, en los algoritmos de datos y la toma de decisiones. Nos centramos como empresa en proporcionar una plataforma ágil con la que nuestros clientes puedan construir soluciones. En lo relativo a las soluciones, en la democratización de la analítica. Apostamos por una analítica escalable que permita mover todos los cálculos que hacemos a entornos nativos en la nube.

"Cosas que hemos estado haciendo durante más de veinte años las llamaríamos ahora inteligencia artificial sólo por el hecho de que suena mágico. No es sólo una cuestión de marketing, pero es básicamente una terminología que capta la atención de las personas"

En este contexto, ¿cuáles son los principales retos o desafíos a los que se enfrentan las organizaciones en la actualidad?

Es una pregunta interesante, depende de dónde se encuentre la organización en la curva de madurez analítica. Tenemos clientes, véase de banca, seguros o servicios públicos, que son muy buenos en el análisis de datos, usuarios que a veces están por delante de nosotros cuando se trata del dominio o la comprensión. En el otro lado, lo contrario, también tenemos clientes que nunca han utilizado la analítica y se dan cuenta que hay mucho valor competitivo aquí. Dependiendo de dónde se encuentren en esa curva, podemos ofrecer a cada cliente una oportunidad: para empezar, proporcionándoles un software fácil de usar y ayuda mediante nuestro Centro de Excelencia; para los usuarios más avanzados, proporcionándoles acceso a nuestros algoritmos a través de cualquier lenguaje de modelado que está ahí fuera [en el mercado].

¿Cómo ayuda SAS a sus clientes a la hora de aplicar la analítica de datos para innovar más rápidamente y obtener resultados fiables de manera robusta y productiva?

Ser más rápido no significa ser automáticamente más preciso. Puedo ser más rápido escupiendo números al azar, pero inútil. Se necesita una base sólida, aquí es donde estamos concentrando nuestro esfuerzo para asegurarnos que es exacta, que es repetible, algo muy importante también. Al ejecutar un algoritmo una y otra vez queremos asegurarnos que los números son siempre los mismos. Ponemos mucho esfuerzo en asegurarnos que nuestros números no son sólo fiables y robustos, sino repetibles. Tenemos una gran carga sobre los hombros en este sentido.

La IA parece haber revolucionado las capacidades de la analítica de datos, ¿cuál es su opinión al respecto?

Respetuosamente, no creo que la haya revolucionado, simplemente ha trasladado el análisis de datos al radio de atención de las masas, por eso ahora cada vez más se preocupan por lo que está pasando con la inteligencia artificial. Cosas que hemos estado haciendo durante más de veinte años las llamaríamos ahora inteligencia artificial sólo por el hecho de que suena mágico. No es sólo una cuestión de marketing, pero es básicamente una terminología que capta la atención de las personas. Nos gusta aunar el análisis avanzado con la IA precisamente por la razón de que ahora hay oportunidades computacionales que no teníamos hace una década. Las máquinas son más poderosas, los algoritmos se han vuelto más potentes, tenemos que utilizar con mucho cuidado estos términos estos días.

Hablando de IA, han anunciado una inversión de 1.000 millones de dólares para impulsar proyectos de inteligencia artificial, ¿qué puede contarnos sobre esto?

Los 1.000 millones de dólares de inversión se destinarán, sobre todo, al desarrollo de soluciones RDA (Robotic Desktop Automation), pero también al ámbito de la educación. No nos olvidaremos tampoco de la inversión en la relación con nuestros clientes. Tenemos la responsabilidad de reinvertir parte del dinero que recibimos de los clientes en nuestro software para que puedan estar seguros de que siempre les estamos brindando la última y mejor tecnología.

Al contrario que ustedes, que pretenden promoverlo, hay quienes quieren frenar el avance de la IA…

Buena suerte. No creo que sea posible. Quiero decir, nosotros como sociedad tenemos que pensar en regulaciones para la IA porque la tecnología debe ser, en mi opinión, regulada. Sin embargo hay que tener en cuenta que la tecnología no es el demonio, soy bastante optimista al respecto, estamos al principio de un viaje que nos llevará a un logro excepcional en el lado tecnológico. Declaraciones como detener la investigación o dejar de financiar la IA durante un año me parecen infantiles. No va a suceder.

¿Qué desafíos plantea la IA en la actualidad? ¿Podría mencionar algunos retos para las organizaciones y el ser humano?

Obviamente, la gente que no está tan cerca de la IA como nosotros en la industria está preocupada. Preocupada por el futuro de sus trabajos, por lo que oyen acerca de sus capacidades, incluso se preguntan qué significa esto para sus hijos, cómo deben educarles. Aparentemente el aprendizaje de hechos ya no es suficiente porque un gran modelo lingüístico siempre será más inteligente que una persona cuando se trata de hechos. Nuestra responsabilidad es mostrar a la gente los aspectos positivos de la IA. Me gusta pensar en la tecnología de manera neutral, por eso nosotros queremos centrarnos en los aspectos beneficiosos tanto como sea posible.

Se habla mucho de la ética en el campo de la IA, ¿realmente se puede garantizar?

Se puede garantizar, sí. Nosotros como proveedores intentamos ser lo más fiables posible, así que implementamos métodos y algoritmos que ayuden a nuestros clientes a ser éticos. Como empresa, invertimos mucho tiempo, esfuerzo y capital en ser un socio de confianza en lo que respecta a la IA.

"Declaraciones como detener la investigación o dejar de financiar la IA durante un año me parecen infantiles. No va a suceder"

¿Qué otras tecnologías de vanguardia suponen un punto de apoyo para lograr sus objetivos?

Por un lado, lo que llamamos la IA generativa, donde los grandes modelos lingüísticos son solo un aspecto. Las áreas más importantes, en mi opinión, son los gemelos digitales y la simulación de datos. Es donde hay más valor de negocio actualmente. En este sentido hay quién pudiera pensar: ¿no tenemos suficientes datos?, ¿no hablamos de big data todo el tiempo? Lo cierto es que en ocasiones esto no es suficiente. Por eso debemos preguntarnos si podemos crear nuevos datos a partir de datos existentes; y si, una vez logrado, podemos controlar cómo se crean. Una aplicación práctica de esto puede servir para detectar el fraude. Usted puede tener información sobre los defraudadores en su base de datos para que su modelo intente definir un libro de patrones que ayude a identificar la actividad fraudulenta; sin embargo, la realidad es que no tienes suficiente información sobre ellos. Si su base de datos fuera fraudulenta al 50% estaría fuera del negocio. Los datos simulados facilitan la tarea de los modeladores a la hora de encontrar un modelo que detecte el fraude.

Por otro lado, la computación cuántica será un gran avance. Estamos sólo al principio. Es una ambición futurista, pero creo que este será el próximo hito importante del que tenemos que hablar. Va a ser muy interesante ver cómo se desarrolla.

Respecto a sus competidores, ¿cuál es el valor diferencial de SAS? ¿Qué hace que se mantengan en primera línea de mercado?

Se podría agrupar en los tres temas que protagonizan el evento: productividad, rendimiento y confianza. Algo crucial, a fin de cuentas es lo que nos hace destacar en el mercado. La productividad se refiere básicamente al hecho de que queremos eliminar la informática de la ciencia de datos, no hay que preocuparse por conectar diferentes sistemas y tratar de averiguar cómo se mueven los datos de A a B, todo debería ser impecable, estar integrado. En materia de rendimiento, es bastante obvio, continuar mejorando e innovando en nuestras capacidades. Por último, la confianza. Se trata de ir más allá de la IA, es una cuestión de lograr que nuestros clientes confíen en nuestros números. SAS no es solo el inventor de la analítica, es el futuro de la misma.