n una conferencia reciente, el especialista en capacidades digitales del MIT Paul McDonagh remarcaba que todo equipo y organización deberá incorporar, más pronto que tarde, conocimientos que les permitan traducir distintos elementos de la ciencia computacional y utilizarlos para solucionar problemas y retos que están abordando.

Elementos como el machine learning y la inteligencia artificial están revolucionando las formas de aplicar la estadística en todos los campos e industrias. Es cierto que para quienes no somos tecnólogos resultan lejanos, pero al pensar en problemáticas del día a día, uno se da cuenta de que las técnicas del pensamiento computacional pueden ser de amplia aplicación en multitud de ámbitos.

Siguiendo la máxima de que "el dato mata al juicio", la necesidad de profesionalizar la gestión, la toma de decisiones y toda actividad incorporando datos y evidencias a todo proceso decisorio y de actuación nos abre un abanico de posibilidades que es necesario abordar. A ello hay que sumar que en toda organización y actividad que se precie, cada vez nos encontramos con problemas más complejos que 1. Requieren de su descomposición en varias partes hasta encontrar una dimensión que permita hacerlo más manejable (Descomposición), 2. Necesitamos criterios que nos ayuden a centrarnos en los problemas más importantes ignorando detalles irrelevantes (Abstracción) o 3. Desarrollar soluciones paso a paso para problemas determinados (Algoritmia). Visto así, es más fácil ver la utilidad de las técnicas de pensamiento computacional de descomposición, abstracción o algoritmia.

En sus inicios, aquellas problemáticas que impliquen el tratamiento o la involucración de grandes cantidades de datos serán las primeras que vayan incorporando este tipo de disciplinas. Pero a partir de ahí, la cuestión está en cómo somos capaces de ligar las funciones habituales desempeñadas en el día a día con las posibilidades que da la tecnología. La clave estará no sólo en ser capaces de aprovechar el potencial que la interacción entre persona/tecnología nos pueda aportar, sino cómo ello puede terminar valorizando en mayor medida las interacciones entre las propias personas.

El futuro parece que pinta una foto donde equipos de personas y máquinas trabajan conjuntas en mucho mayor grado que el actual. Indudablemente, ello requerirá capacidades para comprender y operar el lenguaje digital desde sus fundamentos hablados, escritos, y en su caso matemáticos. Por tanto, aviso a navegantes en los planes de formación y capacitación.

En la empresa, los datos no solo pueden hacer que tomemos más y mejores decisiones, sino que darán lugar al nacimiento de nuevos negocios integrando trabajos de departamentos y grupos actualmente desconectados, y permitiendo que clientes, proveedores e intermediarios se comuniquen a tiempo real y convirtiendo muchas relaciones entre personas, máquinas, procesos y servicios en más eficientes.

Por ello, y aprovechando la reducción de los costes de la tecnología asociada (sensórica, machine learning, deep learning), aquellas organizaciones que sean capaces de agregar fuentes de datos de forma única, original, y establecer de pautas para su análisis y representación adecuados tendrán una ventaja indudable con respecto a su competencia. Reduciendo costos en mantenimiento y/o en el proceso fabril, conociendo mejor a sus clientes y adaptando mejores ofertas a los mismos, identificando mejor sus necesidades, sabiendo lo que funciona y lo que no, etc.

Cada organización, en función del tamaño, sector, perfil de cliente o tipo de proceso, deberá configurar su hoja de ruta. Sin embargo, hay tres pautas que pueden resultar de ayuda para comenzar o avanzar en este camino. La primera se centra en definir cuál es la necesidad y la visión de cómo cada organización puede hacer uso de los datos para una mejor gestión interna o configuración de nuevas actividades. En este sentido, las experiencias nos van demostrando que toda función o área es susceptible de ser trabajada y mejorada de manera sustancial (desde operaciones, pasando por marketing, finanzas, calidad, personas, etc.), aunque resulta fundamental priorizar. La segunda, y una vez definidas las variables y datos predictores que puedan ayudar a alcanzar la visión, rediseñar los procesos físicos y de trabajo incorporando tecnología y cambiando formas en las que se opera para generar datos internos y externos de forma estructurada y rigurosa. La tercera, aunque en paralelo y de forma transversal a las anteriores, se trata de desarrollar capacidades de gestión organizacional y de cambio cultural orientándola a que la utilización de los datos sea algo consustancial en la lógica de trabajo. Toca explorar, experimentar y evolucionar.

Mondragon Unibertsitatea. Investigación y transferencia