Ratio de fracasos: un nuevo KPI de negocio

“If you want to double your success ratio, you have to double your failure ratio” Harvey Mackay

Hace unos meses, Reed Hasting, CEO de Netflix, expresaba su preocupación por el elevado ratio de éxito de sus producciones. Declaraba que era necesario disminuirlo, tener más fracasos. Esta idea contraintuitiva, cuestionándose los axiomas del  negocio, refleja un rasgo de los líderes de la economía digital.

Netflix es una empresa orientada a datos. Sus producciones frecuentemente se basan en el análisis de abundantes fuentes de información. Esto la permite anticipar lo que el cliente quiere y traducir ese conocimiento en futuros “blockbusters”. Basta asomarse al papel desempeñado por Big Data en House of cards para hacerse una idea.

Pero, una cosa es la tolerancia al fracaso (Big Data no es infalible) y otra bien distinta es convertirlo en un KPI de negocio. Entonces, ¿por qué Netflix necesita más fracasos?

Para dar respuesta, retrocedamos al año 1974. En ese año Queen componía su más celebre canción: Bohemian Rhapsody. Pero ¿quién podría haber pronosticado el éxito alcanzado durante las siguientes décadas? Ni su productor, ni ningún experto de entonces (Elton John, al escucharla por primera, exclamó: “Se han vuelto locos”) podría haber imaginado que una canción que dura 6 minutos y mezcla tantos estilos se convertiría en la canción más escuchada del siglo XX. El problema es que ninguna inteligencia, ni humana ni artificial, podría haberlo pronosticado. Podemos anticipar cuál será la canción del verano, pero no cuál será el próximo Bohemian Rhapsody.

Reed Hastings es ambicioso, quiere conseguir ambos tipos de éxitos. Pero producir el próximo Bohemian Rhapsody pasa por experimentar, por entrar en una dinámica de prueba y error, desafiando su conocimiento actual sobre el mercado y sus clientes. Por cada éxito habrá cientos de fracasos. Por eso su ratio es importante. Es un indicador del riesgo que asume la compañía en sus producciones. Hasting tiene la mentalidad de un inversor. Está dispuesto a invertir en una “cartera de nuevas producciones” bajo un par riesgo-rentabilidad óptimo. Sabe que asume riesgos, pero también que la recompensa es elevada.

Durante el último año hemos escuchado de forma repetida cómo las empresas deben desarrollar tolerancia frente al fracaso. Pero antes, necesitamos ampliar y redefinir su significado. Debemos, como los esquimales que son capaces de distinguir entre más de cuarenta tipos de blanco, ser capaces de distinguir entre múltiples tipos de fracaso: fracasar en la ejecución de un proyecto no es lo mismo que hacerlo en una prueba de concepto que conlleve algún tipo de aprendizaje. Tampoco es lo mismo cuando aplicamos una mentalidad de inversor que diversifica su cartera para optimizar el par riesgo-rentabilidad. Es precisamente esta última mentalidad la que define a los lideres de la economía digital.

No es que a Reed Hastings le guste el fracaso, sino que tiene una idea muy clara sobre su significado y el contexto de negocio en el que se produce.

China: un nuevo paradigma para la economía digital

“Si los datos son el nuevo petróleo, China es la nueva Arabia”.

El gigante asiático es más que un imitador implacable capaz de copiar tanto un bolso como un smartphone. Hoy representa un nuevo paradigma de desarrollo de la economía digital. Sirva como ejemplo la revolución que el país lidera en la evaluación de riesgo de crédito al consumo gracias a la ubicuidad del pago móvil.

El hóngbāo o cómo el pago móvil devoró el efectivo en China.

Existe una antigua tradición en China, el “hóngbāo”, que consiste en la entrega, entre parientes y amigos, de sobres rojos con dinero durante la celebración de su año nuevo. En 2014 Wechat lanzó una campaña en la que comunicaba que era posible enviar estos sobres en formato digital dentro de su plataforma de mensajería. Los usuarios comenzaron a utilizarla con entusiasmo. Por ejemplo, algunas personas los enviaban a los chats con amigos, dejando que el primero en abrirlo recibiera el dinero contenido en él.

El objetivo de esta campaña era que los usuarios adoptarán “Wechat pay”, su medio de pago móvil. El éxito fue rotundo y los competidores, Alibaba principalmente, no tardaron en reaccionar y lanzar sus propias campañas. De la noche a la mañana se había normalizado en China el pago móvil entre amigos, al comprar en tiendas… ¡En todas partes!

Cualquier persona que viaje hoy a China constatará como el pago por móvil ha devorado al efectivo en el gigante asiático. Y esto ha abierto una oportunidad para redefinir el riesgo de crédito al consumo.

Ant Financial o cómo redefinir el riesgo de crédito al consumo.

En 2014, coincidiendo con la campaña de los sobres rojos digitales de Wechat, su competidor Alibaba creaba Ant Financial. La nueva compañía heredaba diez años de experiencia operando el sistema de pagos de su matriz. Pero a esta misión añadía la de “democratizar” el crédito al consumo. Una gran oportunidad dado el alto porcentaje de la población que carecía de cuenta bancaria y por tanto de acceso a crédito. Pero las cosas iban a cambiar con el auge de los medios de pago móviles.

Tres años después de su lanzamiento, en 2017, el WSJ publicaba un artículo con un extraño titular: “Si quieres obtener crédito en china, recarga la batería de tu smartphone”. Detrás de la noticia estaba Ant Financial y su espectacular crecimiento. La empresa había desarrollado un perfil de riesgo crediticio de millones de consumidores utilizando toda la información de su actividad a través del móvil. Los clientes de Alibaba -más de 600 millones de usuarios móviles sólo en su plataforma de comercio electrónico- al crear una cuenta (Ali ID), daban consentimiento para que la empresa pudiera explotar sus datos móviles. Y en China esto significa información sobre citas médicas, pago del seguro del coche o de su almuerzo.

Todos estos datos ofrecían relaciones sorprendentes. Por ejemplo ¿cuál es la relación entre devolver las llamadas y la probabilidad de impago de un microcrédito? Sólo la caja negra que hay detrás de la Inteligencia Artificial que utiliza la compañía lo “sabe”, pero la hay.

Ant financial es una empresa de inteligencia artificial que se nutre de todos los datos que recoge sobre sus clientes, no de las hipótesis de ningún analista de riesgo. Y aunque el uso de algoritmos no es nuevo – ya en la década de los 50´s FICO los utilizaba para crear perfiles de riesgo-, ni los datos ni el tipo de algoritmos que se utilizan son los mismos.

Más allá de la concesión de crédito, nuevos servicios de valor añadido.

Desde que Ant Financial lanzará al mercado su evaluación de riesgo crediticio – Sesame Credit Score- los acontecimientos se han sucedido y nuevas formas de monetizar esta información están proliferando. La empresa utiliza una escala de 350 (mayor riesgo) a 950 (menor riesgo) para sintetizar el perfil de riesgo de los clientes. El valor de éste depende de aspectos como su histórico de pagos, comportamiento y preferencias online, red de contactos o características personales entre otros.

Estos perfiles no sólo se utilizan para determinar la concesión de un crédito, sino que comienzan a tener nuevos usos. Por ejemplo, para rellenar de forma automática el visado de los ciudadanos chinos que quieren ir a Canadá, en plataformas de citas online (!), en comercios que ofrecen la opción de probar antes de comprar o para evitar tener que dejar un depósito cuando se alquila algo.

En otras palabras, el perfil de riesgo crediticio sirve como input sobre el que crear servicios de valor añadido a los consumidores. Con ello, no sólo se expande las fronteras del riesgo crediticio a nuevos ámbitos, sino que consigue la cuadratura del círculo: ahora son los propios clientes quienes quieren disponer de un perfil de riesgo… Y mejorarlo. Por ejemplo, dentro del servicio que ofrece Ant Financial existe una comunidad dirigida a ayudar mediante consejos a subir su puntuación.

Pero ¿por qué China y no Kenia?

Una de las razones por las que China está liderando la revolución del riesgo crediticio se debe a que posee un mercado financiero poco desarrollado que deja fuera del mismo a un porcentaje elevado de personas. Esto explica porque en otras zonas del planeta con una situación similar se estén produciendo fenómenos parecidos. Por ejemplo, en Kenia, MPesa también se ha convertido en un medio de pago móvil ampliamente utilizado y empresas como Branch están explotando la información de todas las transacciones que generan a través del mismo. Sin embargo, el orden de magnitud de datos en China es muy superior. Solo Ali Pay, con una cuota del 50% aproximada de medios de pago móviles, produce 175 millones de transacciones diarias.

En países con sistemas financieros desarrollados también comienzan a penetrar nuevas formas de evaluar el perfil de riesgo de los clientes. Por supuesto los incumbentes, como FICO, son permeables a estas nuevas fuentes de datos y algoritmos. Pero son las Fintec las que realmente están empujando el mercado. Sin ir más lejos en España, la empresa ID Finance ofrece un perfil de riesgo crediticio alternativo. No se trata de una Fintech cualquiera, su crecimiento está siendo exponencial y durante 2018 ha recibido distintos premios que avalan su trayectoria.

China: un nuevo paradigma para la economía digital

Ha llegado el momento de dejar de pensar en China como un imitador implacable y empezar a ver al gigante asiático como lo que es: un nuevo paradigma de desarrollo de la economía digital. Quizá su modelo no sea directamente extrapolable, o quizá sí. Pero no cabe duda de que su punto de partida es ventajoso: una ingente cantidad de datos sobre las que aplicar, sin complejos, inteligencia artificial.

¿HACIA DÓNDE EVOLUCIONA EL DATA CENTER?

En el contexto de negocio de transformación  e incertidumbre en el que todos los negocios están inmersos, muchas empresas se están cuestionando su modelo de data center. ¿Existe un modelo de data center de referencia? ¿Por cuál debe apostar una empresa?

En Delfos pensamos que el modelo que prevalece es el híbrido. Es decir, no se trata de un modelo, sino de una amalgama de estos. No solo nos referimos a la convivencia de lo heredado y lo nuevo. El asunto de fondo es que para ser competitivas, las empresas tienen que moverse en la confluencia de agilidad, innovación y eficiencia. Esto hace imposible que una empresa pueda apostar por un modelo único, dado que condicionaría alguno de estos aspectos.

Hace algunos años ya observamos que el mercado de data center se estaba bifurcando en dos direcciones: por un lado el data center definido por software, y por otro, el data center de infraestructura especializada, es decir, definido por hardware. Ambos modelos responden a necesidades diferentes.

El data center definido por software da respuesta al imperativo de agilidad. Las organizaciones se encuentran en un entorno de negocios impredecible y acelerado. No se puede saber con certeza cómo va a evolucionar la demanda; esto hace arriesgado tomar decisiones  ahora que puedan comprometer la trayectoria futura. Además, si aparece una oportunidad, hay que capturarla y escalarla con rapidez, antes de que la competencia se apropie de ella. En el modelo de data center definido por software, el hardware se convierte en una commodity, y es el software el que determina su función. De este modo, los recursos se definen y ajustan en función de una demanda cambiante.

La otra dirección que toma el data center es la de la infraestructura especializada, es decir, dirigido por hardware. Este modelo responde al imperativo de innovación. Los limites la frontera de la innovación están determinados por el hardware. Ejemplos claros son la inteligencia artificial y el blockchain. Ambos tienen requerimientos de cómputo muy intensivo, que afectan no solo al propio hardware, sino a la arquitectura física de la instalación, el suministro energético y el entorno físico. Por ejemplo, las condiciones climáticas de Noruega han atraído una elevada inversión en blockchain, ante la facilidad de refrigeración. La frontera de la innovación está determinada por la disponibilidad de hardware.

Estas dos líneas de evolución provienen del lado de la oferta, que basa su estrategia en uno de los modelos. Sin embargo, la demanda no puede comprometerse con una opción predefinida de data center. Las empresas no pueden apostar por la agilidad y dejar de lado la innovación, dado que erosionarían sus márgenes y sus ingresos futuros. Tampoco pueden innovar sin agilidad, dado que llegarían tarde al mercado. Además, necesitan operar de forma eficiente, entregando los recursos a medida que se necesitan, y evitando el sobredimensionamiento. Es decir, las empresas compiten en el área de confluencia de agilidad, innovación y eficiencia. Por eso, necesitan combinar las ventajas de cada modelo en la medida justa para su negocio. Es decir, el data center es híbrido por su propia naturaleza y no por una coyuntura de coexistencia de lo nuevo y lo heredado.

Además, hay que tener en cuenta que las cargas tienen un ciclo de vida, en el que cada etapa tiene sus requerimientos, y que aparecen nuevas tecnologías de forma continua. Es decir, el entorno híbrido va a estar adaptándose, incluso reconfigurándose, a medida que el negocio evoluciona. El futuro del data center es híbrido y a la vez dinámico.

El reto para muchas empresas es gestionar esta evolución con recursos limitados. Es aquí donde la oferta de tecnología como servicio entra al rescate. Eso sí, es necesario que exista una masa crítica de oferta disponible –para proporcionar agilidad y escalabilidad-, y una infraestructura especializada accesible –para permitir la innovación.

Una oferta adecuada de estos servicios proporciona una ventaja competitiva a la región, que puede crear negocios intensivos en tecnología sin comprometer inversiones. Por eso existe una competencia global por atraer inversiones en data centers. Hemos realizado recientemente un estudio en el que se detalla la importancia de la infraestructura para hacer posible esta oferta de servicios.

El año de la redefinición por antonomasia

2018 es el año en que las empresas asumen que ser digital significa algo más que adoptar nuevas tecnologías. Estas son condición necesaria, pero deben ir acompañadas de una nueva mentalidad: un negocio digital es radicalmente distinto, tanto hacia fuera como hacia dentro. Por ejemplo, este año veremos cómo distintas empresas exploran IoT para ofertar productos y servicios basados en pago por uso. Estamos en un momento en el que cualquier sector apunta hacia una redefinición, lo que está por ver es la conversión del piloto a escala, del impacto anecdótico al transformador. La mayor parte de las pruebas de concepto no llegarán nunca a escalar. Pero, aquellas que lo hagan, ofrecerán fuertes recompensas. El coste de oportunidad de no experimentar es tan alto que los lideres del mercado invertirán, asumiendo riesgos y entendiendo cada “fracaso” como un aprendizaje. Esta es la nueva dinámica de la era digital: los primeros en llegar se lo llevan todo, aunque para ello tengan que recorrer un largo camino de prueba y error sin garantía de éxito.
El segundo aspecto que marcará este año es que la innovación vendrá más por combinar tecnologías ya existentes que en la aparición de nuevas. Incluso aquellas todavía inmaduras, como blockchain, comenzarán a combinarse de maneras insospechadas con IoT,  inteligencia artificial, realidad virtual o cloud. De todas ellas, la inteligencia artificial será la que alcance una mayor ubicuidad gracias a su capacidad de integración y potenciación de las tecnologías existentes: desde asistentes personales; actuando como interfaz de usuario en toda clase de servicios, hasta ser embebidas en todo tipo de soluciones SaaS, tanto aplicaciones empresariales como herramientas de productividad. Ello implica que desaparece el pensamiento mágico asociado a la inteligencia artificial, y es sustituido por un pensamiento pragmático, más consciente de las posibilidades, las limitaciones y la curva de aprendizaje.
El tercer factor que cobra relevancia este año es la “transformación cultural” de las empresas. Son cada vez más las empresas que empiezan a cuestionar la forma de entender el trabajo, incluso la propia organización. Está emergiendo un nuevo paradigma de colaboración y empoderamiento de los empleados. Así; por ejemplo, este año las metodologías ágiles dejarán de ser una aproximación marginal para ser adoptada por un grupo significativo de empresas, que incluye a la mediana empresa. Este enfoque va más allá de la actividad de desarrollo, y se extiende a otros procesos, y se combina con enfoques lean y de design thinking. Para los que están a la vanguardia, el reto va a estar en extenderlas desde el departamento de sistemas a toda la organización.
Por último, no hay que olvidar que todas las iniciativas tecnológicas estarán marcadas por la nueva regulación GDPR que entra en vigor en unos meses, así como de otras regulaciones sectoriales, que tendrán un fuerte impacto. Este año su cumplimiento va a ser una prioridad en la empresa. Pero aquellas visionarias irán un paso más allá y cambiarán su modelo de relación con los clientes y los empleados, siendo por un lado más transparentes y por otro otorgando mayor control a la persona sobre el uso que se hace de sus datos. Estas empresas nos mostrarán cómo se compite en la economía del dato.
Este artículo ha sido previamente publicado en computerworld

NO ES LO MISMO “HACER DIGITAL” QUE “SER DIGITAL”

No hay marcha atrás. Todas las empresas compiten en un entorno digital. No importa que el sector se considere tradicional o parezca alejado de la tecnología. En este contexto, muchas empresas ven cómo su negocio, del que todavía proviene el grueso de sus ingresos, está en declive. Pero el nuevo negocio, de donde vendrán los ingresos futuros, no está definido. Una vez iniciado el proceso de transformación digital, la pregunta que surge de forma natural es: transformarse en qué, hacia dónde, si no sabemos qué aspecto tendrá nuestro negocio en el futuro.

Lo que sí sabemos es que los nuevos actores digitales estarán allí, cambiando constantemente las reglas, obligando a todos sus competidores a tener que adaptarse con agilidad. Para hacernos una idea, basta pensar cuál está siendo ya el impacto combinado de la inteligencia artificial (IA) e Internet de las cosas (IoT) en el sector seguros. Lo que no está claro es si serán las propias aseguradoras quienes lo exploren, aparezca un nuevo marco de competencia, o consigan alinearse en forma de ecosistema. Llegados a este punto es necesario hacer una distinción muy importante: no es lo mismo “hacer” digital que “ser” digital.

Siguiendo con nuestro ejemplo, “hacer digital” significa adoptar IoT para crear un nuevo modelo de negocio en las empresas aseguradoras para ofertar un seguro de pago por uso. Mientras que ser digital significa saber que un 85% de las pruebas de concepto en IoT van a fallar. Es decir, significa estar dispuesto a recorrer el camino del 85% del error, hasta que se descubra aquello que funciona. Ello requiere una forma distinta de entender y evaluar el éxito… y el fracaso.

Hay que desterrar la idea de una innovación basada en grandes proyectos faraónicos que corren en paralelo al negocio. En las empresas con mayor éxito la innovación está dispersa por toda la organización e integrada en su actividad diaria. Pero no basta con ser una empresa que experimenta y aprende. Cuando, fruto de este proceso de experimentación, uno encuentra “un filón”, tiene que moverse rápido y ser ágil escalando la oportunidad. Hay que monetizarla antes que los competidores, que pueden replicar, e incluso mejorar la innovación de forma implacable. En otras palabras, no busques el producto o servicio perfecto, lanza una versión que sea mínimamente viable y ya irás mejorándolo, pero hazlo ya.

En la práctica esto significa que el foco ya no está en el producto, sino que éste se ha desplazado al cliente. Los productos y servicios se encuentran en una constante “beta” a la espera de ser mejorados a través del feedback de los clientes. No se trata solo de ser rápidos, se trata también de saber lo que el cliente quiere y encontrar la manera de incorporarlo en el producto o servicio. Es precisamente el dato lo que lo hace posible. De hecho, muchas empresas de producto están tratando de reequilibrar los flujos de información con el resto de actores de la cadena (ej. distribuidores). Ser digital no es comunicarse con el cliente a través de nuevos canales: es obsesionarse por el cliente, conocerle y anticiparse a sus necesidades.

¿Por dónde empezar? Quizá nos seduzca el brillo de las tecnologías que se encuentran a nuestro alcance, pero hay que aprender a gestionar el riesgo, a recorrer la senda del error, sin poner en jaque la supervivencia del negocio. Aquí se encuentra el principal obstáculo a superar. Las tecnologías están disponibles, y su potencial no tiene límites; todo negocio debe adoptar, sin duda, nuevas tecnologías que le permitan competir en un mundo digital. Pero ser digital implica algo más, implica pensar de otra manera: experimentar, tomar riesgos; requiere nuevas métricas y nuevas formas de decidir y evaluar. Este ejercicio no lo puede hacer la tecnología, solo las personas. Se trata de convertirse en un negocio digital, con directivos digitales y empleados digitales.

El cambio empieza en nosotros. De ahí vendrá todo lo demás.

Inteligencia artificial y pensamiento mágico

La inteligencia artificial utiliza el mundo como laboratorio. Su presencia en todo tipo de dispositivos, desde smartphones hasta vehículos, aunque invisible comienza a ser ubicua. Toma decisiones que afectan a nuestra vida cotidiana. Determina, por ejemplo, a qué noticias o publicidad estamos expuestos en Internet.

Por si esto fuera poco, cualquiera que lea la prensa sabrá que robots dotados de esta inteligencia pueden remplazar nuestro trabajo, convertirse en nuestro próximo jefe o decidir si somos aptos para un nuevo empleo.

Esta inteligencia ya está aquí, aunque de momento solo acceden empresas con los recursos suficientes. Pero, ¿hasta cuándo? Reputadas voces que miran al futuro, como Bill Gates, comienzan a preguntarse si estos robots deberían pagar impuestos. Esta es la envergadura de los cambios que se avecinan en el mercado laboral.

Sus implicaciones intelectuales, tecnológicas, políticas, éticas y sociales son enormes. Confiar en ella ciegamente, arriesgado. No importa lo poderosa que sea, cómo y dónde la apliquemos es nuestra decisión.  Y para que esta sea la adecuada es necesario desterrar el pensamiento mágico actual que la rodea.

La inteligencia artificial no piensa por sí misma. Esta tecnología hereda nuestros sesgos a través de los datos que la nutren o de las creencias de quien la programa. Basta un sencillo ejemplo para demostrarlo: desde hace ya un tiempo los buscadores de Internet la utilizan para etiquetar imágenes, prueben a buscar en ellos fotos de distintas profesiones y verán un claro sesgo de género. Traslademos este ejemplo a los procesos de selección de las empresas o a la concesión de un crédito de un banco. Esta tecnología está diseñada por personas y se alimenta de datos que no son necesariamente objetivos y, si pasa inadvertido a quien la programa, generará discriminaciones. No tiene conciencia de su entorno más allá de la tarea encomendada.

La inteligencia artificial predice, pero (de momento) no explica. Esta tecnología adquiere un conocimiento inductivo a través de la observación. No existe ninguna teoría impuesta a priori detrás de ella. Es como una caja negra donde; por un lado, entran datos y; por otro, salen predicciones. Sin embargo, no sabemos por qué predice lo que predice. Por ejemplo, puede determinar que la imagen que tiene delate es la de una persona, pero no nos dirá cómo llegó a esa conclusión. Ahora, si trasladamos esto a la decisión de concesión de una beca o una hipoteca, el resultado es que podemos sufrir una exclusión sin recibir ningún tipo de explicación del porqué se ha producido. Otro escenario en el que la falta de una explicación es relevante se produce cuando de forma repentina esta inteligencia comienza a fallar en sus predicciones. En este caso, muy real, no sabremos cómo solucionarlo.

La inteligencia artificial también se equivoca. Predecir con precisión no lo es todo. Aunque esta tecnología pueda predecir mejor la detección de diabetes que nuestros gustos musicales, el coste de fallar en un diagnóstico médico es mucho mayor que el de hacerlo cuando nos recomienda una canción. Saber cómo y dónde aplicarla requiere contraponer la probabilidad de acierto y el coste de fallo. Por eso, mientras que en diagnósticos médicos el juicio de los médicos sigue siendo determinante, en la recomendación de qué canción escuchar alcanza plena autonomía. Esto puede cambiar a medida que desarrollemos mejores modelos predictivos o que la regulación varíe el coste de errar mediante la asignación de responsabilidades.

La inteligencia artificial está especializada, no es generalista. Esta tecnología primero nos batió al ajedrez, luego en juegos más sofisticados como “Go” y, recientemente, también al póker. Pero los algoritmos que hacen que gane al ajedrez no juegan al póker. A cada familia de algoritmos se le da muy bien resolver problemas concretos, pero no todos. Incluso, ocasionalmente, cuando tratan de adquirir nuevo conocimiento pueden tener “olvidos catastróficos” y desaprender. Esto significa que se centra en realizar actividades que no requieren el uso de diferentes habilidades cognitivas en una secuencia de tareas. Estamos lejos de alcanzar una inteligencia artificial general capaz de resolver, por ejemplo, problemas de negocio complejos.

Arthur C. Clarke, autor de 2001, una odisea en el espacio, decía que “toda tecnología lo suficientemente avanzada es indistinguible de la magia”. La inteligencia artificial definitivamente parece magia, pero no lo es.

Tenemos trabajo por delante si queremos beneficiarnos de ella. Para evitar que herede nuestros sesgos y los perpetúe tendremos que añadir un contexto más amplio que abarque el impacto de sus decisiones en términos de discriminaciones o exclusiones. Para que sea más trasparente tendremos que ir más allá de la precisión en sus predicciones y generar modelos explicativos a su alrededor. Y para determinar en qué casos puede llegar a gozar de plena autonomía, asistirnos o sencillamente no ser aplicada debemos evaluar cuál es el coste asociado a sus fallos con relación a su probabilidad de acierto.

Por último, será necesario regularla y establecer un código ético sobre su uso. Se trata de una tecnología tan poderosa que algunos gobiernos y empresas van a tener la tentación de hacer un mal uso de ella. Sin embargo, haciendo un buen uso y consiguiendo que sea accesible por muchos y no unos pocos, permitirá cosas como el desarrollo de una medicina preventiva, una educación personalizada o sencillamente liberarnos del trabajo rutinario que nos ocupa.

No cabe duda de que la inteligencia artificial cambiará el mundo tal y como lo conocemos, pero qué aspecto tendrá este, está en nuestras manos. Un buen principio es desprendernos del pensamiento mágico actual en torno a ella para conocer sus limitaciones, usos e implicaciones. Y, a partir de este conocimiento, hacer que trabaje en nuestro beneficio.

 

PD. Este artículo ha sido previamente publicado en El País Retina

 

 

Telefónica, un “banco” para tus datos

Con la presentación de Aura, Telefónica pone al cliente y sus demandas de inmediatez y personalización en el centro, no ya de la propia operadora, sino de un potencial ecosistema de empresas que ahora podrán orbitar en torno a ella.

Este es el escenario competitivo que se perfila en la economía del dato. Las reglas del juego, con la inminente directiva sobre protección de datos – GDPR-, ya están definidas: privacidad por diseño, trasparencia, control y propiedad del usuario sobre sus propios datos.

Así las cosas, los datos son del usuario y este puede llevárselos o traerlos, según se mire, donde quiera. En este sentido, Telefónica podría convertirse en un “banco” de datos para sus clientes. Por ejemplo, actualmente un usuario puede autorizar a la operadora para que “transfiera” sus datos de localización a una entidad financiera para evitar el uso fraudulento de una tarjeta de crédito.

Este tipo de servicios hoy son marginales, pero en la economía del dato tenderán a proliferar y el usuario va a necesitar un lugar centralizado donde guardar sus datos y gestionar sus “transferencias”.

Pero como banco, no sólo podrá realizar transferencias sino también recibirlas. Especulemos juntos sobre este punto: ¿Qué servicios podrá construir telefónica con nuestros datos financieros, de navegación por internet, de terceras empresas? Nuestros datos hoy están fragmentados y distribuidos, pero ¿qué sucederá si alguien, pogamos Telefónica, fuera capaz de centralizarlos en un único sitio?

Pues para empezar podría adquirir un mayor conocimiento sobre nosotros y, gracias a la inteligencia artificial que hay detrás de Aura, permitir una personalización a escala y eficiente de los servicios que presta. Una inteligencia que cuantos más datos la alimenten obtendrá un modelo más preciso de quienes somos y que queremos, llegando a anticipar, por qué no, nuestros gustos y necesidades.

Durante su presentación José María Alvarez- Pallete repitió varias veces que estaban entrando en terreno desconocido, que entraban en la era cognitiva. Así, Aura es un primer paso de algo que no sabemos bien dónde les llevará. De momento, nada parece indicar que crearán un mercado de datos, no con los datos de sus clientes particulares, pero qué pasa con sus clientes corporativos.

Lo que sí que sabemos es que Telefónica está donde tiene que estar: centrada en el cliente y no en sus productos, anticipándose a una regulación exigente pero que sienta las bases de la economía del dato y escapando del círculo vicioso de mayor inversión y menores precios de su actual mercado de referencia. Ahora sólo falta que sus clientes encuentren un valor diferencial en esta apuesta de futuro del operador.

Telefónica ha movido ficha, ¿qué harán el resto de operadores?