The Future of Data: Ponencias clave del evento

En el evento The Future of Data & IoT, se presentaron ideas clave sobre el papel crucial de los datos en la evolución de la inteligencia artificial (IA) y la importancia de una estrategia clara para integrar estas tecnologías en las empresas. A continuación, te presentamos un resumen de las ponencias más destacadas, donde cada intervención ofreció una perspectiva única sobre cómo los datos están moldeando el futuro de la IA. ¡Aprende todo sobre IA y datos!

Te puede interesar: Máster en Data Science

La explosión de la Inteligencia Artificial

Pascual Parada, Director Académico y de Innovación en IEBS Biztech School, abrió el evento destacando el momento histórico que estamos viviendo en cuanto a la inteligencia artificial. «Estamos en un salto de gigantes, uno de los más altos jamás visto hasta este momento,» comentó Parada, subrayando que nunca antes habíamos sido testigos de un avance tan significativo en IA. Ahora bien, pasemos a analizar qué conceptos e insights aprendimos de cada una de las ponencias del evento:

De los datos a la acción

Juanjo Silva, Senior Data Science Manager en Chartboost, en su ponencia “De los datos a la acción”, ofreció una visión detallada sobre el proceso de transformar datos en decisiones estratégicas para mejorar productos y negocios. Silva destacó que, en cualquier proyecto de Data Science, es esencial empezar por una necesidad clara del negocio o producto. A partir de esa necesidad, se generan ideas y se recopilan datos que luego se modelan para pasar a la acción. Como comentó Silva, “la primera pregunta que nos tenemos que hacer es, ¿qué necesita mi negocio?” y subrayó la importancia de no centrarse exclusivamente en los datos, sino en la mejora continua del producto.

En su explicación del ciclo de datos, mencionó los distintos perfiles necesarios en este proceso, desde el ingeniero de datos, responsable de la extracción y carga de información, hasta el ingeniero de Machine Learning, que pone los modelos en producción. Un dato interesante que compartió fue que “la limpieza de los datos puede llevar entre el 75 y el 80% del tiempo en un proyecto”, resaltando lo laborioso que es preparar los datos para su análisis.

Finalmente, hizo hincapié en la necesidad de experimentar y corregir a lo largo del proceso, enfatizando que la ciencia de datos es “parte ciencia y parte arte”. Silva cerró su charla con un mensaje inspirador sobre la importancia de probar, fallar, corregir y volver a intentar hasta alcanzar el éxito en cualquier proyecto de Data Science.

Pasos clave para hacer realidad la adopción de la IA en las empresas

En su ponencia, Paula Rodríguez, Ingeniera de inteligencia artificial en IBM, ofrece una guía para que las empresas adopten la inteligencia artificial (IA) de manera efectiva y sostenible. A lo largo de su presentación, destaca los principales desafíos y pasos clave para lograr una integración exitosa de la IA en las organizaciones, basada en su experiencia trabajando con empresas en este proceso.

Estrategia de IA bien definida

Paula insiste en la importancia de desarrollar una estrategia sólida antes de comenzar con la implementación de IA. «Es muy importante que empieces por áreas donde vaya a tener un impacto muy grande», menciona, subrayando la necesidad de identificar cuellos de botella y problemas significativos dentro de la empresa para garantizar un retorno de la inversión eficiente.

Participación activa de los empleados

Un punto que Paula resalta es la importancia de involucrar a los empleados en el proceso de adopción. “Es muy importante que las personas de la organización se sientan parte de ese cambio”, señala. Al involucrar a los empleados en la identificación de casos de uso de IA, se logra una integración más efectiva y rápida.

Política ética

Finalmente, Paula subraya la necesidad de tener una política ética clara para guiar el uso de la IA dentro de la empresa. Menciona la importancia de evitar sesgos en los modelos de IA y la necesidad de definir cómo se manejarán los datos y cómo se protegerá la privacidad. “Es una oportunidad para generar confianza en empleados y clientes”, dice, haciendo hincapié en que una política ética bien definida fortalece los valores de la empresa.

La importancia de los datos para el progreso de la IA Generativa

En esta ponencia, Álvaro Alegría, parte del equipo de Telefónica Tech, profundiza en el papel esencial de los datos para el éxito de la inteligencia artificial generativa (IA). Aquí exploramos los aspectos más destacados de su intervención:

La importancia de los datos en la IA Generativa

Álvaro Alegría comienza su ponencia haciendo una comparación entre los modelos de lenguaje (LLMs) y una Thermomix, subrayando la relevancia de los datos: «Un modelo de lenguaje es a una empresa lo que una Thermomix es a la cocina». Esto significa que, aunque se disponga de una tecnología avanzada, sin datos de calidad y diversidad de información, el modelo no generará los resultados esperados.

Calidad y variedad de los datos

Uno de los temas centrales de la ponencia es la necesidad de no solo tener datos de buena calidad, sino también una amplia variedad. Utilizando una metáfora culinaria, Alegría comenta: «Puedes tener el mejor robot de cocina, pero si solo tienes un tomate y tu competencia tiene más ingredientes, como sal o pimienta, siempre estarán un paso por delante». Aquí subraya que contar con más tipos de datos permite entrenar mejor los modelos de IA y generar resultados más diferenciados y efectivos.

Las tres V de los datos en la IA Generativa

Alegría también retoma el concepto clásico de las tres V de los datos: volumen, variedad y velocidad. Aunque estas ideas vienen de la era del Big Data, siguen siendo extremadamente relevantes en el contexto de la IA generativa. Destaca la importancia de que los modelos no solo procesen texto, sino que sean multimodales, capaces de manejar imágenes, sonido y video, lo que permite una mayor capacidad de diferenciación en el mercado.

Litigios sobre la propiedad de los datos en la IA Generativa

Uno de los puntos más críticos abordados por Alegría es el aumento de los litigios relacionados con la propiedad de los datos. En sus palabras: «Los grandes juicios en torno a la inteligencia artificial no tienen que ver con patentes o algoritmos, sino con la propiedad de los datos utilizados en el entrenamiento de los modelos». Empresas como OpenAI y otras gigantes tecnológicas enfrentan demandas por el uso indebido de datos, lo que subraya la necesidad de un enfoque ético y legal en la gestión de la información.

El Futuro: Datos sintéticos y su papel en la IA Generativa

Para concluir, Alegría introduce los datos sintéticos como una tendencia clave para el futuro de la IA. Explica que: «Los datos sintéticos imitan datasets reales, permitiendo que empresas con menos datos puedan entrenar modelos efectivos». Este enfoque será esencial para que las pequeñas y medianas empresas puedan competir con las grandes corporaciones, que disponen de un volumen de datos mucho mayor.

Mesa redonda: Claves en la transformación digital de las empresas para llegar a ser Data Driven

La mesa redonda «Claves en la transformación digital de las empresas para llegar a ser Data Driven» reunió a expertos de diversas áreas para discutir las estrategias y desafíos en la adopción de una cultura empresarial basada en datos. Participaron Albert Grau, Marketing Lab Manager en Fundación «la Caixa»; Xavi Olba, consultor de innovación en el ecosistema socio-sanitario; Alberto Alonso, Sales Specialist Data & AI en Plain Concepts; y Román Martín, Director comercial en LIS Data Solutions.

La importancia de los datos en la transformación digital

Durante la mesa redonda, los expertos coincidieron en que la calidad y organización de los datos son esenciales para que una empresa pueda implementar inteligencia artificial y convertirse en Data Driven. Albert Grau destacó la necesidad de tener datos estructurados y objetivos claros antes de empezar, mientras que Xavi Olba subrayó que el diagnóstico inicial es clave para identificar qué decisiones se quieren tomar basadas en datos, especialmente en sectores críticos como el sanitario. La tecnología, como explicó Alberto Alonso, ha democratizado el acceso a la medición y gestión de datos, permitiendo avanzar con mayor rapidez.

Retos y estrategias para una cultura Data Driven

Uno de los mayores desafíos mencionados fue la resistencia al cambio dentro de las organizaciones. Los ponentes enfatizaron la importancia de acompañar a los empleados en este proceso, proporcionando formación y herramientas para que puedan interpretar y usar los datos de manera efectiva. Román Martín destacó la relevancia de utilizar datos externos, a menudo olvidados, como los geográficos o meteorológicos, que pueden enriquecer la toma de decisiones. En conjunto, la mesa redonda concluyó que la transformación digital hacia un modelo Data Driven requiere no solo tecnología, sino también un cambio cultural profundo.

Esto fue todo sobre nuestro evento The Future of Data. Si te interesa estar al día sobre las últimas tendencias en Inteligencia Artificial no dudes en consultar nuestro Máster en Data Science donde te enseñaremos los conocimientos necesarios para convertirte en un experto en el análisis de datos. ¡Te esperamos!