Cómo enfrentar los desafíos del autoservicio en la nube

¿Cómo controlar los costos de consumo de la nube?

La recomendación de Ignacio Madrid, líder de Data Management en Citi Banamex, es empezar revisando bien el contrato con el proveedor de nube, tener en claros los beneficios y créditos que ofrecen, y considerar el tema de los reprocesos dentro de la gestión del cambio. “La gente que trabaja on premises está muy acostumbrada a que, si algo salió mal, si piensa que un catálogo está incorrecto, simplemente lo reprocesa. Y eso se tiene que acabar, gobernar y normalizar. Tiene que haber un gobierno que defina realmente quién puede acceder, a qué y cómo va a acceder, y además generar una matriz que vaya ligada”, señala.

Por su parte, Miguel Ángel Marín, director de datos (CDO, por sus siglas en inglés) de Banco Santander, tiene un enfoque más radical. "Yo tengo un par de consejos con el self-service en red. Lo primero es: Bórralo [el sandbox usado para el servicio] cada seis meses, como mucho. Entero, porque pueden crearlo otra vez, tienen sus códigos. Lo segundo es que el self-service tiene que tener un objetivo. No puedes tenerlo para crear tu casa porque eso es volver a lo que se hacía antiguamente. Lo que generas, pásalo al data lake y bórralo para que empieces otra vez desde cero”, declara.

Liliana Palestina, CTO de Bluetab México, concuerda con la importancia de controlar el uso de la nube. Es clave contar con parámetros de control porque, cuando se dota de autonomía a la organización para que genere reportes, ejemplifica, “pueden estar generando el mismo reporte, y tú ni enterarte. O vas a encontrar que hay gente que ya no está en la compañía y ha dejado su reporte, consumiendo espacio y consumiendo costo”.

Para Marín, hay que apoyarse en centros de excelencia de inteligencia de negocios (BI) que controlen que las labores tengan los motivos adecuados, y que eviten la creación desbordada, por ejemplo, de dashboards.

Además, Liliana Palestina coincide en contar con normas o políticas de borrado cada cierto tiempo, y con un centro de excelencia que ayude a tener los reportes que realmente se requieren, y que los administre depurándolos o cambiándolos. “Tienes dos escenarios: uno, en que controlas –o dejas la llave abierta, pero controlada– con gobierno, sabiendo quién crea qué y borrándolo; y, del otro lado, [en el que puedes] entregar valor con aquellos dashboards que realmente son importantes para la compañía”, resume.

En el autoservicio, afirma el director de datos de Banco Santander, por irónico que parezca, hay que ponerle piedras en el camino a los usuarios, no hacerles la vida fácil. “Muchos te van a decir: ¿qué crees? Necesito un orquestador porque quiero planificar procesos y que los procesos corran antes de que yo llegue, y así ya está calculado mi dato”, dice. Ante esto, Marín dice que le toca a TI responder: “Pero si tienes un proceso planificado, ya está en el data lake, no en tu correo o en tu autoservicio, así que no te lo voy a hacer, y voy a borrar todas las tablas que tengan tres meses de antigüedad”.

Incluso, cuenta, hay casos en que destruyen el sandbox entero para mantener el control. “Todo el mundo tiene su código, o lo tienes en GitHub, por lo cual puedes volver a ejecutarlo”.

El dilema de la autorregulación

Otro enfoque, para impulsar la autorregulación, es trasladarle los costos del uso de la nube a los usuarios de negocios, considera José Carranceja, COO en Bluetab Solutions América. Así, el área de tecnología ya no sería la encargada de pagar los servicios de nube por completo, sino que serían las áreas de negocios que consuman el procesamiento y usen las soluciones de nube las que tendrían que costear ese uso con su propio presupuesto, conviene Oscar Hernández, director general de Bluetab México.

“Nosotros ya lo estamos haciendo así, con un charge back a Negocio”, reconoce Marín, de Banco Santander. Se hace un business case para el uso y, con las herramientas de gobierno, se establece la trazabilidad de ese uso.

El ejecutivo destaca que hay que considerar que el usuario debe cambiar sus viejas costumbres y acostumbrarse a las nuevas. “Vivíamos en un mundo duro y complicado, y difícil de actualizar y con versiones de Oracle del año de la polca, pero todo el mundo podía ejecutar lo que quisiera, todos los días. Y el día a día de mucha gente es sentarse delante de la máquina y ejecutar queries”, reconoce. “Hoy, cualquiera sea la tarea por ejecutar, una vez que lo tengas hecho, tienes que ponerte a hacer otra cosa porque el ‘uso por el uso’, en la nube”, implica aumentar su costo.

Sin embargo, un tema adicional que considerar en este escenario, según propone el gerente de Business Intelligence en Gentera/Compartamos Banco, es lograr un balance entre el control de los costos de la nube a través de mecanismos de autorregulación, y la promoción de su uso con los colaboradores.

Ignacio Madrid, de Citi Banamex, añade que es fundamental que todos los colaboradores tengan claros los riesgos de usar indiscriminadamente las hojas de cálculo, y establecer políticas al respecto. Si esos documentos son parte “de un proceso de negocio, es decir, que va de un área a otra la información que se está produciendo, puede haber fallas importantes que pueden impactar en multas por información incorrecta, o en tomas de decisión incorrectas”, señala.

La solución de Wil Arteaga, arquitecto BI de Bluetab México, es un modelo híbrido: empezar proporcionando a las áreas de negocio créditos gratis de uso de las herramientas de autoservicio en la nube, y cobrar sobre los excedentes. Así es más sencillo que consideren este volumen en sus presupuestos. Así será posible prever el crecimiento en el uso de la nube, y negociar los contratos con los proveedores.

Ese cambio debe venir top-down, desde la dirección hacia todos los colaboradores de la institución, complementa Miguel Ángel Marín. “La empresa tiene que estar de acuerdo y consciente de que tener un problema de datos cada día es peor. Es un tema de reputación. Los datos están convirtiendo en un súper valor, pero si están cuidados. Por eso hay que concienciar a todo el mundo”, afirma.

Y apoyarse en una sólida gestión del cambio, agrega José Carranceja, COO en Bluetab Solutions America.

La inteligencia artificial generativa mejora la eficiencia

El CDO de Banco Santander considera que la IA generativa mejorará la eficiencia al usar la nube “y nos vamos a aprovechar de ella en términos de gobierno, por ejemplo”.

“Una de las cosas más valiosas que tenemos, o que faltaba últimamente en mi vida, es saber cuál es la tabla más querida por los usuarios en la red, por ejemplo. ¿Cuál es la información más querida? Y si hay dos tablas, ¿cuál es la buena? Con una GenAI que solo lea los logs de acceso, te va a decir cuál es”, comparte Marín.

La contraparte, dice el ejecutivo, es que no ha visto aún el caso de negocios de la IA Gen, “porque no sé cuánto va a estar esa cosa consumiendo [de procesamiento] después en background”.

Sin embargo, la capacidad de aplicar la IA Gen de forma muy localizada es una ventaja. Puede ser muy interesante, dice, utilizada en “tu diccionario de datos, tus logs de acceso o ese tipo de cosas”.

“Creo que hay que ir poquito a poco y ver qué es lo que puede hacer. Para mí, tiene mucho valor también para lo que se ha hecho en internet, en lenguaje natural. Es decir, traducir, hacer queries. Hoy cuesta un dineral leer y entender ciertos documentos, por ejemplo, jurídicos, como un contrato o una hipoteca. Para este propósito creo que es supervaliosa”, subraya Marín. Todo depende del caso de negocios.

Para poner un ejemplo, el ejecutivo de Banco Santander, explica que, para un banco, hacer el onboarding de una empresa o persona moral normalmente cuesta un mes de trabajo y varias visitas de su representante. Durante ese tiempo, ese cliente potencial puede irse con otro banco que le dé el alta más rápido. Con herramientas de IA Gen, ese proceso podría lograrse en una semana o tres días, con una sola visita, y esto mejoraría no solo la eficiencia de tiempo, sino también la captación de nuevos clientes.

En este sentido, el líder de Data Management en Citi Banamex, advierte que hay una fuerte tendencia hacia evitar algoritmos de IA Gen públicos, y más bien generarlos internamente por cuestiones de derechos y confidencialidad. Esto podría ayudar también con el desafío de integrar ese algoritmo correctamente con los sistemas del banco.

“Hemos avanzado muchísimo en la parte sexy de los datos –el BI y los cubos, y después machine learning y ahora GenAI–, pero nadie avanza en la parte no sexy de los datos, en que estén bien los datos desde el origen. Si ahora le pones GenAI a lo que tienes ahí… Hay que partir de cero, porque si le pones GenAI a información basura, rubish in, rubish out”, concluye Miguel Ángel Marín.