Rymden - stock.adobe.com
¿Qué ocurre con big data en la era de la inteligencia artificial?
Combinar big data e inteligencia artificial permite no sólo recopilar grandes cantidades de datos, sino también analizarlos y obtener observaciones accionables con mayor velocidad y precisión.
Durante los últimos años, el mercado de big data ha ido creciendo y madurando de manera sostenida, una tendencia que parece mantenerse mirando hacia el futuro. Para el 2025, IDC prevé un 10,5 % de crecimiento en este sector, con un avance marcado en segmentos como el retail, los servicios y las finanzas.
A juicio de Cristián López, CEO de Unitti, en 2024, el panorama de big data en las empresas está caracterizado por una integración aún más profunda en procesos estratégicos y operativos. “Las organizaciones han avanzado en la madurez de sus infraestructuras de datos, con un enfoque creciente en la sostenibilidad y la gobernanza de datos. La utilización de tecnologías como la nube híbrida y la edge computing han permitido a las empresas procesar datos a una escala sin precedentes, lo que facilita la toma de decisiones en tiempo real y mejora la personalización de servicios”, explica.
Rodrigo Acevedo, Entersoft.
Una visión similar tiene Rodrigo Acevedo, gerente general de Entersoft, quien sostiene que el análisis de los datos ha ido en aumento exponencial, y la calidad de estos mismos datos ha mejorado del mismo modo por las experiencias y calidad de la información disponible. “Sin embargo, el volumen requiere una gestión especial de procesamiento y capacidad, donde, por ejemplo, las plataformas en la nube proporcionan servicios y herramientas que ayudan a mejorar los resultados del análisis”, dice.
El impacto de unir big data e inteligencia artificial
Cristián López, Unitti.
A juicio de los expertos, la combinación de big data e inteligencia artificial permite a las empresas no sólo recopilar grandes cantidades de datos, sino también analizarlos y obtener insights accionables con una velocidad y precisión mejoradas. “Esto se traduce en beneficios como la optimización de la cadena de suministro, la personalización del marketing y la mejora de la experiencia del cliente. Además, la IA puede prever tendencias y comportamientos, ayudando a las empresas a ser proactivas en lugar de reactivas en sus estrategias de mercado”, sostiene López, de Unitti.
Buenas bases de datos permiten a sus usuarios implementar herramientas y métodos para tomar mejores decisiones. A este respecto, la inteligencia artificial toma enormes masas de información para procesar los requerimientos del usuario y lograr resultados bastante óptimos. Si bien aún hay sesgos y errores, se observa cómo cada día se mejoran los modelos para evitar soluciones imperfectas o erráticas. Hoy en día, las grandes tecnológicas como OpenAI, Microsoft, Meta, Google, AWS, Nvidia y otras, han hecho grandes inversiones para combinar el uso de grandes bases de datos con herramientas tecnológicas basadas en entrenamiento profundo.
Rodrigo Roa, Data Observatory.
“Las empresas debieran profundizar en mejorar sus bases de datos y buscar la optimización de sus procesos mediante el uso combinado con inteligencia artificial. Actualmente, el trabajo de profesionales de distintas áreas puede verse favorecido en tiempo y también en contenido, ya que se dispone de un facilitador que suponemos ‘sabe’ cómo ordenar la información dispuesta en bases de datos, y [puede] proporcionarla frente a algún requerimiento concreto. Es importante saber cómo pedirle a la IA que trabaje para una mejor respuesta”, explica Rodrigo Roa, director ejecutivo de Data Observatory.
Influencia de big data en el empleo
Existe consenso respecto a que big data y la IA están teniendo un gran impacto en el empleo en las empresas, ya que son un habilitador para nuevos productos y servicios, y para acelerar los procesos internos de una compañía.
Ricardo Seguel, Universidad Adolfo Ibáñez.
“Esto ha generado la necesidad de nuevos perfiles, como ingenieros de datos, científicos de datos e ingenieros MLOps, que habilitan la integración y despliegue del pipeline de datos para contar con una capacidad punta a punta de big data e IA en una compañía. Estos perfiles hoy son escasos y caros en el mercado laboral”, destaca Ricardo Seguel, profesor de la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez.
En ese sentido, big data ha transformado significativamente el mercado laboral dentro de las compañías, creando una demanda robusta de nuevos perfiles profesionales, como especialistas en aprendizaje automatizado, ingenieros y expertos en ciberseguridad. “Además, está impulsando la necesidad de capacitación y desarrollo continuo para que los empleados existentes puedan manejar nuevas herramientas y tecnologías. Esta transformación no sólo abre nuevas oportunidades de empleo, sino que también requiere una adaptación constante en la fuerza laboral, para mantenerse competitiva en la era digital”, enfatiza Cristián López, de Unitti.
Desafíos futuros para big data
Mirando hacia el futuro, las empresas, especialmente medianas y pequeñas, que necesiten implementar estas herramientas se enfrentarán primero a una eventual barrera tecnológica –el aprendizaje en el uso de las herramientas, la estandarización de bases de datos, el uso de lenguaje y criterios de búsqueda–, la cual podría significar un problema al tratar de conectar la necesidad que tengan los usuarios de aprovechar la tecnología con los resultados que ésta pueda ofrecer.
“Pero, por otra parte, no se dimensionan aún los eventuales costos que la aplicación de estas soluciones puede tener, ya que no se consideran las curvas de aprendizaje y la automatización de procesos. La implementación de estas herramientas supone entrenamiento en el uso de infraestructuras en servidores locales o en nube, la actualización constante de contenidos, aplicaciones y otros. Considerarlo como una inversión hoy, traerá como consecuencia un ahorro posterior”, sostiene Rodrigo Roa, de Data Observatory.
Por otra parte, se deberá lidiar con la gran variedad de datos y fuentes de información, abierta o por suscripción, a utilizar con las herramientas de big data e IA, para extraer el mayor valor para brindar un mejor servicio de cara a los clientes. “El arte está en determinar por dónde comenzar, cuáles son las preguntas del negocio que debo responder con big data e IA, para luego determinar los quick-wins que permitan demostrar un retorno de inversión rápido. Otros desafíos son los relacionados con los costos de almacenamiento y procesamiento en el cloud, la protección de los datos, el sesgo en las decisiones de los algoritmos y la ética”, señala Seguel, de la Universidad Adolfo Ibáñez.
Además, a medida que big data sigue evolucionando, también lo hace el desafío de la privacidad y seguridad de los datos, “especialmente con regulaciones más estrictas como el GDPR en Europa, y similares en otras regiones. Otro desafío es la calidad y la integridad de los datos, ya que la recolección de grandes volúmenes no siempre garantiza datos útiles o precisos”, concluye Cristián López, de Unitti.
Beneficios de unir big data con IA
Ricardo Seguel, profesor de la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez de Chile, explica que los principales beneficios de esa combinación son:
- El apoyo de decisiones con predicciones y simulación de escenarios futuros, considerando fuentes de información internas enriquecidas con fuentes de datos abiertas o bajo suscripción.
- Clasificación de información, extracción de datos e identificación de patrones para la ejecución de reglas de negocio que gatillen tareas automáticas, que permitan acelerar procesos internos y la interacción con los clientes, mejorando los servicios de cara al usuario final.
- Utilizar información casi en tiempo real para dar recomendaciones de compra o cross-selling a los clientes B2B o B2C.
- Generar datos, información, imágenes y videos sintéticos utilizando IA generativa para acelerar los procesos creativos y de desarrollo en diversas áreas de una empresa como Marketing, Ventas, Desarrollo de software y Operaciones, entre otras.
- Acelerar la búsqueda de información estructurada y no estructurada para agilizar la toma de decisiones y la ejecución de reglas de negocio automatizadas.
