En la era de la Inteligencia Artificial estamos obligados a trabajar con un universo de datos en expansión. Para aprovecharlo, nos debemos sin embargo un paso: creerle al dato. Primero como las personas que somos, luego como organización que conformamos.
En mi última columna comentábamos la diferencia entre el dato y la información así como el marco ético que su aprovechamiento requiere. Como decíamos, nuestras organizaciones producen hoy una cantidad cada vez mejor de datos. De la mano de la Inteligencia Artificial (IA) -y de las sucesivas generaciones de tecnologías que parte de ella- podemos convertir esos datos en información, ordenando y estructurando esos datos para que nos permitan sacar conclusiones. Podemos invertir ingentes cantidades de dinero en herramientas tecnológicas para que nos ayuden a limpiar, estructurar, ordenar y reconfigurar la masa de datos, generando un creciente cuerpo de información.
Sin embargo, para poder aprovechar esa información debemos lograr que nuestra organización se apropie de esta dinámica. Dicho de otra forma, podemos tener toda la información del mundo, invirtiendo todo el dinero del mundo. Sin embargo, si las personas que componen nuestra compañía no validan la información que generamos como valiosa, utilizándola e incorporándola a su día a día, la información no servirá de mucho. Desconocer esta relación lleva a muchas compañías hoy a invertir en costosas tecnologías basadas en IA que, luego, nadie utiliza. Es que la información no se traduce en conocimiento por una u otra herramienta. Lo hace porque las personas que reconocen la información como valiosa; la incorporan a su rutina laboral y tratan luego sacarle todo el provecho posible.
Entonces, aprovechar los datos a través de la IA requiere no solo aprender a usar las herramientas a disposición -siendo ChatGPT la quizás más conocida. Antes de eso, la organización necesita haber generado dinámicas que ayuden a las personas y equipos a reconocer la necesidad de esta información como útil. Recién ahí esa información se transformará en conocimiento aplicado.
Para entender esta relación les propongo adentrarnos un poco más en la “vida” misma del dato. Recordemos que si bien la IA -gracias a sus capacidades cada vez mayores genera una creciente cantidad de información, siempre lo hará partiendo de una información ya existente. Es por eso que el origen del dato, o sea la calidad del dato es tan importante. Entenderlo como tal nos exige como líderes, primero, y como organizaciones, después, a tener el mindset indicado para poder hacerlo. Es aquí donde solemos fracasar en casi todas las compañías y organizaciones y eso, de forma estrepitosa.
En los últimos años, se puso de moda la práctica del “data decisioning” o “data-driven decisioning”. La misma se refiere a tomar una decisión basada en el análisis y la interpretación de los datos almacenados y generados por el uso de fuentes, aplicaciones y soluciones digitales. La meta es traducir hechos, métricas y datos para que guíen nuestras decisiones de negocios estratégicas y se alineen con las metas, objetivos e iniciativas de nuestra organización. Ello nos permitirá ser objetivos en cuanto a nuestras premisas y así lograr resultados mucho más acordes a las necesidades reales del mercado. Hasta aquí la teoría, porque la realidad es bien distinta.
Demasiadas veces nos encontramos con organizaciones en las cuales las decisiones efectivamente se toman en base a los datos – pero sólo para confirmar una decisión tomada de antemano y en base al instinto, a la experiencia o al “gut feeling”. El dato aquí sirve entonces únicamente para validar un juicio anterior. En caso de que no lo valide, la culpa es siempre del dato. O peor, del método utilizado para generarlo. A quienes no crean que esto sea el caso, les propongo la siguiente pregunta: ¿cuántas veces en el último año tomaron una decisión, por más irrelevante que sea en base a una sensación, premonición, instintito, sensación o cualquier otra “-ción”? Y ahora, ¿cuántas veces lo hicieron, en base únicamente a un dato o una estadística relacionada con el tema? Estoy seguro de que la primera opción se llevará la mayor cantidad de respuestas.
Porque, es cierto, el mindset dentro de las organizaciones y de sectores enteros ha cambiado en los últimos años de forma radical. Nuestras compañías, hoy, trabajan mucho más ancladas en los datos. Hay hasta un “mindset de datos”. Con las tecnologías que tenemos a disposición, nuestras organizaciones generar una cantidad creciente de datos.
El problema radica en creer que el data desitioning se logra simplemente, eligiendo la tecnología de análisis y empezar a generar la cantidad de datos, que, después confirmarán la oportunidad que nuestro instinto nos anticipó. Dos de los mejores ejemplos de ello son el sector de los medios y la logística. En el primer grupo, los algoritmos identifican hoy aquello, que -por la cantidad de visitantes- suma audiencia- y con ello ingresos de publicidad. Nada dice aquí el dato sobre si la noticia es por su calidad importante o no. En el caso de la logística, los datos aún demasiadas veces se utilizan para validar la planificación de envíos y entregas. Sin embargo, si se genera algún tipo de error, al algoritmo se le contrapone un Excell, que valida que la razón del error nos estuvo en la persona sino en la “calidad” del dato o de su modelo.
Entonces, un mindset que quiere trabajar desde el dato sirve. Pero sólo si nuestra organización supo antes incorporar un aspecto clave.
Se trata de incorporar una cultura que promueva conversaciones a partir de los datos. Para ellos, nuestros colaboradores todos y todas deben poder desarrollar sus conocimientos sobre los datos mediante la práctica y la aplicación y – en todos eso los niveles de nuestra organización, no solo en los gerenciales.
De esta forma, no solo incorporaremos el trabajo con datos desde él o la CEO hasta los becarios, sino que también nuestros colaboradores comenzarán a descubrir información útil que facilite la acción del negocio y que, debido a sus sesgos, antes no podían tener a mano.
Para ello, la base está en aprender a trabajar desde la calidad del dato. Dicho de otra forma, aprender a trabajar con datos que por su calidad representan la base más sólida posible para incorporar la toma de decisión desde el dato sin cuestionarlo. No hacerlo, nos dejara siempre con la incógnita sobre si hemos utilizado el método correcto, seduciéndonos a cuestionar su calidad, su método y con ello induciéndonos a recaer sobre nuestro instinto o gut feeling.
Hoy en día, es crucial generar datos para tomar decisiones más objetivas y sólidas. La condición sine qua non para ello es establecer una dinámica transversal en toda la organización que garantice la calidad de los datos, lo que nos permitirá creer y confiar en ellos y enfocarnos en descubrir nueva información que respalde decisiones fundamentadas. Recién con esta base estaremos en condiciones genuinas y sólidas de aprovechar los datos a través de la Inteligencia Artificial (IA) en toda su extensión.
Por Alejandro Goldstein, socio director de Olivia.