El "trabajo sucio" para implementar IA en una empresa: por qué es necesario para no fracasar

Vivimos en una época en que los datos parecen gobernar el mundo. La sensación es que contando con un conjunto de datos lo suficientemente amplio, las empresas tienen en la punta de sus dedos la posibilidad de aplicar la inteligencia artificial (AI por sus siglas en inglés) y hacer magia: lanzar productos para recaudar millones de dólares, generar experiencias inolvidables para sus clientes o llevar la eficiencia a un nivel superlativo.

La realidad es que acumular datos es apenas una parte del trabajo, pero no la más importante. Cómo se utilizan, para qué propósito, qué tan seguros están, quién los emplea... Las empresas que no respondan todas esas preguntas antes de embarcarse en un proyecto de inteligencia artificial podrían chocar contra la ordinaria estupidez natural.

Para capitalizar verdaderamente el poder de la AI es necesario realizar antes el trabajo menos glamoroso, vinculado a la adopción de las tecnologías más emergentes y disruptivas: poner los datos en condiciones. Aquí es donde entra en juego el concepto de gobernanza de datos: el conjunto de políticas, procesos, prácticas, herramientas, metodologías y personas para garantizar que los datos estén disponibles, sean de calidad y se los trate con los máximos niveles de privacidad y seguridad.

"Aunque aún es incipiente la implementación de programas de gobiernos de datos en las compañías argentinas, han tenido una evolución funcional y tímidamente técnica", asegura Daniel Menal, director de data y analytics para NTT DATA Argentina. La empresa propone un framework de madurez que considera como ámbitos de medición la oficina de gobierno de datos, los datos maestros y la calidad, el ciclo de vida, la arquitectura, la seguridad, los servicios vinculados, la comunicación y la alfabetización. A partir de eso, constató que la mayoría de las empresas del país oscilan entre los niveles 2 y 3. "Contar con tecnología de punta sin una estrategia sólida de data literacy (alfabetización de datos) no es sostenible en el tiempo", concluye.

Y no todo se trata de inteligencia artificial. El gobierno de datos es la llave para cualquier iniciativa digital de cara a futuro. Lo recuerda Carlos Christian Sueiro, abogado y profesor de criminalidad informática de la UBA: "muchas veces arribamos a la falsa creencia de que solo la AI motoriza la cuarta revolución industrial, pero en realidad es la convergencia de ésta con otras tecnologías exponenciales como la biotecnología (edición genética, ADN artificial, celular pluripotentes, quimerización) nanotecnología (miniaturización de elementos a escala nanométrica), infotecnolología (robótica, automatización en general) y cognotecnología (neurociencias y neurotecnologías)".

Asegurar la gobernabilidad

"El tema del gobierno de datos en Argentina está en un proceso de evolución y se presenta como una herramienta clave para asegurar la calidad de los datos, pero todavía enfrenta varios desafíos para alcanzar una mayor madurez", define Lautaro Carmona, CEO de Unitech, especializada en soluciones digitales para el sector judicial. "Lograrlo, requiere de una transformación organizacional compleja, un compromiso sostenido en el tiempo y un apoyo político desde las direcciones ejecutivas", afirma.

Martín Malievac, director de investigación y desarrollo de Napse, especializada en soluciones omnicanal para el retail, coincide en que "queda camino por recorrer para que alcance una mayor madurez en Argentina, pero el avance tecnológico en el país es constante". Además, afirma que la clave para avanzar hacia nuevos estadios es "contar con un enfoque integral y coordinado que promueva, en primera instancia, una mayor inversión en procesos y tecnologías que hagan posible niveles más altos de trazabilidad, coordinación, intercambio y seguridad en el tratamiento de los datos".

No se trata de un tema que compete solo a las grandes. "Se suele relacionar al concepto de gobernanza de datos con estructuras complejas por las que deben preocuparse las empresas de mayor envergadura o aquellas cuyo producto o servicio depende de un tratamiento cuidadoso de los datos, pero la realidad está bastante alejada de ello: establecer una estructura, políticas y estrategia de gobernanza de datos desde temprano es crítico, no sólo para evitar costos elevados futuros, sino porque al asegurar una mayor calidad de nuestros datos, impactamos en la eficiencia, en los ingresos y en la seguridad de nuestros usuarios", aclara Kevin Hansen, gerente de ciencia de datos en Smart Channel, plataforma autogestionable de marketing predictivo.

En la era de la nube, incluso, la solución está muchas veces más cerca de lo que se cree. "Cada vez más las empresas apuestan por plataformas en la nube con componentes como herramientas para evaluar datos, catalogar metadatos, gestionar el control de acceso o monitorear la calidad y la seguridad de la información", define Natalia Scaliter, gerenta general de Google Cloud Argentina. "La protección, el cumplimiento de normativas relacionadas con la custodia de los datos y el control y visibilidad de los mismos son factores clave en este punto", observa.

Que sea ley

Paula Angeleri, directora de calidad en Universidad de Belgrano (UB), recuerda que la Subsecretaria de Tecnologías de la Información de la Jefatura de Gabinete de Ministros emitió el año pasado una disposición (2/2023) que incluye un anexo con recomendaciones para una AI fiable.

"Si bien promueve una mejora, queda un gran problema por resolver: la falta de Integrabilidad entre las distintas bases de datos del ámbito público a nivel provincial y nacional". La UB colaboró con un grupo de referentes de gobierno, academia y el IRAM para elaborar una nueva norma de integrabilidad (IRAM 17610-1). También desarrolló el framework MyFEPS, en español y de uso libre, cuyo modelo de calidad QSAT (acrónimo de "Quality" más el apellido de sus tres creadores, Amos Sorgen, la propia Angeleri y Rolando Titiosky) incluye los aspectos de calidad y seguridad de los datos.

"La legislación actual necesita una actualización para afrontar los desafíos tecnológicos relacionados con la privacidad", expresa Nahuel Alberti, responsable de Ingeniería de Paisanos, creadora de productos digitales innovadores. "Para una mayor madurez en el gobierno de datos es crucial adoptar un enfoque integral que vaya desde actualizaciones legislativas, como la Ley de Protección de Datos Personales, la promoción de una cultura basada en datos en el ámbito público, inversión en tecnología y formación".

Sebastián Pereira, CIO del especialista en IA Santex, destaca algunos desafíos vinculados a infraestructura y cuestiones políticas o legales. "Una problemática central es la localización legal de las empresas, que a menudo están registradas fuera del territorio nacional, y la ubicación de los servidores en territorios extranjeros", dice.

"Esto complica la aplicación de leyes locales y la protección de los derechos de los usuarios debido a la falta de jurisdicción", agrega. Por otra parte, asegura que persiste una inversión insuficiente en ecosistemas de datos protegidos y dinámicos. "La evolución hacia un equilibrio que fomente el desarrollo autónomo y no solo el consumo de tecnología es crucial, incluyendo el acceso a bancos de datos para el entrenamiento de modelos y fuentes de información que permitan a las empresas innovar con seguridad jurídica y obtener beneficios de manera multidimensional".

Impulsar la inteligencia

El gobierno de datos es el paso necesario y suficiente para alcanzar resultados óptimos con las iniciativas de AI. Constituye el cimiento de cualquier proyecto de datos", afirma Menal.

En este punto no hay grieta. Todos los consultados se expresan en la misma dirección. "Una mala gestión de los datos podría frenar el desarrollo de proyectos de AI cuando haya dificultades a la hora de garantizar la seguridad y la privacidad de los datos", explica Pablo Velan, CTO de la fintech argentina N5. "Es vital comprender el origen, la sensibilidad y el ciclo de vida de los datos que utilizamos para alimentar la AI. No hay manera de implementar un proyecto exitoso si una empresa, sea del rubro que sea, no está a la altura de los más altos estándares de gestión de datos", agrega.

"La gestión eficaz de los datos en términos de calidad, disponibilidad y usabilidad es fundamental", indica Aldo Tirapegui, asesor de soluciones Business Technology Platform de SAP para Región Sur. Sobre el primero de los puntos, cuenta que "es importante establecer procesos confiables para garantizar la calidad de los datos: implementación de procedimientos de limpieza, estandarización y validación".

Respecto de la disponibilidad, agrega que "las empresas pueden utilizar las capacidades de integración para combinar datos de diferentes fuentes en un solo lugar y garantizar que estén utilizables para los equipos de análisis y proyectos de AI". Finalmente, en relación a la la accesibilidad, indica que "las soluciones de analítica permiten crear paneles interactivos y visualizaciones que faciliten la exploración y el análisis".

"Adoptar un enfoque riguroso en gobierno de datos permitirá desarticular los silos que limitan la riqueza del análisis que proveen tecnologías como la AI generativa y, de esta manera, tomar decisiones más acertadas y oportunas, además de mejorar los controles de gastos al gestionar los recursos de manera eficaz pudiendo por ejemplo eliminar datos duplicados", relata Scaliter. Google Cloud estima que para 2025 todos los sistemas analíticos trabajarán con AI generativa.

¿Qué puede salir mal?

Observando con la lente invertida... ¿Cuáles son los perjuicios que puede sufrir una empresa que avanza con sus iniciativas de AI sin haber establecido un buen gobierno de datos? "Entre las consecuencias negativas y de gran alcance de un mal gobierno de datos se cuentan la posibilidad de dar vida a sesgos y decisiones erradas y un fallo en la protección de datos puede resultar en violaciones a la privacidad que desemboquen en la pérdida de confianza y sanciones legales que afectan la viabilidad de los proyectos y en una pérdida confianza de las personas respecto a cómo puede la AI cambiar nuestra sociedad para bien", enumera Alberti.

"Si los datos son de baja calidad o están sesgados, los modelos de AI pueden generar resultados incorrectos o injustos, lo que conduce a decisiones que perjudican a ciertos grupos o individuos y dañan la confianza del público en la tecnología", amplía Matías Nahón, gerente general de Analitix, consultora especializada en fraude corporativo. "También puede ocurrir que los datos incompletos o incorrectos reduzcan la precisión de los modelos y su eficacia para realizar predicciones o tomar decisiones automáticas", agrega.

"No solo implica riesgos operativos y legales para una empresa, sino que también puede tener un impacto directo y significativo en su valoración de mercado", detalla Pereira.

"Pensemos en un set de datos del cual desconocemos su procedencia, los procesos involucrados para su generación y almacenamiento y que no cuenta con un responsable a nivel negocio o técnico... ¿Como podríamos confiar en un contenido generado por AI a partir de eso?", cuestiona Matias Salmeri, responsable de datos para Argentina de la software factory Endava.

La persona a cargo

No se puede hacer un buen gobierno sin un buen equipo. Un programa maduro de gobernanza implica necesariamente la definición de nuevos roles en la organización.

"Dentro de las buenas prácticas en materia de gobierno de datos, es esencial contar con una oficina de gobierno de datos (OGD) que vele por la implementación, el seguimiento y la mejora continua de las políticas, procesos, tecnologías y personas asociadas al trabajo con datos", cuenta Menal.

Sergio Aguilera, director de carreras de informática en Universidad de Belgrano, cita la guía de roles de gobernanza de datos elaborada por la Secretaría de Innovación y Transformación Digital que incluye un CDO, un data champion, un dueño del negocio (o responsable de calidad y procesos), un dueño técnico (o responsable de sistemas de repositorio de datos), un custodio o experto del negocio, un custodio técnico y un usuario de datos. "La misma guía aclara que no todas las organizaciones deben tener la totalidad de roles, al tiempo que se recomienda un custodio de seguridad de la información independiente de la custodia técnica", explica Aguilera.

El mercado empieza a notar la presión. "En los últimos años las búsquedas por posiciones relacionadas al uso y manejo de datos crecieron exponencialmente", indica Daniel Iriarte, director asociado de Glue Executive Search, consultora boutique de búsquedas ejecutivas y top management. "El chief data officer (CDO), con responsabilidad de proteger la privacidad de la información y la gestión de datos, es uno de los perfiles más demandados y con mayor proyección para los próximos años", aclara.

Sin embargo, asegura que no es sencillo contratarlos. "No abundan en el mercado y, además, las empresas argentinas deben competir con las ofertas del exterior". Y afirma que los profesionales que ocupen estas posiciones van a necesitar incorporar conocimientos de "data broker, para generar acuerdos comerciales entre empresas de datos y quienes compran fragmentos de datos".

Roles, roles y más roles

No existe un cargo más imprescindible que otro, todos son necesarios dentro de esta nueva lógica que acerca de una nueva forma el negocio y la tecnología.

"También se destacan el data steward, responsable integral de un set de datos en particular (suelen haber tantos como dominios de la información haya en la empresa) y puente entre el negocio e IT, y el data custodian, contraparte técnica del data steward, el guardián del acceso, el movimiento y el almacenamiento", enumera Salmeri.

No hay que ver estas funciones como hechos aislados. "Se requiere una combinación de estas que, a su vez, deben colaborar para construir una cultura de datos sólida", dice Velan.

Carmona menciona también la presencia de abogados en el equipo. "Estructurado como un comité, suele ser esencial para garantizar la protección a lo largo de todo el ciclo de vida, desde la creación del activo digital hasta su destrucción", aclara.

Alberti suma al data ethicist, "que se encarga de asegurar que el uso de datos esté en línea con los principios éticos y responsables, especialmente en contextos donde se usa información personal y sensible.

"Algo a remarcar de las posiciones vinculadas con la gobernanza es que deben poseer una base de conocimientos técnicos sólidos, pero es igual de importante que cuenten con conocimientos de ingeniería de procesos y skills como liderazgo, comunicación y negociación, ya que actúan como puentes entre las áreas técnicas y no técnicas", indica Hansen.

Vivimos en una época en que los datos parecen gobernar el mundo. Pero, primero, las empresas que quieran sacar provecho de esta situación necesitan gobernar los datos.

Vivimos en una época en que los datos parecen gobernar el mundo. Pero, primero, las empresas que quieran sacar provecho de esta situación necesitan gobernar los datos.

La versión original de esta nota se publicó en el número 363 de revista Apertura.