En un ambiente empresarial cada vez más competitivo, la implementación inteligente de tecnologías se ha convertido en un elemento fundamental, no solamente para ganar ventajas sino también para poder tener mejores resultados a largo plazo. Una de las tecnologías más sonadas es la de la nube, precisamente por habilitar otro tipo de aplicaciones más avanzadas.
Dentro de estos ambientes, la analítica y el Machine Learning (ML o aprendizaje de máquina) han tomado posiciones especialmente relevantes. Aunque pudiera pensarse que Machine Learning es una tecnología con aplicaciones en terrenos como el automotriz, Swami Sivasubramanian, vicepresidente de Machine Learning e IA en AWS, explicó que estas plataformas son importantes para el sector empresarial en general y no solo para algunos sectores.
El camino de la disrupción
“Las oportunidades de transformar el negocio con datos existen a lo largo de toda la cadena de valor”, explicó Sivasubramanian durante su conferencia sobre Machine Learning en AWS re:Invent 2021. AWS –Amazon Web Services–, teniendo sus raíces en el mercado del comercio electrónico, conoce de primera mano el camino desde que era una empresa emergente en Seattle a finales de los 90, hasta el gigante de las ventas en línea de hoy en día.
Durante todo este tiempo, Sivasubramanian ha sido enfático en decir que una importante necesidad fue la escalabilidad de su negocio. En un principio, puede que una empresa de comercio electrónico tenga construida su única base de datos en tablas de Excel con campos sencillos, como nombres e información básica de los usuarios.
Sin embargo, a medida que el volumen de ventas y de usuarios crece, lo que hace algunos años era un emprendimiento empieza a sentar sus bases como una compañía de cientos de empleados. Así como la empresa crece de manera orgánica, sus servicios tecnológicos deben también crecer de acuerdo con sus necesidades y especialmente con las de sus usuarios. “Por ejemplo, para las reseñas se necesita una base de datos de alto rendimiento a cualquier escala, como una base de datos de valores clave”, explicó Sivasubramanian.
Tener una base de datos de reseñas puede permitir que la compañía empiece a implementar mejores recomendaciones de compra para los usuarios y mejorar su experiencia. De la misma forma, se pueden crear bases de datos relacionadas entre ellas para tener en cuenta referencias positivas entre diferentes productos en el inventario.
Sin embargo, este tipo de datos también está cambiando no solamente respecto a de dónde vienen, sino también cómo son almacenados. Por ejemplo, una empresa que lanza su aplicación móvil puede leer analíticas como la interacción de un usuario con los botones, así como el porcentaje de relación entre correos, aplicaciones y anuncios en redes sociales.
Nuevas tecnologías, nuevos retos
El mundo empresarial está frente a un problema que no hemos visto nunca antes en la historia. Hoy más que nunca, el sector empresarial está produciendo y recopilando una cantidad impensable de datos y almacenándolos en servicios como el de AWS. Sin embargo, el reto está en cómo procesar esos datos para poder obtener valor verdadero y que no se convierta en un pasivo de la compañía.
Sivasubramanian explica la respuesta: “se trata de tener una plataforma completa de extremo a extremo para almacenar, acceder, analizar, visualizar y predecir”. El vicepresidente de Amazon ML explica que la escalabilidad de los datos es un punto clave, pero que más importante aún es qué hago con esos datos, cómo utilizo herramientas de mi proveedor para presentar y hacer llegar mejor esa información.
Este es un problema real, incluso para algunas de las compañías de tecnología más grandes. Pensemos, por ejemplo, en que muchos de los datos están presentados en formatos de textos o números que son difíciles de entender. Un buen kit de herramientas podría no solamente organizar y desglosar los datos, sino también convertirlos a formatos más digeribles como gráficos, líneas de tiempo y números concretos.
Durante su conferencia en re:Invent, tal vez uno de los puntos más importantes es que Machine Learning tiene el potencial de impactar a empresas viejas y nuevas. Sivasubramanian recalcó que compañías con más de 100 años de experiencia están empezando a modernizar y migrar sus datos hacia entornos más robustos como el que ofrece AWS. Un ejemplo de esto es BMW, que ha logrado migrar datos y métricas de sus vehículos hacia la nube de AWS.
“Un abrumador 86 % de nuestros encuestados dijo que les gustaría poder hacer más con los datos. Para llegar a esto es necesario implementar una estrategia moderna de datos de principio a fin”
Swami Sivasubramanian, vicepresidente de Machine Learning e IA en AWS
En últimas, la tarea principal de sistemas de analítica y de Machine Learning es la de simplificar procesos y presentar datos. Una solución de nube y ML bien implementada puede beneficiar tanto al equipo de mercadeo como al de recursos humanos. La clave, sin embargo, está en encontrar la mejor forma para que estos datos lleguen a las manos de los empleados y que tenga un efecto positivo en la toma de decisiones.
La búsqueda por la simpleza
La misión de Amazon en este sentido no es solamente ofrecer los servicios más robustos, sino también cómo fomentar el desarrollo de este tipo de talentos en las nuevas generaciones. El vicepresidente de Machine Learning en Amazon se enfocó en mostrar que su meta es también bajar la barrera de entrada para todas las personas. Para AWS es crucial generar conciencia sobre el potencial de ML, así como nutrir este talento.
Esto, evidentemente, también incluye diversos grupos sociales históricamente con baja representación en la tecnología, como LGBTI o personas de color. De la misma forma, también es importante que cualquier empresa, sin importar su tamaño, pueda implementar y empaparse de tecnologías avanzadas y cada vez más necesarias.
De esta forma, Sivasubramanian mostró Amazon Canvas, una herramienta integrada en AWS que permite integrar, crear y mostrar bases de datos en apenas minutos. Se puede, por ejemplo, subir dos bases de datos, relacionar la una con la otra y luego presentar la información de manera más entendible. También se pueden crear predicciones que implementan todo el poder de AWS para procesar hasta la tabla más sencilla de cada organización.
Adicionalmente, Amazon reveló nuevas funcionalidades para su paquete SageMaker con la meta de mejorar el entendimiento de Machine Learning dentro de las empresas. SageMaker Training Compiler, por ejemplo, puede reducir el tiempo de entrenamiento de modelos con Deep Learning en hasta 50 %.
La barrera de entrada al mundo de Machine Learning no es una de las más fáciles, pero AWS apunta a entregar paquetes tecnológicos no solamente más eficientes y ágiles, sino también más fáciles de utilizar por todas las personas. “Hasta la fecha, las herramientas de datos científicos han sido demasiado complejas o demasiado simplistas para trabajar en un aprendizaje automático significativo”, afirmó Sivasubramanian. La meta es corregir esto y además democratizar el acceso a este tipo de tecnologías.
Machine Learning al alcance de todos
Para poder responder las necesidades del mercado del futuro, AWS reconoce que la tarea está también en fomentar este tipo de talentos en las nuevas generaciones. En algunos años, estas nuevas generaciones serán las que llevarán la bandera de Machine Learning hasta nuevas alturas y continuar así el progreso global en general.
“Machine Learning será una de las tecnologías más transformadoras de esta generación. Las 2 iniciativas que anunciamos hoy están diseñadas para abrir las oportunidades educativas en el aprendizaje automático para que sea más ampliamente accesible a cualquiera que esté interesado en la tecnología”.
Swami Sivasubramanian, vicepresidente de Machine Learning e IA en AWS
Como en un efecto dominó, este nuevo talento también podrá encontrar nuevas y mejores implementaciones de Machine Learning por medio de emprendimientos disruptivos. Esta meta llevó a Amazon a crear SageMaker Studio Lab, una herramienta completamente gratuita en donde los usuarios se pueden registrar solamente con un correo electrónico y tener acceso a las herramientas de AWS de Machine Learning.
Durante mucho tiempo, tecnologías como la nube y el Machine Learning han sido percibidas como costosas y complicadas. Studio Lab busca crear ese puente entre el poder de AWS y los nuevos talentos para poner su granito de arena en cimentar un futuro digital potenciado con el poder de la nube.
Para cerrar, Sivasubramanian anunció en colaboración con Intel y Udacity la creación de nuevas becas para el entrenamiento de títulos enfocados a la ciencia de datos y al Machine Learning. Hoy por hoy, la industria necesita de los mejores talentos para responder a los desafíos de una sociedad cada vez más digital. “Para que cualquier tecnología alcance todo su potencial, necesitamos también educar a la siguiente ola de desarrolladores –dijo Swami Sivasubramanian–. Machine Learning no es diferente”.
Imagen principal: Amazon/AWS
