Andaba yo leyendo Capability building: Bridging the gap between human and artificial intelligence, un artículo firmado por Solly Brown, Darshit Gandhi, Louise Herring y Ankur Puri que se puede encontrar en McKinsey Analytics, cuando encontré una alusión a la necesidad de disponer de personas capaces de traducir lo que ofrece hoy en día la analítica masiva de datos al «negocio». Vamos, algo tan simple y tan importante como conseguir que toda esa inmensa oferta de capacidad analítica se pueda traducir en mejoras de competitividad. Sí, en mejoras en la cuenta de resultados, hablando en plata.
Esa alusión conducía a otro artículo sobre «traducción»: How to Train Someone to Translate Business Problems into Analytics Questions, también publicado en McKinsey y esta vez firmado por Louise Herring, Helen Mayhew, Akanksha Midha y Ankur Puri. Se me ocurrió compartirlo con el equipo de coordinación del grado en Business Data Analytics de Mondragon Unibertsitatea y mira tú por dónde, nos ha dado para una conversación interesante, con puntos de vista distintos, sobre si necesitamos estas figuras de «traductoras/es» en nuestras empresas y, en su caso, para qué.
En gran parte todo tiene que ver con el estado actual de penetración de la analítica masiva de datos en las empresas. En mi caso llevo desde principios de año colaborando con una empresa en un proyecto de innovación de usuario en busca de hacernos entender y, a la vez, captar las necesidades reales de los clientes. Hablamos de máquina-herramienta, un sector intensivo en datos debido a la cada vez mayor sensórica que se incorpora en las máquinas. Comento este caso porque soy consciente de que se necesita un cierto tiempo para asimilar lo que la tecnología ofrece.
Y añado otro ingrediente. Cuando estaba escribiendo mi tesis doctoral (sobre otra «máquina» muy particular: una bicicleta de montaña) una de las argumentaciones fundamentales en el discurso tenía que ver con la teoría de la construcción social de la tecnología. A lo largo de la historia hay muchos ejemplos de cómo las mejores tecnologías no han sido capaces de penetrar socialmente como parecía lógico que sucediera. La adopción de determinados avances tiene que ver con una conjunción de factores; muchos de ellos pasan por complejas tramas sociales. Entender por qué una máquina es como es e incorpora determinadas prestaciones y no otras supone adentrarse en la psicología social.
Me parece que con la analítica masiva de datos puede suceder algo parecido. La promesa es tan potente que el excesivo enamoramiento de la idea puede levantar barreras en quienes escuchan. Además, la «traducción» de «características de producto» a «beneficios para el cliente» es más necesaria que nunca porque el lenguaje es complicado. Si la jerga se apodera de la comunicación todo va a ser mucho más complicado. La prepotencia de quien cree poseer la varita mágica para ir más allá del limitado análisis humano puede volverse en su contra. Por ejemplo: ¿cuántos puestos de trabajo y cuáles puede destruir la inteligencia artificial? Sí, sí, ya sé que va a crear no sé cuántos, pero a corto plazo, vamos al grano: ¿vas a reducir el número de personas que tienen empleo? Pues ya vas argumentando en torno a esta cuestión, ¿no? Puede que una buena parte de la sociedad no compre el discurso.
En fin, el lunes pasado escribía que ha llegado el momento en el que los robots hacen muchas más cosas mejor que nosotros, los humanos. Sobre la mesa se plantean cuestiones éticas que nos afectan como sociedad. En esta escena, los «negocios» quieren incorporar analítica masiva de datos solo si ven en ella mejoras en la cuenta de resultados. Pero cuando llegas a la realidad, cuesta más de lo que se podía pensar en un principio. ¿Necesitamos gente para traducir a negocio? En ello estamos, pero no hay que olvidar que hay que traducir también a aspectos éticos: ¿cómo vamos a impactar en los objetivos de desarrollo sostenible? Porque, claro, no todo va a ser dinerito al bolsillo, ¿no?
En resumen, dicho en palabras sencillas: hace falta mucha mano izquierda para aterrizar la analítica masiva de datos en la mayor parte de las empresas actuales. Ya iremos escribiendo en otros artículos en qué puede consistir esa mano izquierda.