Los datos son el “nuevo petróleo”, y de la misma manera que el combustible fósil, son una materia prima que necesita ser refinada para convertirla en información y obtener beneficios de ellos.
La anterior es una analogía que Kurt Yáñez, responsable del desarrollo de negocios de ciencia de datos e inteligencia artificial en Dell Technologies México, utiliza constantemente para explicar el valor de la incorporación de herramientas de ciencia de datos —disciplina dentro de la cual se enmarca la inteligencia artificial—, mismas que han estado integrando a paso lento las organizaciones mexicanas.
“El proceso de adopción tecnológica, no solo en México, sino a nivel Latinoamérica, ha sido un poco más lento que en otras en otras latitudes, por ejemplo, hay pocas startups latinoamericanas que hayan centrado su modelo de negocio en los datos, aunque tenemos algunos unicornios como Kavak o Rappi. Pero son poquitos los ejemplos”, señala Yáñez en entrevista con Petróleo & Energía.
Hasta 2024, una de cada 3 empresas en el país habían integrado en menos del 25% de sus procesos herramientas de IA e invertido en promedio dos mil 700 dólares en éstas, de acuerdo con “La Era de la IA en México”, un reporte elaborado por Endeavor.
El ejecutivo de Dell explica que las empresas suelen acumular datos pero pocas se dan a la tarea de implementar herramientas, estructuras y procesos que permitan explorarlos, además de habilitar al factor humano para aprovecharla.
De hecho, Yáñez calcula que las organizaciones cuentan con un periodo de entre 18 y 24 meses para adoptar estas herramientas antes de perder competitividad, o en sus palabras: “quedar atrás”.
El directivo advierte que la velocidad del cambio tecnológico exige una reacción inmediata, no sólo para adoptar dichas tecnologías, sino para que el talento humano tenga la capacidad de integrarlas en acciones estratégicas.
“Normalmente lo que pasa es que la dirección general tiene una idea de qué espera que la tecnología haga por ellos, pero después tienes limitantes organizacionales que impiden que tengas tanto éxito”, explica. Por eso, advierte, “hay que construir ese hilo conductor entre lo que la gente quiere y lo que la gente puede”.
Parte de su trabajo en Dell consiste en escuchar a las empresas y ayudarlas a responder preguntas clave: ¿Qué les preocupa sobre la IA? ¿Qué habilidades necesitan desarrollar sus equipos? ¿Cómo mantenerse relevantes en un ecosistema que se transforma vertiginosamente?
Otro elemento crucial que las organizaciones deben considerar, advierte Yáñez, es desarrollar tolerancia al fracaso. Históricamente, los proyectos relacionados con ciencia de datos tienen una tasa de entre 80 y 87% de fracaso en gran medida por la falta de calidad y acceso a información o el nivel de adopción de las herramientas por parte del talento humano.