Los Equipos de Datos Están Muertos, Larga Vida a los Equipos de Datos

Sí, el título es sensacionalista y provocativo, pero como director de tecnología con muchos años en datos, he presenciado una transformación que justifica el drama. El tradicional “equipo de datos” – el equipo de oficina que procesa informes y paneles – está efectivamente muerto. En su lugar, surge un nuevo tipo de equipo de datos: una potencia impulsada por IA y producto con impacto directo en los ingresos. Ya no son un centro de costos, sino un grupo que genera ganancias.

El Viaje desde la Inteligencia de Negocios a Machine Learning

No hace mucho tiempo, los equipos de datos eran sinónimos de inteligencia de negocios (BI). Éramos los historiadores de los datos de la empresa, viviendo en SQL y hojas de cálculo, encargados de responder “¿Qué sucedió el último trimestre?” Cuando surgieron tecnologías de datos grandes como Hadoop y el término “científico de datos” se convirtió en el nuevo trabajo sexy, los equipos de datos evolucionaron. A mediados de la década de 2010, estábamos haciendo más que informes; nos aventuramos en visualización de datos y análisis interactivos, produciendo paneles dinámicos para cada departamento. El trabajo consistía en manejar datos, mezclar conjuntos de datos de fuentes y formas dispares, y tratar de entender el conocimiento del dominio.

Luego, a finales de la década de 2010, llegó la era del aprendizaje automático. Los equipos de datos comenzaron a contratar científicos de datos para construir modelos predictivos y descubrir información en vastos conjuntos de datos. Pasamos de describir el pasado a predecir el futuro: modelos de churn, motores de recomendación, previsiones de demanda – usted nombre. Pero incluso entonces, nuestros resultados eran presentaciones y conocimientos, no productos en vivo. Funcionábamos como una oficina de servicios interna, asesorando a la empresa a través del análisis. En otras palabras, éramos centros de costos – valiosos, sí, pero un paso alejado del producto y los ingresos principales.

En los mejores casos, los equipos de aprendizaje automático se dispersaron en unidades separadas o se integraron en grupos de productos, para que sus modelos y inferencias pudieran estar completamente integrados en plataformas. La gran división llevó a numerosos proyectos fallidos, inversiones hundidas y oportunidades perdidas.

GenAI: De Función de Soporte a Centro de Ganancias

Luego llegó GenAI y todo cambió. El lanzamiento de poderosos modelos de lenguaje grande, como la familia GPT y variantes de código abierto como Llama, cambió el panorama virtualmente de la noche a la mañana. De repente, los equipos de datos no solo estaban analizando el negocio, sino que se convirtieron en fundamentales para construir productos y experiencias de IA. Cuando se integra con éxito un LLM en una aplicación orientada al cliente o en un flujo de trabajo interno, ya no solo se informa al negocio; se impulsa. Un sistema GenAI bien implementado puede automatizar el soporte al cliente, generar contenido de marketing, personalizar experiencias de usuario o incluso proporcionar los datos necesarios para informar y entrenar sistemas de IA emergentes. Estas capacidades afectan directamente las corrientes de ingresos. En efecto, el producto de trabajo del equipo de datos ha pasado de diapositivas de PowerPoint a aplicaciones de IA en vivo.

Los equipos GenAI comenzaron con grupos de innovación, entregando pruebas de concepto que generaron “factor de asombro”. Y pronto, todos eran ingenieros de IA, extendiendo la IT sombra en organizaciones.