Maria Elena, Directora de Soluciones en Stradigi AI – Serie de Entrevistas

Maria Elena Carbajal aporta más de 25 años de experiencia en Inteligencia Artificial, Tecnología de la Información y Telecomunicaciones a su carrera profesional. Tiene 18 años de experiencia trabajando en una empresa de telecomunicaciones en Canadá y Suecia, así como en las áreas de Aeroespacio, Energía y Tecnología de la Información con varias empresas. Actualmente trabaja para Stradigi AI, un líder en Inteligencia Artificial en Canadá.

Maria Elena Carbajal ha desempeñado muchos roles funcionales dentro de I+D, Ingeniería, Servicios Profesionales Globales, Transformación Digital y Tecnología de la Información. Su exposición internacional incluye trabajar y gestionar equipos en países como Perú, Canadá, EE. UU., México, Brasil, Suecia, Finlandia, Noruega, Rusia, Estonia y Bielorrusia.

¿Qué es lo que te atrajo inicialmente a la IA?

Siempre he estado apasionada por trabajar en el sector tecnológico. Como individuo, siempre estoy invertida en optimizar lo que me rodea: desde organizar mi hogar hasta llevar eficiencia a mis equipos, clientes y empresas en general. Está en el núcleo de mi ser. He tenido la suerte de tener una experiencia muy práctica con la implementación de tecnologías de vanguardia en las últimas dos décadas en diversas industrias, por lo que las habilidades se vuelven muy diversas y transferibles.

Al mirar más específicamente a la IA, soy una firme creyente de que la Inteligencia Artificial y la computación cuántica revolucionarán todas las industrias, sin excepciones. La IA es fundamental para desencadenar y alimentar la optimización en todas las áreas: empresarial, profesional y personal. Eso es lo que me atrajo y me mantuvo comprometida e inspirada, día tras día.

Anteriormente estabas empleada en Ericsson (ERIC ) durante 18 años, ¿qué te hizo decidir unirte a Stradigi AI?

Estaba interesada en centrar mis esfuerzos profesionales en la IA debido a lo mucho que impactará y cambiará la forma en que vivimos y trabajamos. La IA abre la puerta a una serie de problemas que se buscan resolver al trabajar con empresas grandes o pequeñas, lo que te da la oportunidad de marcar la diferencia, mover la aguja y utilizar la tecnología para el bien. Además, tenía una amplia experiencia ejecutiva en Ericsson, que, por contraste, es una organización masiva. Al trasladarme a una startup como Stradigi AI, quería sacarme de mi zona de confort y experimentar de primera mano lo que es ser parte del próspero y evolucionado ecosistema de IA que se está formando en Montreal. Hay algo motivador y energizante en ser parte de esta comunidad.

Llevo un año en Stradigi AI, y después de un año de trabajar con un grupo increíble de profesionales e innovadores, está claro que mis experiencias en Ericsson han sido tan valiosas y transferibles a cualquier organización, sin importar el tamaño. Mi filosofía siempre ha sido sobre mover la aguja de la tecnología un cliente a la vez, y he traído eso a Stradigi AI también.

Stradigi AI permite a alguien sin experiencia en aprendizaje automático producir modelos de IA, ¿puedes describir cómo se logra esto?

Mucha de la discusión en el mundo de la IA y el aprendizaje automático gira en torno a la “democratización”. Lo que, para ponerlo suavemente, se trata de hacer que la IA esté disponible para las masas. Pero la disponibilidad y la usabilidad no son lo mismo. Con nuestra plataforma de aprendizaje automático de autoservicio, Kepler, nuestro objetivo principal es asegurarnos de que los expertos internos y los analistas puedan producir modelos con técnicas de aprendizaje automático avanzadas, sin tener que aprender complejas ciencias de datos o involucrar a sus equipos de ciencia de datos.

Desde una perspectiva práctica y técnica, se logra a través de la automatización de los procesos de ciencia de datos paso a paso que normalmente llevan tiempo y experiencia para completar. Por ejemplo, Kepler automatiza el proceso de ingeniería de características, una empresa compleja y de múltiples pasos. También crea automáticamente una canalización seleccionando los mejores algoritmos, se somete a una configuración automática y optimización de hiperparámetros, todo sin intervención humana.

El objetivo de tener este nivel de automatización en el proceso es liberar a los expertos de perder el tiempo en tareas triviales y consumidoras de tiempo. Al automatizar estos pasos, Kepler da a su equipo más tiempo para pensar en la próxima gran innovación, en lugar de las tareas meniales del día. Para los analistas y expertos, también es una ruta para mejorar sus habilidades: al implementar herramientas de aprendizaje automático en su trabajo diario, se les da la oportunidad de enriquecer su análisis y, por lo tanto, su enfoque de los casos de uso clave.

¿Cuáles son algunos modelos de IA interesantes que has visto de empresas que utilizan Kepler?

La belleza de Kepler es que cubre una amplia gama de casos de uso en varias industrias, utilizando una variedad de técnicas desde el aprendizaje automático clásico hasta el aprendizaje profundo. Desde gobiernos hasta inversiones, Kepler puede ayudar a los líderes a lograr resultados medibles.

Algunos proyectos impactantes que me vienen a la mente y que tienen un gran impacto en la forma en que vivimos y trabajamos son el desarrollo de modelos innovadores en el sector de la salud, donde utilizamos modelos de segmentación de imágenes y regresión para detectar enfermedades. Otro es nuestro trabajo con organismos reguladores en gobiernos locales y nacionales que utilizan la comprensión del lenguaje natural para categorizar información de texto compleja y traer nuevas eficiencias a procesos heredados.

En el otro extremo del espectro, también hemos utilizado Kepler para optimizar las actividades de trading para un cliente en el sector financiero.

Stradigi AI utiliza un Flujo de Ciencia de Datos Automatizado. Para aquellos que no están familiarizados con esto, ¿puedes describir qué es y cómo se utiliza en Stradigi AI?

Los Flujos de Ciencia de Datos Automatizados (ADSW) son los procesos de ciencia de datos de extremo a extremo que funcionan dentro de Kepler. Los ADSW se crearon para resolver una serie de casos de uso, así que construimos cada “flujo de trabajo” para tener aplicaciones prácticas muy prácticas. Por ejemplo, uno de nuestros flujos de trabajo es la previsión de series temporales, que permite a los profesionales en CPG o retail predecir cuándo se necesitará reabastecer el inventario. Hay ocho flujos de trabajo preexistentes en Kepler, que están diseñados de manera intuitiva para los no científicos de datos.

ADSW son flujos de trabajo de aprendizaje automático avanzados que automatizan procesos clave, algunos de los cuales mencioné anteriormente. En un ADSW, Kepler automatiza:

• Optimización de hiperparámetros
• Configuración
• Selección de modelo
• División de datos de entrenamiento y prueba
• Creación de panel de control
• Evaluación de métricas de modelo

Todo lo que el usuario necesita para obtener un modelo de aprendizaje automático desplegable es datos y un caso de uso que abordar. Y, dependiendo del conjunto de datos, todo el trabajo complejo dentro de un ADSW se puede completar en cuestión de minutos.

¿Qué tipos de datos se pueden utilizar?

La plataforma Kepler te permite trabajar con datos tabulares, de texto y de imagen.

Para aquellos que no están familiarizados con los datos y los tipos de datos, los explicaré:

1. Tabular: esto sería una hoja de cálculo que contiene información clave como datos de ventas o una tabla de base de datos de demografía de clientes, productos, etc.
2. Texto: este tipo de datos puede venir en muchas formas, piensa en correos electrónicos, reseñas de clientes, contenido de redes sociales, archivos de biblioteca, contratos, etc.
3. Imágenes: piensa en galerías de productos o fotos de artículos en una línea de montaje.

Los datos de video serán ingestibles en Kepler en el futuro. En nuestro sitio web, bajo “Tipos de datos”, explicamos qué tipos de datos pueden resolver casos de uso clave. Te sorprendería cuánto datos no se aprovechan, especialmente en empresas más grandes.

¿Tienes algún consejo o estrategia para las mujeres que están interesadas en unirse a la tecnología?

Tengo tres consejos que creo que son fundamentalmente importantes para el éxito de cualquier persona en la industria tecnológica.

1 – Aprendizaje. Esto siempre debe ser parte de tu vida. No importa qué tan joven o qué tan viejo seas, siempre debes tener algo que aprender. No importa cómo vayas a aprender o de quién vayas a aprender, solo asegúrate de estar listo para recibir conocimiento. Abre tu mente. Limpia tu cerebro para que puedas estar listo para recibir más conocimiento, más amor, más empatía… solo más. Sé obsesionado con tu propio desarrollo. Un gran recordatorio es que estar listo para aprender es una de las manifestaciones clave de la empatía.

2 – Pasión. Ejemplos de trabajo duro nunca han fallado en mi experiencia profesional. Siempre estoy lista para levantar la mano en el trabajo para asumir situaciones complejas o actividades complicadas. Cuanto más lo hago, más me doy cuenta de que todo es posible. No dudaría en saltar fuera de mi zona de confort y asumir ese desafío extra. Cuando lo haces, los líderes pueden identificar y apreciar la pasión que exhibes.

Cuando te acercas al trabajo de esta manera, no necesitas esperar a que te llegue esa gran oportunidad laboral que cambiará tu vida. Si prestas atención, notarás que hay muchas tareas pequeñas alrededor de ti que te darán más exposición a los tomadores de decisiones y, lo más importante, más posibilidades de aprender.

3 – Mentoría. Para mí, la mentoría es una herramienta tan poderosa, ya que flexiona tus músculos de escucha y aprendizaje o habilidades. La mentoría también puede acercarte a grandes líderes de tus redes profesionales o dentro de tu círculo personal. A lo largo de tu carrera, es crucial identificar el tipo de líderes en los que puedes confiar y seguir, y seleccionarlos como tus mentores y modelos a seguir.

Los líderes que creen en ti te empujarán fuera de tu zona de confort y estarán allí para ayudarte a ganar fuerza, también. Grandes líderes y grandes mentores pueden ser brutalmente honestos, pero también pueden ser excelentes oyentes. Encontrar personas desinteresadas que te ayuden a alcanzar tu máximo potencial puede ofrecerte algunos de los mejores momentos de enseñanza de tu vida. Ahora, tu tarea es encontrar y reconocer quiénes son o podrían ser esos mentores para ti, y confiar en ellos.

Gracias por la entrevista. Tus tres estrategias para aquellos que desean entrar en la tecnología son aplicables a cualquiera y estoy completamente de acuerdo con ellas. Cualquiera que desee aprender más sobre Kepler o esta increíble empresa debería visitar Stradigi AI.