#AISummit | Mano a Mano con Fredi Vivas, CEO y Co Fundador, RockingData
#AISummit | Mano a Mano con Fredi Vivas, CEO y Co Fundador, RockingData
Category
🦄
CreativityTranscript
00:00Y seguimos con más IA Summit.
00:03En este caso tengo a uno de los mayores referentes de Inteligencia Artificial del país.
00:06Él va a decir que no.
00:08Él va a decir que es más humilde.
00:10Pero la verdad es que es una de las mayores voces que tenemos autorizadas sobre Inteligencia Artificial.
00:15Estoy hablando de Freddy Vivas, CEO y cofundador de Rocking Data.
00:19Autor de muchísimos libros sobre Inteligencia Artificial.
00:22Profesor universitario.
00:24La verdad que bastantes cosas, ¿no, Freddy?
00:26Sí, no me aburro.
00:28Sí, me encanta el tema de IA y ciencia de datos.
00:31Así que charlemos de todo eso largo y tendido.
00:34Perfecto.
00:35Freddy, te hago una primera pregunta que quizás es un poco boba.
00:37Pero me gustaría empezar este IA Summit justamente dando una definición de qué sabemos hoy sobre la Inteligencia Artificial.
00:44Cómo la podríamos definir.
00:45Qué es el Machine Learning.
00:47Porque son dos cosas distintas a veces.
00:48Sí, sí, son cosas distintas.
00:50Pero a veces en términos corporativos, de negocio, la gente te dice yo quiero resolver mi problema con la tecnología que corresponda.
00:57No hay tanto foco en qué es y qué no es cada cosa.
01:01Sí hay que decir que son diferentes técnicas que te ayudan a entender mejor los datos.
01:06¿Para qué entendemos los datos?
01:07Para resolver un problema específico.
01:09En general las empresas lo usan para entender al consumidor, al cliente, al paciente, al alumno, al ciudadano.
01:16Entenderlo en profundidad.
01:18¿Qué significa?
01:19Generar propuestas de valor para ellos.
01:21Yo tengo un cliente que me compró un producto.
01:23¿Qué le recomiendo después como siguiente mejor oferta?
01:26En función a lo que ya me compró.
01:28¿Cómo entiendo cuáles son los clientes que me pueden dejar de comprar?
01:31¿Cómo hago un sistema que detecte si hay un fraude en mi tarjeta de crédito?
01:36Todos esos son usos concretos de estas tecnologías.
01:40La Inteligencia Artificial tiene 60 años.
01:43Si le queremos poner una fecha, tenemos que hablar del 56, 57, 1956.
01:48Pero hubo un boom recientemente, ¿no?
01:50Hubo un boom.
01:51Hay veranos e inviernos de Inteligencia Artificial.
01:55El verano aquel de los 50 hizo que, por ejemplo, Stanford cree su primer centro de laboratorio de Inteligencia Artificial.
02:02Después hubo inviernos donde nadie hablaba de esto.
02:05Se creía que la tecnología no iba a evolucionar como se buscaba.
02:08Que no teníamos la infraestructura técnica.
02:11Que no había suficientes datos digitales.
02:14Entonces aparecieron en todos esos años otros usos.
02:17Como se menciona la minería de datos, el machine learning, el business intelligence.
02:22Son todas tecnologías primas, hermanas, que básicamente es entender datos.
02:27Automatizar procesos.
02:29Optimizar el uso de los datos de una compañía que hoy todo lo tendemos hacia lo digital.
02:36Por lo tanto, las compañías digitales son muy buenas haciendo estos modelos predictivos.
02:41Estos algoritmos que optimizan.
02:43Y lo vemos cotidianamente.
02:45Cuando pones en Waze, quiero llegar a tal lugar.
02:47Hay una optimización matemática que hace que llegues a esa hora más menos.
02:52O cuando te recomiendo un producto Amazon.
02:55Todo eso usa datos digitales.
02:57Todo eso usa algunas de estas técnicas de análisis avanzado de datos.
03:01A mí me encanta porque muchas de las personas usan estas aplicaciones.
03:04O usan directamente productos y servicios.
03:07Y no saben que hay tecnología atrás que es realmente disruptiva.
03:10¿Digo bien?
03:11Sí, es exactamente así.
03:13De hecho, hace poco vengo pensando en cómo bajar esa idea de esa pregunta que me haces.
03:18O ese comentario a algo concreto.
03:20Y creo que hay como tres tipos de usuarios frente a todo esto.
03:23Yo lo que le digo a mucha gente con la que trabajo, clientes, alumnos o lo que sea.
03:27Hay una revolución industrial que estamos viviendo.
03:31Hay una revolución en la economía del conocimiento.
03:34La inteligencia artificial y otras tecnologías están empujando todo eso.
03:38En el ámbito que te quieras meter, está pasando.
03:41¿Vas al mundo del agro? Está pasando.
03:43¿Vas al mundo de energías alternativas? Hay IA, hay IoT, hay drones, hay Big Data.
03:49Está todo eso ahí.
03:50Como en un ecosistema tecnológico nuevo que está empujando el cambio.
03:55Entonces, ¿cuál es el rol que vas a tomar vos frente a eso?
03:58¿Qué vas a hacer?
03:59¿La vas a ver pasar?
04:00¿Vas a tener un rol pasivo?
04:02Seguramente hay algo que me está recomendando una canción para que yo escuche en Spotify.
04:07Pero no tengo idea de qué está pasando.
04:09¿Vas a tener un rol más activo?
04:11¿Qué sería para mí?
04:12Ver qué herramientas hay, entender un poquito más.
04:15Abrir esta caja negra, convertirlo en una caja de vidrio y entender un poco más.
04:19¿Qué pasa dentro de un algoritmo? ¿Cómo tomo una decisión?
04:21Y el último rol, que es el que tenemos que empujar también, es el creador.
04:25Es el que agarra y dice, las tecnologías que tengo no me son suficientes.
04:29Las apps de IA generativa son lindas, pero no resuelven mi problema de negocio.
04:33¿Qué puedo hacer?
04:35Y ahí ese modo creador es el que va a transformar una organización.
04:40Es el que tenés que desarrollar dentro de la organización para que genere cambio.
04:43Me encanta lo que decís.
04:45Pero cuando hablamos de las empresas y el uso de la inteligencia artificial,
04:50aparece este gran miedo, el gran cuco de la inteligencia artificial.
04:53¿Nos vamos a quedar sin trabajo?
04:55Dentro del mundo de las empresas no es esa la pregunta que se hace.
04:58¿Cuál es la pregunta?
04:59La pregunta es cómo lo uso para trabajar mejor.
05:01Claro, una cuestión de productividad, por supuesto.
05:03Depende de la mirada.
05:05Hay varias miradas de esto.
05:07Primero que la IA generativa es algo nuevo.
05:10La IA generativa es la capacidad de la IA de generar contenido sintético.
05:15Que es la revolución que vos me decís.
05:17El GPT, noviembre de 2022, un millón de usuarios en cinco días.
05:21Nunca pasó nada así en la historia.
05:24Ninguna otra plataforma consiguió tantos usuarios tan rápido.
05:27La siguiente creo que fue Instagram con dos meses y medio para conseguir un millón de usuarios.
05:31Entonces quiere decir que hay un boom de IA generativa.
05:34Las máquinas generando contenido sintético.
05:36Que puede ser texto, video, una foto, una voz clonada, un humano avatar digital.
05:43Es herramientas que generan muy rápidamente eso.
05:47Por otro lado están todas las otras tecnologías de análisis de datos que decíamos.
05:51De entendimiento del usuario.
05:53Si vos tenés en una universidad mucha deserción de alumnos.
05:56Querés entender cuál es la probabilidad de que un alumno en particular abandone la universidad.
06:00ChatGPT no te va a responder eso.
06:02Hay que hacer otra cosa.
06:04Entonces dentro de las organizaciones lo que están viendo es cómo uso IA generativa para ser colaboradores más productivos.
06:10Y cómo uso todas las otras herramientas de ciencia de datos, de computer vision, de inteligencia artificial.
06:16Todos los sistemas que existen de IA y de análisis de datos.
06:19Cómo lo uso para trabajar mejor.
06:21El foco hoy está en eso.
06:24La otra conversación de qué va a pasar con el futuro del trabajo es una visión más futurista.
06:30Que pienso que quizás deberíamos tenerla hoy.
06:33Es correcto.
06:35Pero que nos va a empezar a afectar más cuando esto esté mucho más productivo.
06:39Mucho más maduro.
06:4115, 20 años por adelante probablemente.
06:43Está bueno pensarlo hoy.
06:45Hay algunos estudios.
06:47Hay de todo.
06:49Hay estudios amarillistas.
06:52No estudies más inglés porque ya no lo necesitas.
06:54No vayas más al colegio, no aprendas nada.
06:56Yo estoy muy en contra de esas visiones.
06:58Porque estamos lejos de todo eso.
07:00Y no tiene sentido.
07:02Aparte son mensajes peligrosos.
07:04Porque los puede escuchar un chico de 8 o 10 años.
07:06Y decirle señorita no quiero aprender más esto.
07:08Porque para qué.
07:10Y estamos muy lejos de tener esa visión.
07:12Porque no tiene ningún sentido.
07:14Además de lo formativo y el conocimiento que forma tu cabeza.
07:17Pero hay un estudio muy serio que es el del World Economic Forum.
07:19Que se llama Future of Jobs.
07:21Que es un estudio que analiza qué puede pasar dentro de 2030.
07:23Con todo esto.
07:25Y ellos hablan del impacto en tareas específicas de tu rol.
07:27O sea, si sos un médico, por ejemplo.
07:29Tenés 10 tareas.
07:31Probablemente hay 2 o 3 o 4 o 5.
07:33Que las va a hacer la IA por vos.
07:35Por ejemplo, detección de algunas enfermedades.
07:37Gestión del consultorio.
07:40De los turnos.
07:42Del relacionamiento con el cliente.
07:44Con el paciente en ese caso.
07:46Que capaz que es un sistema tipo chat GPT.
07:48Que conversa y le dice tomaste el remedio hoy.
07:50Tenés que venir dentro de un mes.
07:52Cosa que hoy no pasa.
07:54O sea, cómo podemos complementar nuestro trabajo humano.
07:56Con esta tecnología.
07:58Es el desafío que buscamos.
08:00Bueno, también está esta percepción de que libera al ser humano.
08:02Para que pueda hacer lo que quiera.
08:04Para que pueda hacer lo que quiera.
08:06Pero también está esta percepción de que libera al ser humano.
08:08Para tareas en donde realmente agrega valor.
08:10Sí.
08:12Es una percepción correcta para mí.
08:14De hecho, hoy.
08:16Yo hablo mucho con médicos amigos.
08:18Y me cuentan de estudios que hay en Estados Unidos.
08:20Que hablan del síndrome de la pantalla.
08:22Que es, vos vas a un médico.
08:24El médico tiene una pantalla delante tuyo.
08:26No te mira a los ojos.
08:28Y estás 5 minutos en ese consultorio.
08:30Nunca te miró a los ojos.
08:32Nunca te preguntó por algo personal.
08:34¿Cómo estás llevando el tratamiento?
08:36¿Qué tal tu familia?
08:38No hubo ese contacto humano.
08:40Porque el médico está tapado de trabajo.
08:42Con dos horas de fila de gente afuera.
08:44Sin tener un sistema de gestión que vea todo tu historial.
08:46Como vos ves hoy.
08:48Cuando compras una hamburguesa.
08:50En una aplicación.
08:52Ves todo el historial.
08:54¿Cuándo va a tardar la hamburguesa en llegar?
08:56¿Qué pediste antes?
08:58Tenés toda esa data ahí.
09:00En cambio, un médico en un sanatorio no tiene nada de información.
09:02Y vos decís, que suena como muy, digamos, utópico.
09:08Es muy realista.
09:10Si vos lo pones a trabajar.
09:12En función de lo que realmente hay que solucionar.
09:14En lo que realmente agrega valor a la sociedad.
09:16Puede ser algo muy bueno.
09:18Bien.
09:20¿Qué consejos le darías a las empresas que recién están empezando?
09:22¿Cómo se dan esos primeros pasitos?
09:24Para mí, hay varios mitos respecto a todo esto.
09:28Uno es que es un problema de la gente de tecnología.
09:30Es un mito peligroso.
09:32La gente de tecnología tiene que ver cómo adoptamos esto.
09:36Me tiene que decir qué casos hay.
09:38Tiene que meterse en el negocio para tratar de decirme dónde me conviene arrancar y dónde no.
09:42No es así.
09:44Durante muchos años, la transformación digital fue impulsada en gran parte por áreas de tecnología.
09:50Hoy creo que después de haber invertido muchas veces mucho dinero sin que repague en ningún proyecto.
09:56A veces invertía dinero en comprar una plataforma.
09:58La implementaban todos.
10:00Y el CEO te decía, pero no vi transformación en el negocio.
10:02Pero es cultural la transformación en algún punto.
10:04Sí.
10:06Es cultural en algún punto.
10:08Para mí, una estrategia que es bueno pensar es que hay que considerar la cultura organizacional.
10:12Las personas.
10:14El entrenamiento de las personas.
10:16Y esto es de arriba hacia abajo.
10:18De C-level, CEO, hacia abajo.
10:20No al revés.
10:22No es que si contratás 50 programadores en Python,
10:24vas a convertirte en una empresa data-driven o AI-driven.
10:28No, al revés.
10:30Tienes que arrancar desde arriba pensando,
10:32este es mi horizonte de acá dos años.
10:34Quiero llegar acá.
10:36Esta es mi estrategia que voy a empezar a crear en base a estos tres ejes.
10:38Personas.
10:40Cultura.
10:42Casos.
10:44Cuáles son los casos que voy a elegir.
10:46Obsesionarse con el caso de uso.
10:48¿Cuál elijo primero?
10:50Es muy importante.
10:52No tiene por qué ser el caso más complejo.
10:54Puede ser algo amigable para empezar a aprender a utilizar todo esto.
10:56Entonces, es una estrategia basada en casos, personas y tecnología.
10:58Bien.
11:00Me copó mucho esa definición.
11:02Te quería preguntar un poco sobre los riesgos de la inteligencia artificial.
11:04Y también, hablando del mercado del trabajo.
11:06Que capaz está un poco relacionado.
11:08¿Qué habilidades se necesitan hoy?
11:10¿Y qué tienen que buscar las empresas en una persona que están contratando?
11:12Bueno.
11:14De riesgos.
11:16Lo primero es decirte que hay una ley que está pre-aprobada.
11:18En el Parlamento Europeo.
11:20Que tiene muy pocos meses.
11:22Un par de meses.
11:24Yo creo que en los próximos dos años.
11:26Se va a empezar a adoptar realmente.
11:28Ellos van a armar.
11:30En Europa.
11:32Cada país va a tener una oficina de auditoría algorítmica.
11:34Me parece que está bueno.
11:36En el futuro vamos a empezar a tener sistemas de inteligencia artificial.
11:38Que tomen decisiones complejas.
11:40Donde hasta hace no mucho tiempo.
11:42Solo lo tomábamos los humanos.
11:44Por lo tanto, hay que auditar ese proceso.
11:46Por lo tanto, también hay que entender un poco.
11:48¿Cuál es el riesgo?
11:50¿Cuál es el riesgo?
11:52Por lo tanto, también hay que entender un poco más.
11:54¿Qué hace un algoritmo?
11:56Para que sea explicable.
11:58La explicabilidad algorítmica es muy importante.
12:00Y es algo que se tiene que desarrollar.
12:02Y esta ley trabaja en el concepto de riesgo.
12:04Dicen.
12:06¿Cuáles son los sistemas de inteligencia artificial?
12:08Que pueden ser de riesgo para las personas.
12:10Por ejemplo.
12:12Los sistemas de salud.
12:14Los sistemas que están relacionados a la educación.
12:16Información crítica.
12:18Niños, ancianos.
12:20También hubo casos de malos usos.
12:22Donde se usaban rostros de personas.
12:24Los gestos de las personas.
12:26Para interpretar si estaban contentas o no.
12:28En el trabajo.
12:30O detectar si una persona había estado en una movilización.
12:32En una marcha.
12:34Y enviarle un aviso.
12:36Sé que estuviste ahí.
12:38Todas esas violaciones de la privacidad.
12:40Le quitan confianza a la tecnología.
12:42Porque son malos usos.
12:44Y no son usos intrínsecos.
12:46No es que la IA es mala por eso.
12:48Estamos hablando de malas implementaciones.
12:50Y lo resalto.
12:52Porque a veces se tiende a demonizar una tecnología.
12:54Como es esta.
12:56Cuando las decisiones de mala implementación.
12:58Son humanas.
13:00Entonces escuchás.
13:02Una IA predijo el fin del mundo.
13:04Una IA hizo tal cosa.
13:06Una IA nunca se levanta y dice eso.
13:08Hoy voy a predecir el fin del mundo.
13:10Hay alguien promteando el fin del mundo.
13:12En todo caso.
13:14Y con la IA.
13:16Y comunicándolo de esa forma.
13:18Y eso para mí genera un vínculo negativo con la tecnología.
13:20Que te impide ver los usos positivos que puede tener.
13:22Hoy las organizaciones están buscando perfiles digitales.
13:24Perfiles que busquen la transformación.
13:26Los mismos perfiles intentan aprender nuevas herramientas.
13:28Hay que actualizarse.
13:30Claro.
13:32Hay números de encuestas.
13:34Nosotros con mi empresa.
13:36Hicimos una encuesta.
13:38Y la gente quiere aprender nuevas herramientas.
13:40Hay como un track para mí relacionado a la productividad.
13:42La IA generativa es una herramienta de productividad.
13:44Me acuerdo que empecé a trabajar hace muchos años.
13:46Hace fin de los 90.
13:48Hace mucho.
13:50Te decían que tenías que saber internet.
13:52Y no sabía nada.
13:54No sabía nada.
13:56No sabía nada.
13:58No sabía nada.
14:00No sabía nada.
14:02No sabía nada.
14:04No sabía nada.
14:06No sabía nada.
14:08Y te decían que tenías que saber internet.
14:10Internet.
14:12¿Qué es internet?
14:14Lo que era en ese momento.
14:16Hernamentas tipo Excel también.
14:18Word.
14:20Fimática.
14:22Hoy las herramientas que vienen a complementar todo eso.
14:24Pueden ser las herramientas de IA generativa.
14:26Saber usar chat GPT.
14:28Cualquier otra herramienta que te pueda servir para tu trabajo.
14:30Y después dentro de la organización.
14:32Hay otro tipo de perfiles.
14:34Que son más una visión de analista de datos.
14:36Que es una persona que puede, por ejemplo,
14:38como hacen ustedes los periodistas, contar historias con datos.
14:40El data storytelling.
14:42Pueden hacer un tablero, una visualización.
14:44Para que, por ejemplo,
14:46si querés exponer algún punto específico.
14:48No sé, ¿dónde invierto más dinero?
14:50Del marketing, trade marketing de mi empresa.
14:52Bueno, en tales zonas.
14:54Porque hice un gráfico, lo conté.
14:56En dos o tres minutos.
14:58Le consulté una base de datos SQL, por ejemplo.
15:00Para saber cuánto vendí en cada zona.
15:02Hice una regresión lineal en Excel.
15:04Para predecir un determinado comportamiento.
15:06Sé definir un indicador.
15:08Sé hacer preguntas de diagnóstico a los datos.
15:10Hacia atrás.
15:12Y diagnóstico predictivo de lo que puede pasar en mi negocio.
15:14Entonces, las habilidades.
15:16Que antes eran como de nicho.
15:18De las personas de datos.
15:20Se van a volver habilidades comunes.
15:22A cualquier persona en una organización.
15:24Igual que pasó con el Excel.
15:26Yo me acuerdo cuando empecé a trabajar.
15:28Saber Excel era como ASOS de sistemas.
15:30Y ahora ya no.
15:32Bueno, eso mismo va a pasar con todo esto.
15:34Es un nuevo mundo, Freddy.
15:36Sí, la verdad que sí.
15:38Estuvimos hablando con Freddy Vivas.
15:40CEO y cofundador de Rocking Data.
15:42Y como dijimos, tantas cosas más.
15:44Muchas gracias, Freddy, por estar con nosotros.
15:46Para los que están del otro lado.
15:48Decimos que todavía queda mucho más.
15:50De este IA Summit del cronista y la revista Apertura.
15:52Gracias.