Architecture Championship - El poder de la IA Generativa en Business Intelligence

Buenos días nuevamente, bienvenidos a todos a este Architecture Championship que se vuelve interesante porque últimamente se ha hablado mucho del tema de Inteligencia Artificial, el tema Data Analytics es algo que ha estado mucho en boga en estos momentos y la intención de este webinar es platicar un poco sobre los conceptos básicos y sobre todo de poder llevar una línea de cómo empresas están adoptando tanto Inteligencia Artificial Generativa como el tema de una combinación BI y así como generar unos conceptos clave que les podrán ayudar a empezar por dónde irnos y por supuesto que con pucloud cómo podemos apoyarlo desde nuestra parte en todos estos temas de Business Intelligence y todo el tema de Inteligencia Artificial Generativa. Entonces sin más preámbulo, pues bueno vamos a hablar un poquito sobre la parte de la introducción, lo que es un tema de Business Intelligence y definición y conceptos clave. Como dicen, la intención es poder poner de una manera muy general, voy a ponerlo de esta manera, las palabras clave o el glosario clave para poder de llevarlo de una manera bastante interesante y que puedan captar todo mundo la información que trataremos de transmitir independientemente si tienen poco o mucho conocimiento en estos temas de Data Analytics e Inteligencia Artificial, es la intención. Y pues bueno, primero que nada vamos a empezar con tema de una definición de lo que significa la parte de BI, literal pueden poner en Google diferentes conceptos y podrán salir muchos más y sin embargo algo que me interesó mucho y la manera como lo aterrizo es que en tema de BI o Business Intelligence se refiere al uso de tecnologías, procesos y aplicaciones tanto para hacer una recopilación, integración y análisis para presentar datos empresariales para apoyar la toma de decisiones, eso es lo que pudiera resumir un BI, es recopilar todo para en un dashboard, en un tema, poder tener datos en tiempo real para facilitar esta toma de decisiones o como mucho se menciona actualmente decisiones, toma de decisiones basadas en datos, que sería el objetivo como tal y algunos conceptos clave precisamente a qué se refiere o qué es necesario. El tema de recolección de datos, pues bueno, simplemente es la fuente de datos internas o externas para procesos de extracción, es decir, dónde se encuentran los datos y cómo los voy a recolectar. El tema de análisis de datos es otro concepto clave que lo vamos a estar llevando, se refiere a los métodos estadísticos y algoritmos que se utilizan para interpretar los datos que fueron recolectados y la parte de visualización de datos es otro concepto clave de un tema DI que son herramientas para representar datos de forma comprensible como gráficos y dashboards, que en este caso más tarde les hablaremos de Amazon quicksight que se refiere precisamente a esta a esta parte de definición de datos. Y pues bueno, eso es la parte de conceptos clave. ¿Y hoy en día por qué se vuelve importante tener BI en las organizaciones para la toma de decisiones empresariales? Independientemente si tú quieres ser o tú lo apuntas a ser una empresa data driven o al día de hoy no lo traes dentro de los objetivos, al final de cuentas el tener un tema, una estrategia de BI se vuelve hoy en día cada vez más fundamental, inclusive en las empresas se puede ver como hasta una diferencia competitiva aquellas empresas que utilicen BI y entre más procesos internos, porque no hablamos solo de una inteligencia o un tema de BI para el control de ventas, el control de metal, sino habla de todo un ecosistema que puedes generar o gestionar a través de dashboard tanto para directores, gerentes o tomadores de decisión en diferentes áreas. Entonces por eso les comento que hoy en día se vuelve ya está una ventaja competitiva empresas que tienen ya estrategia de BI y sobre todo aquellas empresas que han evolucionado en convertirse o ya están en proceso de convertirse en una empresa data driven o que una empresa basada en datos, bueno se vuelve algo interesante. Entonces existen cuatro principales conceptos el por qué se vuelve importante tener o empezar a construir, optar por tener una estrategia de BI. Primero que nada información en tiempo real te permite tener respuestas rápidas y cambios en el mercado, o sea respuestas rápidas en lo que tienes cambios en el mercado, se puede dar en lo que tengas reflejado cómo estás trabajando las ventas, cómo estás generando, que estás vendiendo más que producto, todo te parece en tiempo real y es nuestra parte. Identificación de tendencias y patrones, quiere decir que en función de tener un MBI te va generando un tema de históricos y puedes generar un forecast hacia adelante sobre diferentes comportamientos de lo que tenga representado en gráficos, que quiere decir que te puede dar cierta certidumbre a través de esta analítica, ciertas tendencias y que te ayude a tomar mejores decisiones, ya no necesario para lo que tienes que decidir para el día de hoy, sino para dónde te tienes que empezar a mover para decidir en base a las tendencias de los datos que te está generando tus decisiones futuras. Entonces eso también te ayuda. Y esto por supuesto te lleva a una mejora en la eficiencia operativa, donde vas a optimizar procesos y recursos, donde vas a empezar a detectar de una manera mucho más rápida algún tema que falta, dónde se está cayendo las ventas, dónde está pasando esto, porque te lo da de una manera muy rápida y muy sencilla. La salud del negocio es donde si podemos verlo de esta manera, es como el monitor donde vas a poder estar viendo todo lo que tengas basado en BI. Y reitero, no solo temas de venta, sino de repente hasta el tema de asistencia a tus colaboradores, temas horarios, cualquier cosa que tenga que ver que podamos representar de datos y extraerla, representarla, lo podemos llevar. Y obviamente al tener esto te va a permitir una mayor compresión del mercado del cliente donde puedes decir sabes que a través de esta información puedo ver para dónde se está atendiendo las tendencias de compra, qué tipos de clientes están prefiriendo tal producto tal y te permite estar generando esta parte. Entonces esa es la razón por la cual se vuelve toda esta parte. Pero antes de irnos a la inteligencia artificial generativa y obviamente el conjunto que es lo que se trata de cómo poder combinar el tema de Business Intelligen, inteligencia Artificial, no podemos dejar de hablar de la gobernanza de datos, que también es un tema que se habla mucho, pero poco se implementa de una manera formal en las organizaciones. Pues bueno, el tema de la gobernanza de datos es un marco esencial para asegurar que los datos dentro de una organización se gestiona de manera adecuada y se utilizan de una manera eficiente, segura y conforme a las normativas. Porque una cosa es tener el montón de datos y otra cosa es tener datos que en realidad nos funcionen. Entonces hoy en día la gobernanza de datos se tiene que empezar o empieza a ser crucial para las empresas modernas que dependen de datos para operaciones y la toma de decisiones. Porque todavía hace unos años y muchas empresas no lo hacen, pues lo hacen las tomas de decisiones en base a la experiencia de directivos o cualquier persona que esté frente a la organización, que hoy en día sigue siendo también válido. Pero qué va a pasar con nuevas generaciones, nuevas personas que necesitan tomar decisiones y posiblemente no tienen los veinte, treinta años de experiencias del directivo que el día de hoy toma las decisiones. Es por ello que se está empezando a tomar relevancia cada vez más los datos para que no esté solo la experiencia o la intuición que muchos lo llamamos, sino que ayude el tema de los datos y junto con la experiencia y también un poco de nutrición, poder tomar una mejor decisión basada en datos y que no solo dependa de eso que toda esta parte y en muchas empresas dependiendo del giro que se dedique la empresa y empresas más rigurosas como el sector financiero o algo. Pero bueno, también esto, el tener una buena estrategia de gobernanza de datos ayuda a las empresas a cumplir con ciertas regulaciones que se exigen para mejorar la eficiencia operativa y obviamente estar dando constantemente buenas prácticas y sobre todo estar superando los desafíos asociados a lo largo de esta gestión de datos empresariales. Y es por ello que la parte de gobernanza de datos traté de ponérselos de manera inicial, lo que aquí les mencionaba, la definición, la guarda de datos se refiere a la gestión, disponibilidad, integridad y seguridad de los datos utilizados en la empresa. Lo mismo que ya les mencioné por una manera más resumida, con un objetivo que siempre tener esos datos accesibles, precisos, consistentes y accesibles. Lo que les decía, no quise tener el montón de datos de una manera desordenada, subir cualquier dato, sino tener todos aquellos datos que nos ayuden a tomar decisiones y generar mejor control de negocio. Entonces en función de ello lo divido en dos temas iniciales. Primero que nada, la importancia de la gobernanza de datos. El tema iniciamos con la calidad de los datos, ¿A qué se refiere con esta calidad? Simplemente es asegurarnos que los datos sean precisos y de alta calidad. Eso es como en resumen, porque si no tenemos esos datos precisos, ¿Cómo voy a tomar una decisión si no tengo datos de calidad, o sea, no son datos verídicos? Entonces pues no, definitivamente si no tenemos una calidad en los datos es el primer punto por el cual no nos ayudaría a generar. Y también la parte del cumplimiento normativo que también ayuda a las empresas a cumplir cierto tipo de regulaciones, es decir, reitero, hay sectores como sector financiero que necesitan cumplir y debe estar de una manera mucho más estructurada como tal. Pero lo importante también de ello tenemos, hay dos puntos importantes que es la confianza de los datos y la seguridad de los datos. La seguridad de los datos obviamente tiene que ver con tal estrategia de cómo vamos a proteger esos datos sensibles contra brechas de seguridad o inclusive accesos no autorizados, ¿No? Por eso tiene que ver el tema de la gobernanza de los datos y obviamente confianza en los datos, esto tiene que ver a través de procesos y políticas bien definidas. Entonces eso es algo bastante importante para el tema de gobernanza de datos. Y algunos de los componentes claves que deben de tener, pues bueno, deben de tener una estructura organizativa, qué quiere decir crear los roles, responsabilidades y todo lo que tenga que ver con la gestión de los datos, de quién los gestiona, quién los consulta, toda esta parte ligado a un tema de políticas y procedimientos, el cual nos va a llevar a generar esta gestión, incluyendo el tipo de clasificación, manejos de datos, cuáles son sensibles, cuáles no, cuáles pueden acceder toda la organización, cuáles pueden acceder niveles gerenciales, directivos, también es generar estas políticas y los procedimientos para estar generando esto, acompañado de estándares y metadatos, esto es súper importante, donde para que tenga una mejor eficiencia, toda esta parte, el estandarizado, la manera y tanto generar estándares como los metadatos nos van a permitir generar mejor una estructura y por supuesto tener tecnologías y herramientas que nos ayuden a soportar esta gobernanza de los datos. ¿Y tenemos algunos beneficios, existen muchos más, sin embargo esto es alguna del tema, considero un poco más relevante el por cuál es el beneficio de una buena gobernanza de datos? Primero que nada, lo he venido repitiendo, mejora en la toma de decisiones, datos confiables y de alta calidad, reducción de riesgos, tiene que ver con un tema de minimizar todo el tema relacionado con una mala gestión y también multas regulatorias, aquellos, reitero, empresas que tengan que tener ya ciertas regulaciones y sobre todo el tema de brecha de seguridad. Otra cosa que debemos hacer es la parte de optimización de recursos que tiene que ver con el uso y el manejo de los datos y obviamente que podamos aprovechar las tecnologías como la parte de la nube de AWS, que nos permita generar esta gobernanza de datos a través de tecnologías de alto nivel, sin necesidad de hacer grandes inversiones en servidores e infraestructuras, en todo lo que conlleva. Y sobre todo otro gran beneficio que nos genera mejora en la eficiencia operativa. Creo que todos son importantes, pero este tiene este plus de donde a través de una buena gobernanza de datos te va a poder llevar a generar una mejor eficiencia operativa. ¿Por qué empieza por eso les cuento, empezamos con la gobernanza de datos, posteriormente dónde los vamos a extraer posteriormente, dónde los vamos a tener en un BI? Entonces me empieza a generar o hacer una eficiencia operativa para la toma de decisiones. Y ya si lo sumamos con Inteligencia Artificial Generativa, pues nos dará todavía, nos llevará a otros niveles de eficiencia operativa. Entonces, eso en cuanto al tema de gobernanza de dator. Lo siguiente que vamos a hablar, empezar aparte, es la Inteligencia Artificial Generativa. Existen diferentes tipos de Inteligencia Artificial, hemos escuchado temas de Machine Learning, toda esta parte. Hoy en día lo que más en boga es Inteligencia Artificial Generativa, que principalmente empezó a cobrar fuerza a través de ya a nivel, inclusive todas las personas, ¿Cuántos de ustedes no han utilizado por ejemplo, chat GPT? Que fue algo que empezó a generar este boom, que es un tema más a nivel de usuario. Pero bueno, tiene que ver, eso es Inteligencia Artificial Generativa y hay otras opciones y hay otra rama, voy a ponerlo general, que tiene que ver con la Inteligencia Artificial Predictiva. Más sin embargo, hoy vamos a enfocar el tema de la Inteligencia Artificial Generativa, ya que hoy en día está revolucionando la forma en que las empresas crean y gestionan contenido, productos, servicios. ¿Esto qué quiere decir? Que también al implementar Inteligencia Artificial Generativa, las empresas pueden mejorar su eficiencia, reducir sus costos y además fomentar muchos temas de innovación. ¿Por qué? Porque hoy en día también, así como ya lo mencioné, el tema de BI, va a pasar lo mismo con las organizaciones. Aquellas organizaciones que empiecen a adoptar Inteligencia Artificial dentro de sus procesos de negocio, dentro de sus operaciones como tal, se va a volver en una ventaja competitiva del mercado, sin lugar a duda. ¿Por qué? Porque puedes llevarlo a diferentes departamentos, que ahorita más adelante les hablaré un poquito sobre la parte del mapa de ruta, pero simplemente la parte de definición creativa lo voy a dividir en tres, en tres principales. Uno de ellos es, se centra en la generación de contenido utilizando algoritmos avanzados. Y cuando hablo de generación de contenido, no hablo solo de palabras escritas, no hablo de todas formas todo, imágenes, vídeos, todo lo que tenga que ver con generación de contenido utilizando estos algoritmos que nos empiezan a generar. Ustedes han visto cuántas aplicaciones hoy en día hay a nivel usuario que hasta le dice, oye, hazme una imagen de esto, que tenga esto y te empieza a construir cierto software de Inteligencia Artificial, alguna idea avanzada de alguna imagen o de algún vídeo o de alguna presentación. Y además de ello, se basa en modelos que aprenden patrones y estructuras a partir de grandes cantidades de datos conforme vayas alimentando con datos de calidad, por eso hablaba previo a todo lo que es gobernanza de datos, porque sin ello no podemos hablar de una inteligencia Artificial Generativa óptima. Entonces aprenden de patrones, estructuras de grandes cantidades de datos y sobre todo se usa ese consonancimiento para crear nuevas obras que imita o incluso mejoran los patrones que ya les metí. Entonces es un tema de la inteligencia Artificial Generativa, es un tema que va a estar aprendiendo, voy a ponerlo de esta manera, va a estar aprendiendo constantemente toda esta parte. Y pues bueno, la parte de la inteligencia Artificial Generativa para las empresas primero que nada ¿En qué se enfoca? Vamos viéndolo de esta manera, primero que nada genera modelos predictivos, ¿Qué son estos modelos predictivos? Dices vamos a generar predicción de tendencias, o sea, vamos a ver utilizar estos modelos que nos permitan analizar los datos históricos y predecir algunas tendencias futuras en el mercado de sus productos, de sus servicios, componentes de tendencia del consumidor, componentes comportamientos, etcétera o hasta simulación de escenarios, soy, genero diferentes escenarios futuros basados en variables y datos actuales, hoy en día tengo esta actual y puede existir esta variable, entonces puedes generar algún modelo predictivo para simulación de escenarios. Algún otro tema que las empresas pueden adoptar inteligencia artificial es personalización y segmentación, esto tiene que ver el tema de personalización y segmentación, un ejemplo muy típico puede ser el tema de marketing, donde te pueden ayudar las herramientas artificial generativa para generar cierto tipo de segmentación de clientes, análisis de datos de clientes, crear perfiles detallados y generar campañas de marketing más efectivas o por qué no, recomendaciones de productos que se basan en ciertos productos, personalizaciones basados en comportamiento, preferencia de los clientes. También otro tema de personalización y segmentación puede ser el tema de experiencias de cliente, todo lo que tenga que ver con interacciones personalizadas, optimización de servicios, que digas sabes que a través de esto puedo mejorar servicios al cliente mediante generación de respuestas automatizadas y personalizadas en tiempo real. Cada vez, y aquí es donde entra un poquito el tema de chatbots que tiene mucho tiempo en el mercado, hoy en día están tomando otra relevancia, se empiezan a construir chatbots más inteligentes que te permiten generar estos modelos de atención. Otro uso, vamos viéndolo de esta manera, es para la innovación y desarrollo de productos. Fíjate que esto es muy interesante porque nos ayuda tanto para el diseño de productos, generar prototipados rápidos, generar una creatividad asistida, de repente puedas utilizar inteligencia artificial no necesariamente para construir todo aquella innovación, sino que partir de ello como un asistente que te permita estar generando nuevas ideas de productos, servicios apoyados con inteligencia artificial y ya no que necesariamente tú tengas desde cero. Y obviamente el tema de optimización de productos como pruebas automatizadas, análisis de feedback, donde lanzas un producto y generas feedback de tus clientes, pues bueno también puede generar análisis de estos feedback que generas. Esta cuestión también para la mejora operativa y la eficiencia es donde se puede llevar general y aquí hablo desde el tema de automatización de procesos, todo lo que tenga que ver con la automatización de tareas, procesos, así como hasta un mantenimiento predictivo que sabes qué voy a generar de repente predicción de fallos y necesidades de mantenimiento de ciertos equipos, de ciertas infraestructuras, que te puedes enfocar un tema proactivo y así reduces el tiempo de inactividad por una falla real. Es algo que se está utilizando sobre todo mucho en el tema de manufactura, donde a través de eso te permite generar o mejorar tu esquema de mantenimiento predictivo, que ya no va solo en temas de muchas empresas que dicen sabes que este tipo de máquina cada tres meses le tenemos que hacer tipo de mantenimiento, es ir generando, pero lo potencializamos, donde ya se toman diferentes variables, el tipo de uso como tal, qué tipo de producto está manufacturado, máquinas y tiene más desgaste, entonces te empieza a generar cuando dices sabes que en este caso tendrá, si sigues a este ritmo de producción, ya no tendrás que hacerlo cada 6 meses, tendrás que hacerlo dentro de 3 semanas para evitar, entonces es algo que te está ayudando también el tema mantenimiento predictivo para esta cuestión. Pero bueno, al final de cuentas estos son algunos de los cuatro principales pilares, voy a poner esta manera que las empresas están adoptando inteligencia artificial, hay más por supuesto, pero estos son algunos que consideramos de mayor importancia. Pero sobre todo todo esto implica temas desafíos y consideraciones éticas también, porque debemos de buscar el tema de gestión de datos, tener el tema de transparencia para mantener transparencia y proceso toma de decisiones y también por ejemplo equidad en la toma de decisiones. También esto te ayud a que de repente el tema de toma de decisiones sea más equitativo basado como dicen dejar el tema de aquellos sesgos que de repente podemos tener en las tomas, sino que eso se vuelve como un modelo asistido y es como las empresas empiezan a llevar. Pero por ejemplo hay algo súper interesante que ya no sólo de compucleado sino es algo de Gartner y tiene que ver con el ciclo de la inteligencia artificial y esta información pueden encontrar detallada directo en Garner donde van a poder estar generando o más bien consultando detalladamente todo esto que yo se los vengo a resumir y simplemente aquí lo manejo como el ciclo de la inteligencia artificial de cómo visualiza Garner. Esto fue liberado en julio del 2023. Entonces cómo visualizan las cuestiones que estaban en menos de dos años, de dos a cinco años, de cinco a diez y más de diez años donde al día de hoy Gardner ve dos escenarios o dos lados del movimiento generativo por decirlo así. Uno de ellos son innovaciones que serán impulsadas por JNI e innovaciones que impulsarán los avances de la GENI. Es como lo visualizaba basado en esos principales dos movimientos proponer de ese lado. Perdón y por poner algunos ejemplos, obviamente no voy a describir toda la gráfica, pero por ejemplo hay muchos datos interesantes como aquellas cuestiones que ya hoy en día estamos viendo y que lo identifica como en menos de dos años por el tema de esas técnicas de inteligencia artificial integradas en productos que no son precisamente de TI, sino que son también puntos finales, temas de iot, temas de puertas de enlace, servidoras periféricas, es cómo empieza a tomar todo esto para el uso de aplicaciones de consumo comerciales e industriales. Cuánto no hemos visto ya vehículos autónomos aquí en México no se ven mucho, pero sabemos que ya existen vehículos autónomos y sobre todo también aquellas capacidades o software o inclusive equipos médicos que te permiten mejor diagnóstico médico y muchos temas de análisis de vídeo streaming. Algo que hoy en día también hacemos y que lo identifica el tema como menos de dos años es lo que es la Talent Annotation que tiene que ver con el proceso de aquellos clasificación de datos. Ya hoy en día hay herramientas que podamos estar clasificando diferentes datos para segmentar y todo lo que tenga que ver. Algunos otros ejemplos como lo pueden ver aquí que marca el tema de dos a cinco años por el tema de Cloud i Service, por supuesto, ya empiezan a generar, inclusive ya un poco más adelantado aquí, luego verían que más o menos de 2 a 5 años ya estamos empezando a ver, pero tiene que ver con la creación y diseños de modelos de IA y API para prediseños. Algunos otros ejemplos de 5 a 10 años, pues tienen que ver con los sistemas multiagente, que son más de un tipo de sistemas de inteligencia artificial por múltiples agentes, pero interactuando entre ellos, cada uno capaz de percibir entorno, pueden ser modelos de GI software, robots y otras entidades, todas colaborando, interactuando entre sí. Es algo que ve Gartner que se va a ver más de entre 5 y 10 años. Y la parte de IA responsable también me parece interesante platicarlo o hacer énfasis, porque tiene que ver con el aspecto relacionado con la toma de decisiones éticas y comerciales apropiadas para Talai, donde va a tomar más relevancia en todo el tema ético, en la toma de decisiones, apoyado el tema de IAI y va a evolucionar. Entonces pueden ver este informe completo en GAN, está súper, súper interesante. La verdad es que me podría llevar dos horas explicando cada uno y no alcanzaríamos, pero podrán consultarlo, pasaremos la liga. ¿Y ahora, por dónde empiezo o qué es lo que sigue Romano? Porque oye, se habla tanto que qué es lo que sigue o por dónde le damos. Primero que nada es el tema de RO. Primero hay que las empresas hay que explorar, evaluar, tanto análisis, procesos, necesidades, como también evaluación de viabilidad. ¿Una vez que digamos, a ver, quiero ahorita automatizar, que quiero mejorar? El tema se analiza y se evalúa si es viable hacerlo a través de inteligencia artificial generativa. Una vez que lo tengamos, generamos un tema de planeación, de preparación, que tiene que ver con desarrollo de estrategia, vamos a establecer objetivos claros y medibles y para implementar aquel proyecto de AI, y reitero, siempre puede empezar con pequeño, no necesita ser un megaproyecto, puede empezar de un departamento, inclusive de un proceso específico, es como hoy en día se está empezando a adoptar. Y obviamente el desarrollo de la estrategia que nos va a llevar y la selección de tecnologías y socios, la parte de implementación piloto, hay que generar una configuración de infraestructura o de todo lo que se necesita para empezar a generar ese primer prototipado y desarrollar el piloto, ya piloto pero a la vez productivo bajo un escenario controlado. ¿Ya después de que está el modelo probado o ya generamos el piloto y existe un área de mejora o sabes que vamos a mejorar un poco, pues bueno, entramos a la parte de escalado y optimización, qué quiere decir? Vamos a escalar de una manera gradual, esto quiere decir que vamos a empezar a llevarlo o aumentarle más fases ese proceso o a llevarlo a otros departamentos o hacer algo como lo que hicimos, pero con un toque diferente para otro departamento y sobre todo la optimización de modelos, eso se genera esa algo súper importante que tiene que ver con la cuestión de la optimización, desarrollo de la prueba que pudiéramos llegar a generar el tema de optimización y modelos, monitoreo, ajuste y todo lo que tengamos que hacer. Y el tema de gestión y mejora continua, aquí vuelve la gobernanza de datos, por eso era importante mencionarlo, es estarlo evolucionando, llevarlo al tema de políticas de datos, cumplimientos regulatorios, innovación y evolución, donde generaremos mayor tema de investigación, desarrollo y la colaboración externa. Esto quiere decir que apoyarse de partners, en este caso como Compuclo, para llevar también esta mejora continua en estos procesos y algo que debe de estar siempre latente, la evaluación y el feedback continuo, no es algo que se implemente y hay genero y ahí lo dejo por los años, es algo que tenemos que estar generando por la naturaleza de esta parte. Y pues bueno, como dice y ya no más para finalizar, dos recomendaciones de cómo la inteligencia artificial generativa más vía y que lo que se va a enfocar ahorita mi compañero Carlos, cómo nos ayuda la mejora de toma de decisiones, Simplemente lo divido en dos, uno de ellos es análisis predictivo y prescriptivo, que me va a ayudar a generar predicciones precisas, recomendaciones accionables, eso en el tema de análisis predictivo y también en la simulación de escenarios donde nos va a permitir evaluar estrategias y optimización de decisiones. Entonces esto es lo que yo resumo de cómo la inteligencia artificial más un tema de BI nos puede ayudar a través de estas dos ramas con dos escenarios cada uno para la mejora en la toma de decisiones y llevarnos a otro nivel. Entonces como dicen, para no hacer largo en esta parte, yo estaría pasando el micrófono a mi compañero Carlos Esparza, que será quien continúe con el resto de la presentación. Muchas gracias.

Perfecto. Ya ven mi pantalla, ¿Verdad? ¿Me escuchan? ¿Todo bien?

Todo bien.

Perfecto. Gracias Osvaldo. Muy buena información la que nos compartes y de hecho, ahorita van a ver público que vamos a seguir un poquito en la misma plática, pero orientándolo un poquito más a los servicios de AWS, ¿De acuerdo? Toda la información teórica que nos presenta Osvaldo nos da una buena base para que sepamos la importancia de lo que es el Business Intelligence y la Inteligencia Artificial Generativa y cómo ambas trabajando en sinergia, podemos llegar a grandes cosas. Justamente con este BI, que en este caso es el servicio de Amazon QuickSight, vamos a convertir todos nuestros datos complejos de nuestra empresa en información clara y útil para la mejora de tomas empresariales. ¿De acuerdo? Entonces, si esto lo juntamos, potenciado por ingenieros de Big Data o analítica, y lo llevamos a los campos como lo son nuestras compras, nuestras ventas, nuestros resultados, clientes y objetivos, podemos llegar a grandes cosas. Pero antes de esto y continuando un poquito con la plática, vamos a describir lo que son los tipos de Data Analíticas, el qué ocurrió, ya lo mencionaba Osvaldo, el por qué ocurrió, el que puede ocurrir y el que necesitamos hacer. ¿De acuerdo? Para esto es bastante importante que nos vayamos y que entendamos estos tipos de Data Analítica y entender que obviamente entre mayor tengamos esto va a ser más valor, vamos a tener más inteligencia, más eficacia y obviamente mucho más eficiencia. Se suma un poco de complejidad, pero si llevamos a cabo estos cuatro tipos de Data Analytics dentro de nuestro BI, vamos a llegar a grandes cosas. Si a esto le sumamos técnicas como la regresión lineal, el clustering, árboles de decisiones o redes neuronales, podemos llegar a obtener grandes resultados. Para esto entonces se suma Amazon Quicksight, es el icono que vemos del lado izquierdo, cuando lo veamos representado en distintos diagramas de arquitectura, lo veremos como el icono morado del lado izquierdo de su pantalla. Lo que me gusta especificar es que, como dice el texto, es un servicio de BI a escala para ofrecer información fácil de entender a las personas con las que trabajamos, estén donde estén. Ahorita vamos a indagar un poquito en cuáles son esas características principales que nos ofrece este servicio. ¿De acuerdo? Entre estos hablamos de un BI escala, como vemos del lado izquierdo, hablamos de servicios que ya se mencionan como un cómputo a hiperescala, por lo tanto todo el tema de escalamiento es completamente administrado por AWS, no nos tenemos que preocupar por la infraestructura adyacente, es completamente administrado, no es necesario aplicar parches de software ni actualizar hardware para satisfacer la creciente demanda de nuestros clientes, solo nos preocupamos por lo que realmente importa, que en este caso es la información. Es completamente serverless y una de las ventajas comparándolo con otros BI que se encuentran en el mercado es completamente pago por uso, solo nos vamos a preocupar por la cantidad de usuarios, tanto lectores o administradores que tengamos dentro de nuestro BI y gracias a eso se da esa facturación. Esta es la principal ventaja. La segunda y una de las más importantes es este amplio soporte con distintas fuentes de datos. Vamos a poder conectarnos directamente a distintas fuentes de datos, tanto locales como nube, entre las que se incluyen distintos SaaS de terceros como lo es Salesforce, Twitter, GitHub y Jira, o bases de datos de terceros como lo es MySQL, Postgres o SQL Server. Ya si nos vamos a servicios de AWS nativos, podemos conectarlo con otros servicios como lo es Amazon Redshift, el cual es un servicio para hacer un data warehousing, lo que es Amazon Athena el cual nos proporciona el generar sentencias de SQL para el filtrado de nuestros datos, Amazon s el cual es el famoso bucket dentro de AWS para un almacenamiento de objetos, Amazon RDS el cual nos permite tener este servicio de base de datos completamente administrado, entre muchos otros. También cabe aclarar que podemos utilizar por ejemplo el buque de Amazon sí para la carga de distintos archivos de Excel, CSV o JSON, por lo tanto podemos conectar múltiples cientos de fuentes de datos distintas para lograr plasmarlas en nuestro tablero. Obviamente nosotros como CompuCloud los ayudamos a conectar estas distintas fuentes de datos para que sea mucho más sencillo ese proceso de adopción. Por último, uno de los procesos más importantes y el por qué me gusta la sentencia de que facilita mucho el trabajar con personas estén donde estén, ya que no solo es un software que podemos consultar mediante un dominio, sino también que tiene su propia aplicación móvil, no todas las herramientas de BI cuentan con esto. Esto nos permite acceder a nuestra información de manera sencilla mediante una aplicación de iOS o Android para acceder prácticamente desde cualquier parte. Podemos interactuar con los tableros, marcarlos como favoritos verlos de forma optimizada para móviles sin ningún tema de complejidad. Otras características que nos ofrece Amazon QuickSight es por ejemplo el motor de Spice, que es un motor en memoria, el cual mejora el performance, ahorra tiempo y recursos, además de que quicksight es completamente seguro con esta información, ya que tiene cifrado tanto en tránsito como en reposo y cumple con los principales compliance requeridos en cuestiones de seguridad para que no nos tengamos que preocupar porque los datos de nuestra empresa, lo cual es de lo más importante, sea mal utilizado. Lo siguiente que vamos a ver es una arquitectura de ejemplo. Algo que mencionaba Osvaldo es que podemos comenzar desde lo mínimo y es parte de las bondades de AWS, que todo es tan modular que podemos ir integrando servicios conforme vaya generando y creciendo la demanda. En este caso vemos un diagrama bastante sencillo que se compone de aproximadamente cuatro servicios. Esto lo veo como un Data Pipeline, lo que se le conoce en analítica de datos, lo que representa un diagrama de arquitectura bastante sencillo para comenzar con analítica. Esto no quiere decir que no podamos ir adoptando nuevas herramientas o nuevos servicios conforme pasa el tiempo, pero es por donde podríamos comenzar y se los explico de manera muy sencilla. Se divide en tres el campo del lado izquierdo que es la parte de ingestión, la parte en medio de procesamiento y la parte de hasta la derecha que es el consumo. Ahí ya es donde vemos representado en amarillo el servicio de Amazon QuickSight, que es el que les estoy platicando. Este diagrama lo veo como un proceso de ETL dentro de infraestructura, ya que hacemos extracción de datos, transformamos y cargamos dentro de Amazon QuickSight. En la parte de ingestión vemos dos servicios. El servicio de arriba, el de verde, es un buque de Amazon s, el cual podemos cargar por ejemplo estos archivos de CSV y a estos me referiré como información cruda o información que le hace falta ser procesada, ¿De acuerdo? La parte de abajo puede ser una base de datos relacional, por ejemplo nuestra base de datos en MySQL o Postgres, la cual nosotros utilizando estos dos orígenes de datos vamos a pasar a la siguiente. Una vez extraemos esa información cruda de esta primera parte, nos vamos a la parte del procesamiento. En la parte del procesamiento entra uno de mis servicios favoritos, hablando de analítica, que es el servicio de Amazon Glue. Amazon Glue nos ayuda a hacer esa limpieza y transformación de nuestros datos para que sean útiles mediante procesos de ETL. Normalmente hacemos procesos de ETL en nuestros gestores de base de datos para eliminar datos duplicados, corregir errores o convertir datos a otros formatos, pues para eso nos va a ayudar AWS Glue. Tiene tanto una interfaz de código como una experiencia drag and drop en la cual podemos arrastrar distintos procesos de ETL que son son los más utilizados y sin la necesidad de ser un experto en analítica de datos, comenzar a realizar nuestros primeros pasos en transformación y procesamiento de información. Una vez hayamos pasado por esa fase de Glue, lanzamos toda nuestra información ya procesada a un nuevo bucket, el cual se va a encargar de almacenar nuestra información ya transformada. Por último, en la parte de consumo, vamos a cargar nuestros datos en nuestro tablero de BI, en este caso en Amazon QuickSight, mediante distintos gráficos para representar la información de una manera más clara, concisa para la toma de decisiones. Cabe aclarar que Amazon QuickSight es una herramienta bastante poderosa, tiene más de 40 gráficos distintos y elementos que pueden potenciar nuestro BI. Es de fácil uso y de fácil entendimiento, por lo cual la curva de aprendizaje se facilita mucho. De hecho, ahorita la demostración la voy a separar en dos cuestiones. Una que es Amazon QuickSight y Amazon QuickSight con el servicio de Inteligencia Artificial Generativa, porque sé que la parte teórica no es suficiente, hay que enamorarnos un poquito con la vista, Así que ahorita van a ver el potencial de Amazon quickset, no se preocupen. El siguiente es Amazon Q. Este servicio, ahora sí pasando a lo que es Inteligencia Artificial Generativa, es el nuevo asistente impulsado por Amazon, utilizando todo este boom que ya explicó Osvaldo de Inteligencia Artificial Generativa, para que sepan qué tan reciente es este servicio, apenas se anunció en noviembre del año pasado, pero esto no quiere decir que no es un servicio que esté pulido o que no nos vaya a dar grandes beneficios. De hecho, me gustaría empezar describiendo en palabras del vicepresidente de Inteligencia Artificial y Generativa dentro de AWS, el Dr. Swami, y en sus palabras lo describe como el asistente impulsado por IA generativa más eficaz hasta el día de hoy, con una precisión líder en la industria, con capacidades avanzadas de agentes y la mejor seguridad en su clase, que ayuda a los desarrolladores a ser más productivos y a los líderes de negocio a acelerar la toma de decisiones. Esto no simplemente lo digo yo, CompuCloud, el vicepresidente de AWS e Inteligencia Artificial, lo dice porque sabemos lo importante que es para las empresas subirse a esto, subirse a estas tecnologías. Y lo que ofrece AWS son herramientas de verdadera calidad, como lo es Amazon Q, ¿De acuerdo? Por lo tanto, Amazon Q va a ayudar a nuestros empleados a mantener conversaciones personalizadas, prácticamente como si habláramos con otra persona, hacer preguntas y obtener respuestas mucho más precisas. Amazon Q se va a encargar de realizar el trabajo pesado por ustedes, ya que no es necesario administrar infraestructuras, instancias o modelos de Machine Learning complejos. Se conecta a nuestros datos empresariales y obtiene las respuestas con base sus datos, pero con base a ese aprendizaje constante, ya lo mencionaba Osvaldo hace un momento, se va a encargar de generar nuevo contenido mediante un aprendizaje y una mejora continua. Entonces, eso es Amazon Cook. Si agregamos y hacemos un match de estos dos servicios, lo que es Amazon QuickSight y Amazon Q, vamos a obtener una herramienta muy poderosa. ¿Que es Q con Quicksight? ¿De acuerdo? Es la suma de ambos valores, la suma de BI más la suma de Inteligencia Artificial Generativa. Esto va a permitir a los usuarios consultar los datos en un lenguaje natural para la visualización en cuestión de solo segundos. Esto, mediante tecnologías de Machine Learning, va a comprender automáticamente el significado de nuestros datos mediante el lenguaje natural. Nos va a dar sugerencias de autocompletado, puede asociar acrónimos y sinónimos, corrige automáticamente la ortografía y sobre todo, nos va a entender y va a ir mejorando conforme vaya creciendo el tiempo. Por ejemplo, este es un GIF, lo que ven del lado izquierdo no es un vídeo, así que se está constantemente repitiendo. Tenemos nuestro tablero de BI y en la parte de arriba, en cuanto habilitamos Amazon Q, se habilita un motor de búsqueda. Este motor de búsqueda, podemos nosotros crear una sentencia, por ejemplo, ¿Quién tiene las mayores ventas en el último cuarto, en el último Q de nuestro año? Y nos devuelve una gráfica, por ejemplo, de barras, en la cual nos da los clientes del lado izquierdo y las ventas de la parte de abajo y podemos ver nuestra información. Pero no solo eso, podemos cambiarlo a formato de tabla con un par de clics para que nuestra información sea más digerible. Dependiendo de tus necesidades de empresa y de cómo tú quieras visualizar los datos. ¿De acuerdo? Entonces, eso es Amazon Q en QuickSight. Ahorita pasaremos a lo que es una pequeña demostración en la cual les voy a mostrar directamente cómo es que lucen los tableros de QuickSight y cómo es que luce Amazon Q en QuickSight. Así que denme un momento, voy a dejar de compartir pantalla. Ahorita van a estar viendo mi navegador. Denme un momento, por favor. ¿Ya ven mi pantalla? ¿Ven mi navegador? Disculpen.

Sí, listo, ya lo vemos.

Perfecto, muchas gracias. Muy bien, vamos a ir primero a la demostración de Cómo luce Amazon QuickSight con un tablero que me gusta mucho mostrar cuando hacemos estas demostraciones. ¿De acuerdo? Ahorita deben de estar viendo un tablero. Supongamos que somos una empresa dedicada a la tecnología, dedicada a la venta de Software as a Service, de SaaS, y tenemos y queremos plasmar toda nuestra información. Así es directamente como luce el servicio. Y esa capacidad de adopción de distintos gráficos para mostrar información importante para nuestra empresa es lo que potencia nuestros datos. ¿De acuerdo? Lo que me gusta de este tablero, de esta demostración, es la cantidad de información que podemos plasmar en una sola pantalla. Nos olvidamos de, por ejemplo, grandes presentaciones con muchas slides difíciles de entender y a ojo podemos ver grandes datos que son de utilidad para la toma de decisiones empresariales. Por ejemplo, tenemos datos de KPIs, de ventas y de órdenes de clientes. Tenemos una tabla dividida del lado izquierdo, dividida por los Q de nuestro. De nuestro año y dividida en los distintos segmentos de nuestros clientes. Por ejemplo, clientes estratégicos, SMB o enterprise. Tenemos un diagrama de Sankey del lado derecho para hacer un correcto flujo que facilite la comprensión de nuestros segmentos de cliente. Tenemos un gráfico de rectángulos que es el que nos indica mediante cierta magnitud, mediante cierto tamaño, cuáles son nuestro top de clientes, en el cual podemos ver con el rectángulo más grande cuál es el cliente que más nos importa. Tenemos un gráfico de anillos que representa la venta dentro de nuestra industria. Tenemos una gráfica lineal que habla de nuestras ventas. Esta parte me encanta porque no solo nos da una demostración gráfica de cómo han ido nuestras ventas desde el 2020 hasta el 2024, sino que también, obviamente, podemos maximizar este dato. Y si se preguntan por qué este dato se ve una parte en azul y otra parte en naranja o amarillo, es por esta parte integrada de Inteligencia Artificial que nos da un forecasting de nuestros datos. ¿De acuerdo? Nos da el qué va a pasar, nos da esa prescripción de cómo van a ir los siguientes meses de nuestro año conforme a los meses anteriores. ¿De acuerdo? Nos da esa visibilidad a futuro para prevenir y tomar una mejor decisión. Por ahí vi en el chat que uno de ustedes hacía una pregunta bastante interesante. Todo este tema de BI impulsa y mejora la toma de decisiones a futuro con este tipo de cuestiones integradas de inteligencia artificial. ¿De acuerdo? Y no sólo eso, vamos más a detalle. Podemos dar clic en los tres puntos y editar directamente este forecasting para cambiar directamente el cómo va a ser esa predicción, el qué periodos anteriores vamos a tomar. Si solo quiero tomar un mes para hacer ese forecasting, pues obviamente no va a ser tan preciso. Pero si quiero tomar todo el año pasado, pues nos va a dar una prescripción más detallada de lo que se viene. Podemos cambiar los intervalos, cambiar la sensibilidad, agregar un máximo de forecasting o un mínimo, todo esto en tiempo real para que la gráfica se adapte con respecto a nuestras necesidades. Y todo esto sin ser un experto en BI o ser un experto en analítica, o ser un experto en inteligencia artificial generativa. ¿De acuerdo? Este es el potencial de lo que es Amazon QuickSight para la generación de tableros. Pero ahora vamos por último, en esta demostración a mostrarles la parte de Amazon Q y cómo es que funciona. Denme un momento, voy a buscar ese tablero que es distinto a este. Listo. Deben de estar habiendo ahora otro tablero completamente distinto. Vamos a ver ahora. Cambiemos. Ya no somos una empresa que se dedica al SaaS, ahora somos una empresa que revisa esas tendencias de mercado en cuanto a transacciones y en cuanto a métodos de pago. ¿De acuerdo? Tenemos distintos gráficos como lo teníamos. De hecho, me gusta mostrar estos dos tableros porque también se ve esa diferencia, que dependiendo de nuestros ingenieros de datos, vamos a mostrar nuestros datos de manera distinta. Aquí ya depende mucho de sus necesidades empresariales, el cómo quieren expresar sus datos, si vamos a tener muchos filtros, qué colorimetría vamos a estar utilizando, cuáles gráficos son más importantes para nuestra empresa. Inclusive aquí podemos ver temas interesantes como un mapa de conceptos en los cuales se resaltan aquellas palabras o aquellos métodos de pago más utilizados para que se vean más grandes, los que han sido más utilizados con el tiempo. Pero ahora, ¿Cómo se ve Amazon Q? ¿Cómo se ve esta Inteligencia Artificial Generativa? Ya optimizamos el tiempo, simulemos que optimizamos el tiempo para la mejora de tomas de decisiones gracias al uso de Business Intelligence. ¿Cómo lo optimizamos aún más? Pues hablándole como si estuviéramos hablando con una persona real, hacemos uso de esa Inteligencia Artificial Generativa para hacer como si habláramos con otra agente, otro colaborador más de la empresa y le preguntamos algo directamente al tablero que no nos quede claro, Por ejemplo, vamos a empezar preguntándole que nos muestre el número de transacciones de tarjeta del último año, le pregunto con lenguaje natural Show me el number de transitions by Carlas Y nos va a dar esta información de utilidad. Pero no solo nos arroja un dato, nos arroja prácticamente un nuevo tablero con esta Inteligencia Artificial Generativa. Me encanta cómo estructura este nuevo tablero, no se deshace del anterior, simplemente nos da respuesta a esta pregunta del lado izquierdo con un párrafo que nos explica de dónde viene la respuesta, en la parte de en medio con un gráfico que nos arroja esos distintos redes de tarjeta con el volumen de transacciones y por último dándonos el Dato Real, esos 9.035 volúmenes de transacciones realizadas y por último en la parte de abajo nos da todos esos detalles de las transacciones realizadas en tarjeta de crédito. Simplemente entendió lo que le pregunté y nos dio información de utilidad. Y ahora, porque sé que varios de ustedes les va a surgir la pregunta, ¿Qué pasa si yo escribo ahora número de transacciones por carnetwork? Que es como eso que estamos buscando en el año 2022, ¿Qué sucede? Va a buscar esa información, es una pregunta completamente nueva y empieza a cargar los datos hasta que nos da una respuesta. ¿Cuál fue la diferencia? ¿Y qué es lo que les quería mostrar? Esa adaptabilidad de entendimiento no sólo al inglés sino también al español. Juntando ambas, él hace su mayor volumen para interpretarlo, inclusive aquí te dice cómo lo interpretó la máquina, OK, Tu prends la interpreto como Transaction volume by car network for transaction date y el año que puse, ¿De acuerdo? Entonces va a ser capaz de entender y de ir mejorando sus respuestas e ir adaptándose a estas necesidades empresariales que tenemos. ¿De acuerdo? Esto es la Inteligencia Artificial Generativa, es solo una probada de lo que es el potencial, pero esto es un agente más que se va a incorporar a nuestras empresas para darnos información realmente de utilidad. ¿De acuerdo? ¿Ya ven mi pantalla? ¿Ven mi navegador? Disculpen.

Sí, listo, ya lo vemos.

Perfecto, muchas gracias. Muy bien, vamos a ir primero a la demostración de Cómo luce Amazon QuickSight con un tablero que me gusta mucho mostrar cuando hacemos estas demostraciones. ¿De acuerdo? Ahorita deben de estar viendo un tablero. Supongamos que somos una empresa dedicada a la tecnología, dedicada a la venta de Software as a Service, de SaaS, y tenemos y queremos plasmar toda nuestra información. Así es directamente como luce el servicio. Y esa capacidad de adopción de distintos gráficos para mostrar información importante para nuestra empresa es lo que potencia nuestros datos. ¿De acuerdo? Lo que me gusta de este tablero, de esta demostración, es la cantidad de información que podemos plasmar en una sola pantalla. Nos olvidamos de, por ejemplo, grandes presentaciones con muchas slides difíciles de entender y a ojo podemos ver grandes datos que son de utilidad para la toma de decisiones empresariales. Por ejemplo, tenemos datos de KPI, de ventas y de órdenes de clientes. Tenemos una tabla dividida del lado izquierdo, dividida por los Q's de nuestro año y dividida en los distintos segmentos de nuestros clientes. Por ejemplo, clientes estratégicos, SMB o Enterprise. Tenemos un diagrama de Sankey del lado derecho para hacer un correcto flujo que facilite la comprensión de nuestros segmentos de cliente. Tenemos un gráfico de rectángulos que es el que nos indica mediante cierta magnitud, mediante cierto tamaño, cuáles son nuestro top de clientes, en el cual podemos ver con el rectángulo más grande cuál es el cliente que más nos importa. Tenemos un gráfico de anillos que representa la venta dentro de nuestra industria. Tenemos una gráfica lineal que habla de nuestras ventas. Esta parte me encanta porque no solo nos da una demostración gráfica de cómo han ido nuestras ventas desde el 2020 hasta el 2024, sino que también, obviamente, podemos maximizar este dato. Y si se preguntan por qué este dato se ve en una parte en azul y otra parte en naranja o amarillo, es por esta parte integrada de inteligencia artificial que nos da un forecasting de nuestros datos. ¿De acuerdo? Nos da el qué va a pasar, nos da esa prescripción de cómo van a ir los siguientes meses de nuestro año conforme a los meses anteriores. ¿De acuerdo? Nos da esa visibilidad a futuro para prevenir y tomar una mejor decisión. Por ahí vi en el chat que uno de ustedes hacía una pregunta bastante interesante. Todo este tema de BI impulsa y mejora la toma de decisiones a futuro con este tipo de cuestiones integradas de inteligencia artificial. ¿De acuerdo? Y no sólo eso, vamos más a detalle. Podemos dar clic en los tres puntos y editar directamente este forecasting para cambiar directamente el.