Entrevista: Jorge Gálvez Omaña de Oracle

Entrevista: Jorge Gálvez Omaña de Oracle

Me reuní con Jorge Gálvez Omaña de Oracle para entender cuál es la visión de esa empresa con respecto a la Inteligencia Artificial. Mi interés era que te lleves una visión de las grandes empresas mundiales que están desarrollando la I.A. en sus laboratorios. Aquí la respuesta de Oracle. Uno de los corporativos más grandes de Silicon Valley. 

 

Transcript:

Jorge Gálvez Omaña - JGO: Hola, yo soy Jorge Gálvez Omaña, Director de Especialistas de Solución de Oracle México, y bueno llevo 15 años en Oracle, principalmente enfocado a todos los temas de tecnología desde infraestructura, base de datos, middleware, con el tema de inteligencia artificial y tecnologías aplicadas.  

Rodrigo Llop - RLL: Que gustó estar aquí contigo Jorge, muchas gracias. Mira bueno la idea era platicar un poco sobre cómo ve Oracle, todo lo que es la industria de la inteligencia artificial, de Big Data, de todo lo que es el análisis de información en beneficio del negocio. ¿Cuál es más o menos... cómo resumirías toda la estrategia de Oracle para empezar a dar una visión de águila más o menos sobre lo que está haciendo Oracle, y cómo están trabajando hoy en día? 

Jorge Gálvez Omaña - JGO: Ok, de hecho, para Oracle, la misión de Oracle es empoderar a las personas a través de los datos, encontrando nuevos insites, permitiéndole transformar los datos para que se obtenga un beneficio a las compañías.  

RLL: Me encanta eso. El centro no es la tecnología, el centro es la persona. 

JGO: Exacto, nosotros lo que buscamos es que las personas se empoderen, a través del mejor uso de la información. Cuando las personas están empoderadas las compañías están empoderadas, entonces para nosotros el foco son las personas. El CIO, el CEO, el CFO, el COO. Todos ellos tienen diferentes necesidades, entonces cuando tú los empoderas con ellos a través de los datos, que se convierten en información una vez que están estructurado, pues obviamente van a dar los mejores resultados para las empresas. 

RLL: Sobre ese punto en particular, siempre me hacen la pregunta: ¿Dónde hay que poner la semilla de la Analítica, de la Inteligencia Artificial, del Big Data? ¿Se piensa que, en sistemas, el CIO, en realidad tiene que estar ahí? ¿Dónde tiene que estar enraizada? 

JGO: Ok, mira lo que nosotros hemos visto es, si tú no tienes una estrategia que involucre a el negocio, que involucre a las personas, y que involucre a la tecnología, muchas veces esos grandes proyectos fracasan. ¿Por qué? Y allí viene un concepto bien interesante, no sé si has oído hablar del Data Swamp, del pantano de datos.  

RLL: Si... Cuéntanos.  

JGO: Bueno, muchas veces los grandes, o los primeros proyectos de Big data es, no es que tienes que almacenar toda la información porque con eso puedes ya sacarle mucho provecho. Bueno eso se vuelve como agua, cuando el agua se estanca, el agua no se mueve se echa a perder y se vuelve un pantano. Lo mismo pasaba con esto, perfecto ya tengo los datos, que hago con ellos, ahora los estoy guardando en el formato adecuado, como los puedo exportar, entonces por eso fueron los grandes fracasos de los primeros proyectos del Big Data, es que no se tenía una estrategia de como consumirlos y como generar un valor hacia el negocio, y como lo que estabas haciendo se podía enlazar con las aplicaciones sustantivas del negocio. Entonces por ahí empezaron esos fracasos, a mí no me gusta hablar mucho del Data Lake, que de lake a pantano, pues... 

RLL: ...Hay una bacteria  

JGO: ...Hay una bacteria de diferencia. Me gusta hablar mucho más del concepto de la reserva de datos, del data reservoire, porque tienes más control, tu defines como abres la presa, cómo fluye... y cómo vas creando, sí tú creas energía vas generando valor hacia la compañía.  

RLL: Ok, ¿quién en la organización debe iniciar una iniciativa de este tipo entonces? 

JGO: Yo creo que debe haber una necesidad de negocio, en donde queremos encontrar como podemos trabar una mejor atención para nuestros clientes, como podemos ofrecerles mejor producto, cómo podemos identificar cuáles son las mejores rutas dependiendo del negocio de cada compañía y una vez que se encuentre esa necesidad, ahora sí, voltear y llegar con el área de tecnología para decir: “Oye cómo me ayudas a obtener estos resultados”. Entonces principalmente tiene que haber esa necesidad, se tiene que identificar esa necesidad para llegar a ver cómo podemos a través de los datos, poder resolverlo. 

RLL: Ahora hablando de negocio, la parte más importante es el negocio. El negocio tiene que ser el driver de una iniciativa de este tipo. ¿Es para todo tipo de empresas? ¿Para todo tipo de industrias? ¿Para todo tamaño de organizaciones? 

JGO: Mira yo creo que es que todas las organizaciones, todas las industrias se pueden beneficiar de una estrategia de datos. Hay distintos niveles de madurez, no le vas a pedir a una compañía que ni siquiera tiene un repositorio único de información, que empiece con un sistema de Data Science. Tienes que ser bien claro y ahí es donde el área de TI, tiene que ser muy clara con el negocio. La iniciativa suena muy bien, pero entonces tenemos que empezar  un roadmap de adopción, porque puede ser que ni siquiera tenga, hoy en día nos encontramos con compañías que, no tienen un repositorio único, tienen varios data marts, tienen la información segregada, entonces se tiene que empezar con una definición de roadmap, de que vamos a empezar y cómo podemos empezar, para llegar a lo que hoy en día tú estás buscando. Entonces yo creo que... es más, las pequeñas o medianas empresas que han empezado a hacer uso de la información, uso los datos, con un diferencial competitivo, son las que han logrado dar el salto. Entonces, yo creo que es un gran mito aquello que las pequeñas y medianas empresas no pueden hacer uso de la información, o empezar proyectos de BI o de análisis de datos, simplemente tienen que estar bien conscientes en donde empiezan, hacia dónde quieren llegar y cómo voy a empezar a recorrer ese camino.  

Jorge Gálvez Omaña - Oracle

Jorge Gálvez Omaña - Oracle

RLL: Okey, suponiendo entonces que encontramos en la organización, un punto de quiebre donde el negocio puede beneficiarse o donde necesitamos que al negocio le demos una empujadita para que funcione mucho mejor.  

¿Cómo plantearías un inicio de proyecto para un director, un vicepresidente, un ejecutivo que está arrancando un proyecto de esta índole? que muchas veces no sabemos por dónde empezar ya que empiezas la carrera pues es muy fácil seguir adelante o para arriba. Pero arrancar, ¿por dónde es más lógico, interesante, común, efectivo, arrancar un proyecto? 

JGO: Mira, principalmente es entender qué información tiene, cuál es la información con la que cuenta, porque muchas veces también, se plantean objetivos y ni siquiera tienen esa información. Hoy en día, sus sistemas operacionales, no les proveen de la información suficiente. Entonces, primero debes identificar, cuáles son tus activos a nivel de datos, con los que cuentas de tus clientes; si no los tienes, identificar cómo se pueden enriquecer, después establecer el modelo de datos, por así decirlo, desde hacia dónde quieres ir, qué es lo que quieres analizar, cuáles son tus preguntas. Una vez que tienes bien definido, con qué información cuento, como lo quiero analizar, yo creo que ya prácticamente estás en un punto en donde lo que sigue, qué es la definición de la tecnología... ya es mucho más sencillo. Pero lo que he visto, es que, llegamos con clientes que ya compraron tecnología, lo vamos a poner, y oye, ¿ya te preguntaste si siquiera tienes la información necesaria para llegar acá? ¿Ya hiciste un análisis de tus sistemas operacionales o ya definiste cómo vas a definir el modelo o los algoritmos o de dónde vas a sacar las respuestas? Hoy, todavía no.  

Entonces, yo creo que primero está el proceso es un poquito echar lápiz, analizar, hacerse las preguntas y ya después es la definición de las plataformas tecnológicas. 

RLL: Si, eso yo lo veo como arrancar entonces desde un comité; un comité de negocios, probablemente yo lo veo muchas veces, como la junta de los lunes de las organizaciones, dónde está el Director General o CEO, está el Director de Finanzas, están todos discutiendo cuál es el ir y venir del negocio, cuáles son las directrices, las estrategias... aquí sería plantear cuál es el objetivo del negocio que queremos mejorar y por otro lado como dices, cuáles son los insumos de datos que tenemos, porque el camino será muy bonito o el objetivo será muy bonito, pero sin insumos no se llega a ningún lado. 

JGO: Así es, es como querer subirte al Everest, sin haber primero checado si tenías los tanques de oxígeno disponibles, no. Entonces, si es muy importante el tema de governance desde el punto de vista de cada área, cómo va a aportar y que pueda aportar desde este punto; otro tema importante es, en cuanto tiempo, otro de los grandes puntos que hacen que fracasen este tipo de iniciativas es no tener una perspectiva real de en cuanto tiempo voy a obtener un beneficio. Comúnmente dicen: “ah bueno es que en tres meses ya vamos a tener...”, a ver tengo compañías que llevan años, esto es una inversión que vamos a hacer y que nos va a tomar unos cuantos años, pero que una vez que tengamos bien claro esto, el retorno de la inversión va a ser el 200-300%. Entonces, si tener claro bien o ajustar la expectativa.   

Lo que tú quieres es obtener un beneficio en tiempo más corto, bueno vamos a, ahora vamos a partir el pastel de la forma que tú lo puedas comer más rápido, no te lo quieras comer todo el pastel en una sentada. Entonces sí es, definir muy bien expectativa y la inversión de los recursos y de tiempo en perspectiva de en cuanto voy a obtener ese beneficio.  

RLL: ¿Cuáles son los retos, los baches o los peligros que tienen este tipo de proyectos? 

JGO: Mira uno lo que te comentaba, no tener la información o no contar con la información o el acceso a la información. Muchas veces es: “tenemos, ay si yo tengo toda la información, pero no la puedo acceder porque, por temas de seguridad, porque no pensé cómo iba a sacar la información, y meterle más carga al sistema operacional no se puede”, no tener claras tus fuentes. El otro es no tener bien definido, el modelo de datos que te va a resolver, o las preguntas qué quieres obtener las respuestas; el otro es no tener bien clara la expectativa junto con el negocio del retorno, el tiempo en el que vas a obtener el retorno de la inversión; y el otro es hacer (hay viene el punto) escoger la tecnología, las tecnologías equivocadas para resolver problemas.  

Hubo un boom muy fuerte y sigue todavía, en decir, el Data Lake va a matar tu Datawarehouse. Big Data va a matar a la base de datos relacional. No va por ahí, son tecnologías complementarias, cada una está diseñada para resolver un problema en específico en particular. Entonces muchas veces llegas y ves que los clientes están tratando de resolver sus problemáticas con las herramientas equivocadas, y terminan, o haciendo inversiones muy grandes, matando todo a punta de fierrazo, a punta de meterle mayor capacidad, más procesamiento, versus el tener que estar utilizando algo más acordé de eso. 

Y el otro punto después, a lo mejor una vez que ya esté funcionando el proyecto, no verlo como un ciclo continuo, donde se tiene que definir, yo lo digo un comité ejecutivo, que le del gobierno a este tipo de proyectos y lo que empieza es que la información, se empieza a fragmentar, que no se mantiene un control estricto y caemos en que empieza  a caer basura, y lo que sale es basura.  

Y entonces, allí es cuando empiezas a buscar, a ver temas, donde es importante definir el rol del CDO, el Chief Data Officer, o el Data Steward, que se va a encargar justamente de tener el control, o la visión de los datos, y como deben ir fluyendo y como debe dárseles un tratamiento.   

RLL: Ok, pensemos por el momento justo en eso, en dónde estás terminando esta frase: Pensemos en una compañía mediana o chica... pensemos en una empresa grande, tal vez, un departamento muy acotado. ¿Cómo debería ser el equipo de trabajo?  Evidentemente siempre pensamos en un Data Scientist, pensamos en alguien que haga analytics, alguien que haga, como debe... a quién contrato? 

JGO: Bueno, hay va a depender mucho de lo que quieres, si estamos hablando de un tema departamental, tiene que ser alguien que: uno, entiende las necesidades del negocio, conozca muy bien el proceso que se maneja dentro del departamento, dentro de la empresa, del proceso completo. Que tenga la capacidad de interfacearse con la gente de sistemas, porque si no tiene esa liga entre el negocio y TI, muchas veces allí es donde truenan el negocio porque las cosas porque no hay, no puedes traducir las necesidades que tiene el negocio hacia él.  

Y segundo ahí viene el punto, es si vas a, o si quieres a alguien que te ayude a generar dashboards, que te ayude a generar visualizaciones de datos, data exploration,  alguien que tenga ese perfil de poder plasmar dentro de los dashboards, muy bien las ideas.  

Ahora sí lo que tú quieres es que alguien sea un Data Scientist, que te empiece a generar modelos, también es importante tomar en cuenta a ver cómo va a desplegar esos modelos, o eso, o cómo lo va a integrar a las aplicaciones de negocios; porque muchas veces se queda en un punto, allí está el modelo ya está funcionando perfecto. ¿Cómo hago la liga con las aplicaciones?, ¿Cómo cuando necesito generar, tomando, por ejemplo, un best action para ofrecerle el mejor producto a mis clientes, como eso lo puedo mandar hacia un portal de comercio electrónico o hacia mi sistema de mercaderías, como mando ese tipo de información. Entonces, tiene que tener una visión de integración hacia los sistemas. 

RLL: Perfiles variados tiene que haber... JGO: Exacto, si realmente no vas a tener, difícilmente vas a encontrar una persona que pueda cubrir todo, como armas un equipo de trabajo, que pueda resolver varios roles, varias necesidades. 

RLL: Ahora, hablando ya un poco más sobre Oracle. ¿Cómo funciona toda la estructura de Oracle, la oferta en el mercado? ¿Como la tienen estructurada?  

JGO: Mira nosotros tenemos lo que llamamos el A.I. Pipeline, está muy de moda la palabra, pero la realidad es que esto es algo que venimos trabajando desde hace varios años, es cómo podemos extraer la información de los sistemas operacionales, bajo las necesidades que puede tener el cliente; ya sea de la forma tradicional,  qué se ha hecho un proceso Batch, donde voy, me conecto en la noche y sacó la información en una ventana de tiempo, para depositarla en algún repositorio. 

Hoy en día está más de moda, el tema de lo que llamamos el online, el data-warehouse,  el datamat, en donde, conforme va pasando la transacción en el sistema operativo, yo la estoy moviendo o en el sistema transaccional, yo la estoy moviendo en mi repositorio consolidado, para que cuando la gente del negocio vaya y consulte, o saque la información, tenga la información en el momento. Entonces podemos manejar ambos modelos o inclusive un tercero, ahora que está muy de moda el tema de IoT o el tema de sensores, el tema de los datos en streamming, cómo podemos capturar todos esos flujos, para depositarlos y analizarlos en línea, y poder tomar decisiones en millones de datos que están fluyendo dentro de esos streamms.  

Entonces, esa es la parte de la captura de información, podemos manejar y tenemos varios productos y servicios que nos ayudan a cubrir todo ese espectro. Viene la parte después de cómo transformamos la información, como la procesamos, para que llegue en los diferentes formatos, para ajustarlos a mi modelo, tener que hacer varias transformaciones. También tenemos las herramientas y servicios, porque hoy en día, como sabes Oracle es una compañía, no solamente vendo productos, vendo servicios en la nube. Yo puedo ofrecerte toda esa gama de servicios y productos para que la información que capturaste, se ajuste al formato que necesitas. 

Viene el punto, ¿en dónde almaceno la información? Hoy en día, pues Oracle es conocido por su base de datos, pero lo que no saben muchas veces los clientes es que no es una sola base de datos, tenemos varias bases de datos, para distintas necesidades. Tenemos la base de datos que todos conocen, tenemos ahora con la adquisición de  Sun Microsystem  MySQL,  tenemos Oracle noSQL database, en el cual vas a guardar datos en un modelo llave primaria, llavepar y manejamos también una base de datos de memoria  que se llama Timestamp   En fin, tenemos distintos repositorios, que se adaptan a las necesidades de los tipos de datos que tengas, y también manejamos soluciones, para manejar los datos que vienen en un formato no estructurado, los datos que veamos al streamming, los datos que vienen a lo mejor de documentos, los famosos Jason, donde se manejan XML facturas electrónicas, datos que nos tienen un esquema definido, y que van cambiando y qué es difícil adaptarlos a un esquema predefinido. Hay por ejemplo, te puedo decir que tenemos alianzas con varias, por ejemplo con Cloudera, Oracle tiene una solución optimizada para manejar Big Data en conjunto con Cloudera, también tenemos una soluciones, donde ni siquiera tienes que definir una capacidad de cómputo, tu simplemente te llega la información, defines el trabajo de Spack, el Spack, la tecnología del framework del manejo de datos de nosotros de memoria, lo corres nosotros por detrás ponemos la capacidad, se ejecuta y ya te reversa la información. No te tienes que preocupar, por andar definiendo servidores. Entonces, allí tenemos varias formas de adecuar la necesidad de almacenar la información. Una vez que ya está almacenada la información, tenemos varias formas de explotarla. La puede explotar, lo que te había dicho, el analista de negocios; las personas que manejan el tema de B.I, y ahí, pues también tenemos varias herramientas que permiten generar los dashboard, generar mis reportes o hacer mi data visualization, data exploration, para que los usuarios puedan tener un tema de autoservicio, puedan servirse solos, pero bajo un modelo gobernado, para que no empiece a haber los silos e información regada por doquier o se la podemos disponibilizar a los científicos de datos. De hecho, nosotros hace un año aproximadamente, un año y medio, adquirimos una compañía que se llamaba datascience.com, que es una plataforma online, para que los científicos de datos pudieran manejar todo el desarrollo de sus modelos, colaboración, despliegue, entrenamiento, adquirimos esa compañía y fuimos adaptándola para que corriera de forma nativa y optimizada en nuestra nube Oracle Cloud Infrastructure, la semana pasada ya liberamos el producto final y lo que tenemos con esta plataforma de data science,  es una plataforma donde los científicos de datos pueden conectarse a los distintos repositorios, para poder empezar a correr, diseñar sus modelos, pero de una manera muy ágil, una manera muy colaborativa, apalancando obviamente todos los frameworks, que existen en la industria. 

Trabajamos muy de la mano con todo el ecosistema del Open Source, somos distribuidores y colaboradores de los principales proyectos de Open Source y con la ventaja de al estar corriendo nativamente nuestra nube, si necesitas aprovisionar nodos para entrenar sus modelos que usan GPUs, lo puedes hacer muy rápidamente y por periodos cortos o largos de tiempo dependiendo la complejidad de tu modelo. Y eso, una vez que los desarrolladores o los data scientists crean y ya tienen sus modelos listos, tenemos toda la capa de integración, para mandar esos resultados y que se consuman a tus aplicaciones de negocios, el RP, el CRM, tu sistema de manufactura, tu sistema de optimización de Warehouse físico... de la bodega, no, entonces la realidad es que cubrimos todo el espectro. Y algo también muy interesante es, si el negocio no quiere manejar todo este proyecto, porque al final del día todo esto implica un proyecto, pero ellos le quieren sacar provecho directamente de la Inteligencia Artificial y hacer una Machine Learning o cognitiva nosotros ya tenemos, dentro de nuestras aplicaciones de negocio, hoy en día varios procesos, que están optimizados o están alimentados, con procesos de Machine Learning... Inteligencia Artificial.  

Entonces ya, por ejemplo, un caso de uso, en nuestro sistema de capital humano, nosotros ya podemos... ya no tiene que analizar el reclutador todos los currículos, en base a la descripción del puesto, el sistema automáticamente le dice cuáles son los candidatos que cubren de mejor forma de este perfil. En el sistema de procurement, dentro del RP, te puede decir cuáles son tus mejores proveedores, para poder negociar de mejor forma nuevos contratos o nuevos precios. O, que ofrecerle a un cliente, en base a su historial de compra.  Ya de forma inmediata.  

RLL: Esos son soluciones de Out of the Box, que requieren de evidente calibración dentro de las organizaciones... pero mínima. 

JGO: Exacto, digamos, el concepto de Machine Learning, entre más datos la estás metiendo más se van adaptando y se van calibrando de acuerdo a lo que está recibiendo de datos. Entonces, obviamente esto ya viene con ciertos... ya está entrenada, pero conforme va llegando la información de tus clientes, se va calibrando y se volviendo más específico. Entonces eso de Intelligent Applications, se vuelve más interesante porque permite que el negocio se beneficie sin tener que pasar por todo el proceso de desarrollar un proyecto o un producto final de Data Science.  

RLL: ¿Cuál es la visión de Oracle? seguir teniendo este tipo de soluciones que cada vez serán más fáciles de instrumentar, me imagino. 

JGO: De hecho, la visión de Oracle, es completa que todos sus productos de una y otra forma tengan embebidos esta capacidad, de hecho, uno de nuestros ofrecimientos más innovador es Oracle Autonomous Database. La base de datos Oracle, que se autogestiona a través de un motor de Machine Learning. ¿Qué quiere decir? Que el DBA ya no tiene que estar administrándola. Ahí es como nosotros agarramos e implementamos Machine Learning, a unos de nuestros productos para que obtenga un beneficio nuestros clientes.  

Entonces, tenemos nuestros asistentes digitales, conocidos como Chat Bots pero que ya tienen esa capacidad de ir entendiendo las conversaciones con los clientes y como ir respondiendo, y cómo ir ajustándose, de acuerdo a la conversación que se está teniendo. La realidad es que, para Oracle, es la visión es, ya sea ofrecer esto directamente hacia los clientes, para que tengan un beneficio directo, o adaptarlo a sus servicios para hacerlos más eficientes o más automatizados e indirectamente beneficiar a sus clientes. Para Oracle, es digamos, un tema estratégico, el poder adaptar, estar inmerso en el tema de Inteligencia Artificial.  

RLL: ¿Cuál es la máxima fortaleza de Oracle?  

JGO: Yo creo que el tener una oferta de punta a punta.   

RLL: ...Que puede ser de punta a punta, sin necesidad de que se implemente de punta a punta... Puede ser por partes, ¿correcto?  

JGO: Puede ser por partes, que quiere decir, yo me quiero qué Oracle sea mi repositorio, y a lo mejor lo voy a explotar con otras herramientas. Perfecto, lo puede ser lo puedes hacer así.  

“Oye, yo sí quiero, desde la captura hasta el repositorio. Pero quiero utilizar, no sé otra plataforma para hacer análisis”. Adelante.  

“O la plataforma de integración, la quiero usar de otro fabricante”. No hay ningún problema.  

La realidad es que Oracle, es de punta a punta, pero siempre manteniendo un ecosistema abierto y darle la elección al cliente de poder, si el ya hizo una inversión anteriormente reutilizarla.  

Otra que yo creo que las ventajas, es somos de los pocos proveedores del mercado que también ofrecemos no solo el tema de la plataforma tecnológica, sino también las aplicaciones de negocios. Entonces, poder ofrecer algo, sin tener que pasar por todo este proceso y que puedas decir oye, ya tengo apalancado, o ya estoy implementando en mi compañía temas de Inteligencia Artificial y ése también es un valor muy importante. 

RLL: Una pregunta más, un poco fuera de contexto de Oracle, y más personal: ¿Hasta a dónde va a llegar la inteligencia artificial?  

JGO: ¡Uy, esa es una muy buena pregunta! 

RLL: Tengo otra mejor, pero primero vamos por esa... 

JGO: Yo creo que la inteligencia artificial, puede llegar prácticamente a hacer todas las tareas que hoy en día realizan las personas. Aquí vamos a empezar va a entrar en un tema más ríspido, yo te diría, hasta donde la vamos a dejar nosotros que llegue, no, yo creo que la Inteligencia Artificial va a llegar hasta el punto en donde las personas, el ser humano, le pongan un límite, si nosotros no le ponemos un límite, las posibilidades son infinitas. Esa es mi percepción, es un tema más de hasta dónde vamos a ponerle un límite o también vamos a tener un tema de restricción tecnológica. Como todo, bueno en los últimos cinco años, creo que hemos avanzado lo que se avanzó en los últimos 30. Pero, porque era pues por tema de limitaciones tecnológicas de procesamiento, ahorita que ya está entrando mucho más fuerte el tema de cómputo cuántico el salto va a ser enorme. Entonces yo digo, la realidad es que, la inteligencia artificial va a llegar tan lejos como nosotros y la tecnología lo permita. 

RLL: Última pregunta, y es la que más me hace en Cerebro de Silicio: ¿Se va a acabar la humanidad con la Inteligencia Artificial?  

JGO: Mira fíjate, que yo tengo una respuesta bien interesante. Yo creo que no, ¿por qué? Porque, la Inteligencia Artificial al final del día, va a ser mucho más avanzada, de lo que puede ser el ser humano; entonces cuando quitas todas las limitaciones y todos los defectos que tiene una persona, pues yo creo que hay mucho más adelante, porque no vamos a caer en un escenario de SkyNet, que se mueran los humanos.  

Esos es un reflejo de lo que pone la humanidad, sobre una inteligencia artificial, pero cuando vea perfecto yo me sigo y a lo mejor él va a seguir desde su punto, pero no, no vamos a llegar a un punto en donde vamos a eliminar a los humanos, eso es una Ciencia Ficción, eso es un reflejo de las deficiencias... parte de la personalidad del ser humano hacia las máquinas, pero va a ser mucho más elevado, yo creo que no va a ser un tema. 

RLL: Exacto lo mismo pienso y lo mismo siempre contesto, a fin de cuentas, nos iban a matar las bombas atómicas hace muchos años y algo sucedió, que el camino se cortó ya no es una amenaza hoy en día.  

JGO: Ya no es una amenaza, nunca lo fue, exacto. Las personas eran las que eran una amenaza,  

RLL: Los malos no son las máquinas son los hombres. ¿Algo Jorge, que se me esté yendo? ¿Algo que debamos subrayar?  

JGO: Pues, mira que yo creo que algo importante aquí, recalcar, la inteligencia artificial, en Big Data, los analíticos es una herramienta muy poderosa, pero como toda herramienta, si no la sabes utilizar, puede terminar haciendo más daño del que beneficio esta. Entonces, ese es el consejo que le doy, a todo los que quieran empezar este tipo de proyecto, es que, tengan muy claro: 1. Que quieren obtener; 2. Si tienen los datos, si tienen los insumos necesarios y que planteen muy bien la expectativa de en cuanto tiempo lo necesitan, eso yo creo que es lo más importante y después dirigir las tecnologías adecuadas hacia el proveedor yo quiero que en Oracle podemos ayudarles, con bastantes herramientas que pueden encajar perfectamente bien, no importando si son chica, medianas o grandes o un gran corporativo. Y pues bueno, básicamente ese es el mensaje que yo quiero dejar.  

RLL: Dónde pueden localizarlos, en México, Latinoamérica y en todo el Mundo, hay latinos escuchándonos, bueno me sorprendería yo... en muchos sitios.  

JGO: Si, mira, principalmente donde quiera que estén se pueden meter en la página de Oracle, oracle.com, y hay pueden seleccionar las oficinas más cercanas donde estén, tenemos oficinas prácticamente en México: en Monterrey, Guadalajara, Ciudad de México, Colombia, Costa Rica, Argentina, Chile, Brasil, Perú, Puerto Rico, estamos en toda Latinoamérica, y en cualquiera de las oficinas a nivel mundial, siempre habrá alguien disponible para atenderlos, y bueno igual, si tiene alguna duda, cualquier cosa me puede mandar un correo jorge.galvez.omana@oracle.com Igual allí me puede mandar un correo, preguntarme cualquier tema acerca de analíticos y yo los puedo ayudar a contestarlo o direccionarlos con alguien en Oracle, que puede ayudarlos también.  

RLL: Muy bien, pues muchas gracias Jorge, y muchas gracias a todos que nos están escuchando. Esto fue: Cerebro de Silicio, el futuro de la Inteligencia Artificial hoy. 

 

Capítulo 10: Covid-19 y el modelo matemático de las epidemias.

Capítulo 10: Covid-19 y el modelo matemático de las epidemias.

Capítulo 8: I.A. y toma de decisiones.

Capítulo 8: I.A. y toma de decisiones.