Por Marysol Antón
Hace algunos años, cuando alguien pensaba en un especialista sobre este tema, lo asociaba a un empleo del futuro. Ahora es parte del presente. Sobre todo a nivel corporativo.
Es que la avance de la tecnología de machine learning está eficientizando los procesos. En especial, las tareas repetitivas, atención a clientes y la generación de nuevos productos y servicios a partir del análisis de datos. Por todo esto, los especialistas en esta materia rankean entre los colaboradores más buscados hoy en día.
Por lo pronto, requieren de conocimientos técnicos.”Deben contar con capacitación formal y con práctica posterior. No se exige que sean menores de 40 años, pero generalmente pertenecen a esa generación”, dice Federico Carrera, Associate Director de High Flow Consulting.
“Su principal función es la de construir y aplicar modelos de Machine Learning capaces de seguir aprendiendo y mejorando su capacidad predictiva en la medida en que aumenta el volumen de datos recolectados”, explica a iProUP Germán Sobral, head of technology LATAM de GlobalLogic.
Otras funciones pueden variar dependiendo del equipo que lo acompañe, ya que muchas de las tareas “pueden solaparse con las de otros perfiles de datos (analista, científico o ingeniero) dependiendo del conocimiento que tenga el especialista producto de su experiencia”, advierte el directivo.
Estos perfiles interactúan especialmente con tres áreas: “Las vinculadas con el negocio en sí, para conocer las problemáticas que enfrenta la organización y evaluar alternativas y soluciones; con los encargados de gobernar y gestionar datos; y con los responsables de tecnología“, enumera Juan Echagüe, director de I+D de Practia.
Este especialista destaca, además, la interacción con la alta dirección.”Porque es la que debe definir estrategias, marcar prioridades y asegurar recursos para las tareas. Sin una estrategia y un soporte claro de la dirección, es imposible imaginar el desarrollo de actividades de machine learning en las organizaciones”, indica a iProUP Echagüe.
“A través del procesamiento de datos duros, extraen información y la clasifican, y así pueden detectar anomalías y modelar las interrelaciones que se encuentran en los datos”, asegura a iProUP Carla De Stefano, Lead Recruitment Specialist de Intive. Esto hace que el puesto sea tan importante para cuidar al público interno y externo.
¿De dónde surge el área? Por lo general, es un desprendimiento que suele partir de dos sectores: “Algunos departamentos comienzan como anexo de BI Analytics y en otros nace desde gerencias más cercanas al negocio como producto”, revela a a iProUP Luciano Ordóñez, Country Manager de Argentina de 7Puentes.
Conocimientos necesarios
En estos profesionales, las habilidades técnicas son clave. Por sobre todo, deben tener un poder de aprendizaje constante, pues las tecnologías y los desafíos se renuevan casi cotidianamente.
“Son perfiles deben contar con conocimientos matemáticos. También poseer competencias diferenciales, como la capacidad de analizar datos y comunicar el lenguaje analítico derivado de dichos datos a personas que, posiblemente, no cuenten con su mismo nivel técnico”, aclara a iProUP José Saha, director de Consultoría de HR de Auren.
Estos especialistas pueden venir de diversas disciplinas, pero en su mayoría con base de estadística, matemáticas, álgebra y programación.
“Si bien esa impronta es relevante, es esencial entender del negocio en que está trabajando para explotar su potencial, tener habilidades con bases de datos y programación, y muy buenas herramientas comunicacionales que le permitan trasladar los insights extraídos de los datos a acciones, recomendaciones o decisiones”, asegura a iProUP Vanesa Quadri, Product Owner de la Plataforma Navigate en Parabolt.
En Despegar apuestan a la diversidad, por eso conformaron un área multidisciplinaria. “Esto nos permite contar con enfoques diversos, que son claves para el éxito. En el equipo de machine learning hay gente de distintas formaciones: biólogos, economistas, matemáticos, ingenieros. Además, trabajamos en células por proyectos, en las cuales se incluyen perfiles de tecnología, de producto digital, de comercial y más”, afirma a iProUP Carlos Álvarez, CTO de Despegar.
Esta decisión fue un claro acierto para la empresa de turismo omnicanal. ¿Por qué? “Es muy importante poner foco en la diversidad de los equipos de machine learning: experiencia, educación y maneras de pensar diferentes. El mayor problema de los sistemas de Inteligencia Artificial (IA) no son los datos o los algoritmos, son los puntos ciegos creados por la falta de diversidad en los equipos que los desarrollan”, advierte Marcelo Ripoll, Global Database Chief Engineer & Data Scientist Leader de IBM.
“Han comenzado a surgir casos reales de inteligencia artificial sesgados hacia mujeres y otros grupos subrepresentados en roles relacionados con la informática. Por ejemplo, los algoritmos bancarios que otorgan a los hombres límites de crédito mucho más altos y sistemas de reclutamiento laboral que ignoran a las mujeres y a las minorías”, aclara Ripoll.
Con el avance de la transformación digital, estos puestos son cada vez más buscados, ya que traen beneficios importantes para las empresas, tanto desde el punto de vista del negocio como de la operatividad.
“Con machine learning se obtienen información más precisa sobre las preferencias de los clientes, lo que es vital para generar estrategias de fidelización y sugerencia de productos y servicios. Se pueden extraer datos sobre los hábitos de compras y también de la competencia”, remarca a iProUP Miguel Terlizzi, presidente de HuCap, como primera ventaja competitiva que brinda esta tecnología.
Por ejemplo, en Tarjeta Naranja, “el equipo de Analítica evolucionó los modelos existentes, a los que se les sumaron más de 10 nuevos modelos de machine learning, lo que mejoró los resultados de los distintos viajes del consumidor. Esto conecta a los equipos con el propósito y la misión de la empresa, ya que permiten facilitar la vida de cada cliente, ofreciendo experiencias personalizadas y basadas en tecnología”, describe a iProUP Cristian Gautero, gerente de Riesgo y Analítica de la compañía.
Además, permite la automatización de procesos, sobre todo aquellos rutinarios que no generan valor agregado al negocio. “Incluso, aporta más cercanía con los clientes.
Por ejemplo, con la creación de los chatbots que pueden estar disponibles 24/7. Y es muy importante en aspectos relacionados con la ciberseguridad, por su capacidad de predecir amenazas informáticas y ciberataques, así como identificar a posibles infractores”, añade Terlizzi.
Como casi todos los talentos vinculados a la Economía del Conocimiento, este es un tipo de perfil que escasea y que, de a poco, se está demandando más en las empresas.
Según Agustín Huerta, VP of Technology – Artificial Intelligence & Process Automation & IoT Studios de Globant, uno de los problemas es que “no todos los científicos de datos dieron el salto aún al uso de técnicas de machine learning, por lo que muchos aún deben superar ciertas curvas de aprendizaje para satisfacer las demandas más complejas”.
“Para atraer a estos perfiles hay que ofrecerles diversos beneficios como flexibilidad, manejo de sus propios tiempos, herramientas necesarias para desarrollar sus tareas, y la posibilidad de crecimiento profesional“, enumera Yeryé Bermúdez, gerente de División Technology de Adecco, en diálogo con iProUP.
“No son perfiles que hagan demandas específicas, ya que tienden a ser bastante introvertidos y buscan simplemente un lugar donde se puedan sentir cómodos para desarrollar sus conocimientos y competencias. Algunos casos pueden pedir espacios puntuales para desarrollar ciertas iniciativas con un espíritu emprendedor”, suma Huerta.
¿Cuánto ganan? Está claro que eso dependerá del seniority, pero en promedio suelen rondar entre los $150.000 y $180.000 mensuales, en mano.
Finalmente, el área de machine learning se trata de cómo aprovechar los datos. Es cierto que varios departamentos de las empresas batallan por determinar cuál de ellos es el dueño de esa data.
Por eso, “debe haber una plataforma integrada donde todos vean la misma información, ya sea que los encargados de la explotación de la misma estén en el mismo sector o distribuidos en diferentes áreas. Esto ya es parte de la decisión y modelo organizativo de cada compañía”, concluye Carlos Fernández, director de Together Business Consulting.