Del algoritmo al margen de contribución. ¿Cuánto cuesta el proceso?

¿Qué cuesta más, la investigación y desarrollo de un algoritmo para que demuestre su viabilidad, o su implantación en una empresa y sus procesos para que tenga impacto en el negocio?

Esta pregunta empieza a ser una de las más repetidas en las empresas que abordan procesos donde el tratamiento de datos y la inteligencia artificial juegan y jugarán un papel importante.

El camino tradicional es invertir en I+D, dedicar tiempo al desarrollo de algoritmos, y después esperar a que éstos funcionen generando rentabilidad para las empresas. Sería algo así como idear el libro de recetas, y pensar que por tener el recetario, tenemos los platos y postres realizados y servidos.

Aunque a muchos les duela reconocerlo, la verdadera inversión en los procesos de transformación digital no es ni el I+D, ni los pilotos, ni los MVP (minimum viable product). Lo realmente complicado y lo más costoso es escalar e integrar en los procesos de las organizaciones esos modelos de utilidad o “pilotos” que se han demostrado viables y que pueden hacer que el beneficio aumente significativamente. Y para ser óptimo en costes y tiempos -ágil como dictan las tendencias de moda- y sacarle partido, ha de ser un trabajo colaborativo y transversal, involucrando a las personas de negocio.

Los tiempos que corren permiten un I+D y pilotos más ágiles y baratos, sin embargo, de la parte de escalar e industrializar el trabajo no se libra nadie. Y la realidad (y os hablamos desde la experiencia) nos lleva a casos como los siguientes, por orden de “primitividad” intentando ponerle un toque de humor e ironía al asunto. Os dejamos 3 escenarios posibles:

  1. Contrato con un centro de investigación al que se le solicita la parte de I+D, pero que bien por la ambición comercial del centro de acapararlo todo, o por las deducciones fiscales que supone trabajar con un centro tecnológico en lugar de con una empresa (a pesar de no ser tareas de I+D), se ofrece/solicita como entregable del proyecto un “producto ”. Léase producto entre comillas, porque normalmente la carencia de definición de esta palabra en este contexto suele ser alta, aunque estará bien definido en su TRL correspondiente, cercanos a TRLs 7 e incluso 8 y con usuarios activos.
  2. Ya se cuenta con un desarrollo de un algoritmo para el que tanto empresa y centro de investigación han invertido tiempo, dinero y recursos, y ahora se espera que “la última milla” la asuma un tercero que hasta la fecha no ha estado involucrado y al que además se le exige una puesta en marcha robusta y rápida. Se ha de tener claro que se ha recorrido el camino desde el TRL 1 al TRL 7 o TRL 8, por lo tanto, el paso restante se asume que será barato, sencillo y que su implementación costará menos que el desarrollo del algoritmo, que es donde está la verdadera complejidad.
  3. Último de los tres casos: una empresa ofrece todo el paquete completo de I+D, desarrollo, industrialización, conocimiento del dominio del negocio, etc, sin necesidad de apoyarse en nadie e incluso diciendo a un cliente final cómo será su producto porque no se puede particularizar, dado que es la herramienta líder del mercado. Yo te doy una plataforma o producto en la que puedes hacer machine learning haciendo un click y después todo pasa solo, como por arte de magia, no hace falta hacer prácticamente nada. Además, hay infinidad de módulos y funcionalidades que nunca vas a utilizar, pero que son lo más de lo más en el mercado, y eso sí, no se pueden separar porque es un paquete todo en uno.

¿Conocéis algún caso similar a los anteriores?

Tras exagerar ligeramente (o no) y reducir a tres escenarios posibles estas prácticas habituales anteriores, toca preguntarse: ¿cómo avanzar entonces?

Cualquier proceso que queramos mejorar, requiere pensar en toda la cadena de valor. Es decir, si queremos generar un algoritmo que nos reduzca los rechazos de producción por ejemplo, tendremos que comenzar por analizar el proceso de producción y entender las causas que producen los rechazos, y al mismo tiempo, cómo los operarios o las máquinas se integran dentro del proceso de producción.

El verdadero reto es integrarlo en los procesos de la organización y hacerlo escalar.

Igual de importante es entender que el verdadero reto del problema no es conseguir un algoritmo que muestra la viabilidad de la solución para resolver el problema. El verdadero reto es integrarlo en los procesos de la organización y hacerlo escalar. Y además esta parte es mucho más costosa en tiempo, dedicación, coste y recursos que la propia actividad de I+D. Incluso si se tiene la visión a medio plazo de pensar en los siguientes retos y prioridades de la compañía, podrán desarrollarse funcionalidades transversales que a medida que se avance en el proyecto, permitan que la velocidad aumente y que a través del trabajo colaborativo exista una integración mayor en los procesos de la organización de cualquier desarrollo realizado.

Y la propina… ¿qué ocurre cuando el proceso está en marcha? Pues lo que ocurre es que ese algoritmo, el entorno en el que se ejecuta, la infraestructura que lo contiene y permite que funcione, requiere de mejoras, nuevas funcionalidades en su entorno, y sobre todo, adecuación y mantenimiento para garantizar que sigue siendo apropiado para el proceso para el que fue diseñado. Y aquí, nuevamente, aparece el concepto del ciclo de vida del proceso, que resulta mucho más costoso que la propia investigación y desarrollo del mismo.

Lo que sí debemos tener claro es que un mal proceso, por mucho algoritmo que se desarrolle o mucha digitalización que se le aplique, seguirá siendo un mal proceso.

Los atajos son tentadores y muchas empresas los practican. Quizá por ello últimamente no dejamos de ver noticias de empresas que recortan sus previsiones y sus plantillas y que muestran cierta incertidumbre en torno a la transformación digital y la industria 4.0. Nadie ha dicho que fuera fácil y mucho menos barato, y quizá por ello, son realmente pocas las empresas que están abordando con criterio este proceso. Lo que sí debemos tener claro es que un mal proceso, por mucho algoritmo que se desarrolle o mucha digitalización que se le aplique, seguirá siendo un mal proceso.

 

Alberto Conde Mellado

Leave a Reply