Andrés Scoccimarro, Chief Data Officer en MODO, explica cómo la IA generativa y el machine learning pueden complementarse, ampliando los límites de ambas tecnologías. Además, comparte cómo MODO está impulsando la digitalización de los bancos al crear un ecosistema innovador que mejora la experiencia del usuario, resaltando la importancia de contar con datos confiables y una sólida gobernanza de datos para maximizar el potencial de la inteligencia artificial.
¿Cuál es el impacto de MODO en el ecosistema financiero y cómo enfrentan la competencia con Mercado Pago?
MODO aceleró la digitalización de los bancos, creando un ecosistema único donde compiten entre sí para ofrecer mejores servicios y que los usuarios la utilicen a través de su banco. Esto ha cambiado el enfoque de los bancos, pasando de un modelo de homebanking a uno de billetera digital.
En cuanto a Mercado Pago, la competencia es constante y saludable. Ambos buscamos aumentar nuestra participación de mercado, lo que impulsa la innovación.
“MODO aceleró la digitalización de los bancos, creando un ecosistema único donde todos compiten por ofrecer mejores servicios.”
¿Cuáles son las tecnologías emergentes que considerás clave para el futuro?
Hoy en día, todo el mundo habla de inteligencia artificial. Es una tecnología que ya es disruptiva, y será aún más disruptiva a medida que logremos poner los “rieles” necesarios para que funcione correctamente. Debemos asegurarnos de que todo esté bien alineado con los objetivos, para evitar que la IA “delire” o genere información equivocada.
Hay un boom de querer usar IA Generativa para todo, pero no siempre es necesario. Muchas veces, el machine learning sigue siendo suficiente para algunas tareas. En MODO, usamos GenIA para optimizar procesos repetitivos que antes realizaba un colaborador sin aportar valor a la compañía, dándole ahora la oportunidad de hacer tareas que realmente generen valor.
Aquellas compañías que no se digitalicen tendrán un problema, porque la base para usar IA o machine learning son los datos. Y esos datos deben estar digitalizados, confiables y gestionados en una buena plataforma.
Lo que se viene con la inteligencia artificial no es que nos vaya a quitar el trabajo. Lo que no genera valor para la empresa lo puede hacer una computadora, mientras que lo que realmente aporta valor lo hacen las personas, especialmente en la parte relacional.
“Las empresas que no se digitalicen tendrán un problema porque los datos son la base para utilizar la inteligencia artificial.”
¿Por qué es tan importante este proceso previo a la aplicación de la inteligencia artificial?
Todo lo relacionado con inteligencia artificial, machine learning y ciencia de datos se basa en los datos de entrada. Como dice el famoso dicho americano: “garbage in, garbage out”. Por más buen modelo que tengamos, si lo estamos alimentando con datos de baja calidad, lo que obtendremos como resultado será igualmente inútil.
Si nuestra plataforma de datos no es confiable es imposible desarrollar cualquier modelo de IA generativa, machine learning o ciencia de datos.Los algoritmos ya existen; lo que necesitamos son datos de calidad para entrenarlos y mejorar los modelos.
¿Nos podrías contar algún caso de uso en el que estén trabajando y en el que veas el potencial de la herramienta?
Actualmente estamos trabajando en un proyecto en etapa de Friends and Family de Search Intention. Estamos utilizando IA generativa para comprender mejor la intención del usuario al buscar promociones, buscando comprender lo que no se está escribiendo explícitamente. Esto nos ayuda a interpretar mejor lo que el usuario está buscando. Una vez que hemos comprendido lo que realmente necesita, pasamos esa información al sistema clásico y, finalmente, usamos IA generativa para proporcionar una respuesta más personalizada y cercana a la persona.
¿Qué puntos de contacto observas, de cara al futuro, entre IA y machine learning tradicional?
Yo creo que cada herramienta tiene su función específica. La IA generativa es excelente para comprender lo que el usuario quiere y para responderle en un lenguaje más natural. Sin embargo, para algunas tareas, no tiene sentido usarla.
La tecnología es una herramienta, no un fin en sí misma. El machine learning sigue siendo superior a la IA generativa para predecir algo, como la demanda. Para tareas como la generación de texto o imágenes, la IA generativa tiene mucho más potencial, ya que antes estas tareas eran muy costosas. Sin embargo, la IA generativa puede complementar al machine learning, proporcionándole más información para mejorar las predicciones.
¿Cómo miden el impacto de una iniciativa de este tipo?
Nos enfocamos en el valor que el proyecto puede generar, no en el proyecto en sí. El primer paso es identificar la variable de negocio que queremos mover y evaluar si la IA generativa puede ayudarnos a lograrlo. Si no vemos resultados significativos, reconsideramos si vale la pena seguir invirtiendo esfuerzos. Por ejemplo, si buscamos mejorar el CTR de una promoción, usamos IA generativa para entender mejor al usuario y ofrecerle lo que realmente le interesa, con el objetivo final de aumentar la conversión.
La IA generativa, al igual que el machine learning, requiere tiempo para análisis e investigación, especialmente para desarrollar un primer MVP. Por eso es fundamental tener claridad sobre qué variable queremos impactar y cómo medir si los esfuerzos están generando un beneficio tangible. Además, es crucial asegurarnos de que los resultados generen accionables concretos. Si no podemos tomar decisiones prácticas con la información del modelo, no tiene sentido continuar. La medición constante y un enfoque claro en los objetivos de negocio son claves para garantizar que el esfuerzo aporte valor real.
“El valor de una iniciativa de IA se mide por su impacto directo en las variables de negocio, no por el proyecto en sí.”
¿Qué habilidades técnicas y blandas valoras al momento de sumar a alguien al equipo de datos?
Cuando busco sumar a alguien al equipo, priorizo el encaje cultural y las habilidades blandas por encima de los conocimientos técnicos, que son más fáciles de adquirir. Valoro a las personas curiosas, con ganas de aprender, progresar y hacer cosas nuevas. Es clave que puedan trabajar en equipo, proponer ideas y motivar a otros, porque el éxito depende del grupo, no de una sola persona.
La técnica se aprende con tiempo, pero el espíritu de progreso y la capacidad de adaptación son esenciales.
