La importancia de la estrategia para el éxito del producto, más allá de la ciencia de datos.

En la última década, la brecha entre los equipos tecnológicos y comerciales se ha reducido casi hasta desaparecer. Esta fusión ha permitido construir y lanzar productos con la certeza de que serán bien recibidos, ampliamente adoptados y contribuirán significativamente a los resultados financieros. La tecnología ha sido un factor clave en este cambio, acelerando la integración entre ambos equipos.

Los equipos técnicos no siempre tienen un enfoque comercial intrínseco, lo que ha llevado a un aumento en roles que incluyen la construcción y entrega de herramientas para apoyar a diversos equipos dentro de la organización. Sin embargo, esta falta de comprensión completa de las necesidades, objetivos y procesos de los equipos comerciales ha llevado a un número significativo de proyectos de ciencia de datos que nunca llegan a ser implementados.

A pesar de que en los primeros días de la inteligencia artificial, la inversión se centraba en la tecnología en sí y no necesariamente en los resultados, actualmente es crucial demostrar retornos tangibles en las inversiones tecnológicas. Esto implica desarrollar innovaciones que impacten de manera medible en los resultados financieros.

Uno de los aspectos más importantes que han surgido de este proceso es el cambio de un rol de soporte a una función central para los equipos tecnológicos. Esta evolución ha llevado a que los trabajadores tecnológicos tengan una voz en las decisiones junto a sus colegas comerciales, lo que ha mejorado la comprensión de los procesos fuera del equipo tecnológico y cómo estos impactan en el negocio.

Este nuevo enfoque de trabajo ha generado una mayor visibilidad del impacto de las tecnologías en el negocio, permitiendo a los individuos técnicos ver su contribución en términos monetarios. Esta perspectiva ha dado lugar a una nueva forma de trabajo que maximiza esa contribución y busca generar el mayor valor de manera rápida.

Introducir el concepto de «lean value» puede ser relevante en este contexto, especialmente en un entorno donde el retorno de la inversión tecnológica está siendo tan escrutado. Este enfoque se basa en una priorización implacable para maximizar el valor, enfocándose en investigaciones con alta probabilidad de aportar valor o avanzar en los objetivos organizacionales.

Este enfoque también se ha trasladado a otras áreas del proceso, como la arquitectura de datos, donde la adopción de modelos de lenguaje de gran escala (LLMs) ha llevado al concepto de «data lakehousing». Este enfoque permite almacenar tanto datos estructurados como no estructurados, lo que optimiza el tiempo requerido para estandarizar y estructurar los datos y transformarlos en información valiosa.

La implementación de LLMs y data lakehouses agiliza el tiempo de entrega, reduce costos y maximiza el retorno de la inversión. Sin embargo, se requiere una sólida gobernanza de datos y un equilibrio entre el rendimiento de consultas en grandes conjuntos de datos y la eficiencia de costos para enfrentar los desafíos constantes en este ámbito.

En resumen, el enfoque de «lean value» puede cambiar la integración de la inteligencia artificial con la planificación estratégica de los equipos tecnológicos. Esto permite aportar de manera significativa a las organizaciones, motivar equipos de alto rendimiento y asegurar que el retorno de la inversión tecnológica sea claro y medible. Este enfoque fomenta una cultura en la que el departamento tecnológico impulsa los objetivos comerciales y contribuye tanto a los ingresos como los departamentos de ventas o marketing.