El reciente surgimiento del movimiento low-code / no-code abre nuevas posibilidades para trabajadores de todo tipo de conocimientos. Las plataformas comerciales innovadoras están permitiendo capacidades de desarrollo de aplicaciones de análisis de datos más rápidas, generando una moderna comunidad de ciudadanos desarrolladores. Estas herramientas, a menudo, incorporan programación basada en elementos visuales y aprovechan los componentes prediseñados para crear flujos de trabajo reutilizables. Y, cuando se trata de la adopción de Inteligencia Artificial (IA) empresarial, la utilización de una plataforma de low-code / no-code también podría alentar a una nueva generación de científicos de datos, provenientes de multiples profesiones o formación distinta la tradicional de Ingeniería en Sistemas.
Hay muchos beneficios potenciales cuando se proporciona a los analistas de negocio un mayor acceso a datos agregados, ya que es posible poner en marcha rápidamente modelos de aprendizaje automático (ML) aplicados a multiples casos de negocio. En este escenario, se podrían ejecutar experimentos relacionados con su experiencia principal y utilizar los resultados para tomar decisiones comerciales más informadas. Por ejemplo, esto ayudaría a extraer la verdadera riqueza de los datos estrictamente de los ojos de unos pocos técnicamente privilegiados y ponerla en manos de especialistas de negocio.
Sin embargo, las organizaciones podrían encontrar rápidamente dificultades al introducir low-code / no-code en la IA. Hacerlo correctamente requiere la colaboración entre desarrolladores ciudadanos y programadores. También requiere una base estadística sólida para realizar análisis, así como el gobierno de la plataforma para garantizar que se mantenga la privacidad de los datos.
Recientemente me reuní con Ed Abbo, presidente y director de tecnología de C3 AI, para descubrir los impactos de la adopción de low-code / no-code dentro del análisis de datos y la inteligencia artificial. A continuación, exploramos las posibles limitaciones de aplicar código bajo a esta área y consideramos los pronósticos para este espacio en evolución.
Conectando analistas de negocio con código
En la mayoría de las organizaciones, los datos están fragmentados entre cientos o incluso miles de sistemas. Tiene fragmentos de datos que provienen de dentro de la organización y fuera de la propia empresa, describió Abbo. Si los datos están tan dispersos, es difícil extraer valor de ellos. Por lo tanto, ve aquí una gran oportunidad para que una plataforma común agregue datos relevantes y los exponga a varios roles dentro de una organización.
Entonces, ¿dónde encaja el low-code / no-code en este escenario? El código bajo podría permitir a los analistas de negocios profundizar en la información de los datos y aprovechar los artefactos de inteligencia artificial producidos por “programadores tradicionales” y científicos de datos. Una plataforma común ayuda a compartir datos y relaciones de datos entre estos dos grupos sin problemas, sin tener que reescribir el código o refactorizar los datos.
La sincronización de programadores profesionales y no programadores a través de low-code abre una excelente oportunidad para acceder de manera constante a los mismos conocimientos de datos en toda la empresa. “Al hacerlo, permite que todos los empleados de una empresa tomen decisiones más eficaces”, dijo Abbo. Hacer que tales análisis estén disponibles en una interfaz visual podría empoderar a cientos de analistas comerciales. “Esta área es muy importante y muy emocionante”, dijo Abbo. “Puede permitir que los analistas accedan a los datos de forma segura y permitirles informar mejores decisiones”.
Aprovechamiento de datos de análisis y código
La capacidad de inferir predicciones basadas en precedentes históricos puede optimizar los movimientos futuros. Como ejemplo, Abbo mostró un flujo de trabajo de muestra que ingirió casos confirmados de COVID-19 a través de varias fuentes acreditadas. La agregación de estas fuentes ayuda a ver las tendencias a lo largo del tiempo y producir pruebas de hipótesis estadísticas. Curiosamente, este estudio de muestra encontró un porcentaje igual de probabilidad de contracción de COVID-19 entre los grupos de alta y baja movilidad.
De manera similar, las unidades de negocios podrían aprovechar los datos para refinar sus proyecciones de fabricación, distribución y marketing. Esto podría ser como un algoritmo para pronosticar la demanda de un producto en diferentes geografías. O podría ayudar a un servicio financiero a refinar su compromiso con el cliente. Hacer que tales conocimientos estén disponibles para todos los científicos de datos ciudadanos podría ayudar a más personas a probar nuevas hipótesis, estimulando así la innovación.
Posibles inconvenientes de Low-Code / No-Code
Dicho lo anterior, parece que todo es una solución perfecta. Entonces, ¿cuáles son algunas de las limitaciones de la aplicación de low-code / no-code al análisis de datos y la IA? Bueno, lo más importante es tener una base estadística sólida para un correcto análisis, dice Abbo. Si los datos entrantes están corruptos o sesgados, el análisis sacaría conclusiones incorrectas. Otros posibles inconvenientes incluyen:
• No trabajar en la nube: Tener acceso basado en un navegador a las aplicaciones web es esencial para garantizar que cualquier persona pueda colaborar en cualquier dispositivo. Asegurarse de que los modelos sean reutilizables podría evitar reinventar la rueda para cada campaña.
• Limitaciones de procesamiento de datos: después de ese punto, las organizaciones pueden encontrarse con limitaciones de computación y almacenamiento si procesan datos en sus instalaciones. Por lo tanto, es mejor buscar herramientas basadas en la nube.
• Mala colaboración: para un correcto análisis de datos, es necesaria una colaboración sólida. Si no se pueden compartir proyectos entre equipos, se podría limitar el valor. Esto subraya la necesidad de una plataforma compartida.
• Problemas de interfaz de usuario: cualquier entorno de low-code / no-code es tan bueno como su interfaz de usuario. El código bajo requiere una interfaz de usuario moderna e intuitiva; de lo contrario, los analistas no pueden aprovecharlo para obtener las ganancias que promete.
• Agregación de datos: la IA tiene algunos requisitos que requieren una gran cantidad de datos. Para aprovechar estos datos, realmente necesita una interfaz potente y agnóstica que permita a los equipos recopilar y unificar conjuntos de datos desde cualquier lugar.
Quizás el punto más crítico sea el aspecto de la colaboración. Si una herramienta no promueve la colaboración entre la no-codigo y pro-código, la adopción podría verse afectada. ¿Qué sucede si no puede apoyar a ambos grupos? ¿Cuáles son las desventajas? Bueno, en general, las cosas son menos eficientes, dice Abbo, lo que significa que los científicos de datos ciudadanos deben hacer mucho más trabajo para convertir y preparar datos al ensamblar datos fragmentados de varias fuentes. Esto conduce a una adopción menos eficiente y de riesgo medio.
Implicaciones de privacidad del análisis predictivo
La privacidad es otra de las principales preocupaciones de las organizaciones que aprovechan sus datos. Los nuevos informes muestran que las aplicaciones están solicitando (y filtrando) una cantidad excesiva de datos personales. También existen áreas grises éticas en torno a la reventa de datos personales o su aprovechamiento para producir campañas publicitarias altamente predictivas. Si la información del usuario se expone incorrectamente, podría infringir las regulaciones y, de hecho, generar preocupaciones de seguridad reales cuando se divulguen datos de ubicación. Con cualquier nuevo poder viene una gran responsabilidad para garantizar que los casos de uso se aborden con cuidado para cumplir con las normativas.
Entonces, ¿cómo pueden las plataformas de low-code / no-code con gran cantidad de datos evitar problemas de privacidad de datos? Para Abbo, todo se reduce a garantizar una gobernanza adecuada así como una correcta capacidad central de la plataforma o aplicación de desarrollo. Esto requerirá el control de acceso basado en roles (RBAC) para asegurar el uso de código bajo solo para aquellos usuarios con los privilegios correctos. Por ejemplo, C3 AI se puede configurar para que los usuarios no tengan acceso a datos sin procesar; sólo seleccione objetos de datos. “No es el típico data-lake “, dice Abbo. “Necesitamos reglas de visibilidad sofisticadas para proteger y cumplir con el GDPR, la privacidad de los datos y las reglas de seguridad de los datos corporativos”.
Todavía estamos en una etapa incipiente
Es bueno reconocer que todavía estamos en una etapa temprana, tanto en la adopción de low-code / no-code como en la democratización de la automatización de la IA. “Realmente estamos al comienzo de la explosión de low-code / no-code”, dijo Abbo. “Anticipo que hay cientos de millones de analistas que toman decisiones subóptimas porque no tienen acceso a los datos que necesitan”.
Empoderar a los múltiples profesionales de negocio para que tomen decisiones más efectivas y mejorar su colaboración con “programadores pesados” solo mejorará la IA empresarial. Esto tiene el potencial de activar más datos dentro de una empresa y aplicar algoritmos para hacer pronósticos más inteligentes. Para resumir, estamos en las “primeras entradas de un desarrollo muy prometedor”, dijo Abbo.
Análisis en Español por: Pablo Moreno
