EntrevistasAnalytics

“¿No deberíamos entender la IA un poco mejor?”

Enrique Solbes, International Technology Executive.

Enrique Solbes es un ejecutivo con amplia experiencia internacional transformando y haciendo crecer negocios de tecnología, y ayudando a clientes con su transformación digital. Ha sido vicepresidente y director comercial de Hewlett Packard en España, y director general del negocio de Servicios en Iberia y Europa Central y del Norte de HPE. Anteriormente trabajó en Accenture. Es ingeniero de Telecomunicaciones y PDD por el IESE.

Días atrás ha sido designado CTO (Chief Technology Officer) de Banco Sabadell.

Enrique Solbes, International Technology Executive. Actual CTO en Banco Sabadell
Enrique Solbes, International Technology Executive. Actual CTO en Banco Sabadell

Enrique, recientemente has decidido remangarte y profundizar en el campo de la inteligencia artificial (IA). Cuéntanos un poco más de esta experiencia.

E. S.: Efectivamente. Siempre he defendido que, independientemente de nuestra responsabilidad o título, es fundamental ser humilde y curioso para mantenerse al día. Por otra parte, si bien la inteligencia artificial se ha desarrollado exponencialmente en los últimos años, mi curiosidad por este ámbito se remonta a cuando estudiaba ingeniería. Así que hace un par de meses, juntando las dos cosas, decidí remangarme y dedicar algo de tiempo a desempolvar mis conocimientos y habilidades de álgebra lineal y programación y profundizar en el terreno de la inteligencia artificial para tratar de entender un poco mejor los fundamentos matemáticos y tecnológicos del machine learning en concreto. Y la verdad es que ha sido una experiencia muy educativa y muy gratificante.

¿Por qué decidiste hacer algo así?

E. S.: Como otros muchos, estaba convencido de que la inteligencia artificial es efectivamente una tecnología realmente disruptiva con el potencial de cambiar nuestras vidas, el motor fundamental de la cuarta revolución industrial. Y especialmente por eso no me sentía nada confortable sin entender mejor sus fundamentos. He trabajado en tecnología durante más de 25 años y he tenido la fortuna de participar en proyectos bastante innovadores, pero, con todos los respetos, sentía que yo mismo y muchas de las personas con las que me relacionaba (colegas, competidores y clientes) hablábamos muchas veces de IA sin saber realmente lo que estábamos diciendo. Así que decidí invertir un poco de tiempo en investigar el tema. Soy ingeniero de Telecomunicaciones, pero he estado fundamentalmente gestionando negocios de tecnología durante los últimos 15 años, así que, francamente, no sabía muy bien la complejidad a la que me enfrentaba y hasta qué nivel sería capaz de entenderlo.

¿Qué hiciste exactamente? ¿Por dónde empezaste?

E. S.: En primer lugar, hablé con amigos y colegas a los que respeto por su conocimiento en este campo para aprender de su experiencia, después leí media docena de libros francamente recomendables sobre distintos aspectos de la IA (no solo técnicos) y me dediqué a bucear en artículos de negocio y técnicos. Finalmente decidí matricularme en el emblemático curso de Machine Learning de la Universidad de Stanford impartido por Andrew Ng. Es un curso online de 11 semanas disponible en Coursera en el que realmente tienes que remangarte y poner a trabajar algunas neuronas (humanas), repasar álgebra lineal y escribir código (en Matlab). Yo nunca fui un genio en matemáticas y hacía 20 años que no escribía una línea de código, pero resultó ser como montar en bicicleta, con un poco de práctica te vuelves a poner en marcha.

¿Cómo descubriste estos recursos? ¿Quién te dio la idea?

E. S.: Hay infinidad de recursos disponibles en Internet (artículos, blogs, podcasts, etc.). La mayoría de las universidades y corporaciones invierten fuertemente en IA. Pero la idea del cursos de Andrew Ng la leí en un artículo del Harvard Business Review que recogía una iniciativa de Risto Siilasmaa (presidente de Nokia). En una demostración de liderazgo, humildad y curiosidad, él decidió también invertir tiempo en entender mejor los fundamentos y aplicaciones del machine learning y en compartirlo con su equipo junto con un conjunto de recomendaciones. Recientemente he tenido ocasión de intercambiar algún mensaje con Risto y creo que su ejemplo es francamente inspirador.

¿Qué has aprendido?

E. S.: Básicamente dos cosas, una que de alguna manera esperaba y otra que no tanto.

¿En lo profesional?

E. S.: Creo que ahora puedo explicar lo que es y lo que no es el machine learning. Entiendo e intuyo mejor cómo y por qué muchas de las aplicaciones actuales de la IA funcionan (desde el reconocimiento de imágenes o de voz, la traducción automática, el procesamiento de lenguaje natural, el diagnóstico de enfermedades, el análisis de patrones de fraude o el análisis de riesgos financieros, los sistemas de recomendación de películas o compras, e incluso los vehículos autónomos). Entiendo los fundamentos matemáticos básicos; la diferencia entre el aprendizaje supervisado y no supervisado; los algoritmos más comunes (desde la regresión lineal y logística a las redes neuronales); los retos para entrenarlos y cuándo es útil tener más datos, más parámetros, más capas o más potencia de cálculo; o cómo evaluar el rendimiento de los algoritmos o diseñar un sistema. En resumen, me ha ayudado a entender mejor el cambio de paradigma y por qué es tan diferente desarrollar software usando algoritmos de machine learning (donde los aspectos críticos son las matemáticas y la ciencia de datos) en contraposición con el desarrollo de software basado en reglas y símbolos que aprendimos en la universidad y que hemos usado históricamente (y sigue usando una parte de la industria) para construir aplicaciones de negocio. Y finalmente, ya no tengo esa sensación tan incómoda de escuchar o, peor aún, hablar de algo sin tener mucha idea de ello.

Mi consejo es invertir tiempo y esfuerzo en aprender y empezar a implementar IA en nuestros negocios y operaciones

¿Y en lo personal?

E. S.: Pues, en lo personal, esas semanas de esfuerzo intelectual relativamente intenso han sido muy gratificantes y refrescantes. Hacer algo diferente fuera de nuestra zona de confort y conseguir superar un reto (te aseguro que codificar el algoritmo de ‘back-propagation’ de la red neuronal no fue precisamente un paseo para mí) tiene un efecto muy positivo en lo que a motivación personal se refiere. Tengo la sensación de haber ejercitado neuronas que estaban durmiendo. Y eso no solo despierta el apetito por aprender más sobre el tema, sino que te ayuda a enfrentar otros retos y problemas desde un punto de vista y perspectiva distintos.

¿Cuál es la conclusión entonces?

E. S.: Pues esta pequeña incursión en los detalles me confirma lo que ya pensaba. En mi opinión, la IA es realmente una tecnología de propósito general (como lo fue la electricidad) y con un potencial transformador mayor que otras (como el blockchain o IoT). Creo, no obstante, que hay muchos aspectos e implicaciones que resolver (técnicos, de negocio y evidentemente éticos), pero la madurez actual de los algoritmos, la potencia de cálculo prácticamente ilimitada y la disponibilidad de ingentes cantidades de datos para entrenar a los algoritmos hace que la IA esté transformando no solo la industria de IT, sino otras muchas.

Computing 778