El Big Data levantó la necesidad del Gobierno del Dato, y la IA Generativa, el Gobierno del Conocimiento

Durante el año pasado, hemos asistido a una auténtica revolución en la Inteligencia Artificial (IA), descubriendo nuevas aplicaciones y con una mayor capacidad de acceso a la tecnología, lo que supone un reto para la adopción en las empresas.

Ahora, gracias a los servicios de Inteligencia Artificial en la nube, su acceso y uso es casi inmediato, pero la clave pasa por su adopción e impacto en el negocio de las compañías.

El escalado a los procesos de negocio para que tengan un impacto relevante en la cuenta de resultados es directamente proporcional al nivel de madurez en el gobierno, la calidad y la organización de toda la información disponible, independientemente de su naturaleza. Es importante considerar que los resultados para un perímetro restringido no se pueden extrapolar a otros ámbitos de manera lineal sin un gobierno integral y un Business Case que considere el retorno y el escalado de las iniciativas. No hay una proporcionalidad en el esfuerzo de la resolución de preguntas referida a un ámbito concreto y de documentación específica (ej.: gastos de viajes), que extenderlo referido al proceso de negocio completo, incluso sobre documentación acotada (ej.: políticas de gastos de empleado).

En un contexto de información empresarial generalmente inconexa en la que el tratamiento de los datos, texto, documentos, imágenes, audio y video se gestiona por silos en diferentes procesos de negocio y aplicaciones, surge más que nunca la necesidad no solo de gobernar el dato, sino de Gobernar el Conocimiento. Podemos decir que no todas las compañías han puesto el suficiente foco y esfuerzo en gobernar sus datos, pero ahora, y para obtener un valor real y tangible, será necesario extender dicho gobierno a toda la información no estructurada crítica si queremos obtener resultados y una adopción ordenada de la Inteligencia Artificial.

En nuestra visión, el planteamiento pasa por extender el gobierno del dato para incorporar la gestión de cualquier activo de información bajo un mismo marco de gobierno que defina un mapa de conocimiento empresarial, trabajando sobre cuatro palancas de acción:

Diseñar la estrategia de apertura del conocimiento, seleccionando y priorizando sobre qué universos de información se va a aplicar la Inteligencia Artificial y estableciendo guías y estrategias de vectorización, ya que no es posible escalarla absolutamente “a todo” en términos de coste.
Definir un marco de gobierno del conocimiento integral, o Knowledge Model, transversal a todos los activos de información, para estandarizar la relación y responsabilidades de la organización con la información, los procesos de gobierno (mapa de conocimiento y trazabilidad), la política de acceso a activos, datos y metadatos, la gestión y monitorización de la calidad, etc.
Extraer e inferir metadatos de negocio de los activos de información, como puede ser el etiquetado de imágenes, vídeos y documentos, o el sentimiento de audios.
Integrar los datos con los metadatos de negocio, para relacionar el ecosistema de datos con la información de otros activos y poder conformar el mapa de conocimiento con base en la estrategia definida.

De este modo, y articulado a través del Knowledge Model, son necesarios seis pilares sobre los que construir un modelo de gobierno holístico y completo que abarca desde la organización a la operación y que tiene en cuenta las particularidades de cada activo:

Modelo organizativo para establecer los roles, responsabilidades, gestión de la demanda y definición de metadatos, precisando las características propias de cada activo de conocimiento.
Mapa de conocimiento con una visualización completa y gráfica de activos disponibles, dónde buscarlos y quién es el responsable, de forma agregada o atomizada según los procesos de negocio y la tipología de los activos.
Metadata de negocio (o Insights) que se pueden extraer potencialmente con herramientas de gestión de activos digitales (DAM), tratamiento documental, o con aplicación de nuevos paradigmas de la IA.
Metadata técnica (Linaje) que está disponible de forma inherente al activo por el hecho de gestionarlo (como el propietario, alta/baja, versión…) y trazabilidad hasta su aplicación en la analítica para auditoría y medición de impactos ante cambios.
Seguridad y privacidad bajo un modelo con procesos integrados de acceso a activos, datos y metadatos.
Calidad, que comprende la elaboración de reglas y adherencia a umbrales de calidad técnica (imagen interpretable, audio comprensible, calidad del dato), la monitorización común de los indicadores de calidad y la remediación automática donde sea aplicable.

Para alcanzar los objetivos del Gobierno del Conocimiento vemos que cada vez son más necesarios equipos multidisciplinares que puedan proporcionar un marco único de trabajo sobre distintas disciplinas y tecnologías digitales, que abarcan desde la gestión documental, el procesamiento y depuración de activos digitales de audio y video, pasando por la gestión completa del ciclo de vida de la información de diferente naturaleza, hasta la integración y el procesado a partir de arquitecturas de nueva generación. Por ejemplo, en el proceso de reclamaciones de clientes B2C, proponer acciones comerciales a partir de una llamada de call center y un correo de cliente que combina una foto o PDF de la factura y texto, requiere de componentes que puedan inferir la metadata de negocio de todos los activos involucrados para clasificar automáticamente la información y la posterior analítica para la recomendación de la siguiente mejor acción (NBA o Next Best Action).

Bajo todas estas premisas, desde Minsait hemos elaborado un Framework de adopción que hemos denominado Kosmos, que no deja de ser una apuesta ágil para abordar la necesidad de llevar el concepto de gobierno del dato a un contexto más amplio, con el que ayudar a las organizaciones a explorar su máximo potencial en la aplicación de la analítica y ser la guía de aplicación de la IA. El valor y el diferencial en la aplicación de la IA no va a estar en las organizaciones que mayores activos de información dispongan, sino en aquellas que sepan gobernar su Conocimiento de la forma más adecuada.

Un artículo de Natalia Clavero Hernaiz (Responsable Global de Inteligencia Artificial de Minsait), Nacho Jiménez Pinillo (Senior Director Data & Analytics) y Emilio Martín-González Aguirre (Senior Manager Data & Analytics)