“Una dada que ningú no consulta és un cost; una d’integrada en el dia a dia és un avantatge”

D’això en sap molt Beatriz Flores, Chief Sales Officer de MindDen, companyia tecnològica amb seu a Alacant, un equip de 215 professionals i més de 80 clients de sectors com la indústria, l’energia, la logística o la salut. Especialitzada en desenvolupament de programari, integració de sistemes, dades i intel·ligència artificial, MindDen treballa per salvar la distància entre el potencial d’aquestes tecnologies i la seva aplicació real. Parlem amb Flores sobre els reptes de compartir informació, el paper dels espais de dades i les claus perquè la IA deixi de ser una promesa i comenci a generar resultats mesurables.

Quina diferència hi ha entre una empresa que acumula dades i una altra que les converteix en valor de negoci?

Gairebé mai no és la quantitat de dades. És la intenció. Veiem moltes empreses amb anys d’informació al seu ERP, al seu CRM o a les seves màquines que ningú no ha arribat a utilitzar perquè no hi havia una pregunta de negoci al darrere. Les que n’obtenen valor comencen a l’inrevés: trien una decisió concreta que volen millorar (quant estoc tenir, quan aturar una màquina, a quin client trucar primer) i, a partir d’aquí, decideixen quines dades necessiten, amb quina qualitat i amb quina freqüència. I tracten les dades com un actiu, amb responsables, documentació i cura de la qualitat. Però el que realment marca la diferència és que les dades arribin a qui decideix en el moment en què decideix. Una dada que ningú no consulta és un cost; una d’integrada en el dia a dia és un avantatge.

Quines condicions s’han de donar perquè les dades d’un espai de dades siguin realment útils?

Compartir dades és necessari, però no n’hi ha prou. Pel que hem vist, calen quatre coses. La primera és confiança: regles clares sobre qui hi accedeix, per a què i en quines condicions. Això és justament el que els espais de dades resolen amb els seus mecanismes de sobirania. La segona és qualitat i un llenguatge comú; si cada organització descriu el mateix concepte a la seva manera, les dades no es poden combinar. La tercera és un cas d’ús amb un benefici clar per a tothom, perquè ningú no comparteix dades només per compartir-les. La quarta és la que més s’oblida: que cada participant sigui capaç de connectar l’espai amb els seus propis sistemes i aprofitar el que rep. Sense aquesta última milla, tens una infraestructura ben dissenyada que gairebé ningú no utilitza.

On són les principals dificultats per portar la integració amb ERP, CRM o sistemes industrials a producció?

Si som sincers, la tecnologia de l’espai de dades poques vegades és el problema. El problema és la realitat de cada empresa: ERP molt personalitzats, sistemes antics sense API, bases de dades amb anys d’inconsistències i plantes on la prioritat és no aturar la producció. A això s’hi afegeix que el coneixement de com funcionen aquests sistemes sol ser al cap de dues o tres persones. Passar d’una prova de concepte a producció obliga a resoldre qüestions poc vistoses però crítiques: seguretat, gestió d’errors, monitoratge, què passa quan un sistema s’actualitza i qui es responsabilitza de què entre TI, negoci i proveïdors. És aquí on s’encallen molts projectes. Nosaltres ho hem après projecte a projecte i, per això, treballem sobre els sistemes que el client ja té en lloc de demanar-li que els canviï.

Com estan canviant la IA i els agents el valor de les dades empresarials?

Molt, i molt de pressa. Abans, cada consulta a les dades exigia construir un informe o un model específic. Avui un agent pot consultar diverses fonts, raonar-hi i executar accions en els sistemes de l’empresa. Això fa que les dades de qualitat, ben estructurades i accessibles valguin més que mai, perquè en depèn que un agent l’encerti o s’equivoqui. Ho veiem cada dia: l’agent és la part fàcil; el que és difícil és que tingui bones dades, permisos clars i traçabilitat del que fa. I quan aquestes dades es combinen amb les d’altres organitzacions, s’obren possibilitats que una empresa sola no pot abordar: previsió de demanda en tota la cadena de subministrament, traçabilitat completa del producte o manteniment predictiu amb dades de diversos fabricants. L’espai de dades posa el marc de confiança i la IA converteix aquest coneixement compartit en decisions.

Què ha de passar perquè un projecte de dades o IA deixi de ser un pilot i generi un retorn continu?

Que el pilot es dissenyi des del primer dia pensant en la producció. En el nostre cas, cada projecte arrenca amb un KPI de negoci acordat amb el client (hores estalviades, errors evitats, estoc reduït) i es mesura. El segon és integrar-lo en les eines que la gent ja utilitza; si per aprofitar un model cal obrir una altra aplicació, ningú no el fa servir. El tercer és tractar-lo com un producte viu, amb manteniment, supervisió de la qualitat de les dades i dels resultats, i un responsable dins de l’empresa. I el quart, implicar-hi els usuaris des del principi, perquè sense la seva confiança l’eina es queda en un calaix. Quan es donen aquestes condicions, el termini s’escurça molt: en un cas de previsió d’inventari vam passar de la idea a producció en dotze setmanes, amb una reducció del 85% dels trencaments d’estoc en els productes clau.

Quins projectes desenvolupa MindDen i on aporteu més valor dins d’un espai de dades?

Els espais de dades són un dels àmbits en què més experiència hem acumulat en els últims anys, i el que hem après és que el valor rau a unir les peces. Venim del desenvolupament de programari i de la integració de sistemes, així que coneixem bé la part menys visible i més delicada: connectar l’espai de dades amb els sistemes de cada participant, sigui un ERP, un CRM o un entorn industrial, i fer-ho de manera segura, robusta i que es pugui mantenir al llarg del temps. Sobre aquesta base treballem l’explotació de les dades i les solucions d’intel·ligència artificial, inclosos agents capaços de treballar amb la informació de l’empresa i del seu ecosistema. Si hagués de resumir on aportem més, diria que acompanyant tot el recorregut: des d’ajudar a definir un cas d’ús que tingui sentit per a totes les parts fins a deixar-lo funcionant en producció, integrat en el dia a dia i amb un retorn que es pugui mesurar. No és la part més cridanera, però és la que fa que un espai de dades s’utilitzi de debò.

Via: Diari de Girona