(4 de mayo de 2024) En el mundo actual basado en datos, las empresas recopilan grandes cantidades de información con la esperanza de desbloquear conocimientos valiosos. Esas ideas llegan a los informes y presentaciones, pero a menudo terminan sin utilizarse por varias razones. Por ejemplo, los informes podrían ser demasiado complejos y estar llenos de jerga para que personas sin conocimientos técnicos los traduzcan en pasos viables, o tener tantas mejoras potenciales que los equipos se sientan abrumados y no sepan dónde concentrarse. El cambio también puede ser difícil y las organizaciones podrían tener dificultades para adaptar sus procesos o cultura a estos nuevos conocimientos, incluso si pudieran resultar beneficiosos para ellas. Esta es la brecha que Shub Bhowmick y el equipo de Tredence esperan salvar.
Durante más de dos décadas, Shub Bhowmick se ha convertido en un "solucionador de problemas, emprendedor y líder tecnológico". En 2013, cofundó Tredence, una empresa de ingeniería de inteligencia artificial y ciencia de datos que ahora cuenta con más de 1000 empleados con oficinas en Foster City, Chicago, Londres, Toronto y Bengaluru. Entre sus clientes se incluyen más de 30 empresas Fortune 500 en una amplia gama de sectores, ya que trabajan específicamente para resolver este problema de última milla en análisis.
Shub Bhowmick
Descubriendo el potencial del análisis de datos
Después de graduarse con una licenciatura en Ingeniería Química del IIT-BHU, Shub realizó un MBA en la Kellogg School of Management de la Universidad Northwestern. Ha ocupado altos cargos en Diamond Consultants (actualmente PwC), Mu Sigma, Liberty Advisor Group e Infosys. Su carrera en análisis de datos comenzó en una consultoría en Chicago, Diamond Consultants. “Hace unos 12 o 13 años estuve involucrado en una práctica de análisis de datos que Diamond había creado y esta experiencia me influyó profundamente”, recuerda en una entrevista con Nasscom. "Por primera vez me di cuenta del importante impacto que puede tener la gestión de datos".
De allí, se mudó a Mu Sigma, que describe como otra experiencia profundamente inspiradora. "Pude ver cómo los servicios de análisis de datos no son solo una oferta de servicios complementarios; en Mu Sigma, eran la oferta de servicios principal y básicamente la única", dijo. Hace más de una década, Mu Sigma estaba a la vanguardia de los servicios de última milla en análisis de datos y trabajó para proporcionar información empresarial procesable para las empresas Fortune 500. Ofrecieron una gama de servicios de análisis de datos, ayudando a los clientes a recopilar, limpiar, analizar e interpretar grandes cantidades de datos. Incluso tenían su propia plataforma Art of Problem Solving, que es un conjunto de herramientas diseñadas para ayudar a los clientes a traducir grandes cantidades de datos en soluciones concretas, enfatizando las estrategias procesables sobre los informes. "Pudieron crear un modelo de negocio muy interesante en torno a esto", recuerda Shub. "La industria también estaba empezando a atraer talentos realmente buenos y convertirlos en futuros líderes".
Aún así, Shub se preguntaría si existe una manera mejor y más eficiente de brindar este servicio. “En aquel entonces, en la industria analítica, la mayoría de las empresas y proveedores dependían de un proceso manual, de una cadena de valor que involucraba extraer datos generalmente en un archivo de datos desechable basado en MS Office, usando Excel para el análisis, algo de SaaS, Resumen y entrega basados en Power Point”. Esto fue hace una década, cuando la tecnología de la nube todavía era muy nueva y no estaba realmente en uso. "Era básicamente una plataforma de automatización de ventas, no existía Azure ni Google Cloud", explica Shub.
El enfoque centrado en la tecnología para el conocimiento empresarial
Alrededor de 2012-13, Shub Bhowmick, entonces radicado en Silicon Valley, vio la oportunidad de iniciar un tipo diferente de servicio de datos. "Aportamos la esencia del análisis empresarial, que se centra en los conocimientos empresariales, pero lo combinamos con la ingeniería para ofrecer conocimientos de una manera más eficiente, impulsada por el valor y centrada en la adopción". Esto también los separó de la competencia, ya que se alejaron de los analistas de negocios y los procesos manuales hacia un enfoque más centrado en la tecnología. "Estábamos utilizando la gran tecnología para automatizar partes de la cadena de valor y crear una mayor escala y velocidad en la entrega de conocimientos".
Durante los últimos siete años aproximadamente, las plataformas basadas en la nube y los hiperescaladores conquistaron el mundo, y las cargas de trabajo de producción se trasladaron rápidamente a la tecnología de la nube. Tredence Inc no perdió el tiempo en sumarse y comenzó a desarrollar "capacidades centradas en la nube para brindar servicios de análisis con un enfoque en la adopción y acortar el tiempo de impacto", dijo. India global explica. “La nube y el análisis de datos están muy entrelazados y, en mi opinión, seguirán estando así a medida que las empresas inviertan en capacidades de IA nativas de la nube”, añade.
La era de la IA generativa
La llegada del modelo de lenguaje generativo Chat GPT fue otro punto de inflexión. "Nunca había escuchado el uso de la palabra 'alucinación' en mi industria hasta que todos nos encontramos con esta explosión creada por OpenAI", dijo Shub en una entrevista. "Desde entonces, ha sido el único tema del que todo el mundo habla, especialmente en tecnología". Ha visto crecer el ecosistema, desde una época en Silicon Valley donde las empresas contrataban expertos en IA para trabajar en rincones aislados de edificios de oficinas, hasta ahora, donde títulos como "Director de IA" son comunes y los desarrolladores de IA son un brazo central de las grandes empresas. tecnología.
“Habíamos hablado de IA durante mucho tiempo, solíamos llamarla ciencia de datos avanzada y análisis aplicado, y durante mucho tiempo simplemente IA. Ahora lo llamamos IA generativa pero la idea no es muy diferente”, afirma. "Se trata de cómo tomar datos, información que ya tiene dentro de su firewall, o aprovechar otras fuentes de datos y luego ayudar a sus ejecutivos a tomar decisiones más significativas para mejorar su negocio". En Tredence Inc, dice, el equipo está trabajando en el ajuste de modelos fundamentales y sistemas de ingeniería rápidos para atender a sus clientes existentes y brindarles una amplia gama de conocimientos altamente personalizados a través de modelos de lenguaje de IA. La asistencia de codificación es otro segmento importante, a medida que la industria comienza a reconocer que la IA generativa puede mejorar significativamente la productividad de todo tipo de ingenieros.
En marzo de 2024, Tredence decidió invertir el 10 por ciento de sus ingresos anuales en el desarrollo de GenAi y capacidades avanzadas de IA en ingeniería, experiencia del cliente, operaciones de aprendizaje automático, cadena de suministro y otras verticales en análisis de datos. A través de esto, la startup con sede en San José busca aumentar los ingresos entre un 40 y un 50 por ciento, dijo Shub Bhowmick a ET. “Estamos construyendo modelos de lenguaje de IA ajustando los modelos fundamentales. Estos modelos no necesitan ser de gran tamaño, estamos utilizando datos públicos y privados de nuestros clientes para crear agentes que satisfagan sus necesidades únicas en sectores como el comercio minorista, bienes de consumo, atención médica, telecomunicaciones, servicios bancarios y financieros y manufactura”.
