"La única razón para usar IA es si ayuda a los clientes a resolver sus problemas"

¿A qué dedica más tiempo: a escuchar a los clientes para desarrollar nuevas características o a explicarlas?

Ambas cosas. Es cierto que explicamos lo que hacemos, cómo construimos nuestra tecnología, cómo hacemos IA (inteligencia artificial) y ML (machine learning, aprendizaje automático) de una manera única. También hablamos directamente con los clientes y con posibles clientes, aprendiendo de lo que hacen para contárselo a nuestro equipo de desarrollo y entender lo que les interesa. Mi misión es hablar con ejecutivos, particularmente el CIO, y entender cuáles son los problemas que intentan resolver, para ver cómo puede Workday ser parte de esa solución.

Todo el mundo habla sobre inteligencia artificial. ¿De qué manera es diferente la IA que Workday está usando en su solución?

Hemos estado haciendo ML e IA durante 10 años, desde 2014, y tenemos una ventaja única. El aprendizaje automático depende mucho de los datos que tienes. De hecho, es lo más importante. Trabajé para una compañía de IA antes de unirme a Workday, pero era una herramienta que no tenía datos, así que teníamos que vender la herramienta y luego la gente tenía que averiguar cómo usarla, lo que era un desafío. Esto fue hace 16 o 17 años. Pero cuando Workday comenzó tomamos algunas decisiones sobre cómo manejaríamos los datos. Primero, todo estaría en la nube, en servidores controlados por Workday (ya sea en la nube pública o en centros de datos que co-localizamos). En segundo lugar, esos datos iban a ser el sistema de registros para RRHH y para finanzas. Podrías tener la confianza en que serían datos de verdad, el único lugar al que irías para averiguar sobre personas o tus finanzas. Y el tercero es que no permitiríamos la personalización de la aplicación. Puedes configurarla para satisfacer tus necesidades. Por eso tantos clientes, miles de ellos, pueden usar el mismo sistema. Pero la estructura de los datos, lo que podrías llamar el modelo de datos, es la misma para todos nuestros clientes. Esto es único en Workday. Tenemos muchos datos porque todo está funcionando en nuestros servicios. Sin instalaciones locales, sin nube híbrida, sin alojamiento, sin nube privada… todo están en nuestros servicios. Todos los datos están ahí. Todos esos datos son muy estructurados y precisos. Esas tres cosas juntas es lo que lleva a una IA y ML a ser realmente buenos. Empezamos a hacer eso hace 19 años, teniendo los datos en ese orden. Eso es lo que nos da una ventaja cuando se trata de nuestra IA y ML. Las herramientas y la tecnología seguirán cambiando y adoptaremos nuevas. Eso es fantástico. Chatgpt y otras herramientas de IA generativa, es fantástico. Pero los datos son la parte crítica para poder hacer bien el aprendizaje automático.

Hablando de los datos, supongo que los anonimizan.

Sí. Los datos están bajo el control del cliente. GDPR dice que ellos son los propietarios de los datos. Nosotros somos los procesadores de datos. Yo era el CTO para Europa cuando el GDPR entró en vigor. Así que somos muy claros al respecto. Pero nuestros clientes pueden elegir compartir esos datos con Workday para fines de aprendizaje automático. Tienen que firmar un contrato diferente. Una gran mayoría de nuestros clientes han elegido firmar ese contrato, y muchos están compartiendo sus datos.

¿Cuántos?

Creo que no compartimos públicamente los números. Eligen qué capacidad de aprendizaje automático quieren. Y si tienen que compartir sus datos, muchas veces lo hacen. Si desactivan esa opción, nos deshacemos de sus datos del entorno de entrenamiento de aprendizaje automático. Tienen control total sobre si comparten los datos, y lo hacen cuando obtienen un beneficio para la solución. Los datos, si podemos anonimizarlos, lo hacemos. Hay muchos datos. No importa quién los hizo o si está adjunto a una persona o no. En la parte financiera, gran parte de ella no son datos personales, así que los anonimizamos. En otros casos, haremos lo que se llama pseudonimizar, que es que podemos oscurecer los datos en el entorno de aprendizaje automático. Tenemos una forma de rastrear que esto está asociado con estos datos oscuros. La clave es que aplicamos el mismo nivel de controles en términos de seguridad y privacidad de los datos en nuestro entorno de aprendizaje automático como lo hacemos en los entornos de nuestros clientes, los individuales. El beneficio para nuestros clientes es que no solo aprenden de sus propios datos. Tenemos 65 millones de usuarios del sistema Workday. Solo este año, haremos mil millones de transacciones. El aprendizaje automático a partir de conjuntos de datos más grandes, en su mayoría, no siempre, suele ser mejor con un conjunto de datos más grande y más amplio. A veces es mejor con datos más estrechos. A veces solo quieres saber sobre datos de empresas en España o en una industria particular o de cierto tamaño, y también podemos hacer eso. Pero este es uno de los beneficios del enorme conjunto de datos de Workday es que las empresas pueden tener aprendizaje automático que hace predicciones basadas no solo en sus datos, sino también en datos de otras empresas. Creo que esta es la dirección en la que van las cosas: poder usar herramientas que cruzan no solo tus datos y respuestas específicas para tus datos, sino también de otras fuentes también.

Cuando habla con los CEOs, ¿cree que existe una cierta paranoia, en el sentido de que todos quieren ejecutar la mejor solución de IA, pero al mismo tiempo no quieren que se entren con sus datos?

Hay dos tipos de miedo. Uno, a perderse algo, que en EE.UU. llamamos FOMO (Fear Of Missing Out). El otro es el miedo al cambio. Acabas de describir ambos. Ese contrato del que hablé se llama ISA. Es un contrato adicional que dice que estás dispuesto a compartir datos. El número de nuestros clientes que habían firmado desde noviembre de 2022 hasta hoy ha aumentado bastante. Primero necesitas aceptar que podemos usar estos datos en nuestros entornos de aprendizaje. Eso ha sido, para mí, algo muy positivo para la comprensión a nivel ejecutivo de cuán importante son los datos. Pero la confianza que nuestros clientes depositan en nosotros nos dice que una gran mayoría de nuestros clientes están dispuestos a confiar en Workday con los datos para fines de aprendizaje automático. Muchas de las empresas que están haciendo IA y ML, lo que quieren son los datos. Ese es su objetivo. Hay una buena razón para preocuparse por compartir tus datos con ellos porque eso es lo que quieren. Quieren obtener la mayor cantidad de datos posible. No estoy diciendo que ese sea un modelo de negocio injusto o incorrecto. Las preocupaciones que tienen los CIOs, los CEO, son válidas. Creo que recurren a empresas como Workday porque ya confiaron en nosotros con todos sus datos. Y ahora es solo decir, ¿también confías en nosotros para usar eso para construir aprendizaje automático para mejorar tu empresa? Es muy diferente a un chatbot de IA generativa que dice “puedes usarnos gratis, pero no es gratis. Tienes que compartir todos tus datos para poder usar eso”.

Entonces, ¿hay una relación entre el aumento en el número de clientes que aprobaron usar los datos con las preocupaciones sobre ChatGPT?

Bueno, creo que fue porque muchos clientes ya se habían inscrito en nuestro contrato. Esto también quedará registrado. Muchos clientes ya habían firmado esto, pero como todos se emocionaron con la IA y dijeron: “Oh, tenemos que tenerla”, vinieron a nosotros y preguntaron: “¿Por qué Workday no está haciendo IA?” Dijimos: “Hemos estado haciendo IA durante 10 años. Simplemente aún no la han activado”. Entonces preguntaron qué tenían que hacer. Primero, tienen que empezar diciendo que están de acuerdo, y luego pueden elegir. Esa es parte de la razón por la cual eso ha aumentado. Ahora la gente entiende que quieren estas habilidades. Pero creo que el ciclo de exageración todavía es bastante alto y las expectativas son bastante altas. La gente a menudo dice, y nuestro jefe de producto también: "A corto plazo, la IA está sobrevalorada. A largo plazo, está infravalorada". Es un proceso de descubrir cuáles son los problemas que realmente podemos resolver con esto. Esa es la idea de Workday. No vendemos IA ni ML. Vendemos soluciones a problemas financieros y de recursos humanos. Si podemos usar IA y ML para resolver algunos de esos problemas, genial. Si no podemos, genial. No cobramos a los clientes por ello. Estamos cobrando por la solución. La única razón para usarlo es si ayuda a los clientes a resolver esos problemas. Eso siempre ha sido nuestra forma de pensar.

¿Cómo le explica a la gente cómo diferenciar cuando una solución se basa en inteligencia artificial?

No creo que sea un gran cambio. Para mí, el mayor cambio que estamos experimentando ahora es muy similar a la irrupción de los teléfonos móviles o Internet. Es un gran cambio en el que estamos al principio ahora mismo. Lo importante es saber la dirección hacia la que vamos. Para mí, y no sé si esto es técnico o no, la mayor diferencia es en el mundo en el que hemos estado, con solo software y sin ML. ML ha existido durante mucho tiempo. El aprendizaje automático también es software. La codificación es lo que llamaríamos determinista. Tienes un problema que quieres resolver, escribes código, y luego pones una solicitud, y te da una respuesta. Está determinado cuál será esa respuesta. Es fijo. Debería ser lo mismo siempre. Si no es así, eso es lo que llaman un error. Así es como ha funcionado hasta que llega el aprendizaje automático. No exactamente, pero cerca. El gran cambio ahora es que ML es lo que llamaríamos probabilístico. Cuando pones una solicitud a ML, te da una oportunidad, al azar. La respuesta es diferente cada vez. Esto suena como algo muy simple, pero la forma en que programas con ello es totalmente diferente. En el mundo fijo, determinista, puedes estimar cuánto tiempo llevará resolver este problema. En el aprendizaje automático es más como la industria farmacéutica, más como hacer un medicamento. Tendremos que probar mil diferentes, y luego haremos experimentos y veremos si funcionan. Luego haremos un piloto, y luego intentaremos ver si la versión final funciona. No sabes al final si funcionará. Construirlos es muy diferente. Tienes que experimentar mucho.

También es diferente para los usuarios. Eso es lo que estamos experimentando ahora es que todos han usado ChatGPT (o cualquier chatbot de IA generativa). Están descubriendo que es realmente bueno en algunas cosas, es realmente malo en algunas cosas. Esto es lo que hace que esta revolución, esta en particular, sea tan diferente. Eso es lo que ralentiza las cosas, porque nuestras expectativas cuando lo estamos construyendo y cuando lo estamos usando se basan en una forma antigua de hacer las cosas. Nos lleva mucho tiempo como humanos ajustar nuestra mentalidad. Eso es lo que ralentiza el ritmo del cambio. La gente dice: “Esto no tiene sentido. No sé qué está pasando. ¿Cómo lo uso?”. Les lleva tiempo adaptarse. Tienen que experimentar. Eso es lo que Workday está haciendo. Es otra ventaja que tenemos. No estamos tratando de hacer una herramienta. Estamos tratando de resolver problemas de los clientes. La primera pregunta que hacemos es: ¿Puede resolver ese problema? Vamos a intentarlo. Vamos a experimentar. Si no puede, está bien. Usaremos otra forma de resolver. Eso, creo, es la dirección que tomarán las cosas.

¿Está la tecnología pensando "fuera de la caja" con ML y AI?

Creo que sí. Está fuera de la caja para nosotros hoy, pero necesitamos hacer una nueva caja. Que estemos dentro, que acepte que es casualidad. Hay aleatoriedad. Actúa un poco más como una persona que como una máquina. No es realmente la mejor analogía de la AI. Pero necesitamos construir una nueva caja que contenga esas ideas, no solo en términos de las personas que lo construyen, como Workday, sino también todos los usuarios que lo están utilizando. Su expectativa necesita cambiar, y eso lleva tiempo. Creo que un buen ejemplo es con su teléfono móvil. En el pasado, ¿recuerda cuando solía usar un teléfono fijo para hacer llamadas desde aquí a Gran Bretaña o a Estados Unidos? Esas llamadas, ¿con qué frecuencia se cortabas? Nunca. ¿Con qué frecuencia se corta la llamada con su teléfono móvil cuando está en el campo? Todo el tiempo. Esto es algo que parece ir hacia atrás. ¿Cómo lidiamos con eso? ¿Qué hacemos? Aprendimos que quien llama, vuelva a llamar. Ahora tenemos una forma de trabajar alrededor de esto, y nos sentimos cómodos con ello. Creo que las personas a menudo se quedan atascadas en esas ideas. ¿El aprendizaje automático a veces da alucinaciones? Sí. Eso no tenía por qué preocuparse antes. Ahora sí. ¿Lo dejas pasar por alto? No. Solo averiguas, ¿Qué puede hacer bien? Expandes esa caja para decir “así puedo usar esa herramienta”. Y eso llevará tiempo. Durante los próximos 5, 10, 15, 20 años, miraremos atrás, igual como miramos ahora y decimos, ¿Cómo era la vida? Mi hija, que tiene 23 años, me pregunta cómo era la vida antes de Internet. Tengo que pensar en ello. Así es. Había una vida antes del internet.

Hay personas que tienen miedo del avance en la tecnología de IA. ¿Por qué cree, como experto en tecnología, que la gente tiende a ver estas revoluciones como peligrosas?

En mi experiencia, de muchos años de negocios y vida, cada una de las personas que he conocido tiene algo en común: odia el cambio. Todos odiamos el cambio. Incluso los tecnólogos, los agentes de cambio, odiamos el cambio. Solo hay un cambio que a la gente le gusta, y es cuando yo estoy a cargo. Si no me crees, solo pregunta a tu cónyuge, a tu esposo o esposa. Nos gusta estar a cargo del cambio. Cuando llegan nuevas tecnologías y te dicen que tienes que cambiar, todos son resistentes. Cuando estás a cargo, dices “Compré un teléfono nuevo. Es fantástico. Puedo hacer estas cosas con él. Estoy a cargo”. Genial. Cuando no lo estás, hay resistencia. No son solo las personas comunes, es todo el mundo. A menudo en las empresas de tecnología, estamos a cargo del cambio. Pensamos que es genial. Es perfecto. A todos les encantará.

No creo que eso sea algo malo. Hay una razón. Es parte de nuestro cerebro primitivo. Lo llaman el cerebro de lagarto, el tallo del cerebro. Esto es algo bueno. Si siempre estuviéramos abiertos al cambio, como todo lo que hacemos, nunca aprenderíamos de nuestra experiencia. Mis hijos son mayores ahora, pero cuando eran adolescentes, no tenían miedo al cambio. Tomaron algunas elecciones quizás no tan buenas debido a esto.

Como cuando usted era más joven…

Sí, yo también, supongo.

Como todos.

Sí, todos lo hicieron. Creo que por eso está ahí. No es malo porque cambiar demasiado rápido puede significar que tomes decisiones como un adolescente que quizás si te hubieras detenido y pensado en ello no hubieras tomado esa decisión. No veo esa resistencia al cambio como un problema. Lo malo es cuando solo hay eso, al igual que cuando es solo el miedo a perderse algo. Cuando cualquiera de esos miedos está a cargo, es un problema.

Cuando se trata de nueva tecnología, lo que es importante es la curiosidad. Si tienes miedo al cambio, miedo a perderte algo, no estás seguro, lo que conlleva curiosidad, y eso es experimentar. Con las nuevas tecnologías y especialmente con ML, que introduce la casualidad en la ecuación, tienes que ser curioso. Tienes que experimentar. Creo que es una buena práctica en la vida.

Supongo que habrá leído algunos estudios sobre cuánto tiempo se tarda en adoptar determinadas aplicaciones, redes sociales o tecnología. El período de tiempo es cada vez más corto. ¿Confía en que va a suceder lo mismo con la resistencia a adoptar la inteligencia artificial?

Creo que cada ciclo tiene esa sobrevaloración y desvaloración a corto plazo. Pero la longitud del tiempo es difícil de predecir porque se trata de personas. La tecnología juega un gran papel, pero se trata de las personas y cuán resistentes son al cambio. Creo que aquí en Europa, el ritmo será diferente que en Estados Unidos. Lo mismo en China debido a actitudes muy diferentes hacia los datos. La actitud hacia los datos, especialmente los datos personales aquí en Europa, es diferente que en Estados Unidos y en China. No estoy juzgando. Solo digo que son diferentes. Dado que los datos son tan importantes, eso cambiará cómo de rápido se adoptan estas tecnologías y, en algunos casos, los buenos efectos o los malos efectos, en qué dirección va.

Eso último es una buena cuestión. ¿En qué cultura de datos de la que habla se sientes más confiado, desde un punto de vista personal y profesional?

Desde un punto de vista profesional, Workday tiene que adoptarlos todos. Cumplir con GDPR, las reglas de EE. UU. y las de Asia. Debido a eso, estamos construyendo la capacidad de ejecutar modelos de aprendizaje automático en cada ubicación. Ya tenemos eso para Europa, pero habrá más específicos. Eso es desde un punto de vista profesional.

Tengo que decir que he viajado por todo el mundo. Solo este año, he estado por toda Europa. Recientemente estuve en Australia, Nueva Zelanda y justo antes de eso, en Japón y Asia. Siempre me asombra todas las diferentes culturas y formas de hacer las cosas. Pero aprendí algo, que no importa cuánto viaje y cuán internacional intente ser, soy estadounidense de principio a fin. Simplemente lo soy, tanto por las personas que amo porque son mi familia y mis amigos como por todos los desafíos que tenemos como país. Al igual que cada país, es mi hogar. Viví en Europa durante dos años cuando era CTO. Atesoro esos momentos. Estoy emocionado de estar de vuelta aquí, pero sigo siendo estadounidense.