RevistaAis Group: Entrevista a Ramon Trias | Nayar Systems

24 mayo, 2019

Socio fundador y Presidente de AIS – Aplicaciones de Inteligencia Artificial, S.A.

Su trayectoria profesional abarca dos grandes etapas. La primera, vinculada al sector financiero y a su informatización. La segunda viene marcada con el nacimiento de AIS. Cuéntenos cómo se da el paso de una etapa a otra.

Las dos etapas tienen raíces comunes. En los años setenta vivimos el inicio de lo que ha sido un cambio profundo en los hábitos financieros de las familias españolas. De ahorrar para poder comprar se pasó a una cultura del crédito, que permitía adelantar el consumo de bienes duraderos. El crédito concedido por las entidades financieras se doblaba cada tres años, por lo que los bancos tuvieron que plantearse un cambio de paradigma en su operativa, aumentando drásticamente la productividad. La informatización de los procesos administrativos les convirtió en los principales compradores de sistemas informáticos y la automatización de las decisiones generó la necesidad de aplicar algoritmos eficaces y rápidos en la concesión de crédito. Aunque AIS ofrecía sistemas de ayuda a la decisión en distintos campos –industria, logística, marketing, finanzas y salud- fuimos muy receptivos en la creación de nuevos modelos de negocio en el sector financiero. Entre las soluciones que pusimos a su disposición en la primera época de AIS, a finales de los años 80, estaban los sistemas de evaluación de créditos (credit scorings) que ofrecían una respuesta rápida en la concesión, logrando reducir los plazos tradicionales de evaluación de solicitudes de cinco semanas a tres minutos. También nos enfocamos en la contratación a través de prescriptores o mediante crédito proactivo.

En este proceso, he de reconocer que tuve la suerte de una formación muy diversa y transversal: economista en el Servicio de Estudios Económicos, analista de sistemas, especialista en investigación de operaciones, analista de proyectos de inversión, profesor en el Centro de Cálculo de la UPB… Desarrollando estas tareas tuve la oportunidad de aprender de grandes maestros. Catedráticos como el Dr. Martí Vergés o el Dr. José Jané Solà me enseñaron la importancia de la conexión entre la ciencia, la tecnología y su aplicación en la generación de valor en el día a día de las empresas.

AIS es especialista en generar valor a partir del tratamiento de datos mediante técnicas de Inteligencia Artificial. Es así como ayudan a sus clientes a la hora de tomar mejores decisiones y obtener beneficios tangibles. Dado que gran parte de sus clientes son empresas del sector financiero y de gran consumo. ¿Cuáles son las principales tecnologías por las que apuestan?

Nuestra orientación ha sido siempre la de buscar la mejor solución al problema que se nos presenta. Esto implica que no tenemos un compromiso con una tecnología específica, aunque procuramos estar en primera línea en todas las que nos son útiles en la ayuda a la toma de decisiones. Esto implica que operamos en tres grandes ramas de tecnología: predicción, optimización y sistemas IT.

En predicción, desde nuestro origen, hemos alternado los métodos estadísticos y econométricos multivariantes / multiecuacionales con métodos de Inteligencia Artificial, especialmente los de la familia de Machine Learning como Artificial Neural Nets, Extreme Gradient Boosting, Classification and Regression Trees, Random Forest, Expert Systems o Hidden Markov Models.

En optimización, integramos la predicción con los mecanismos de decisión más oportunos: programación matemática en todas sus variantes, métodos lineales / no lineales, combinatorios, métodos de esquina o de punto interior, pero también el dictado de reglas o la integración de la opinión del experto en el “loop” de decisión.

En cuanto a sistemas, ofrecemos servicios en entornos SaaS e in-house, en la diversidad de arquitecturas y lenguajes que esto implica. Para las plataformas que desarrollamos utilizamos herramientas de análisis Open Source como R o Python, así como SAS y SPSS. Además usamos una variedad de lenguajes entre los que se encuentran .NET y Java.

Usted fue pionero en investigar e implementar técnicas de Inteligencia Artificial en el sistema financiero español. Actualmente combina su labor como presidente de AIS con su elevada implicación en el departamento de I+D de la compañía. ¿De qué forma ello agiliza y/o favorece la implementación de nuevos productos?

Creo que ha sido uno de los puntos fuertes en nuestro desarrollo. Todavía me mantengo en activo en algunos desarrollos, pero parte de mi misión es la de traspasar este rol, potenciando I+D y Desarrollo de Negocio, cada vez más protagonistas en la generación de nuevas ideas, así como de su análisis y materialización en proyectos y aplicaciones.

La industria bancaria maneja una gran cantidad de datos de sus clientes. ¿Cree que es un sector líder en cuanto a la inversión en Inteligencia Artificial?

Indudablemente en el momento actual es un sector líder en inversión para digitalización. Ha sido líder en la aplicación de métodos que combinan estadística e Inteligencia Artificial, pero en la utilización de los métodos más sofisticados de Machine Learning se están incorporando con alguna dificultad. Para ser breves, si bien con estos métodos se obtienen mejores aciertos, no es fácil su trazabilidad, lo que dificulta su inspección así como la incorporación de reglas de corrección de los sesgos inherentes al tratamiento algorítmico. Estas dificultades son particularmente sensibles en los temas de riesgo de crédito, lo que produce un cierto rechazo por parte de las entidades supervisoras. Bien es cierto que la aplicación de estas herramientas al análisis del comportamiento del cliente y alertas tempranas está progresando, así como su aplicación con éxito a la valoración de las garantías de carteras hipotecarias o de las carteras de inmuebles, lo que augura un buen futuro para estas metodologías en este sector.

¿Qué tipo de proyectos de marketing cuantitativo se llevan a cabo desde AIS? ¿Es el Big Data la herramienta clave para definir estrategias de marketing en la actualidad?

Sin ninguna duda el Big Data es una herramienta clave, aunque hemos notado un cierto desencanto en algunos sectores minoristas. El Big Data ofrece el acceso a información voluminosa y desestructurada, pero se requieren herramientas poderosas de minería de datos junto con modelización de comportamiento y métodos de optimización para obtener los resultados esperados. En AIS, junto con las herramientas de Machine Learning, explotamos algunas tecnologías muy útiles, aunque poco conocidas, como los sistemas de Statistical Matching y Data Fusion, que nos permiten conectar conjuntos de información, sin identificación unívoca, en distintos niveles de agregación y con distinta estructura. El producto más representativo que hemos desarrollado se llama Habits y consiste en una base de datos con información estadística representativa de la población española a niveles mínimos de agregación, que permite georeferenciar perfiles de comportamiento económico y social muy útiles para temas tan dispares como el lanzamiento de nuevos productos, la localización de nuevos puntos de venta, la valoración de inmuebles o la detección e bolsas de pobreza. Ahora estamos desarrollando esta solución también para México, Argentina y Chile.

¿Qué procesos debe llevar a cabo una empresa del sector industrial para beneficiarse de las soluciones que ofrece la Inteligencia Artificial?

Depende del sector y del tamaño. Así, sectores que operan con procesos de fabricación continua o sectores con líneas de ensamblaje requerirán respectivamente sistemas de control óptimo o robots inteligentes y visión artificial. Empresas con fuerte componente logístico, encontrarán aportación de valor en optimización de rutas y carga de vehículos. En este análisis es importante ser consciente de que no existen avances científicos rompedores, sino una gran mejora en la capacidad de proceso de los ordenadores comerciales. Es decir, el avance tecnológico permite llevar a cabo procesos a una velocidad muy superior de la que era posible hace unas décadas, y es que hoy la velocidad de cómputo de los ordenadores es medio millón de veces mayor de la que disponían hace treinta años. Así que para el análisis de una imagen que hoy puede realizarse en un segundo, en aquel momento se requerían unos diez días de cómputo. Esto también permite que procesos antes prácticamente privativos de grandes compañías puedan realizarse hoy en Pymes, especialmente con algoritmos mejorados de IA sustituyendo elementos estadísticos. Creo que el proceso más importante en este campo es el análisis de la oportunidad de la inversión, en dinero y en esfuerzo. Las empresas que están en mejor posición son las que se han mantenido en punta de lanza, incorporando en cada momento las metodologías que produzcan valor. La instalación de elevadores es un buen ejemplo.

¿Qué soluciones de Inteligencia Artificial está aplicando la compañía para facilitar el día a día de las empresas que se dedican al sector industrial?

El caso de éxito más relevante es WINBOX, nuestra plataforma de planificación en planta de fabricación de cartón corrugado con extensión al compromiso comercial de plazo de entrega. Es un programa cuya primera versión data de principios de los 90 y actualmente está en funcionamiento en ocho países con cincuenta instalaciones. WINBOX se comunica con las diferentes máquinas para tener actualizado constantemente el estado de la fábrica y los suministros para controlar el plan o ajustarlo en términos de optimización.

El cambio de paradigma en la distribución de bienes (Amazon, EBay, AliBaba, AliExpres…) ha disparado la demanda de este tipo de embalaje y, subsidiariamente, la necesidad de apurar la productividad de fabricación.

¿Cuáles son los principales mercados internacionales en los que opera AIS? ¿De qué forma se ha ido adaptando la compañía a las necesidades y demandas de cada país en el que está presente?

Inicio en Barcelona en 1987, abrimos sucursales a partir de 1993 en México y Argentina; y en Chile en 2002. La última oficina que abrimos fue la de Colombia en 2016. Desde estos puntos operamos en casi toda América Latina. Actualmente estamos ampliando mercado en África, en donde ya tenemos instalaciones en Marruecos, Mozambique y Kenia; y estamos en vías de desarrollo en países como Ghana, Senegal y Costa de Marfil.

En general, nuestra producción consiste en bienes de inversión, “mercancías que producen mercancías”, cuya aportación de valor proviene de la mejora en la productividad cuando la demanda final de nuestros clientes aumenta, lo que repercute en la demanda primaria de manufacturas en la economía real (cartoneras o papeleras, por ejemplo) o en la demanda de crédito que sigue al incremento de inversiones. De esta forma, las economías emergentes son más solicitantes de nuestros productos que las economías ya estabilizadas. Por otro lado, generamos compromiso con los países en los que operamos, de forma que nos apoyamos en la diversificación de productos para ofrecer los más oportunos en cada momento y desarrollamos actividad comercial desde los países en crisis para exportar servicios a otros países del área. En realidad, este ha sido uno de los motores de expansión. Esta fue la solución que usamos para paliar la crisis apodada el “Tequilazo” en México, durante la que dedicamos las capacidades de  nuestra delegación en este país a vender y desarrollar proyectos por el Caribe. Asimismo, durante la época del “Corralito” argentino, reorientamos la actividad de nuestra sede en Buenos Aires a desarrollar nuevos proyectos en toda la región Mercosur.

¿Cuáles son los horizontes futuros del Grupo AIS?

Personalmente, el relevo generacional, la transformación de la empresa para empoderar a la generación hoy en la brecha.

Como empresa, creo que la energía del actual equipo directivo reemprenderá un crecimiento sostenido en extensión, en facturación, en resultados y en innovación. Creo que la comunidad formada por todos los colaboradores de AIS posee un potencial como nunca lo había visto antes en esta compañía, en conocimientos científicos y tecnológicos, en capacidad de trabajo en equipo, en transversalidad y en entusiasmo.

¿Hay suficientes profesionales con la formación necesaria para trabajar en el campo de la Inteligencia Artificial? ¿Qué perfil profesional ha de tener la persona que se dedica a investigar y a convertir datos en conocimiento?

Los conocimientos teóricos básicos están bien servidos en las universidades de nuestro país y por formación a distancia (por extensión, no quiero limitarlo al nuestro), pero no son suficientes para garantizar el éxito de proyectos. La IA se compone de algoritmos sumamente elegantes y con un gran “glamour” y un trabajo minucioso e imaginativo de calibración de parámetros, validación de muestras, obtención de información, implementación en estructuras organizativas e integración de conocimientos de experto que corrijan los sesgos sistemáticos de los algoritmos al uso. Este es el auténtico cuello de botella, acentuado por el aumento de solicitudes de Data Scientist y expertos en IT que el desembarco de grandes multinacionales del sector ha realizado sobre todo en Barcelona.

Debido al auge de la Inteligencia Artificial, ¿en qué afectará a nivel laboral en cuanto a puestos de trabajo se refiere?

Hay una discusión abierta entre distintos analistas expertos en este campo. Diría que el artículo que originó el debate fue el de Frey & Osborne, que asegura una amenaza sobre el 47% de las profesiones en USA. Este artículo fue contestado por la OCDE que señaló dos defectos del método. Por un lado, afirmó que no pueden confundirse las habilidades necesarias con el desempeño global de la profesión. Por otro lado, la resiliencia de los profesionales provocará un formato distinto del mismo servicio. Esta crítica les lleva a una corrección importante, rebajando aquella cifra en un 8%.

¿Quién tiene razón? Probablemente algo a medio camino, aunque lo inquietante es la capacidad “local” de resiliencia por sustitución. En la revolución industrial, el artesano se movió a obrero industrial en un entorno sustancialmente más local que el desplazamiento en la producción de los bienes y su consumo en un mundo globalizado. Una parte importante de nuestros recursos los dedicamos a comprar bienes producidos en el Extremo Oriente. Si estos productos desplazan nuestra fuerza laboral y profesional, probablemente tendremos que asumir formas distintas de distribución de la renta, con todo lo que esto representa en la estructura de nuestra sociedad.

¿Quedará la inteligencia humana supeditada a la Inteligencia Artificial?

A pesar de que es un tema muy sugerente, en mi opinión existen hoy límites en las capacidades de la IA. Mencionaría la falta de meta-conocimiento (sentido común, también improvisación), imagen del propio “yo”, exploración fuera de las fuentes de aprendizaje que hacen todavía indispensable el papel del experto humano en su creación, control y mantenimiento.

La inclusión del experto en el ciclo de decisión es, en mi opinión, hoy por hoy indispensable y lo seguirá siendo quizás en los próximos veinte años.

En las predicciones realizadas a través del análisis automatizado de datos existe un margen de error. ¿Cómo se consigue aprovechar los efectos positivos al mismo tiempo que se evitan las consecuencias negativas de los errores?

Los errores pueden clasificarse como falsos positivos y falsos negativos cuyo perjuicio puede ser muy asimétrico (ej. diagnosticar un cáncer a alguien que no lo tiene o no diagnosticar a alguien que lo tiene). Esto es algo común en muchas aplicaciones. Para evitar estos sesgos y errores, se propone la combinación del conocimiento humano y las respuestas del algoritmo correspondiente. Para ello existe un conjunto de técnicas: estudio de la sensibilidad a ciertas variables, estimación de la probabilidad de pertenencia a los distintos grupos de predicción (pagará el crédito o no lo pagará, comprará este producto o este otro) para separar los de alta probabilidad garantizada en uno u otro extremo para tratar manualmente el resto. Todo ello materializado en reglas de protección. En algunos procesos industriales es patente que esta combinación debe de existir. Por ejemplo, en una central eléctrica de ciclo combinado, podemos producir un algoritmo con toda la información generada por los sensores en un período suficientemente largo, pero no dispondremos de los datos fuera del intervalo de seguridad que se hayan establecido, generalmente de forma cartesiana. Así que si los algoritmos de optimización requieren explorar más allá de los límites estáticos y cartesianos, tendremos que construir modelos de “prime-principle” o añadir reglas del experto como restricciones al modelo de optimización.

¿Cuáles son los sectores más avanzados en el campo de la Inteligencia Artificial?

En especialidades distintas, robótica con incorporación de visión artificial e inteligencia; mención especial equilibrio y conducción autónoma; tratamiento de imagen en todos los campos como radiología, reconocimiento facial, así como en análisis estático y dinámico, también en tratamiento de genoma humano; marketing en e-commerce, en barómetro de sentimiento y en chatbots; selección de créditos, con las limitaciones regulatorias impuestas por los órganos supervisores como el Banco de España o el Banco Central Europeo, etc.

¿Cuál es la idea más equivocada que se tiene con respecto a la Inteligencia Artificial?

Principalmente dos. Que la máquina va a dominarnos sin intervención humana. Que se la pueda dotar de sentimientos o que sea creativa.

Debido al constante manejo de datos, ¿Cree que nos dirigimos hacia un mundo con menos privacidad?

Creo que ya estamos en un mundo con menos privacidad. Ahora el problema está en controlar lo que no quiero que se sepa de mí. Es decir, aquella información que sin estar relacionada con acciones u omisiones fuera de la ley, entiendo que puede perjudicarme dado el caso de que me mueva en entornos contrarios a mi manera de pensar o de sentir. En estas cuestiones, siempre invito a una reflexión: ¿qué resistencia ponemos en negar el acceso a la información contenida en nuestro smartphone si este es el precio para descargar una app, que además, no es necesariamente importante? No estoy defendiendo la liberalización a ultranza, pero sí una regulación selectiva del uso de esta información y un control democrático de su utilización como base al control de la población.

¿El futuro de las redes sociales dependerá de la Inteligencia Artificial?

No lo creo. Quizás veremos aparecer y desaparecer redes y plataformas, sustituidas por otras a las que se podrá explotar o no para conocer gustos y capacidades de compra o de voto o de lo que sea, pero, en mi opinión, obedecen a una necesidad (creada o no) independiente de su explotación con potentes herramientas de IA. Ahora bien, las redes sociales pueden experimentar cambios, quizá obsolescencia, consecuencia de los avances de la tecnología, por ejemplo voz o imagen, pero no afectar la propia naturaleza de las mismas.

¿Cómo se evitan casos de filtración de datos? ¿Existe vacío legal con respecto a la regulación de la Inteligencia Artificial?

Es un tema importante. Existe vacío legal en la filtración de datos y todavía más en la IA. Los sistemas de IT en donde reposan estas tecnologías son frágiles. En un paradigma de cómputo lineal y desarrollado por un experto, ultra todas las precauciones, no puede garantizarse absolutamente que no habrá ningún caso de filtrado, intrusión o fraude. Así que con más razón en el uso de la IA. Como ejemplo del impacto en este nuevo campo, diré que con una resonancia para analizar un posible Alzheimer puede reproducirse la cara del paciente con toda fidelidad. Así que si dispone de fotografías etiquetadas, se puede obtener información de quién padece los inicios de esta enfermedad y quién no. Lo que a nivel médico puede ser un gran avance, puede suponer un riesgo sustancial en caso de filtraje de datos. Dependiendo del tipo de información el hecho de que los datos no estén bien protegidos puede poner en riesgo la intimidad, no sólo de una persona, sino de todos los individuos con suficiente proximidad consanguínea, hablando por ejemplo de filtraje en casos de información de análisis de su ADN.

Como todo avance tecnológico, no puede calificarse de bueno o malo intrínsecamente, sino de buena o mala utilización del mismo.