Desmitificando la inteligencia de datos: qué es y por qué es importante en 2026

Hola a todos. Gracias por unirse a la conferencia de hoy sobre la desmitificación de la inteligencia de datos, qué es y por qué es importante. Me gustaría presentar a nuestros ponentes, Emma McGrattan, directora de tecnología de Actian, y Matt Aslett, director de investigación de ISG.

Antes de comenzar, me gustaría mencionar de nuevo que esta llamada está siendo grabada y que recibirán una copia de la grabación. Además, agradecemos sus preguntas e intentaremos responder a tantas como sea posible durante la llamada. Dicho esto, le cedo la palabra a Emma.

Genial, gracias, Danielle. Matt, gracias por acompañarnos hoy. Para aquellos que no estén familiarizados con ISG, ¿podrías contarnos un poco sobre ISG y sobre las guías para compradores?

Sí, claro. Encantado, y sí, gracias por invitarnos al seminario en línea. Es un placer estar aquí.

Sí, ISG es una empresa de análisis del sector. En concreto, algo que quizá la gente no sepa es que influimos en más de 200 000 millones de dólares de gasto tecnológico empresarial. Así que nuestra influencia es bastante significativa.

Gran parte de eso es que el negocio principal se centra en los proveedores de servicios y tecnología y en colaborar con las empresas asesorándolas, ya sabes, a las empresas sobre su consumo de proveedores de servicios y tecnología. Así que la parte de investigación de software del negocio de la que obviamente formo parte se incluye en investigación y, de hecho, fue adquirida por ISG hace un par de años y medio. Así que se ha expandido al ámbito del software, pero la parte del negocio dedicada al asesoramiento, la evaluación comparativa, la gobernanza y los proveedores de servicios es donde se desarrolla la actividad principal.

Así que nuestra investigación de software abarca dos áreas principales. En realidad, se trata de las plataformas tecnológicas y de TI subyacentes, análisis e inteligencia artificial de datos, negocios digitales, tecnología digital, y eso es parte del equipo del que formo parte. Y luego, la otra parte son todas las aplicaciones que se ejecutan sobre eso.

Así que experiencia del cliente, HCM, Oficina de Finanzas, Oficina de Ingresos, y tenemos, ya sabes, a nuestros colegas en el equipo que se ocuparon de esa parte de la investigación de software del negocio del software, también. En cuanto a las guías para compradores, obviamente estamos hablando, hablaremos más sobre la guía para compradores de inteligencia de datos, pero nuestras guías para compradores son realmente algo que ha estado sucediendo desde los inicios del negocio de la investigación de software, así que, en realidad, desde hace poco más de 20 años. Y es esta metodología la que hemos perfeccionado y, obviamente, esperamos haber mejorado a lo largo de esos años.

Y empezamos, por lo que solíamos ser conocidos como Value Index Reports. El índice de valor sigue siendo la metodología, pero hace unos tres años cambiamos el nombre por el de guías del comprador. Básicamente, lo que hacemos allí, como analistas y directores de investigación, es ponernos en el lugar de alguien que está comprando tecnología o que busca comprar un software concreto de una categoría determinada.

En este caso, obviamente, inteligencia de datos. Entonces nos preguntamos: ¿qué necesitaría saber alguien que esté buscando ese software? Y, obviamente, elaboramos una lista de proveedores que consideramos relevantes y que serían evaluados como parte de una especie de proceso de solicitud de información y propuesta.

Elaboramos una lista con todas las funcionalidades que creemos que deben abordarse. Y eso incluye no solo las capacidades básicas de, en este caso, la inteligencia de datos, sino también aspectos como la fiabilidad y la disponibilidad, el usuario, ya sabes, la experiencia del usuario. Y esas son cosas que se aplican a todas las categorías de guías de compra que hacemos.

Y además, analizamos el tipo de experiencia del cliente. Por lo tanto, si está trabajando con un proveedor, ¿qué tipo de asistencia tiene en términos de comprender el valor potencial o medir el valor potencial de esa inversión? ¿Cómo es su proceso de incorporación?

¿Cómo son, ya sabe, cuáles son sus capacidades de asistencia y servicios? Por lo tanto, evaluamos todas esas cosas. Así que, esencialmente, lo que hacemos es enviar la información a los proveedores.

Algunos de ellos deciden participar y envían información. Otros no. En cualquier caso, evaluamos las respuestas o, ya sabes, cualquier información disponible públicamente que tenemos, igual que haría una empresa si estuviera buscando proveedores en los que invertir, y repasamos las preguntas, les damos una calificación de A++ a la baja, donde cada pregunta tiene una puntuación.

Aplicas la calificación y, ya sabes, terminas de todos modos con esta matriz aquí, que es, obviamente, el cuadrante de la guía del comprador.

Y, obviamente, el objetivo de un proveedor, supongo, tiene que estar en esa parte superior derecha, como se puede imaginar, lo que llamamos ejemplar. Y esos son básicamente los proveedores que obtienen las puntuaciones más altas tanto en términos de experiencia con el producto como de experiencia con el cliente. Así que sí, eso es, en pocas palabras.

Estoy seguro de que podemos hablar más sobre esto a medida que avancemos, pero eso es básicamente lo que estamos haciendo. Y producimos, produjimos casi un centenar de estos, creo que el año pasado en varios segmentos de software. Vaya, vale.

Muy interesante. Gracias. Entonces, estás hablando de esto con mucha gente y creo que lo más importante para muchas personas en el ámbito de los datos es la preparación de datos para la IA.

¿Qué te dicen ellos en lo que respecta a la preparación de datos para la IA? Y, a continuación, una especie de continuación de eso es: ¿cómo defines los datos preparados para la IA? ¿Verdad?

Sí. Es curioso, hemos estado organizando eventos de ISG AI durante los últimos dos años. El primero fue en el Reino Unido y yo estuve allí. Fue muy divertido porque había mucho entusiasmo, obviamente, en torno a la IA, todo el mundo hablaba de sus proyectos de IA y de cómo los estaban poniendo en marcha.

Y había un elemento, en realidad, había un elemento de ser ese tipo que dice: bueno, sí, pero no te olvides de los datos. No te olvides de la calidad de los datos. No te olvides de la gobernanza de los datos.

Y para ser justos, ya sabes, no fue completamente ignorado por otros, pero fue lo que resultó fascinante en el año transcurrido desde entonces, se acercaba nuestro evento, esto, ya sabes, hacia finales del año pasado, era completamente diferente. Todo el mundo hablaba de la necesidad de poner en orden la gestión de datos, la gobernanza de datos, para acelerar los proyectos de IA. Y creo que se ha prestado mucha atención al estudio del MIT y a las tasas de fracaso.

Y yo, ya sabes, me lo tomo con un poco de cautela porque, obviamente, estamos en una fase de innovación, así que hay proyectos, algunos de los cuales están destinados a fracasar, ¿no? Así puedes fracasar rápido y pasar a la siguiente cosa. Pero también lo que definitivamente hemos visto es, ya sabes, aquí ves el reto número uno que vemos en, en esto, esto es de nuestro estudio Data Market Lens, el reto número uno en materia de datos es conseguir que esos datos sean utilizables para la IA.

Y creo que hemos visto que muchas empresas se han dado cuenta de que, para pasar de un proyecto específico y centrado en un ámbito concreto, una prueba de concepto, a algo más sustancial, especialmente si se trata de toda la empresa, necesitan tener sus datos, como usted ha dicho, preparados para la IA y, ya sabes, lo que nosotros, la forma en que yo lo veo es que para estar preparados para la IA, ya sabes, tienen que estar limpios y bien organizados. Y, obviamente, deben cumplir con las normativas pertinentes para ese proyecto. Pero también deben estar, ya sabes, alineados con los objetivos y metas empresariales específicos y los KPI de ese proyecto, ¿verdad?

Y creo que, a veces, eso se pasa por alto, como si dijéramos: «Bueno, tenemos todos estos datos, están en un lago, en cualquier entorno, y ahora podemos utilizarlos para muchos proyectos diferentes de IA». Y eso es potencialmente cierto, pero existe la necesidad de comprender los objetivos, los requisitos y los KPI, y luego aplicar eso a los datos que se están acumulando, preparando y procesando para ese proyecto específico. Así que sí, hay mucha complejidad involucrada en eso.

Obviamente. Otra cosa que vemos es que, como sabes, disponer de datos limpios y bien procesados de buena calidad siempre ha sido un requisito para las empresas. Así que, en cierto modo, todo esto lo que hace es poner de relieve los problemas que las empresas ya sabían que tenían, pero que quizá habían dejado de lado porque se trata de proyectos y problemas complejos.

Pero creo que si vas a seguir adelante con una iniciativa importante de IA, entonces tienes que abordar estos retos. Quizá no de antemano, pero sí a medida que avanzas en ese proceso. Sí, buen punto.

Quiero decir, hablamos con los clientes todo el tiempo sobre la calidad de los datos, y es como, ya sabes, ¿por qué hay una mayor atención sobre todo el panorama de la calidad de los datos hoy en día? Y es la IA moviéndose a la velocidad de las máquinas, ¿verdad? Con el análisis, tienes a un humano en el bucle, y ellos decían que esos números no eran correctos.

Cierto. Sé que la semana pasada hice un gran negocio. No se refleja en las cifras que aparecen aquí.

Bueno, ya sabes, volvamos a ejecutar el informe, ya que las máquinas no lo harán por nosotros. Sí, es un momento y unos datos realmente interesantes. Sí.

Sí. Y, obviamente, como has sugerido, al menos la posibilidad de que los agentes tomen decisiones automatizadas realmente pone de relieve eso porque, como dices, ya no se cuenta con la persona con los conocimientos especializados necesarios para detectar, un momento, eso no parece correcto o hay hay alguna diferencia entre el panel de control que estaba viendo ayer y lo que estoy viendo hoy. Correcto.

Eh, sí.

Entonces, es absolutamente necesario tenerlo para poder llevar a cabo ese tipo de iniciativas. Genial. Obviamente, participamos en vuestra guía de compradores de inteligencia de datos.

Pero para aquellos que se han unido a nosotros hoy y no están familiarizados con el término inteligencia de datos, ¿podría explicarnos un poco de qué se trata? ¿Qué es la inteligencia de datos? Sí, con mucho gusto.

Creo que, para empezar, creo que solo tenemos que ilustrar por qué hemos elaborado esta guía para compradores y por qué creemos que la inteligencia de datos es importante. Creemos que una proporción significativa, tres cuartas partes de las empresas, participarán en lo que denominamos iniciativas de inteligencia de datos a lo largo del próximo año. Y la razón por la que decimos esto es para comprender cómo, cuándo y por qué se utilizan los datos en la organización y quién los utiliza. Es una de esas cosas que creo que las organizaciones deberían controlar, pero muy pocas lo hacen.

Bueno, ya sabes, en concreto, la razón de eso, (yo no lo desarrollé) Bueno, ya sabes, hay múltiples participantes en relación con cualquier tipo de proyecto de datos. Y, ya sabes, para simplificar, pensamos en ello en términos de productores de datos y consumidores de datos, y ellos tienen diferentes requisitos o tienen diferentes perspectivas sobre los datos. Y, históricamente, todas estas cosas se abordaban dentro de las organizaciones, pero con múltiples herramientas, por lo que los equipos de administración de datos y de TI tenían que seguir trabajando juntos, integrarse y mantenerse sincronizados.

Y creo que lo que hemos visto es que la inteligencia de datos, como categoría de producto, al menos tal y como la vemos nosotros, ha surgido a partir de los catálogos de datos y la evolución de la gobernanza de datos como plataformas que pueden desempeñar potencialmente esa función de plataforma única para abordar esos múltiples requisitos. Así que definimos la inteligencia de datos como un software que proporciona específicamente una visión holística de los datos, ya sabes, la producción y el consumo, que permite a los administradores de datos comprender y gestionar el uso de los datos en iniciativas de BI e IA. Y eso les permite acelerar las iniciativas estratégicas de democratización de los datos para proporcionar, ya sabes, a los analistas y a los usuarios empresariales un acceso autogestionado y controlado a los datos de toda la empresa.

Hay mucho ahí, hay mucho que analizar, pero así es como vemos el mercado. Y, ya sabes, es un término que creo que hemos visto mucho, ya sabes, varios proveedores lo han utilizado a lo largo de los años. Y durante un tiempo, en realidad, yo era un poco escéptico sobre que fuera una categoría , porque los proveedores procedían de diferentes lugares de, ya sabes, este mapa de aquí.

Pero, en realidad, creo que hemos visto cómo se ha consolidado el mercado y cada vez está más claro qué capacidades se necesitan para abordar, ya sabes, todos estos requisitos. Así que sí, por eso obviamente empezamos a utilizarlo, porque identificamos que no solo era una categoría, sino que había una necesidad muy real de ello, como complemento a las inversiones en productos más tradicionales para la gestión de datos, la integración de datos, la calidad de los datos y la gobernanza de los datos. Obviamente, ninguna de esas cosas desaparece por sí sola, pero existe esta categoría más amplia de inteligencia de datos.

Sí. Quiero decir, hemos visto un cambio con respecto a esa pila de datos moderna en la que se señalan las mejores soluciones para diversas cosas, ¿verdad? Y ahora la gente espera que la plataforma de inteligencia lo ofrezca todo, ¿no?

Y tanto si lo desarrollamos a través de colaboraciones como si lo hacemos nosotros mismos, la expectativa es que todo esté integrado, ¿verdad? Si utilizas algo como un producto de datos, el contrato de datos que hay detrás del producto debe ser observable, para garantizar que se pueda confiar en los resultados. Si surgen problemas, tienes la capacidad de pulsar una especie de interruptor de apagado y decir: «Vale, tenemos que arreglar los canales de datos, ya sabes, hasta que lo hagamos no podemos continuar con esta iniciativa».

Pero nosotros, desde el punto de vista de Actian, vemos claramente que a la gente le encanta lo mejor de cada casa, pero quieren que todo funcione en conjunto. Y la forma más fácil de conseguirlo es acudir a un único proveedor con buenas alianzas. Sí, es curioso cómo el péndulo oscila de un lado a otro. Tú has mencionado la pila de datos moderna y creo que había muchas buenas razones por las que, obviamente, esos productos, muchos de esos productos, surgieron y fueron adoptados.

Pero creo que, ya sabes, lo vimos como, utilicé la expresión del bufé libre de datos moderno. Porque era como, oye, aquí hay cientos de cosas entre las que puedes elegir. Pero depende de ti conseguir que todas funcionen juntas.

Eso está bien, ¿verdad? Sí. Así que sí, creo que, obviamente, todas las empresas están preocupadas por el bloqueo y por poner todos sus huevos en la misma cesta.

Pero definitivamente creo que la balanza se ha inclinado hacia la unificación y hacia que todas estas capacidades, o la mayoría de ellas, sean proporcionadas por un único proveedor, sobre todo porque todas funcionan juntas y son interdependientes. Y si lo estás uniendo tú mismo, con cinta adhesiva y esperanza, entonces, en algún momento, especialmente a gran escala, eso te va a causar problemas. Sí.

¿Especialmente la velocidad de la máquina también, verdad? Sí, por supuesto. Sí.

Muy bien, entonces ya hemos definido más o menos la inteligencia de datos para la audiencia. Entonces, en términos de requisitos funcionales para la inteligencia de datos, ¿cómo piensa ISG al respecto? Sí, bueno, creo que se pueden ver claramente algunas de las capacidades clave aquí en términos de, obviamente, ya sabes, esa capa de gobernanza y, obviamente, la seguridad va a ser parte de esto, sin duda.

Ya sabes, la calidad de los datos, y has mencionado la observabilidad de los datos, y quizá podamos abordar este tema, pero ya sabes, cómo se solapan en cierta medida. Y creo que parte de la razón por la que hemos visto este impulso es que algunas de las herramientas existentes, las herramientas tradicionales, como has insinuado en tu pregunta anterior, estamos aplicando capacidades a posteriori. Una vez que has creado el panel de control, lo pasas por la calidad de los datos, te aseguras de que, ya sabes, es de un nivel suficientemente alto.

Mientras que la observabilidad de los datos tiene mucho que ver con el seguimiento del proceso y con garantizar, bueno, intentar garantizar que esos problemas de calidad de los datos no se produzcan en primer lugar. Y, obviamente, ser mucho más adaptable, conocer el origen de los datos y comprender su uso, ya sabes, si solo provienen de quién los ha tocado, qué han hecho con ellos, cómo han sido, cómo se han utilizado, es obviamente importante. Y luego, desde el punto de vista del consumidor, obviamente vimos mucho énfasis en el autoservicio, el descubrimiento de datos, ya sabes, de nuevo, como dije, algo que surge de ese espacio de catálogo relacionado con la observabilidad de la calidad es esta cuestión de la confianza.

Y mencionaste que el contrato de datos es realmente importante aquí en términos de comprensión, no solo de comprensión, sino de tener este acuerdo sobre cuál será la calidad de ese producto y cómo se entregará. Y comprender la naturaleza de esos datos, porque una cosa es poder buscar por cuenta propia, ya sabes, buscar datos por cuenta propia. Otra cosa es comprender realmente qué son esos datos, qué hacen y, en particular, en relación con las definiciones de datos dentro de las organizaciones, comprender qué significan todos esos datos y cuáles son las aplicaciones y los objetivos empresariales relacionados con ellos.

Aquí acabo de sacar esto, así que está relacionado con la guía del comprador. Como mencioné anteriormente, calificamos de A++ a F y, por lo tanto, con algunas de estas cosas, hemos seleccionado cuál es la proporción de proveedores que obtienen una calificación de A- o superior, es decir, el nivel más alto. Y se pueden ver algunas, ya saben, obviamente algunas de las capacidades clave que vemos en este espacio.

Obviamente, la extracción de metadatos es bastante, ya sabes, es bastante, bueno, iba a decir «lo mínimo», obviamente hay mucha diferenciación en cómo se ofrece eso. Pero ya sabes, el hecho de que eso sea un requisito es clave para el descubrimiento del lenguaje natural para, ya sabes, el acceso a la base de búsqueda de datos es otro, ya sabes, bastante ampliamente adoptado. Y luego, obviamente, ya sabes, un espacio emergente.

Este tipo de gráfico de conocimiento del gráfico de conocimiento que, en realidad, encajan muy bien. Has mencionado que los datos como producto encajan muy bien con los datos como producto también en términos de, ya sabes, proporcionar esa representación de los datos y las relaciones que están relacionadas con esos datos y las definiciones que proporcionan esa comprensión común de los datos. Por lo tanto, ya sabes, menos bien adoptado por los proveedores que estamos evaluando en esta etapa.

Pero, obviamente, vemos que es un área importante de inversión tanto para los nuevos proveedores en este ámbito como para algunos de los más antiguos que están tratando de ponerse al día con algunas de las innovaciones que se han producido en los últimos años. Así que, obviamente, la inteligencia de datos está ayudando a las empresas a implementar sus iniciativas de IA en la producción. Pero la IA también tiene un papel que desempeñar en la entrega de la inteligencia de datos en sí, ¿verdad?

Así que usar la IA para cosas como glosarios e interfaces de lenguaje natural para los datos, etcétera. ¿Quieres hablar un poco sobre eso? Sí, claro, por supuesto.

Y, ya sabes, vemos, quiero decir, obviamente, que todos los proveedores de software, bueno, casi todos los proveedores de software están invirtiendo en capacidades de IA. Si no lo están haciendo, deberían hacerlo sin duda. Sí.

Y lo están consiguiendo. Pero sí, como has dicho, la inteligencia de datos en particular, las capacidades de gestión de datos están realmente maduras para, ya sabes, la aceleración mediante el uso de datos, utilizando Gen AI. Y sí, creemos que casi todos los proveedores de software de inteligencia de datos definitivamente ofrecerán soporte para ese tipo de capacidades, ya sabes, a lo largo de, eh, a lo largo del próximo año.

Sí, como has mencionado, algunas de las áreas clave son identificar, clasificar, mantener, ya sabes, esos mapas de relaciones, crear esos gráficos de conocimiento, automatizar la generación de descripciones de datos, resumir datos, ya sabes, obviamente, como siempre con la IA genérica, hay que tener cuidado y asegurarse de que el resultado generado sea correcto y preciso. Así que, ya sabes, hay obviamente esas advertencias, pero ya sabes, hay sin duda áreas importantes en las que se puede acelerar mucho en términos de reducir la cantidad de, ya sabes, cosas realmente importantes, pero también mundanas y que consumen mucho tiempo, ¿verdad? Sí.

¿Lo que me está volviendo loco y me resulta tedioso es crear un glosario, verdad? Sí, sí. Absolutamente, pero es muy importante.

¡Sí! Y eso hay que hacerlo. Así que, obviamente, cualquier cosa que pueda acelerar eso.

Creo que, en este ámbito, obviamente, estamos buscando tareas que puedan acelerarse para que esas personas puedan centrarse en tareas de mayor valor, en lugar de sustituirlas. Y, obviamente, como has dicho, si estás generando controles de calidad de datos, si estás generando resúmenes de datos, cosas así, eso tiene que ser revisado por un humano para comprobarlo y calificarlo, de modo que los datos sean fiables para quienes los consultan. Pero sí, quiero decir, y de nuevo, ya sabes, estos son porcentajes de proveedores que obtienen una puntuación de A- o superior, así que te da una indicación, aunque, como he dicho, anticipamos que todos los proveedores de software de inteligencia de datos invertirán en estas áreas durante los próximos dos años.

Algunos están más avanzados que otros. Um, y, uh, así que hay mucha inversión en curso en este ámbito. Um, uh, pero sin duda es un área en la que creo que, ya sabes, los agentes también pueden aportar un valor añadido en relación con la automatización de algunos de estos procesos.

Sí, es decir, es exactamente lo que estamos haciendo, ¿verdad?, y no es ninguna sorpresa. Um, pues sí. Vale, genial.

Entonces, sí, hablamos de esto antes, cuando definías la inteligencia de datos, ¿verdad? Teníamos a los productores de datos y a los consumidores de datos. Y sabes qué, he visto muchos éxitos en organizaciones que utilizan productos de datos en las que han definido un propietario del sitio de datos, eh, lo siento, sí, un propietario del lado de la ingeniería de datos del producto de datos, ¿verdad?, y un propietario del lado empresarial.

Y eso ayuda con el consumo, porque los dos equipos han acordado qué es lo que van a producir, cómo será, cuál será su calidad, etcétera. Y eso ayuda con la adopción. ¿Cómo lo ves?

¿Estás viendo esto? Lo siento, sigue adelante. Quiero decir, esta es sin duda una de esas áreas en las que hay, ya sabes, un enorme margen de mejora.

Y creo que es una de esas áreas en las que nuestra organización, y muchas otras organizaciones, han querido mejorar, porque saben que ha sido un reto conseguir que estos dos grupos de personas dentro de su organización colaboren para mejorar la entrega de, ya sabes, iniciativas de datos y análisis. Dios mío, no voy a entrar en las razones por las que eso es así, hay muchas razones por las que es difícil y cada organización es diferente. Cada organización tiene diferentes retos en ese sentido.

Pero creo que sí, esa es una de las razones por las que hemos visto un gran interés por los productos de datos. Ya sabes, no es que, eh, ya sabes, no va a resolverlo todo de la noche a la mañana. Tienes que adaptar tus procesos empresariales y tus procesos de colaboración además para aprovechar la tecnología.

Pero, tal y como acabas de describir, se centra en definir, ya sabes, los datos, las entradas de datos, las salidas, las hipótesis, los objetivos y los KPI. Y yo estaba especialmente, como has dicho, si estás incorporando contratos de datos en ese proceso, lo cual vemos, ya sabes, en la mayoría de las organizaciones, bueno, la mayoría de los proveedores están en proceso de ofrecer esas capacidades para permitir a las organizaciones hacer eso con software de inteligencia de datos. Eso realmente proporciona el punto focal y ese enfoque de acuerdo entre las dos partes, lo que da a los usuarios la confianza de que pueden aprovechar eso, los datos que encuentran, entienden para qué sirven, cuáles son las definiciones, y entonces pueden acelerar el uso de esos productos de datos.

Sí. Hace poco estuve en una conferencia y alguien se me acercó después de mi ponencia y me preguntó: «¿Tengo que esperar a solucionar todos mis problemas de calidad antes de implementar la gobernanza?». Y yo pensé: «Dios mío, nunca vas a solucionar todos tus problemas de calidad».

¿Verdad? Habrá nuevas fuentes de datos llegando constantemente.

Es como, no esperes. ¿Verdad? Pero tengo que señalarles este concepto de contratos de datos y productos de datos y decir, vale, identifiquemos un pequeño proyecto, demostremos el éxito con eso, ¿verdad?

No hay que abarcar demasiado, basta con reducir el enfoque a una sola aplicación, ¿verdad? Y centrémonos en la calidad de esa aplicación. Ofrezcamos un producto y ofrezcamos éxito.

Y así es como me gusta pensar en los contratos de datos y los productos de datos, como una oportunidad para demostrar el éxito, porque todo el mundo está, creo, desilusionado por la rapidez con la que vamos a incorporar la IA de nivel industrial en la empresa. Y están viendo tanto éxito con, ya sabes, el uso de ChatGPT en sus vidas personales y haciendo que sus correos electrónicos parezcan mucho más inteligentes y demás, que esperan que la experiencia empresarial sea similar y nos va a llevar algún tiempo llegar a ese punto. Así que creo que es importante identificar dónde se pueden obtener algunos beneficios rápidos.

Sí, sí. No, definitivamente. Y creo que otro aspecto de eso en relación con los productos de datos es, ya sabes, el enfoque principal de los productos de datos.

Y entonces hablaste allí sobre, ya sabes, ganancias rápidas o, ya sabes, definir el alcance dentro de un departamento o dominio empresarial concreto e identificar los KPI en torno a eso. Obviamente, con el objetivo de poner los resultados a disposición de otros miembros de la organización, lo cual forma parte del enfoque basado en los datos y los productos. Pero eso proporciona ese enfoque, que creo que es una de las razones por las que todo el mundo puede tener muy buenas intenciones de mejorar, como he dicho, la colaboración entre los productores y los consumidores de datos en toda la organización.

Si intentas hacerlo en toda la organización, es un proyecto enorme. Si puedes hacerlo en un proyecto, en un proyecto a la vez centrado en diferentes ámbitos, entonces sí, al menos alivia el proceso. Entonces, hablando de ámbitos, ¿estás viendo que se está implementando mucha gobernanza federada, en la que cada departamento tiene cierto nivel de autonomía en torno a la gobernanza de su ámbito particular y se incorporan, ya sabes, expertos en datos y personas apasionadas por los datos de los distintos ámbitos de la empresa?

Sí. Gente apasionada por los datos en lugar de frikis de los datos. Digamos que «curiosos por los datos» es probablemente un término más adecuado, ¿no?

Vale. Sí. Sí.

Bueno, lo que me parece interesante, así que veámoslo, es que el concepto de producto de datos surgió obviamente con la malla de datos. Y he visto, hemos visto una menor adopción de la malla de datos en su conjunto. Pero creo que el concepto de productos de datos y la entrega basada en el dominio de los mismos, y como has dicho, la gobernanza federada, están obviamente relacionados con eso.

¿Verdad? Puedes, obviamente puedes adoptar Data Pro. Creo que sí.

Vemos que diferentes organizaciones lo abordan de manera diferente. No todo el mundo dice: «Oye, vamos todos. Vamos a apostar por la malla de datos».

Todos estamos en una gobernanza federada. Depende, obviamente hemos realizado algunas investigaciones interesantes el año pasado sobre los enfoques organizativos de los datos, ya sea que se distribuyan, la responsabilidad de TI. ¿Se distribuye entre diferentes unidades de negocio? ¿Se trata de un equipo centralizado?

¿Es un modelo mixto? Y, por supuesto, cada organización, realmente cada organización, va a ser ligeramente diferente. Así que creo que muchas organizaciones están averiguando qué enfoque les funciona.

Pero, en términos generales, sí, creo que vemos más de esto, del enfoque federado, porque hay algunas ventajas realmente buenas que hemos observado, especialmente en relación con la mejora de la colaboración y la aceleración de la entrega de proyectos. Pero ya sabes. Cada organización, como digo, es diferente, y, por lo tanto, su éxito con eso va a depender de muchos otros factores y no solo de la adopción de la tecnología y de decidir, bien, esto es lo que vamos a hacer.

Tienes que hacerlo, sí, es más fácil decirlo que hacerlo. Digámoslo así. Sí, muy cierto.

Muy bien, hemos recibido algunas preguntas antes del seminario en línea, y también hemos recibido algunas preguntas sobre por qué estamos en línea. Creo que la primera pregunta es: «¿Ha intensificado la IA el valor de la inteligencia de datos en los últimos 12 meses?». Desde mi punto de vista, sin duda alguna.

¿Verdad? No solo ha aumentado el valor de la inteligencia de datos, sino que también ha puesto de manifiesto el coste de no tenerla. ¿Verdad?

Anteriormente hablamos de que la BI tradicional no tenía por qué ser perfecta, ¿verdad? Había una persona en el proceso que podía detectar errores evidentes, pero, en general, las respuestas que se obtenían eran lo suficientemente buenas como para tomar decisiones para el negocio. Pero con la IA y, ya sabes, la velocidad a la que los agentes y los LMS consumen datos, no siempre se puede contar con esa persona en el proceso, ¿verdad?, para asegurarse de que los datos son de calidad suficiente.

Por lo tanto, hay que utilizar la observabilidad, la calidad de los datos, etc. Así que sí, para mí, la inteligencia de datos ha pasado de ser algo «que está bien tener» a algo «que es absolutamente necesario tener». Pero Matt, desde tu perspectiva en ISG, ¿ves que las organizaciones están pasando de considerar la inteligencia de datos como una especie de iniciativa de modernización en lo que respecta a la gestión de datos, a tratarla como una infraestructura absolutamente fundamental para la IA?

No, definitivamente. Creo que, como dije, hemos visto que muchas organizaciones, no necesariamente, vuelvo a ese estudio del MIT, no es que estén abandonando los proyectos de IA, pero creo que se puede hacer una prueba de concepto. Y vemos que las empresas lo están haciendo.

Haga la prueba de concepto, demuestre el valor de las iniciativas de IA o a pequeña escala, pero también reconozca si va a hacerlo, si van a implementarlo en toda la organización, si van a pasar de, ya sabe, un par de proyectos a 10, ya sabe, decenas de proyectos, entonces necesitan tener un nivel básico de confianza no solo en algunos de sus datos, sino en todos ellos. Y los datos en la inversión en inteligencia de datos y las capacidades de las que hablábamos antes son, ya sabes, potencialmente una forma de conseguirlo. Porque, tal y como has dicho, impulsar algunos de esos procesos que antes se realizaban después de la creación de paneles e informes, o incluso proyectos de IA, para adelantar la observabilidad y definir, ya sabes, cosas como los KPI y las expectativas de calidad de los datos por adelantado.

Eh, porque, como has dicho, en términos de automatización y, ya sabes, el aumento del uso de agentes y el hecho de que, ya sabes, algunas de estas capacidades deben garantizarse. Eh, para que puedan tener confianza en adoptarlas. Pero también en términos de, ya sabes, si estás buscando iniciativas de IA a gran escala, entonces estás buscando, ya sabes, depende obviamente del proyecto, pero puedes asumir que los datos provienen de múltiples fuentes de datos diferentes, múltiples diferentes, ya sabes, lo que podrían haber sido silos.

Y eso no se puede hacer proyecto a proyecto, de forma fragmentada. Es necesario tener una base de confianza en la mayoría de los datos. Obviamente, no se van a utilizar todos los datos cada vez, pero sí.

Y, por lo tanto, se presta mucha más atención a la inteligencia de datos como una forma de lograrlo potencialmente. Como continuación de eso, Matt, ¿en qué aspectos están subestimando las empresas el riesgo operativo de implementar la IA sin una capa semántica y de metadatos regulada? Oh, en muchos.

Es una pregunta sorpresa, ¿verdad? Sí. Bueno, veamos.

Quiero decir, ya sabes, creo que es interesante el concepto de riesgo. Creo que, ya sabes, una de las, bueno, hay múltiples razones por las que hay mucho más interés. Si lo piensas, hay muchos más proyectos de IA impulsados por directivos de alto nivel y hay grandes expectativas, ya sabes, realistas o no, sobre lo que se puede conseguir con la IA.

Por lo tanto, el riesgo de no cumplir con lo que la junta directiva espera de ti es enorme. Obviamente, existen enormes riesgos regulatorios y legales potenciales. Hay enormes desafíos éticos potenciales.

Y, eh, eso es todo, no encuentro la palabra, pero, ya sabes, en términos de, ya sabes, el riesgo para la reputación si, ya sabes, los proyectos no se llevan a cabo, bueno, uno, si no se llevan a cabo con éxito, pero dos, podría ser que se llevaran a cabo con éxito pero no tienes las barreras de seguridad necesarias para controlar lo que hace la IA. Te expones a un sesgo enorme. Sí, sí, sí, exactamente.

Pues sí. Los riesgos son muchos y numerosos y, sin duda, son todos ellos aspectos que, potencialmente, han sido riesgos existentes en relación con los proyectos, pero cuyo nivel se ha puesto claramente de relieve, se ha incrementado, para cada uno de ellos. Y, ya sabes, y especialmente creo que lo que es un poco diferente, es que se combinan todos ellos cuando se analiza, ya sabes, una iniciativa concreta de IA agencial y generativa, y sí.

Así que hay múltiples aspectos que deben regularse. Y por eso hemos visto un mayor enfoque en los datos, ya sabes, en la gobernanza, no solo en la gobernanza de los datos, sino también en la gobernanza de la IA que rige los modelos y todo eso. Y la combinación de ambos.

Sí, sin duda hay que abordarlo al mismo tiempo. De acuerdo. Nuestra siguiente pregunta es: «¿Cómo se equilibra el trabajo de calidad de los datos con la velocidad, especialmente si se está en una fase inicial?». Es una gran pregunta, ¿verdad?

Porque los entornos en fase inicial suelen pensar que la gobernanza les va a ralentizar, ¿verdad? Pero la realidad es que la falta de gobernanza es lo que realmente te va a ralentizar más adelante. Y creo que, en lo que respecta a la gobernanza y la calidad, la regla del 1-10-100 sigue siendo válida, ¿no?

Me encanta poner como ejemplo que me mudé a Los Ángeles nada más graduarme en la universidad en Irlanda, y fui a sacarme el carné de conducir y sabía que en Estados Unidos se mide el peso en libras, así que rellené mi peso en libras, pero supuse que si el peso se medía en libras, la altura se medía en pulgadas, ¿no? Mido 1,60 m, así que puse 63, ¿no? Recibí el carné por correo y ponía que medía 1,90 m, ¿no?

Yo pensaba: «Oh, qué gracioso». Así que iba a los clubes, enseñaba mi carné, medía 1,90 m, no lo arreglé. Y luego, cuando llegué a... me pusieron una multa por exceso de velocidad, iba conduciendo hacia Las Vegas, me pusieron una multa por exceso de velocidad, y creo que podría haberme librado con mi encanto irlandés y todo eso, pero cuando vieron la diferencia entre la altura que figuraba en el carné y mi altura real, me pusieron la multa, y tuve que buscar un abogado, y acabó saliéndome muy caro.

Así que soy la prueba viviente de que hay que tener en cuenta la regla del 1-10-100, ¿verdad? Soluciona estos problemas de calidad desde el principio. Muy bien, hemos estado pensando en el hecho de que, si estás en una fase inicial y no quieres atascarte con la gobernanza, y consideras que la gobernanza es realmente un facilitador de la innovación, ¿verdad?

Y no algo que vaya a ser realmente demasiado pesado. ¿Qué opinas sobre la gobernanza mínima viable y cómo se puede implementar para que sea escalable? Sí, como has dicho, es una pregunta muy buena, porque es un reto clave para las organizaciones y, sí, estoy completamente de acuerdo contigo en que la gobernanza se ve como un retraso, pero es obvio que una mala gobernanza y no abordar la gobernanza va a ralentizar aún más las cosas.

Pero, ya sabes, existe ese equilibrio. Creo, como he dicho, que hemos visto cómo la calidad de los datos ha pasado de ser algo que se aplica a posteriori, una vez que el canal de datos ha reducido el informe, y luego se ejecuta, a seguir teniendo una función. En ese caso, obviamente, lo que se quiere es evaluar la calidad del resultado.

Pero, ya sabes, con la observabilidad de los datos, eso se ha desplazado hacia el inicio del proceso. Y, volviendo a los contratos de datos, creo que, cuando es posible, se puede definir con bastante rapidez cuáles son las expectativas de un proyecto desde el principio. Y entonces, obviamente, hay más trabajo por hacer en términos de cumplir con esas expectativas, pero realmente se puede establecer un nivel bastante rápido a través de, ya sabes, productos de datos y contratos de datos de expectativas.

Y creo que hay muchos enfoques realmente buenos hoy en día, no solo en términos de enfoques tradicionales de calidad, sino también en cuanto a reglas y controles de calidad de datos, sino también evaluaciones basadas en inteligencia artificial. Y también, ya sabes, sé que hemos hablado antes sobre las puntuaciones de confianza, ya sabes, desde una perspectiva humana, la perspectiva del usuario, ya sabes, ¿son estos datos de alta calidad? Ya sabes, sí, pueden ser de alta calidad, todos los datos son correctos.

¿Realmente confío, estoy seguro de esto, ya sabes, estos datos, estamos seguros de la fuente? ¿Sabemos realmente de dónde provienen y dónde han estado entretanto? Y entonces la capacidad para, creo, ya sabes, la inversión en, ya sabes, el linaje de los datos y la observabilidad de los datos, ya sabes, sí, hay una inversión inicial ahí y, y, ya sabes, capacidades de contrato de datos.

Pero creo que, ya sabes, vemos que algunas de esas capacidades pueden proporcionar, sin duda, las barreras de seguridad que te permiten avanzar más rápido. Y, obviamente, ya sabes, no tiene por qué ser un enorme proyecto de gobernanza de datos tradicionales desde el principio. Pero sí, es una pregunta muy buena.

Es un verdadero reto clave. Sí. Quiero decir, existe un riesgo real de sobreingeniería, y entonces todo el mundo intenta encontrar formas de evitarlo, ¿verdad?

Sí, claro. Sí, por supuesto.

Sí. Muy bien, siguiente pregunta. Ah, una pregunta sobre contratos de datos.

¿Cómo garantizan los contratos de datos y los catálogos federados la calidad a largo plazo de los productos de datos? Es una gran pregunta, ¿verdad? Porque los productos de datos se degradan prácticamente nada más lanzarse, ¿no?

Eh, a menos que tengas una propiedad muy clara, y ya he hablado antes de que, recomendamos que, cuando hay un producto de datos, haya alguien en el equipo de ingeniería de datos que sea el propietario y alguien en el lado empresarial que sea el propietario. Así, si algo sale mal, sabes a quién llamar y sabes quién es el propietario. Y creo que tener esa propiedad realmente ayuda.

Pero, eh, catálogos federados, ¿verdad? Ayudando con la capacidad de descubrimiento, ayudando con la gobernanza federada, ¿verdad? El linaje creo que es increíblemente importante.

Es importante aplicar las políticas. Comprender el contexto. Para nosotros, el contexto nunca ha sido tan importante.

Por lo tanto, es muy importante entender bien la semántica. Pero, para mí, los catálogos son un medio para poner en práctica la aplicación y, en cierto modo, ayudan a garantizar que los productos de datos no se echen a perder, ¿verdad? Entonces, ¿qué orientación das a las empresas que quieren implementar productos de datos, ya sea con o sin contratos de datos, y asegurarse de que sí, es una iniciativa que sigue avanzando y no es una especie de catálogo de productos muertos y desconocidos?

Sí, quiero decir, de nuevo, es una pregunta muy buena. Eh, yo, y como usted ha mencionado, obviamente el reto es hacer que el enfoque de los productos de datos sea algo fundamental para el funcionamiento de la empresa y poner en práctica algunos de los procesos clave que conducen a la entrega de esos productos de datos. Y, obviamente, mantener su actualidad, asegurándonos de que no se trata de algo puntual, sino que se actualizan continuamente.

Porque creo que esta es otra parte que aún no hemos mencionado, y que es un aspecto clave: los datos se producen continuamente y estos productos deberían actualizarse continuamente. Y eso debería ser así, la información relacionada con eso debería estar disponible para los consumidores cuando buscan productos. O mejor aún, se les debería avisar de que hay una nueva versión de este producto de datos o, obviamente, cuando tenga sentido hacerlo y donde puedan registrarse para ello.

Pero, ya sabes, se trata más bien de ponerlo en práctica y hacer que esas formas de abordar los proyectos de datos formen parte de la forma en que operas como empresa, como tú dices, tanto en el aspecto empresarial como en el tecnológico. Y eso requiere, ya sabes, bueno, dependiendo del tamaño y la antigüedad de la empresa, potencialmente requiere un verdadero cambio cultural. Y entonces, ya sabes, y entonces lo que mencioné antes, esto, ya sabes, esto es para ciertos potencialmente más fácil, más fácil decirlo que hacerlo, pero la otra cosa que creo es, ya sabes, pensamos en, ya sabes, productos de datos, ya sabes, parte de la razón, ya sabes, nosotros se llaman productos de datos, es que deberían ser el resultado o el pensamiento del producto.

Sí, deben diseñarse para ser un producto que el consumidor desee en primer lugar. Y, ya sabes, y ha definido, ya sabes, las expectativas en términos de calidad y valor, ya sabes, la naturaleza de los datos y la calidad de los datos. Pero también, ya sabes, pensamos en cómo consumimos y compramos, ya sabes, productos hoy en día, ya sabes, la capacidad de decir, ya sabes, sí, este es un buen producto, no, este es un mal producto.

Sí, ya sabes, dar una reseña, cinco estrellas, lo que sea. Sí. Creo que, ya sabes, vemos que, en algunos casos, no todos los proveedores están incorporando esto en sus capas de inteligencia de datos en sus productos de datos, en su tipo de capacidades de consumo.

Porque eso es parte de, ya sabes, no es, obviamente no es lo único, pero es parte de mantener eso fresco y asegurarse de que, ya sabes, si tú, como consumidor, puedes entrar y, ya sabes, sí, los datos pueden ser antiguos, pero puedes ver que alguien los utilizó ayer y los aprobó y, sí, esto sigue siendo relevante. Y sí. Ya sabes, y eso es un usuario empresarial más que un usuario tecnológico, ¿sabes?

Oh, lo siento. Ya sabes, el equipo tecnológico. Ya sabes, eso es parte de ello, pero sí.

Entonces, se trata de poner en práctica todas esas capacidades. Sí. Y pensar en esa mentalidad de producto, ¿verdad? Entonces, tiene un ciclo de vida de desarrollo, ¿verdad?

Y tiene un gestor de productos de datos, ¿verdad? Creo que en las organizaciones más maduras, estamos viendo que esa función es casi una garantía de éxito, ¿no? Si alguien se encarga de ello, si su trabajo es la gestión de productos para productos de datos, creo que eso también puede ayudar.

¿Es eso lo que está viendo en las organizaciones más maduras? Sí, no, definitivamente. Quiero decir, ya sabe, como he dicho, requiere un cambio cultural.

Obviamente, las organizaciones que llevan más tiempo haciendo esto. Quiero decir, ¿cuánto tiempo lleva existiendo la malla de datos? ¿Verdad?

Ya sabes, han pasado unos cuantos años y, obviamente, las empresas que se adelantaron a eso, sí. Han experimentado. Obviamente, no estoy diciendo que todos los casos hayan sido un éxito para mí, pero han encontrado los procesos que les funcionan y los han implementado.

Sí, más maduros en cuanto a la adopción de, eh, productos de datos. Sin duda. Sí.

Muy bien. La siguiente pregunta es muy interesante. No estoy muy seguro de cómo responderla.

Eh, ¿qué supervisión se requiere para IA agencial frente a los agentes individuales? Para mí, esto realmente es, ya sabes, la gobernanza tiene que evolucionar desde el simple hecho de proporcionar la supervisión del modelo. Ahora se está analizando todo el flujo de trabajo, ¿verdad?

porque tienes esa cadena de agentes e interacciones entre agentes, y tienes agentes que podrían estar modificando el contexto de forma dinámica. Este es un proyecto de gobernanza que requiere una gran coordinación, ¿verdad? Es que, eh, no sé muy bien cómo responder a eso.

¿Y tú, Matt? ¿Qué supervisión se requiere? Sí, se requiere supervisión.

Um, Sí, quiero decir, obviamente estamos en las primeras etapas de, ¿qué?, bueno, creo que la frase era IA agencial », pero creo que, sí, aplicaciones multiagente o como quieras llamarlo. Sabes, creo que estamos viendo mucho interés en IA agencial , y en el desarrollo de agentes. Creo que la mayoría de ellos, en este momento, son, ya sabes, tareas únicas, quizás no únicas, pero se centran en un ámbito muy específico, en un conjunto de tareas muy específico.

En realidad, se trata de automatizar procesos que quizá ya existen, incluso si son procesos de múltiples tareas. Mientras que creo que la cuestión, ya sabes, la cuestión es llegar realmente, ya sabes, a abarcar quizá múltiples aplicaciones. Porque, obviamente, la otra cosa que vemos es que, ya sabes, cada una de las aplicaciones, los grandes proveedores de aplicaciones están ofreciendo sus propios agentes y capacidades de agentes.

Por lo tanto, la mayoría de las organizaciones se enfrentan a un futuro en el que tendrán que, bueno, se puede suponer que necesitarán agentes que operen con diferentes proveedores de software, con diferentes, ya sabes, servicios externos, ya sabes, servicios en la nube también. Y entonces, quiero decir, este es un tema muy amplio. Sí, quiero decir, la gobernanza es absolutamente necesaria para eso.

Creo que, en términos generales, y es lo que estamos intentando hacer, en este momento estamos elaborando nuestra próxima guía para compradores, que trata sobre la IA y las plataformas de datos, y, obviamente, dentro del ámbito de las plataformas de IA, nos estamos centrando especialmente en la gobernanza de la IA y las operaciones de IA, así como en la capacidad de gobernar, ya sabes, todas esas partes móviles y supervisar y ser conscientes de todas esas partes móviles dentro de un proceso agencial y multiagente es, ya sabes, diría que actualmente un reto realmente importante tanto para los proveedores de software como para las empresas. Pero es hacia donde claramente todo el mundo se está moviendo. Así que, un poco, entonces, ¿qué es este espacio? Pero sí, quiero decir, sí, es un reto enorme, enorme, ya sabes, creo que podemos estar de acuerdo en que ahí es donde, donde se está moviendo el mercado.

Sí. En cuanto a lo rápido que llegaremos allí, como mencionaste antes, no estoy seguro de lo rápido que llegaremos, porque creo que hay muchos retos realmente importantes como ese, que realmente solo estamos empezando a abordar, sí. Sí.

De acuerdo.

Muy bien, nuestra última pregunta de hoy, y es muy sencilla. Es broma. Es muy difícil, ¿verdad?

¿Cómo se establece una estrategia de gobernanza de datos, verdad? Entonces, ¿cómo se asegura de que, al definir su estrategia de gobernanza de datos, esta no se convierta simplemente en una serie de páginas de elogios, sino que realmente se convierta en un marco que se ponga en práctica en toda la ingeniería y el negocio? Sí.

Genial. Fácil. Sí, claro.

Quiero decir, podríamos hacer todo un seminario en línea , ¿verdad? Pero podríamos, quiero decir, creo que lo que... ¿dónde lo pones? Supongo que ¿dónde lo pones? ¿Cómo lo configuras? ¿Por dónde empiezas? Supongo que esa es la cuestión, ¿no?

Si estamos asumiendo que estamos hablando de una organización que no tiene una. Correcto. Creo que hay que empezar, obviamente, por ¿por qué está implementando una estrategia gubernamental diaria?

Y habrá múltiples aspectos relacionados con eso. Habrá aspectos normativos, presumiblemente, habrá, como dije antes, habrá aspectos relacionados con el riesgo, habrá aspectos éticos. Pero todos esos componentes, habrá una posible aceleración de los negocios, ya sabes, requisitos de, ya sabes, del negocio, de la junta directiva.

Así que creo que lo fundamental sería, en realidad, no si se parte de cero, no lanzarse directamente con los datos que manejamos, los que tenemos, ¿para qué sirven? ¿Cómo se los damos? Pero, en realidad, ¿cuáles son sus objetivos?

¿Qué y cómo vas a medir si cumples esos objetivos? Um, y tal vez me detenga aquí por ahora, porque creo que ahí es donde empiezo. Y luego puedes continuar.

El porqué, ¿verdad? Sí, sí, sí, sí. Tenemos, eh, una de mis colegas aquí, ella preguntará por qué cinco veces, ¿verdad?

Entonces es como, ¿por qué, pero, pero por qué, pero por qué, verdad? Y, y hasta que realmente entiendas, ¿por qué lo estás haciendo, verdad? Ese es probablemente un proyecto que no deberías empezar.

Y, y una cosa que realmente me sorprende es que a veces, ya sabes, nos metemos en un, eh, un gobierno, lo que creemos que es una oportunidad, y a veces, al final del POC, deciden que en realidad no quieren hacer nada porque ven lo grande que es el proyecto. ¿Verdad? Y a menos que puedan responder a esa pregunta, ya sabes, ¿por qué estamos haciendo esto?, quizás no lo hagan.

Sí, sí, sí. Y porque, obviamente, como dijiste antes, la gobernanza es claramente un proceso continuo. No puedes decir: «Vale, llegaremos aquí y habremos terminado».

Pero al menos, si puedes definir por qué lo estás haciendo, entonces podrás comprender los parámetros con los que medirás tu rendimiento a medida que avanzas en ese proceso continuo e interminable. Muchas gracias por la conversación. La he disfrutado mucho.

Espero que nuestro público también lo haya disfrutado. Fue muy interactivo. Me encantó esa parte.

Me gustaría invitar a nuestra audiencia a visitar actian.com. Pueden descargar la guía del comprador. Hoy tenemos en nuestra página de inicio la Guía del comprador de ISG y una presentación de nuestra plataforma de inteligencia de datos. Matt, te agradezco mucho el tiempo que nos has dedicado para explicarnos este tema y hablarnos de él hoy.

Muchas gracias y que tengas un buen día. No, gracias a ti. Genial.

Sí, gracias. Cuídate. Saludos.