Esta es la segunda parte del Blog “Acerca del Emprendimiento en Inteligencia Artificial en Latinoamérica”. En la primera parte se habló de cómo es la industria en la región, y cuál debería ser el foco de los emprendimientos que quieran tener éxito.
Esta segunda parte está más enfocada en cuales son los principales desafíos, por lo menos desde la perspectiva de los problemas a los que se ha enfrentado Wholemeaning en el último tiempo.
La Realidad del Mercado Latinoamericano
Entender el mercado local es la clave para diferenciarse si se es un emprendimiento en Latinoamérica. Para esto, es importante entender bien cuando una empresa requiere soluciones basada en Inteligencia Artificial (IA) o no. Es común, por ejemplo, escuchar a empresas que dicen tener implementadas soluciones de Big Data e IA, pero que la cantidad de datos que analizan son muy chicos, de hecho, son analizables por una persona en muy poco tiempo.
Generalmente, uno de los problemas más grandes que se pueden ver en la región es la dificultad de acceder a los datos: las empresas están poco digitalizadas, los datos no están en un solo repositorio y no hay una forma simple y segura de acceder a ellos. Cuando los datos no están ordenados no solo es difícil de operacionalizar, sino que además el costo de hacerlo es muy elevado, lo que representa un problema importante para consolidar un volumen de información suficiente para poder darle un sentido a los datos.
Por otro lado, muchas veces existe miedo a perder el control sobre los procesos: muchas empresas ven a las implementaciones basadas en Inteligencia Artificial como una caja negra que les da resultados, pero no los entienden. O al revés, las expectativas son tan altas que chocan con la realidad y esto genera cierta frustración.
En Wholemeaning fue clave que la solución fuera lo más simple y poco invasiva, en el sentido de no depender de cómo tienen los datos los usuarios, y trabajar sobre herramientas commodities. Por esto, se trabaja con correos de Google y Microsoft, y para no desconcentrar al gestor, se instala nuestro plugin en la herramienta de email (Gmail o Outlook), el que se visualiza al costado derecho de la bandeja de entrada con información sobre lo que deben hacer para atender mejor a sus clientes. Más simple imposible. No se busca que las empresas se adapten a Wholemeaning, sino que Wholemeaning está diseñado para integrarse a la empresa latinoamericana. Esto es algo que se repite en otras empresas de la región, siendo un factor determinante para el éxito.
Cómo Encontrar Talento
Otro de los temas que siempre sale es como encontrar talento. Generalmente se piensa que cuesta mucho encontrar en buen talento técnico y se llega al descubrimiento de que no es que este no exista, sino que es muy difícil de diferenciar en los procesos de captación. Esto no quiere decir que la calidad sea baja, sino que para trabajar en esta área se necesitan una serie de habilidades muy específicas.
Es muy difícil encontrar talentos en esta área, no porque no existen, sino porque se pierden en un mar de otros talentos.
En Wholemeaning lo que ha dado los mejores resultados es trabajar con muchos practicantes en el verano, conocerlos y después ofrecerles que se queden trabajando con nosotros (o que vuelvan cuándo terminen la carrera en caso de no haberla finalizado). Esto permite conocerlos en un ambiente sin tener que pasar por procesos de selección que pueden traducirse en entrevistar entre 100 o 500 personas.
Redondeando …
Latinoamérica tiene particularidades que la hacen única, y eso es algo que deben aprovechar los emprendimientos locales. Aún es fácil diferenciarse en cuanto a Inteligencia Artificial se refiere de proveedores externos. Pero el mercado es grande, la oportunidad está. Hay que saber mantener el foco y saber sobrellevar los diversos desafíos.
Para los interesados en conocer un poco más acerca de los emprendimientos en Inteligencia Artificial en Latinoamérica, existe un estudio muy interesante desarrollado por Everis y Endeavor, donde se demuestra con datos cual es el escenario real de la región.
