AWS quiere que todos seamos ingenieros de ‘machine learning’

La nube ha compartido protagonismo con el machine learning (una rama de la inteligencia artificial) en el evento cloud “de referencia” de España. Amazon Web Servicies (AWS) ha atraído, por cuarta vez consecutiva, a miles de personas a su AWS Summit Madrid, demostrando que “esta transformación va más allá de la tecnología”. “Demuestra un cambio en la manera de pensar”, ha señalado el director AWS Iberia, Miguel Álava, durante la conferencia inaugural.

Parece que los beneficios de la computación en la nube empiezan a calar entre las empresas españolas. El ahorro de costes, la flexibilidad, la iteración más rápida o la reducción del coste del fallo son sólo algunos. De hecho, AWS ya acumula “decenas de miles de clientes” en este país, entre ellos, más de dos tercios del Ibex 35. Aunque la compañía estadounidense se siente también “muy cercana” a las jóvenes empresas nacionales. “Esta transformación está difuminando la frontera entre una gran empresa y una startup”, ha destacado García.

“Hay pocos consensos en este momento y la digitalización es uno de ellos”, ha indicado José Manuel Leceta, director general de Red.es, durante su ponencia. En España cerca del 5% del PIB viene de este sector y se espera que gane un punto anual en los próximos cuatro años. La nube también está llegando a las administraciones públicas. Según Leceta, Red.es será la primera de las entidades de su corte con sus servicios en la nube.

El evento ha contado con un invitado especial, el CTO de Amazon.com, Werner Vogels, quien ha compartido su particular visión sobre la inteligencia artificial, en concreto del aprendizaje automático (machine learning). “La mejor manera de llegar al futuro es usar datos del pasado”, ha afirmado. ¿Un ejemplo? Netflix, cliente de AWS. “El 75% de las películas que se ven se basa en recomendaciones”.

La misión de la empresa ahora es poner la inteligencia artificial en manos de todos, no sólo de los científicos de datos. “Queremos que cualquier tecnólogo se convierta en ingeniero de machine learning”.

Un caso de éxito de esta rama de la inteligencia artificial en los negocios es el de Feedzai. La empresa portuguesa utiliza aprendizaje automático para eliminar el fraude de las instituciones financieras. El mes pasado un cliente, un retailer online, sufrió un ataque que comprometía 367.000 órdenes. Con aprendizaje automático, Feedzai fue capaz de identificarlos y bloquearlos en tiempo real, ha apuntado Diogo Guerra, vicepresidente de ingeniería de Feedzai. ¿El resultado? Ahorraron 64 millones de dólares a la empresa. Sin tener en cuenta el daño que podría haber causado a su reputación.

Guerra también ha explicado cómo Feedzai ha preparado al gigante Lloyds Bank para adaptarse a la PSD2, que obligará a abrir las API de las entidades financieras. “Para un banco siempre da miedo dar el salto a la nube”. El proyecto, que ha durado cinco meses, ha permitido gestionar en tiempo real los cerca de 40 millones de eventos que Lloyds recibe al día.

¿Otro ejemplo? Telefónica. Chema Alonso, CDO de la compañía, ha explicado cómo la nube (en concreto la de AWS) está sirviendo para explorar la información que se genera en las antenas de telecomunicaciones. La multinacional española gestiona estos datos para responder a preguntas como en qué ciudad hay más posibilidades de que se expanda un virus o el impacto que puede tener el corte de una calle en los niveles de polución de un municipio.

También en los seguros tiene mucho que aportar la nube. Mónica García, directora de IT Digital de Mapfre, ha contado cómo la empresa se ha visto obligada a adaptarse a un entorno que cambia más rápido que nunca. Según la experta, esta rapidez se debe a la confluencia de tres factores: la hiperconectividad, la mayor velocidad de procesamiento y mayor la capacidad de almacenamiento.

Mapfre ha creado un framework de movilidad apoyándose en AWS. Entre sus beneficios destaca un 40% menos de tiempo de desarrollo gracias al uso de tecnologías híbridas o un 20% menos de costes, así como una mayor elasticidad para responder a los picos puntuales de necesidades de los clientes como, por ejemplo, ante una catástrofe natural.