¿Cómo desarrollar un sistema así? La idea de Gartner gira en torno, como no, al uso de inteligencia artificial, más concretamente, machine learning aplicada al uso de los sistemas.

Si somos capaces de alimentar una base de datos con los patrones más habituales de uso de los sistemas corporativos por parte de sus trabajadores cuando llevan a cabo su actividad, podríamos hipotéticamente llegar a caracterizar ese uso hasta el punto de detectar cuando esos patrones dejan de ser normales, dado que probablemente representen algún tipo de problema, desde un empleado que no está haciendo lo que debe, hasta una intrusión de algún tipo. 

Si somos capaces de aplicar la observabilidad adecuada aplicada a todas las tareas que alguien lleva a cabo dentro del sistema, los niveles de automatización que aseguran un funcionamiento cómodo y conveniente para sus usuarios y una política extrema de administración de tests para todo aquello que se salga del comportamiento o los patrones habituales, deberíamos poder asegurar un entorno mucho más fácil y cómodo de utilizar para todo lo relacionado con el trabajo cotidiano. Pero mucho más difícil de atacar si tenemos en cuenta lo que cada persona lleva a cabo de manera sistemática. 

"Deberíamos poder asegurar un entorno mucho más fácil y cómodo de utilizar para todo lo relacionado con el trabajo cotidiano"

Obviamente, el desarrollo de ese tipo de sistemas excede con mucho lo que un iluminado puede programar utilizando el típico lenguaje de programación como Python o R, por mucho que nuestro iluminado de turno se llame a sí mismo "científico de datos".

[Estos son los lenguajes de programación más usados]

De hecho, esos "científicos de datos" y su manía de reclamar su libertad para utilizar la herramienta que les venga en gana se han convertido en el mayor problema de la inteligencia artificial. Y también en la razón por la que tantas compañías invierten recursos en desarrollar algoritmos (con el mayor recurso siendo siempre el sueldo del "científico de datos") pero, en desgraciadamente la mayoría de los casos, no llegan nunca a poner esos algoritmos en producción. 

El desarrollo de software ha recorrido un camino muy largo. Hoy, los sistemas que una compañía mínimamente sofisticada utiliza para llevar a cabo sus operaciones habituales son de una enorme complejidad, provienen de muchas iteraciones y versiones, y tienen, por lo general, una gran robustez.

Pensar que va a venir un "científico de datos", que por lo general no suelen ser siquiera buenos desarrolladores de software, y van, en dos patadas, a crear un algoritmo con un lenguaje de programación no especialmente potente (si fuera potente, no podrían utilizarlo) y a hacerlo funcionar dentro de la complejidad media de un sistema corporativo de hoy en día, es francamente de una ingenuidad enternecedora. 

La cosa deja de ser enternecedora cuando nos damos cuenta de la cantidad de compañías que están renunciando a implementar soluciones basadas en inteligencia artificial debido a que sus "científicos de datos" diseñaron soluciones que, posteriormente, no tienen la calidad suficiente ni los estándares adecuados para ser puestos en producción.

Son, simplemente, código creado por el iluminado de turno, que no tiene sitio en un sistema corporativo sólido. 

Para crear algo tan sofisticado como un sistema inmunitario digital que posibilite que nuestros trabajadores puedan llevar a cabo sus tareas sin ser martirizados frecuentemente por políticas tan estúpidas como los cambios de contraseña y similares, tenemos que partir de plataformas de desarrollo sólidas, probadas y eficaces, no del código spaghetti creado por el "científico de datos" de turno. 

De hecho, ponerse a tirar código como si no hubiera un mañana cada vez que se quiere desarrollar un algoritmo es equivalente a reinventar la rueda.

¿Nos tomaríamos en serio a una persona que quisiese desarrollar una maldita hoja de cálculo para hacer unas cuantas cuentas? No, le diríamos que ya hay muchas y muy buenas hojas de cálculo en el mercado, y pondríamos bajo sospecha cualquier cosa en la que semejante iluminado quisiese ocupar su tiempo y el de la compañía. Reinventar la rueda nunca ha sido una gran idea: generalmente, es mejor utilizar ruedas preexistentes y probadas por muchos otros. 

La inteligencia artificial y el machine learning están ya en una fase de desarrollo en la que existen herramientas potentes, probadas y eficientes para hacer prácticamente cualquier cosa, incluido un sistema inmunitario digital.

Si alguien viene a la compañía pretendiendo que tiene que desarrollar eso desde cero tirando líneas de código en Python, pongámoslo bajo sospecha. Puede que le hayan enseñado así, pero a día de hoy, ya no es manera de hacer las cosas, y hacerle caso significará, probablemente, tirar mucho dinero a la basura y terminar con un algoritmo que nadie puede poner en producción. 

Los "científicos de datos", hoy, son una de las figuras más inflacionadas del panorama laboral, cobran tanto como los buenos futbolistas, Y al tiempo, son unos de los principales problemas que lastran la falta de desarrollo de la inteligencia artificial y el machine learning a nivel corporativo. Más tecnología, por favor, pero más sentido común y menos intentar hacer las cosas desde cero.