“Twitter es negativa y no es representativa. Hay sesgos", la matemática Macarena Estévez

Fundadora de la empresa Conento en 2007, una consultoría analítica de marketing, hoy es consejera independiente y fundadora del Círculo de Ingenio analítico, organización que pretende acercar las matemáticas a los adultos, que no tuvieron la oportunidad de aprenderlas en su infancia.

[Reinventa-Tech, el rompedor programa de Oracle para formar a mujeres con vocación STEM]

“Hoy muchas compañías me llaman para que les aconseje, y les ayude con temas analíticos, aplicados a diferentes partes de la compañía” asegura la matemática.

Y continúa: “He fundado un movimiento, una organización que se llama El Círculo de Ingenio Analítico, con el que pretendo ayudar al adulto en su relación con la inteligencia analítica. Más que enseñar matemáticas a la gente mayor, lo que si pretendo es ayudarles a descubrir que esa inteligencia analítica la tienen en su interior, y que cuando descubres esa inteligencia analítica, ese momento te hace tremendamente feliz”.

Macarena pretende acercar las matemáticas a los adultos que no han podido aprenderlas.

“Al final lo que pretendo es cambiar un poco la aguja, que la gente se dé cuenta de que la inteligencia analítica es algo maravilloso y que acercar a nuestros hijos a eso es el mejor regalo que podemos hacerles”, confirma Macarena Estévez.

¿Y tenemos un problema con eso, personas mayores que se tienen que enfrentar ahora a la analítica de datos, y no saben ni por dónde empezar?

Es un problema, porque el cambio está muy acelerado y además, existe una curva de la singularidad tecnológica que cada vez va más rápida hacia arriba. Esa sensación que tenemos de ‘no me da la vida para nada. He aprendido una cosa, y mañana tengo que aprender otra nueva’. Esa sensación va a tardar mucho en desaparecer, y va a ir cada vez a más.

Yo tengo una tesis nueva que he estudiado, y es que cuando realmente deleguemos en las máquinas como realmente estamos delegando en el GPS del coche, entonces empezaremos a recuperar nuestra vida pasada.

Estamos desbordados, pretendiendo saberlo todo. Lo que tenemos que hacer es no pretender saberlo todo y confiar más en las máquinas.

¿Y esa es su receta también para los mayores de 65 años que no entienden el cajero de banco?

No, pobres. Es tan complicado porque el cambio de paradigma les ha pillado de sopetón... Y hasta a nosotros nos pasa. Yo tengo 56 años y en el mundo en el que me muevo y aún así, hay cosas que me cuesta. Las empresas, tienen que concienciarse de que tienen que hacer un esfuerzo, aunque les baje la rentabilidad porque antes que nada tenemos que ser humanos, y tenemos que pensar en los demás. Entonces, no podemos hacer otra cosa más que ayudarles, y esto pasa por hacer un esfuerzo a nivel empresarial, y hay que hacerlo. 

Es una súper apasionada de los números y los modelos matemáticos, ¿las matemáticas sirven para explicar cualquier cosa de la vida?

Las matemáticas están en todas las partes de la vida porque al final tenemos el lenguaje para explicar muchas cosas que sentimos. O sea, tú puedes decir que estás enamorada, pero que tú lo digas es diferente a que tú estés enamorada. Las matemáticas son algo parecido. La matemática es el lenguaje de la parte analítica de la vida. El mundo es todo medición: alto, bajo, pequeño o grande, más, menos... y la matemática es el lenguaje que permite que nosotros entendamos eso.

Hace una analogía muy interesante entre la empresa y la transformación digital y el cubo de Rubik. Explíquenos esto.

He trabajado con muchísimas empresas en momentos de transformación digital y siempre he visto que en general, se genera mucha frustración. Muchas veces los responsables de las empresas me dicen: ¡oye, estoy invirtiendo mucho dinero y estoy haciendo muchas cosas, pero siento que no llego a tener la empresa transformada digitalmente! Una de las razones por las que eso pasa, es porque no puedes transformar una empresa de un día para otro y tienes que tener un plan. Tienes que empezar transformando primero una parte, y luego otra.

Entonces, ¿qué sucede? Que cuando tú transformas una parte de la empresa, que en realidad lo que estás haciendo es hacer esa parte accesible a millones de datos de cualquier tipo y en tiempo real, que son las características claras de un entorno big data y una transformación digital.

Si tú esa parte que ya has transformado está en contacto todavía con otra parte de la empresa que no está transformada, pues tienes la sensación de que eso que has hecho no te sirve para nada, porque al final la transformación digital solamente se va a poner de manifiesto cuando todas las piezas de la empresa estén perfectamente transformadas, por eso el simil con el cubo de Rubik porque tú, el cubo de Rubik sólo lo acabas cuando todas las piezas están en su correcta posición. Lo mismo sucede con la transformación digital.

Y hablando de análisis de datos, ¿estamos ante un cambio de paradigma en cuanto a la analítica de datos en las empresas?

Clarísimamente estamos en este cambio de paradigma. No porque nosotras nunca antes hayamos manejado datos en las empresas, porque antes las empresas no fueran cuantitativas y ahora sí. Es porque ahora hablamos de millones de datos. Cuando hablamos de millones de datos necesitamos a las máquinas, que éste es un poco la clave del cambio de paradigma.

Es esa necesidad de meter a las máquinas a trabajar junto con nosotros, para poder manejar esa cantidad ingente de datos. Luego por ejemplo también que cualquier cosa es un dato. Nosotros estamos acostumbrados a las ventas, el precio, los empleados. Pero es que ahora una imagen es un dato, la forma en que una persona navega por Internet es un dato. Y si yo te dijera ponme un número, dame un número y compárame como has ganado por internet esta mañana con otra persona que conozcas...

Pues eso de nuevo es una cosa para la que nosotros no tenemos capacidad, por no decir en tiempo real, que es la clave. Entonces, claro, imposible meter ahí a los humanos, pues ese cambio de paradigma viene por la necesidad de que la máquina tenga ese papel protagonista.

La Covid aceleró la transformación digital de las empresas. ¿En qué punto estamos ahora? 

La Covid efectivamente aceleró y fue un poco convulso el tema, pero creo que ha sido positivo. Las pymes tienen que hacer todo lo que puedan, pero es verdad que es imposible a una pyme pedirle mucho, porque yo he tenido una pyme, y se lo que es que tienes que encargarte de todo, que tienes que hacer un montón de cosas y que todo te viene grande...

Yo siempre les aconsejo por lo menos que tengan cultura de actualidad en las empresas, que tengan siempre un ojo puesto en esa empresa grande, qué está haciendo, qué cosas le preocupan, y por lo menos están un poco al día, que a lo mejor no puedes implementarlo todo...

Macarena Estévez defiende las cuotas de género como necesarias en las empresas.

En este presente, ¿dónde se queda el ser humano, se retira un poco, deja de manejar los datos para que sea la máquina y el algoritmo?

El humano tiene que encontrar su lugar. Un buen ejemplo que pongo siempre, es que las empresas nativas digitales como Amazon, Netflix... tienen director de marketing, director de compras, etc. Y gente en recursos humanos, es decir, que las empresas van a seguir teniendo un montón de humanos por muchos sitios, haciendo cosas que saben hacer muy bien y que las máquinas no pueden.

Si que es verdad, que las máquinas que están en contacto permanente con los datos, esas máquinas tienen que estar conectadas entre sí. Para mí es un poco la clave, el ecosistema del futuro del trabajo, es en el centro de las compañías, las máquinas conectadas entre sí, que eso es lo que va a permitir ese manejo de tantos datos en tiempo real, y luego los humanos en las posiciones a las que estamos nosotros habitualmente acostumbrados.

Nosotros tenemos que llevarnos con las máquinas en las empresas, como nos llevamos con el GPS del coche, que tenemos una confianza plena y nos dejamos llevar y lo utilizamos para lo que queremos, para lo que sirve, sin que eso nos anule nuestra capacidad de conducción.

He oído decir que las matemáticas por sí solas tampoco sirven. Es decir, que es necesario que el algoritmo del que estamos hablando esté bien colocado en la estrategia para que funcione.

Al final, hay dos versiones de futuro. Una que dice que en el futuro las máquinas van a reemplazar a los seres humanos y los seres humanos no van a necesitar pensar. Pero luego hay otra visión de futuro, que es la que yo comparto, que sé lo que un humano hace muy bien, y una máquina no tanto, y viceversa.

Por ejemplo, a un niño le dices: ¡oye, vete a la habitación tal y me traes la pelota roja! Eso es una cosa que un niño de cuatro años te lo puede hacer. Sin embargo, hacer un robot que sea capaz de realizar eso es muy complicado y al contrario, los robots y las máquinas hacen cosas de manera muy ágil y muy rápida, que un humano es incapaz.

Entonces, esa paradoja lleva a una visión de futuro donde el humano y la máquina conviven haciendo cada uno lo mejor que sabe hacer. Un humano sabe pensar, tiene ideas felices y es imprevisible. Por eso la máquina también, muchas veces trabajando con los humanos, no funciona bien, porque lo humano tiene un punto de locura que la máquina no se puede imaginar.

Fundaste Conento, la consultoría analítica de marketing en España y defiendes al departamento de marketing como una pieza fundamental, ¿cómo está cambiando este departamento con la analítica de datos?

El departamento de marketing es uno de los departamentos que lleva más tiempo trabajando con el entorno digital, la analítica digital, o sea que lleva muchísima ventaja. Es verdad que cuando nosotros hablamos de inteligencia artificial yo siempre digo que hay dos tipos de inteligencia artifical: a nivel industrial, donde se enseña a la máquina a hacer una cosa en un proceso, y esa máquina lo hace perfecto, no tiene ningún problema. Y luego la inteligencia artificial, más en el área de marketing que diseñamos para interactuar con humanos. Esa inteligencia artificial está claro que no acaba de funcionar bien, y no lo hace por lo que te decía, porque el ser humano tiene un carácter caótico, impredecible que hace que la máquina no funcione bien.

El gran reto del departamento de marketing es conseguir superar esto, conseguir realmente que esa inteligencia artificial, esas automatizaciones que ponemos ahí para las personas, para los clientes, pues realmente funcionen bien. 

¿Y qué puede hacer una empresa que utiliza las matemáticas como servicio por una empresa del Ibex 35? Vosotros trabajáis con diferentes proyectos

Hace unos años, cuando yo vendía matemática aplicada, iba a las empresas y las empresas siempre decían: ¡qué maravilla! Y contrataban un montón de ese tipo de servicios. Ahora estos servicios de analítica avanzada los tienen dentro.

Estamos ante un problema de falta de talento por qué todas las empresas tienen sus equipos de científicos de datos con ingenieros de datos, switches, data officer... Las propias empresas tienen estos servicios y todavía hay compañías como la mía, que además pueden ofrecer una alternativa...

Sobre todo, lo que se está contratando es mucho talento. En las empresas a veces llegan picos con mucho trabajo, y entonces acuden a empresas de analítica: '¡Oye, necesito que me dejes parte de tu equipo!' Y se contratan estos servicios en empresas de matemática aplicada.

Viendo la parte un poco más negativa del algoritmo, hay gente que tiene cierto miedo a su utilización, porque pueden tener sesgos...

El ser humano es sesgado. Hay muchas veces que nos echamos las manos a la cabeza por la inteligencia artificial. Sesgos se han producido a lo largo de todos los años. Hay tres puntos donde puede haber sesgo.

Desde la propia definición de un problema, que es algo que define a un humano. A lo mejor una persona joven va a ver un problema donde una persona mayor no lo ve, o una mujer donde un hombre no lo ve. Hay ya podemos tener un sesgo.

Luego puedes tener sesgo de los datos, que esto es una de las cosas que más se está criticando en la inteligencia artificial, ¿por qué? Porque nosotros siempre antes de que tuviéramos el big data, cuando ibamos a tener unos datos de los que vamos a sacar unas conclusiones, teníamos siempre una muestra representativa del universo. Entonces tú decías, ¿cómo es el universo de España? ¿cuántos hombres tenemos? ¿cuántas mujeres?, ¿de qué edades?, ¿de qué clase social? Entonces tu tenías una muestra representativa, y de ahí sacabas unas conclusiones. ¿Qué sucede con el big data y la inteligencia artificial? Que como eso es una cosa que es una cantidad ingente de datos en tiempo real.

Por ejemplo, imagínate Twitter de donde vas a sacar una serie de conclusiones. Tienes la fortaleza de que puedes sacar cosas en tiempo real, pero Twitter no es una muestra representativa de España. Además en Twitter es una red social en la que se va mas a expresar más la negatividad que la positividad. Eso es un sesgo. Si luego además, hay más gente de un tipo que de otro, otro sesgo, los datos en el entorno de la inteligencia artificial pueden tener muchos sesgos. Y por último, tienes el sesgo del analista. Si tú le das un puñado de datos a cinco analistas distintos, el resultado nunca va a ser exactamente igual por el sesgo que cada uno tenemos o la manera de hacer las cosas.

Hablemos un poco de profesiones de futuro. Dices que es más fácil sustituir un perfil técnico por una máquina, que un perfil no técnico.

Claro, porque ¿qué es lo que las máquinas hacen mejor? La matemáticas. Si tu quieres que la máquina te haga algoritmos complicados, operaciones complicadas, eso te lo va a hacer fenomenal.

Sin embargo, si tu quieres por ejemplo un fisioterapeuta, pues en el futuro a lo mejor habrá máquinas o robots que te den masajes, pero esto es difícil, u otro tipo de funciones que son muy humanas, las más técnicas serán más fáciles.

Además, fíjate, por ejemplo, una de las cosas que se dice mucho es que en el futuro todos vamos a ser ciudadanos científicos de datos, que va a pasarle con las matemáticas lo que nos pasa con el coche, que va a llegar a una empresa, se va a sentar y va a empezar a a manejar una herramienta donde pueda hacer segmentaciones, predicciones, optimizaciones, etc., sin saber las matemáticas que hay detrás, es decir, que vamos a tener herramientas que nos van a facilitar el pensamiento analítico, sin que nosotros tengamos que desarrollar esa analítica.

Hay más mujeres ahora en ciencia, pero no en puestos relevantes de decisión, ¿cuál es tu opinión?

En el equipo hemos hecho algunos análisis para empresas en este sentido, y te voy a dar un poco una mezcla entre lo que yo he aprendido trabajando ese tipo de datos y también mi propia experiencia de mujer empresaria.

Por un parte, evidentemente las mujeres tenemos un parón profesional a la hora de ser madres, que fíjate que yo he tenido mujeres que han trabajado en mi equipo, analistas, y que no son ni mucho menos esos cuatro a seis meses que estás en casa de baja,  y que ahora, además también los hombres pueden estar en su casa.

Que no es eso, es que nosotras cuando somos madres no es cuestión de cuatro meses, es cuestión de uno a dos años en los que nuestro cuerpo tiene unas prioridades, que las tiene claras, y que no son ir al trabajo y tener tu mente ahí puesta.

Y eso es un tema que es difícil, y es verdad que hemos mejorado mucho, que se están intentando hacer muchas cosas por mejorarlo, pero que van a llevar tiempo. Y luego además de ese parón, hay un tema de ambición, manera de ser, que es que somos distintos, que una mujer para ponerse una nota de sobresaliente a sí misma, tiene que ser la superwoman de la superwoman.

Y sin embargo los hombres no, ellos tienen una manera de hacer las cosas, una visión, una ambición. Luego, además se juntan, y tienen amiguismo... Haces grupos de diez hombres y dos mujeres, y ellas no abren ni la boca. Hay mucho camino de mejora todavía.

Y en tu experiencia, cuéntame.

Pues yo nunca he sentido la diferencia por ser mujer. Es verdad que yo no he sido madre biológica, y a los 41 años he adoptado a mi hija, una experiencia maravillosa y he vivido la maternidad también de manera maravillosa.

Pero fíjate, no ha sido hasta que yo he estado en un entorno big four, donde me he dado cuenta, y no te puedo decir nada malo, porque lo intentan, lo luchan y hacen un montón de cosas por la igualdad de género, pero al final es un hecho, que son muchos más hombres que mujeres, y entonces yo siempre pongo este ejemplo. Si tienes un grupo de 15 hombres y tres mujeres. Nos ponemos a pensar en un ratito a qué vamos a jugar, mientras salimos a tomar el aire, pues ¿a qué vamos a jugar? ¡Al fútbol! Porque ellos son 15 y nosotras somos tres. Y es que ni siquiera vamos a decir que a nosotras nos gustaría jugar a otra cosa...

Al final, ¿en qué mundo vivimos? En un mundo profesional definido por los hombres y ellos tienen voluntad de ayudar y también las empresas pero que esto poco a poco, porque es que con las nuevas generaciones tendrá que notarse más y más. Ahora también te digo una cosa las niñas de 14 y 15 años vienen muy guerreras.

¿Qué podemos hacer para que las niñas se sienten atraídas por las carreras STEM y las ciencias?

Pues mira, lo estamos haciendo de muchas maneras. Hay muchísimas personas que se están dedicando a esto, en los colegios, etc., poco a poco. Muchas veces sentimos que sigue siendo grandísima la diferencia, pero yo noto que hay diferencia.

Yo noto que las cosas cambian y que además lo hacen cada vez un poquito más rápido. Creo que lo estamos haciendo bien en este sentido. Hay muchas empresas, organizaciones que hacen cosas STEM que van a los colegios, que dan charlas, etc., Y cada día lo vamos a notar un poquito más.

¿Crees que son necesarias las cuotas?

Absolutamente. Yo soy de 50 y 50 desde que estuve trabajando en la consultora. ¿Sabes por qué? Porque siempre digo que el feminismo se equivocó en el enfoque.

El enfoque de que nosotras somos iguales que los hombres. Pues no, es que la clave está en que nosotras somos diferentes. Por eso necesitamos 50-50 porque 50 suma más que 100. Si tu tienes 80 hombres y 20 mujeres. Eso te va a aportar menos que 50 hombres y 50 mujeres porque somos diferentes.