Con más de 4.000 asistentes, el SAP TechEd de Berlín es un espacio para expertos. Diseñado para desarrolladores, este evento sirve para demostrar nuevas herramientas, tecnologías y, por supuesto, casos de éxito. En este último punto, Pablo Grynbaum, gerente de finanzas y sistemas de Mercado Libre, quiso compartir algunos secretos tras la infraestructura tecnológica de esta multilatina.
Durante su presentación, Grynbaum aconsejó empezar la implementación de la Inteligencia Artificial y sus agentes partiendo de pequeños objetivos: “El primer consejo probablemente sería empezar poco a poco. Al principio intentamos hacer muchas cosas y hemos visto que probablemente las cosas que aportan más valor al negocio son las más rápidas”.
En segundo lugar, recomendó ser muy claro sobre el objetivo y el resultado esperado: “Porque a veces no es fácil medir las ideas que tienen los usuarios finales. Y los criterios de aceptación pueden no estar claros en todo momento”.
Finalmente, destacó la necesidad de intentar medir todo. “Me refiero no solo a lo que intentamos lograr y cuáles son los criterios de aceptación, sino también a cuánto estamos utilizando ese producto que hemos creado y cuáles son los ahorros, cuál es el impacto que ese producto tiene en el negocio”.
Índice de temas
El contexto del crecimiento
Esta estrategia de implementación de la Inteligencia Artificial es una respuesta a la escala operativa de la empresa. Mercado Libre gestiona 30.000.000 de transacciones comerciales al mes, un volumen que genera un crecimiento de datos acelerado.
“Somos realmente grandes. Nuestro negocio y nuestros datos crecen mucho y muy rápido. Por lo tanto, necesitamos tecnología que respalde ese crecimiento. Y necesitamos que esa tecnología nos ayude a responder a las preguntas del negocio y a tomar mejores decisiones en menos tiempo. Como parte de ello, estamos explorando la IA para dar al negocio esas soluciones”, dijo Grynbaum.
Hasta la fecha, uno de los impactos más significativos de esta implementación de IA ha sido interno, permitiendo a los desarrolladores “hacer desarrollos rápidos con la misma calidad que tenían antes”.
Los desafíos de la implementación
Sin embargo, a pesar de los avances culturales y tecnológicos, las implementaciones de IA siguen enfrentando múltiples desafíos que van desde los retornos de inversión hasta la selección de indicadores de desempeño. Grynbaum añadió a estos retos la interoperabilidad.
“Uno de los desafíos más grandes para nosotros es la interconectividad con los otros sistemas que ya tenemos. Hacer que las plataformas puedan hablar entre sí”.
Un reto adicional es la gestión del usuario, a quien, según Grynbaum, es difícil hacer entender que están trabajando con “sistemas probabilísticos y no deterministas”.
