Les dades són, sense cap mena de dubte, un important actiu per les empreses. La seva captació, integració i gestió per extreure valor i nous models de negoci són clau i ocupen les ments d’estrategs del negoci, la innovació i el màrqueting. No totes les organitzacions són, efectivament, data-driven, però sens dubte treballen amb dades a diferents nivells. L’ús de big data s’incrementa gràcies a la proliferació d’eines i tecnologies (sempre més accessibles) que permeten gestionar grans volums i varietats de fonts de dades a gran velocitat.
Això no obstant, aquesta integració encara suposa un repte considerable, i ho és especialment quan es tracta de salvaguardar la privacitat de les dades i la seguretat en entorns amb dades disperses. Per això, existeixen dos reptes en particular que ens haurien de preocupar: la gestió de dades i Data Governance, i l’ètica en l’ús de la intel·ligència artificial (artificial intelligence o AI).
Data Management i Data Governance
Considerant que les dades són en l’actualitat la base per a generar noves oportunitats (de negoci i d’innovació a la creació, gestió i personalització de productes i serveis...) o predir tendències, és evident que és clau saber treballar amb elles de forma apropiada (Data Management). D’aquesta gestió adequada (sumada a les normatives corporatives i de mercat) sorgeix el concepte de Data Governance. Podem definir aquest terme com els rols, responsabilitats i processos dirigits a garantir la integritat, seguretat, propietat, usabilitat i disponibilitat de les dades utilitzades a una organització. Un programa de Data Governance eficaç ha d’incloure un Consell de Govern, un responsable (normalment anomenat Chief Data Officer o CDO), una sèrie de polítiques ben definides i un pla per executar-les.
La sostenibilitat de negoci passa per aportar valor a tots els stakeholders de l’organització
No es tracta únicament de complir les normes, sinó d’integrar aquests processos a l’estratègia de negoci i innovació de l’empresa. Hem d’alinear-los amb els objectius estratègics de l’organització, així com amb els objectius de sostenibilitat i responsabilitat social corporativa i, per tant, enfocar la generació de valor als stakeholders.
La sostenibilitat de negoci passa, efectivament, per aportar valor a tots els stakeholders de l’organització. Aquests estan formats per clients, empleats, proveïdors, inversors i fins i tot la societat en el seu conjunt. Aquesta última, sent el nostre mercat de referència, ens permetrà generar valor a llarg termini. Posem un exemple concret d’integració de dades com a model de negoci, privatització i explotació de l’anàlisi de dades: si integrem un conjunt de dades (dataset) provinent de dades obertes (open data) publicades per una entitat pública... podem integrar-les a un model de negoci privat que generi riquesa únicament a la companyia? O hauríem de considerar de quina forma aquesta retorna valor a la societat? Una visió a curt termini, enfocada únicament en la part econòmica i el simple compliment normatiu, crema recursos. Suposa vendre més ara per després haver de gestionar crisis reputacionals.
Utilitzem el símil de la gestió de la sostenibilitat ambiental i el carbon footprint. Al ser una preocupació creixent a la societat, més i més empreses l’integren a la seva estratègia, encara que no sempre ho fan de la mateixa manera, ja que podem trobar empreses que realitzen únicament estratègies de greenwashing. Igualment, la responsabilitat i la bona gestió de les dades per part de les empreses és tan important com la responsabilitat i gestió ètica dels recursos i la seva petjada de carboni. Aportant informació i claredat en el que podríem anomenar la data footprint de cada persona, stakeholder i organització, podem identificar clarament quines dades tenim i com les fem servir per a cadascun dels nostres clients? Com els protegim? Com els enriquim?
Ètica i AI
Els algoritmes d’intel·ligència artificial i aprenentatge automàtic superen actualment la capacitat humana en àrees com la identificació de patrons, la categorització o la detecció d’anomalies. És un fet. Una de les àrees més prometedores en les quals aquests avenços ens poden ajudar en l’àmbit del negoci i el màrqueting és la millora de la qualitat de les dades, en la qual s’inclou l’elaboració de perfils de dades i modelització predictiva per optimitzar i personalitzar les relacions amb el client. És per això que el seu ús s’estén cada vegada més. Tot i això, segons el vicepresident i expert en analítica digital de Gartner Mark Beyer, hem d’ensenyar les màquines les tasques en les quals no són tan bones: la improvisació, l’adaptació a canvis de patrons i la sensibilitat al context. Per aquesta raó, resulta complex integrar l’ètica als algoritmes d’intel·ligència artificial. Es podria donar una situació en la qual, per exemple, els algoritmes perpetuessin un element que generés discriminació a la societat o diferents tipus de biaixos com les bombolles d’informació.
Els algoritmes podrien perpetuar un element que genera discriminació a la societat o biaixos com les bombolles d’informació
Un altre factor rellevant a tenir en compte és que l’AI necessita una gran quantitat de dades per a poder ensinistrar els models i permetre així que incrementin la seva fiabilitat. Diverses mostres d’això són l’anomenada funció feed client service bots (que guarda dades de recerques de veu correctes i incorrectes que fans els usuaris), la informació rebuda dels clics que fem als anuncis que ens interessen, el feedback sobre contingut que considerem rellevant o no o les dades anonimitzades de comportament i perfilació per a descobrir tendències o patrons de comportament. D’aquestes dades, necessàries per a l’ensinistrament de la intel·ligència artificial, sorgeix la pregunta: quina petjada de dades deixem darrere i com es gestiona?
Antoni Garrell, President d’HM Hospitals de Catalunya, ja subratllava la necessitat de gestionar i regular l’ús de la intel·ligència artificial per l’increment del seu ús a causa de la pandèmia de la Covid-19. I no és l’únic, ja que Luciano Floridi, professor de Filosofia i Ètica de la Informació a Oxford University, també ha plantejat aquestes qüestions al seu article The ethics of algorithms. En aquest, a més, adverteix que “les bretxes entre el disseny i el funcionament dels algoritmes i la nostra comprensió de les seves implicacions ètiques poden tenir greus conseqüències que afectin tant a individus com a grups i societats senceres”.
Així doncs, les empreses que gestionin correctament, amb transparència, ètica i seguretat les dades i integrin aquests valors estratègics aconseguiran generar sostenibilitat de negoci i aportar valor als seus stakeholders. No es tracta únicament d’entendre el que podem arribar a fer amb les dades, sinó de saber què hauríem de fer amb elles i com les podem aplicar per a gestionar empreses connectades a la generació de valor i sensibles al risc i l’oportunitat.