Información sobre innovación, productividad y tecnología

RPA vs IA, ¿son lo mismo?


RPA (Automatización Robótica de Procesos) y la IA (Inteligencia Artificial), ¿son lo mismo? La respuesta corta es: no. Aunque son términos que se utilizan indistintamente o existan conceptos como Automatización Inteligente, lo cierto es que se trata de tecnologías diferentes. Por otro lado, existen confluencias entre ambas y combinadas ofrecen un increíble potencial.

Pero, ¿a qué nos referimos exactamente cuando hablamos de Inteligencia Artificial o cuando nos referimos a RPA?

La IA aprende de comportamientos pasados y mejora las decisiones de manera autónoma. En combinación con el PNL (Programación Neurolingüística) o el Machine Learning (Aprendizaje automático), usando algoritmos que le ayudarán a mejorar al máximo la comprensión.


La IA está presente en nuestro día a día, por ejemplo quien no conoce los asistentes virtuales de voz, Siri o Alexa,; en la detección facial en los smartphones; o integrados en nuestros dispositivos cotidianos a través de los bots. El objetivo de todas estas soluciones es ayudarnos para hacernos más cómodo nuestro día a día.

Por otro lado, el RPA es un robot software que simula las acciones de una persona realizando una serie de tareas repetitivas y basadas en reglas, interactuando con la interfaz de usuario de un sistema informático. Debe iniciarse con un trigger digital, por ejemplo, cliqueando en un botón y la lógica del bot se basa en datos totalmente digitalizados.


El RPA asume un alto volumen de carga de trabajo, agilizando trámites y eliminando errores, haciendo que los procesos sean más eficientes. Además, se trata de una tecnología poco invasiva y que se integra perfectamente con los sistemas que ya están implantados en la organización.


Entonces, ¿dónde está la diferencia? Digamos que RPA es un software que imita las acciones humanas, mientras que la IA trata de imitar la inteligencia humana. Por tanto, podíamos resumir que la automatización de procesos “realiza”, mientras que la Inteligencia Artificial, como el Machine Learning, “aprende”.

Otra diferencia entre ambas es su enfoque de trabajo. Mientras que RPA se basa en un proceso o conjunto de reglas que hay que definir claramente, la Inteligencia artificial maneja datos, de los que deduce, mediante el entrenamiento del algoritmo, la respuesta adecuada.


Aunque se trata de dos conceptos diferentes, su combinación ofrece un gran potencial, siendo la Automatización Inteligente la que aglutina ambas tecnologías en una misma solución. ¿Cómo sería un proceso de automatización inteligente?

Por ejemplo, en un proceso de gestión del talento en una empresa, se recibirían los documentos de altas y bajas de los colaboradores. Este proceso reúne la información mediante correos electrónicos y actualiza los sistemas de la empresa, obteniendola de lo que se recibe y verificandola con los sistemas de gestión.


Esta solución tiene dos elementos básicos: uno que se encarga de analizar la documentación mediante procesamiento de lenguaje natural, transformar las imágenes en texto, recopilar la información y transformarla en datos estructurados. El otro componente se dedica a ejecutar las transacciones con los sistemas de gestión siguiendo determinadas reglas de negocios. Esta combinación permite llevar a cabo procesos más complejos y abre las posibilidades.

Con RPA sería imposible definir todas las reglas necesarias para procesar información e imágenes incluidas en los documentos que se procesan. ¿Cómo se resuelve? Gracias a la Inteligencia Artificial, que extrae los datos estructurados tal y como lo haría una persona. Por lo tanto, la Automatización Inteligente abarca todo el proceso: descubrimiento, automatización y optimización. Asi, permite permitiendo automatizar procesos de punta a punta y organizar trabajos entre bots y personas. 

Share:

RPA vs BPM: Automatización de procesos

Algo que a veces se escucha es que RPA y BPM son lo mismo. Es decir, que RPA automatiza los procesos de principio a fin como lo hace actualmente BPM. Esta idea equivocada se olvida que RPA es una tecnología y BPM es una disciplina, además que el RPA no está diseñado para hacer eso. Ocurre que aunque BPM y RPA operan con una lógica de proceso similar basada en eventos, acciones, condiciones y bucles, el contexto sobre el que se aplican es diferente.


Las principales diferencias se encuentran en la definición de los flujos de trabajo, ya que para el primero son genéricos y para el segundo son específicos. Además, uno de los objetivos de BPM es involucrar a las personas en los procesos, mientras que RPA pretende reemplazar las tareas humanas repetitivas. Y si hablamos de retorno, en BPM no es inmediato, pero en RPA sí. 

En la siguiente imagen se pueden ver estos aspectos en los que difieren ambos conceptos.


En caso se trate con un flujo sencillo, que no tiene muchas excepciones, un bot podría sustituir a un proceso BPM. Sin embargo, en la otra mayoría de casos, y dado que sus objetivos son similares (aumentar la productividad y la eficiencia), BPM y RPA pueden trabajar de manera conjunta.

En muchas ocasiones, una organización no siempre puede tener los recursos y el tiempo para implementar completamente un proceso, o tener un proceso que no requiera ninguna participación humana. Por lo tanto, la implementación conjunta de BPM y RPA podría generar un valor mucho mayor que un enfoque meramente tecnológico.

En definitiva, RPA y BPM no están en conflicto la una con la otra. Aunque ambas buscan la optimización de procesos, su área de influencia es diferente, y cada caso requerirá mayor presencia de una o de otra, aunque la mayoría de las veces la mejor solución será implementar ambas.

Aunque RPA puede resultar  más llamativo en primera instancia, muchas de la veces lo que una empresa necesita es establecer un flujo de trabajo adecuado entre sus departamentos y empleados, en vez de optimizar una tarea repetitiva en cuestión.

Cómo combinar BPM y RPA

Por lo general, resulta mejor estrategia comenzar estableciendo un flujo de trabajo adecuado a nivel empresarial, y a partir de éste detectar cuellos de botella. BPM es la herramienta ideal para este caso, tanto en producción como con la posibilidad de la simulación estadística para estimar tiempos y recursos. A partir de la detección de cuellos de botella, una optimización del proceso BPM puede resultar suficiente, y si el caso lo requiere, se puede utilizar RPA para solventar el problema.

Share:

¿Qué es RPA y porqué es importante para los negocios?


La automatización robótica de procesos, mejor conocida como RPA por sus siglas en inglés, consiste en el uso de robots de software (bots) para realizar tareas repetitivas de solían encargarse a las personas. La mayoría de este tipo de herramientas se ejecutan en una simple computadora y pueden realizar tareas rutinarias, como pasar registros de una base de datos a un Excel.

Aparentemente los bots trabajarían en tareas simples. Sin embargo, pueden ser muy importantes para que una empresa funcione de manera más eficiente e incluso como parte de una estrategia de gestión de procesos empresariales (BPM). Por otro lado, el RPA forma parte de la tendencia que promueve añadir nuevos niveles de calidad y productividad, en la estrategia de Transformación Digital de toda empresa.

En otras palabras, un software que nos permitirá automatizar una serie de tareas predecibles, medibles y configurables. Es importante enfatizar que el proceso debe contar con las características antes mencionadas, ya que nos permitirán cuantificarlo en el tiempo para calcular su retorno y re-configurarlo si algo cambia en el proceso. Lo anterior es debido a que hasta ahora, la mayoría de los robots no son capaces de tomar decisiones autónomas.


RPA es importante para los negocios

Los datos son la materia prima de la economía digital. Dos trillones y medio de datos son generados cada día, que se multiplican cada año, y de los que solo se explota entre el 5% y el 10%, según IDC.

La tecnología es la respuesta para lidiar con esta cantidad ingente de información y permitir a las empresas lograr el máximo potencial, mejorando la experiencia de sus empleados y sus clientes.

Y es que se estima que hasta un 45% de las actividades laborales pueden ser automatizadas en los próximos años y que en 2022 el 72% de las interacciones con clientes se hará a través de tecnologías emergentes.

RPA se puede utilizar en innumerables entornos y procesos. Entre ellos están:
  • Tareas repetitivas que se ejecutan N veces al día.
  • Reportes periódicos para la toma de decisiones y análisis de datos.
  • Envío masivo de correos electrónicos y extracción de información de fuentes alternas.
  • Transformar datos en modelos gráficos y/o de decisión.
  • Transacciones de aplicaciones ERP.
  • Mantenimiento preventivo de sistemas integrales.

En consecuencia, al implementar soluciones basadas en RPA tendremos:

  • Ahorra tiempo y costes: un bot en promedio es de 10 a 15 veces más rápido que un ser humano.
  • 24x7: trabajan ininterrumpidamente durante 24 horas sin necesidad de hacer descansos.
  • Sin errores: la probabilidad de error es nula.
  • Multiplica la eficiencia: la mejora de la eficiencia de los procesos se sitúa entre un 50% y un 90%.
  • Amortización en solo 3 meses: con una solución de automatización robótica de procesos en modo pago por uso se tendrá un rápido retorno. Aparte de no acarrear costes operativos, se venden en bloques de horas sin necesidad de inversión inicial.
  • Integración: las mejores soluciones de RPA pueden combinarse con otras tecnologías como OCR e Inteligencia Artificial y funcionalidades como la firma certificada, la validación de flujos, la trazabilidad, el reporting o la validación de firmas digitalizadas, entre otros.
  • No intrusivo: RPA se puede implementar sin causar disrupción en los sistemas de la organización. Los robots se podrían conectar a las aplicaciones web de forma sencilla, sin necesidad de que intervenga el departamento de TI.


RPA llegó para quedarse

El mercado de robotización RPA está en auge gracias a las mejoras en productividad y de experiencia de usuario y los ahorros que genera la automatización de procesos. Gartner calcula que un 85% de las empresas con ingresos superiores a 1.000 millones de dólares habrán desplegado RPA a finales de 2022, un porcentaje que a finales de 2018 ya era del 60%. Por su parte, la consultora Forrester prevé que el mercado de automatización robótica de procesos crecerá más de un 60% anual, pasando de 250 millones $ en 2016 a 2.900 millones en 2021.

Queda claro. La automatización de procesos con RPA es el complemento ideal para los empleados que, liberados de las tareas repetitivas, pueden centrarse en ser más creativos, aportando así más valor a su empresa.

Share:

Los servicios de recopilación de datos ayudan a las organizaciones a lograr el impacto comercial adecuado

Hoy en día se exige que todos los procesos, las decisiones y las acciones comerciales se alimenten con análisis. Las innovaciones tecnológicas han llevado a una abundante disponibilidad de datos y el análisis de estos se ha convertido en un proceso básico en negocios de todo tamaño y tipo. A medida que las empresas los recopilan para obtener una ventaja competitiva en la industria, las empresas de recopilación de datos se convierten en un facilitador en su búsqueda: agrupar, categorizar y procesar datos para obtener información crítica para el negocio (tal vez el servicio más conocido es Google Analytics). Ayudan a las organizaciones a liderar iniciativas exitosas basadas en datos superando tres desafíos: acumulación, análisis y acción.



La necesidad de servicios de recopilación de datos

Considerar la estadística de la Encuesta global de datos y análisis de PwC que indica que las organizaciones basadas en datos tienen tres veces más probabilidades de mostrar una mejora sustancial en la toma de decisiones. A menos que los datos sean creíbles y estén procesados ​​estratégicamente, cualquier información que se derive de ellos será defectuosa, lo que costará recursos y tiempo. Los servicios de recopilación de datos permiten a las empresas obtener los datos relevantes necesarios para estrategias sólidas y decisiones comerciales. La recopilación rentable de datos precisos y específicos ha sido una piedra angular de la economía del conocimiento, la base de las empresas que van desde empresas emergentes de agregadores hasta corporaciones globales. Los servicios de recopilación de datos ofrecen el enfoque correcto hacia el primer paso de la inteligencia empresarial, ayudando a las empresas a superar a sus pares en la industria.

Casos de uso habilitados para datos

Las empresas de recopilación de datos tienen el potencial de capitalizar lo que los datos tienen para ofrecer. En otras palabras, tienen capacidades técnicas superiores para recopilar, analizar y visualizar los datos a través de procesos automatizados, respaldados por un grupo altamente competente de profesionales de minería de datos. Las estructuras de gestión de datos ágiles y multifuncionales les permiten ayudar a las organizaciones de los clientes a obtener los conocimientos correctos y, por lo tanto, hacerlos pivotar en un panorama altamente competitivo. Las tres formas principales a través de las cuales los proveedores de recopilación de datos ayudan a las organizaciones clientes a acentuar el impacto comercial son:

1. Implementación de un nuevo modelo comercial

La implementación basada en datos de nuevos modelos comerciales alinea los objetivos comerciales con el estado actual y previsto de la oferta y la demanda. Los servicios profesionales de recopilación de datos ayudan a las organizaciones a expandir la cartera de la empresa a una gama más amplia, agregar más valor, respeto y credibilidad que respaldan la propuesta de valor. El proveedor puede ofrecer datos relevantes o conocimientos prácticos o cualquier otra información secundaria valiosa extraída de los datos.

2. Estrategias de experiencia del cliente

La optimización del espacio y las estanterías, la venta cruzada y adicional, la optimización de existencias y reabastecimiento, las estrategias de precios dinámicos y la optimización del surtido son algunas de las actividades que requieren datos sustanciales de los clientes. Aprovechar los resultados impulsados ​​por conocimientos puede ayudar a las partes interesadas a gestionar de forma eficaz tales actividades centradas en el cliente. Las empresas de recopilación de datos proporcionan los datos necesarios en función de los objetivos y procesos comerciales. Básicamente, facilitan que una empresa planifique de manera efectiva la experiencia de sus clientes y ofrezca servicios en consecuencia.

3. Optimización de las operaciones comerciales internas

Los conocimientos basados ​​en datos ayudan a optimizar los procesos internos de una empresa. La optimización de la cadena de suministro, la planificación de la fuerza laboral, el mantenimiento predictivo, la planificación de la demanda y la prevención del fraude son algunos de los procesos que se pueden mejorar con el beneficio de los datos. Las empresas que se ocupan de la recopilación de cantidades masivas de datos pueden subcontratar su recopilación principal a los servicios de recopilación de datos, esencialmente descargando el trabajo para optimizar los costos.

De la información a la acción: convertir datos en valor empresarial

Las preferencias cambiantes de los consumidores ha obligado a las empresas a recopilar y analizar datos para prosperar. Sin embargo, invertir en la recopilación de datos cuando los consumidores tienen expectativas en tiempo real de las marcas y empresas es un desafío.

Millones de datos en forma de aplicaciones, comentarios de los consumidores, publicidad, atribución, etc. hacen que esta tarea sea aún más difícil. Por lo tanto, las empresas que contratan servicios de recopilación de datos emergen como líderes en un panorama en constante evolución. Además, obtienen ventajas en términos de tecnología e infraestructura que permiten el acceso a información derivada de análisis avanzados que generan impacto comercial.

La colaboración con empresas de recopilación de datos de subcontratación experimentadas y consumadas puede ayudar a las empresas a aprovechar el verdadero potencial de los datos. Todos los principales servicios de recopilación de datos en línea que brindan a las empresas pueden integrar fácilmente varias fuentes de datos, aprovechar las tecnologías más avanzadas para brindar análisis más rápidos y profundos, así como extraer información que conduzca a un mejor desempeño comercial. Los conocimientos derivados del aprovechamiento de los datos ayudan a los líderes en las estrategias enfocadas en el futuro que contribuyen al crecimiento de la organización.


Adaptado de:

https://www.datasciencecentral.com/profiles/blogs/data-collection-services-assisting-organizations-to-achieve-the

Share:

Las cinco características clave de una buena pregunta para el análisis de datos

Hay cinco características clave de una buena pregunta para el análisis de datos, que van desde la más básica hasta la más abstracta.


La primera es que sea de interés para la audiencia. Esta dependerá del contexto y el entorno en el que se esté trabajando con los datos. Si fuese algo académico, la audiencia podrían ser otros colaboradores, la comunidad científica, alguna entidad del gobierno, los patrocinadores y/o el público. Si fuese una empresa, la audiencia podrían ser su jefe, los líderes de la empresa y/o los inversores. Por ejemplo, responder a la pregunta de si las ventas de pepperoni son mayores cuando se muestra junto a la salsa de pizza y la masa de pizza o cuando se muestra junto a otros embutidos sería de interés para una cadena de supermercados, pero no para personas de otras industrias.

La segunda es que se ha verificado que aún no ha sido respondida. Con la explosión de datos, la creciente cantidad de datos disponibles públicamente y la aparentemente interminable literatura científica y otros recursos, no es raro descubrir que ha sido respondida. Un poco de investigación y discusión con expertos podrían ayudar a resolver esto. Además, incluso si aún no ha sido respondida, las preguntas relacionadas si podrían haberlo sido y las respuestas a estas son información que podría ayudar a decidir cómo proceder con la pregunta específica.

La tercera es que debería surgir de un marco aceptable. Siguiendo la pregunta anterior, sobre la relación entre las ventas de pepperoni y su ubicación en la tienda, es aceptable porque los compradores que compran ingredientes de pizza tienen más probabilidades que otros compradores de estar interesados en pepperoni y es más probable que lo compren si lo ven al mismo tiempo que están seleccionando los otros ingredientes de la pizza. Una pregunta menos aceptable sería si las ventas de pepperoni se correlacionan con las ventas de yogurt, a menos que se tenga algún conocimiento previo que sugiera que estas deben estar correlacionadas. Si se tiene una pregunta cuyo marco no es aceptable, es probable que se termine con una respuesta difícil de interpretar o en la que no se tenga confianza.

La cuarta es que debería ser respondida. Tal vez no sea necesario indicar esto, pero vale la pena señalar que algunas de las mejores preguntas no se pueden responder, ya sea porque los datos no existen o porque no hay forma de recopilarlos debido a la falta de recursos, viabilidad o problemas éticos. Por ejemplo, se tiene una pregunta sobre un estudio de ciertas células en el cerebro que causan el autismo, pero no es posible realizar biopsias cerebrales para recolectar células vivas para estudiar, las que serían necesarias para responder la pregunta.

La quinta es que es específica. Ejemplo de una pregunta general: ¿Es mejor para uno llevar una dieta más saludable? Por tanto, resulta importante seguir un proceso que refine la pregunta y tener claro qué pasos se tomarán cuando se comience a buscar datos. Siguiendo el ejemplo ¿qué quiere decir una dieta "más saludable"?. Así, el proceso de refinamiento debería conducir a una pregunta final como: "¿Comer al menos 5 porciones al día de frutas y verduras frescas conduce a menos infecciones del tracto respiratorio superior (resfriados)?" Con este nivel de especificidad, el plan a seguir es mucho más claro y la respuesta que se obtendrá al final del análisis de datos será más fácil de interpretar.

Adaptación del libro "The Art of Data Science", de Robert Peng y Elizabeth Matsui.

Share:

La ciencia de datos como arte

El análisis de datos es difícil y parte del problema es que pocas personas pueden explicar cómo hacerlo. No es que no haya personas que realicen análisis de datos de forma regular. Sino que las personas que son realmente buenas en esto aún tienen que iluminar sobre el proceso de pensamiento que siguen.


Imagina que le preguntas a un compositor cómo escribe sus canciones. Hay muchas herramientas a las que puede recurrir. Tenemos una comprensión general de cómo debe estructurarse una buena canción: cuánto tiempo debe durar, cuántos versos, tal vez haya un verso seguido de un coro, etc. En otras palabras, hay un marco abstracto para las canciones en general. De manera similar, la teoría musical nos dice que ciertas combinaciones de notas y acordes funcionan bien juntas y otras combinaciones no suenan bien. Por muy buenas que puedan ser esas herramientas, en última instancia, el conocimiento de la estructura de la canción y la teoría musical por sí solo no lo convierte en una buena canción. Se necesita algo más.

En algún momento, el compositor debe inyectar una chispa creativa en el proceso para unir todas las herramientas de composición y hacer algo que la gente quiera escuchar. Esta es una parte clave del arte de escribir canciones. Esa chispa creativa es difícil de describir, mucho menos de escribir, pero claramente es esencial para escribir buenas canciones. Si no fuera así, tendríamos computadoras creando canciones de éxito con regularidad. Para bien o para mal, eso aún no ha sucedido.

Al igual que la composición de canciones, es importante darse cuenta que el análisis de datos es un arte. Todavía no es algo que podamos enseñarle a una computadora. Los analistas de datos tienen muchas herramientas a su disposición, desde la regresión lineal hasta los árboles de clasificación e incluso el aprendizaje profundo. Y todas esas herramientas se han enseñado cuidadosamente a las computadoras. Pero, en última instancia, un analista de datos debe encontrar una manera de reunir todas las herramientas y aplicarlas a los datos para responder una pregunta relevante, una pregunta de interés para las personas.


Desafortunadamente, el proceso de análisis de datos no es uno que hayamos podido escribir de manera efectiva. Es cierto que hay muchos libros de texto de estadística y tal vez tengamos algunos de ellos. Pero ninguno de estos aborda realmente los problemas centrales involucrados en la realización de análisis de datos del mundo real.

Describir el análisis de datos presenta un enigma difícil. Por un lado, desarrollar un marco útil implica caracterizar los elementos de un análisis de datos utilizando un lenguaje abstracto para encontrar los puntos en común entre los diferentes tipos de análisis. A veces, este idioma es el lenguaje de las matemáticas. Por otro lado, a menudo son los mismos detalles de un análisis lo que hacen que cada uno de ellos sea tan difícil e interesante. ¿Cómo se puede generalizar eficazmente a través de muchos análisis de datos diferentes, cuando cada uno de estos tiene aspectos importantes únicos?

Es así que el proceso de análisis no es una "fórmula" específica para el análisis de datos, algo así como "aplicar este método y luego ejecutar esta prueba", sino que es un proceso general que, con suerte, se puede aplicar en una variedad de situaciones. Finalmente, a través de la experiencia, tanto en la gestión de analistas de datos como en la realización de estos, se observará cuidadosamente qué produce resultados coherentes y qué no produce información útil sobre los datos.


Share:

Transformación Digital no es igual a Innovación

Conversando sobre Transformación Digital, en algún momento surgió el término Innovación donde ambos parecían apuntar a lo mismo. Han sonado tanto y al mismo tiempo en las empresas, que a veces las tratan como una sola cosa y suele haber áreas como "Transformación Digital e Innovación". Pareciera que tuviera sentido ¿verdad? tener un área que se encargue de "todo lo nuevo",  especialmente si la empresa cuenta con el espíritu emprendedor, quiere estar a la vanguardia y transformar a la empresa en innovadora.

Sin embargo, no son lo mismo. Innovación implica modificar cosas, ideas o la forma como hacemos algo actualmente, mejorándolo o creando nuevos productos que impacten de manera favorable en el mercado. No creo que alguien diga "encontramos nuestro producto innovador, ya podemos cerrar el área de Innovación". Por otro lado, la Transformación Digital es un proceso estratégico que busca aprovechar las ventajas competitivas de la empresa para desarrollar competencias tecnológicas nuevas, para así construir valor diferenciado y mantenible en el tiempo. .

Es decir, se gestionan distinto, requieren diferentes roles, tienen tiempos y métricas por separado, y apuntan a expectativas y prioridades independientes. No es solo un problema de redacción, sino que esto podría acarrear problemas reales. Gestionar la innovación es algo que debe hacerse permanentemente, en cambio la transformación digital es un proceso. Todas las gestiones de innovación se parecen, en cambio la transformación digital es única por empresa. La Innovación promueve la generación de ideas, en cambio la Transformación Digital de escoger las batallas y ejecutarlas bien.

Habrán por supuesto algunos aspectos donde la gestión de la innovación y la de un proceso de transformación digital coincidan o compartan objetivos. Por ejemplo, la adopción de la agilidad y el cambio cultural necesario para tomar como propia las nuevas ideas y las nuevas tecnologías. Sin embargo, es importante diferenciarlos y definir sus propios criterios de éxito y fracaso. En la medida de que se diferencien ambas podrán recibir los recursos y el talento necesarios, en lugar de hacerlos competir internamente, con el riesgo de que uno de ellos quede desatendido.

Share:

Gobierno Digital

¿Te acuerdas de la última vez que hiciste un trámite? Probablemente no sea un recuerdo feliz. Hoy en día y sobre todo por las condiciones dadas por la pandemia, no serían pocos los ciudadanos interesados en conocer la realidad de sus países y que buscan responder a preguntas como: “¿cuáles son las características y beneficios de un gobierno digital?”, “¿cuáles son los pilares que permiten una transformación digital de gobierno?” y “¿qué casos de buenas prácticas existen en Latinoamérica y en el mundo?”, entre otras.


Un riesgo evidente que corre un gobierno que no se transforme en digital es la pérdida de competitividad. Donde, la pérdida de competitividad afecta la capacidad para atraer inversión, para desarrollar el sector empresarial y por lo tanto, para generar crecimiento económico. Además, existe el riesgo de no poder atender a una población en crecimiento y cada vez más exigente, con los recursos limitados con los que cuentan.

Por otro lado, la digitalización del gobierno tiene una influencia directa en la lucha contra la desigualdad de un país ya que influye en la efectividad de las políticas sociales. Gracias a la captura de información, el análisis de grandes fuentes de datos (big data), el aprendizaje automático o la inteligencia artificial, los gobiernos puede detectar ciudadanos con necesidades aún cuando estos no se hayan comunicado con el mismo.

Finalmente, no optar por las innovaciones que ofrece la sociedad del conocimiento hará que los gobiernos parezcan anticuados ante los ojos de sus ciudadanos, al compararlos con el sector privado. Es difícil que perciban que reciben servicios de calidad si se mantiene la cultura de la interacción presencial y el papel, mientras que el entorno se hace cada vez más digital.

Pero ¿cuáles son los pilares clave que todo gobierno necesita incorporar en una transformación digital? De acuerdo al BID estos son los 5 principales:


1. Servicios Digitales

Los servicios, comúnmente llamados trámites, son mecanismos de interacción entre las personas, las empresas y los gobiernos para acceder a beneficios, cumplir con obligaciones o solicitar algún servicio específico. De modo que un servicio digital es un trámite en el cual el intercambio de información y pagos se hacen a través de internet. Al mejorar algún servicio, hay dos objetivos a considerar: la optimización de la satisfacción y la reducción de los costos. Estos no siempre están alineados y a veces una reducción de costos implica un empeoramiento de la calidad de servicio. Afortunadamente, los servicios digitales permiten alcanzar ambos objetivos.

Sin embargo, debemos tener presente que no todos podrán ser completamente digitales. Esto debido a factores como la naturaleza del servicio (ej. la licencia de conducir requiere un examen práctico), las limitaciones socio económicas (ej. edad, nivel educativo) y las limitaciones tecnológicas (ej. falta de conectividad y/o acceso a Internet).


2. Interoperatibilidad

Se considera como interoperabilidad al marco normativo, la gobernanza y los sistemas informáticos que permite a un organismo A acceder a los datos de un organismo B. Esto ayuda a evitar que un organismo tenga que solicitar estos datos al ciudadano si es que la administración ya cuenta con ellos. También es importante aclarar lo que no es interoperabilidad. Por ejemplo, datos abiertos no es sinónimo de ella. Los datos abiertos se pueden consumir desde fuentes públicas,  mientras que la interoperabilidad está basada en el acceso a datos que están en un determinado organismo competente.

Algunos criterios que se requieren en un sistema de interoperabilidad avanzado: 1. Ser bidireccional. 2. El sistema debe contemplar la gestión de la oferta y la demanda. 3. Debe orientarse a una administración interoperable que no pida datos al ciudadano. 4. La administración pueda realizar los procesos de manera automática. 5. Ser proactiva para que el ciudadano no tenga que iniciar los trámites.


3. Datos

La mayor parte de lo que hacemos genera datos que son almacenados por diversas entidades, tanto públicas como privadas. Las nuevas tecnologías como el Big Data, la inteligencia artificial y el internet de las cosas (IoT por sus siglas en inglés), entre otras, ilustran esta tendencia. Los datos pueden mejorar la calidad de los bienes y servicios que recibimos. En el sector público, por ejemplo, los datos pueden mejorar la eficiencia y la transparencia gubernamental, informar el diseño de políticas públicas y ayudar a monitorearlas y evaluarlas. Además, los datos son un insumo para la innovación digital, fomentando emprendimientos basados en datos y empoderando a la sociedad civil.

Pero para que los datos puedan ser un insumo de las políticas públicas los gobiernos deben generar datos de calidad e interoperables. Los estándares de datos sirven para sistematizar toda la información que generan las distintas entidades de la administración pública y así poder contar con información completa sobre un tema o entidad en particular. Cabe destacar que todo el análisis necesario para aprovechar las oportunidades que ofrecen los datos requiere de una nueva generación de profesionales y talento que suele ser escaso, los llamados "científicos de datos".

4. Identidad y Firma Digital

La identidad digital es una herramienta que permite identificar de forma única y universal a los ciudadanos en el medio digital, asegurando que toda la interacción electrónica que realice tenga un alto nivel de certeza. Es importante contar con una identidad digital única entre los diversos organismos del estado, que permita un proceso de verificación y autenticación eficiente y seguro, evitando la duplicación de información y reduciendo los costos operativos.

Por otro lado, la firma digital es la herramienta que permite la validez jurídica y legal para la suscripción de los documentos en el ámbito virtual. Que la persona pueda identificarse adecuadamente y que pueda dar su conformidad con lo estipulado en ciertos documentos, como lo haría de manera presencial. No implica herramientas sofisticadas ni costosas, sino que se cuente con una regulación y una normativa legal que indique los principios básicos de la identidad y la firma digital.


5. Ciberseguridad

La tecnología forma parte de la vida de todas las personas y la utilizamos a diario. Por ejemplo, para hacer compras por internet o para organizar nuestra agenda. Nos facilita la vida, pero también incorpora riesgos de ciberseguridad que tanto los ciudadanos como los gobiernos deben tener en cuenta. En el caso de los gobiernos, los servicios podrían ser atacados, siendo los riesgos de confidencialidad, integridad y disponibilidad de la información. La ciberseguridad no es una tarea fácil pero es una condición necesaria para el desarrollo digital.

La confidencialidad significa que solo las personas debidamente autorizadas pueden acceder a la información. La integridad implica que si mi información es alterada yo voy a darme cuenta, y la disponibilidad implica que la información está disponible cuando se la necesita. Sin embargo, la ciberseguridad no se consigue de la noche a la mañana, es un proceso que toma tiempo y por lo tanto, es fundamental contar con una estrategia y planes de acción bien definidos.


Finalmente, en caso necesites conocer más acerca de los gobiernos digitales, puedes consultar estos recursos provistos por el BID:

Wait No More: Citizens, Red Tape, and Digital Government

De la Información a la Inteligencia: ¿cómo adaptar las instituciones para el análisis de datos en el gobierno?

La gestión de la identidad y su impacto en la economía digital



Share:

Adaptar y escalar un proyecto piloto exitoso

Se decidió validar un cambio importante en la empresa. Tal vez una nueva tecnología, algún proceso, un sistema o un producto. La mejor forma de hacerlo es mediante un proyecto piloto, a veces mal llamado prueba de concepto. Para aclarar los términos, una prueba de concepto es un pequeño ejercicio para probar una idea o suposición, y un proyecto piloto es la implementación inicial de algo en producción y con un alcance limitado. Entonces, regresando a nuestro punto, se pondrá el mejor empeño y esfuerzo en lograr que sea exitoso, pero ¿qué deberíamos hacer si este tiene éxito? ¿cómo se escala? Decirle a todo el mundo que implemente la nueva solución o la nueva herramienta no funcionará.


Por lo tanto, deberán crearse las condiciones adecuadas que permitan a los diferentes equipos en la organización a adaptar el proyecto piloto a la realidad única de la empresa. Para ello, lo mejor es brindar alguna orientación sobre hasta qué punto pueden hacer se modificaciones, caso contrario disponibilizarlo durante un período de tiempo limitado. Ver lo que pueden hacer para generar nuevas soluciones o innovaciones. Capturar los aprendizajes de cada uno de los experimentos de la segunda ronda de cambios para que los equipos en la siguiente ola de implementación puedan comenzar con un abanico de posibilidades aún más amplio.

En resumen, el piloto es solo el comienzo de un proceso a largo plazo, colaborativo e iterativo. Si dejamos que se desarrolle este proceso, desbloquearemos el potencial de innovación de cualquier empresa.

Adaptación del articulo “How to Scale a Successful Pilot Project” de Ron Ashkenas y Nadim Matta.
Share:

4 estrategias para mejorar la eficiencia

¿Acaso quienes obtienen grandes logros lo hacen con días y un trabajo de manera diferente a la mayoría de la gente? ¿Cómo estas personas se vuelven tan eficientes y productivas?


Imagen de Gino Crescoli en Pixabay

Puede parecer que 24 horas no es suficiente en el día, y todos los trucos de productividad del mundo no cambiarán eso. Sin embargo, hay cuatro estrategias que nos pueden ayudar a aprovechar al máximo nuestro limitado tiempo.

La primera, agrupar las reuniones. Es difícil entrar en flujo cuando sabes que te interrumpirán cada hora. Entonces, al completar todas tus reuniones a la vez, tendrás tiempo libre para trabajar en actividades que requieran un enfoque profundo.

La segunda, hacer todo lo posible por aprender algunos atajos de teclado que pueden reducir la dependencia del mouse y/o el trackpad de la laptop. Esto puede parecer una cosa pequeña, pero con el tiempo, verás una gran diferencia. Si empleas Windows, te sugiero este artículo publicado en SoftZone.

La tercera, aprovecha tu entorno para cambiar hábitos autodestructivos. Por ejemplo, si identificas que estás perdiendo tiempo porque tu celular te distrae durante el día, déjalo en otra habitación. Si los e-mails no te permiten lograr un flujo de trabajo, pausa las notificaciones. Una alternativa adicional a esto último es establecerte horarios para revisar tu correo.

Finalmente, lee tu trabajo en voz alta. No importa cuál sea tu trabajo, es probable que escribas al menos un correo electrónico por día. Escuchar las palabras que escribes en un papel o una pantalla acelerará y aclarará tu proceso de escritura.

Entonces, si dedicas tiempo a estas simples estrategias y haces pequeños cambios, podrás obtener un mejor provecho de tu día.


Adaptación del articulo “What Super Productive People Do Differently” de Amantha Imber.

Share:

Recent Posts

Popular Posts