En el dinámico mundo de la tecnología, la trayectoria de una empresa desde sus humildes inicios hasta convertirse en un "unicornio" es un testimonio de visión, adaptabilidad y, crucialmente, una gestión de datos estratégica. Este artículo explora las lecciones aprendidas en un viaje de cinco años, transformando una startup en un referente logístico en Latinoamérica, impulsado por la ciencia de datos y la inteligencia artificial.

La Génesis: De Startup a Crecimiento Exponencial

La aventura comenzó con la incorporación del empleado número 25, asumiendo roles que iban desde científico de datos hasta ingeniero full-stack. La misión inicial era ambiciosa: construir un sistema de seguimiento de embarques capaz de localizar cualquier traslado a nivel global, una necesidad vital en el sector logístico. En esta fase embrionaria, la filosofía de productos de datos fue fundamental. Se entendió que el éxito radicaba en desarrollar soluciones con misiones específicas, métricas de éxito claras y un enfoque ágil e iterativo.

Lección 1: Abrazar el "Fallo con Gracia" en el Desarrollo de IA

En el ámbito de la Inteligencia Artificial, donde "todos los modelos son útiles, pero algunos están mal", la inevitabilidad del fallo es una constante. La clave no es evitar el fallo, sino planificar para él, permitiendo que los modelos "fallen con gracia". Esto significa diseñar sistemas que, al encontrar sus limitaciones, no colapsen por completo, sino que redirijan las operaciones a la intervención humana o a procesos alternativos. Reconocer que no todo puede ser automatizado y aumentar las capacidades humanas en lugar de reemplazarlas fue un factor decisivo. Este enfoque permitió el lanzamiento exitoso de un producto de tracking que fue crucial para la ronda de financiación Serie A de la empresa, demostrando cómo una visión pragmática de la IA puede generar un valor tangible.

La Era del Crecimiento: Escalabilidad y DataOps

Con el crecimiento, la empresa pasó de una misión singular a múltiples productos y formas de entregar valor, potenciando al equipo de datos en constante expansión. En este contexto, el concepto de DataOps emergió como un pilar fundamental.

Lección 2: Integrar la Agilidad a través de DataOps

Inicialmente, conceptos como DataOps podían parecer modas pasajeras. Sin embargo, al profundizar en sus principios, se encontró una resonancia con la agilidad ya inherente en la filosofía de DevOps del equipo y los procesos lean para reducir el scrap y los fallos. DataOps, con su énfasis en la entrega continua de valor a través del análisis de datos, la planificación y la implementación continua, se convirtió en la base de los procesos de la empresa.

La adopción de DataOps permitió integrar productos de datos a lo largo del customer funnel, desde la adquisición hasta la retención, utilizando la IA para aumentar la conversión y mejorar la experiencia del cliente. Esto se evidenció en el desarrollo de productos como Sentinel, una herramienta crucial para las decisiones de crédito, que se benefició enormemente de la capacidad de desarrollo ágil y continuo. La segunda lección es clara: es vital escuchar y evaluar las metodologías emergentes con una mente abierta, discerniendo cuáles principios son genuinamente relevantes y pueden ser aplicados para enriquecer el propio stack tecnológico y las operaciones.

La Madurez: Sostenibilidad y Gobernanza de Datos

Con el estatus de unicornio, la empresa entró en la etapa de scaleup, donde la provisión continua de valor y un flujo ininterrumpido de datos limpios y gobernados se volvieron imperativos para construir el futuro de la compañía.

Lección 3: Gobernanza de Datos Incremental y la Comunidad como Pilar

La calidad de los datos se convirtió en un desafío universal, impulsado por la necesidad de moverse rápido y la proliferación de datos con falsos positivos. En este escenario, Data Mesh y la gobernanza de datos se revelaron como soluciones cruciales. Data Mesh, al permitir la transaccionalidad de la analítica de forma paralela, y la gobernanza, al establecer responsabilidades claras sobre los datos, procesos de generación, catalogación, descubrimiento y anotación, fueron esenciales para preparar los datos para el procesamiento automático por LLMs.

Aunque la implementación de estas filosofías puede parecer abrumadora, especialmente con la vertiginosa evolución de la IA, el enfoque debe ser iterativo. Desarrollar MVPs para la gobernanza de datos y enfocarse en los puntos de dolor más críticos del negocio (como la calidad de los datos) permite demostrar valor incrementalmente.

La tercera y quizás más importante lección es reconocer que no estamos solos en este viaje. La comunidad de profesionales de datos, los espacios de discusión y los nuevos recursos son fuentes invaluables de apoyo y nuevas ideas. Sentirse abrumado por la avalancha de nuevas tecnologías y herramientas es normal, pero al compartir experiencias y buscar soluciones colaborativas, se pueden encontrar caminos incrementales que generen resultados de negocio significativos.

Hoy, la integración del datalake con una capa semántica bien definida, aprovechando herramientas de Google, permite un consumo de información limpia y gobernada, sustentando una gobernanza sostenible en un entorno de startup en crecimiento. Estamos aprovechando los LLMs gracias a este esfuerzo de gobernanza, sabiendo que el camino es incremental y que no se puede "comer el mundo en un solo día".

Conclusión: El Futuro Impulsado por los Datos

En resumen, el viaje desde una startup hasta una scaleup unicornio se ha cimentado en tres pilares: permitir que las herramientas de IA "fallen con gracia" y aumenten las capacidades humanas, adoptar metodologías como DataOps sin cinismo, y construir una gobernanza de datos incremental apoyándose en la comunidad. La meta final es transformar las organizaciones de "carbón" a "diamantes", y en esta revolución de la Inteligencia Artificial, el profesional de datos es un actor central, no solo generando valor, sino también facilitando el autoservicio de datos y adaptándose a un panorama tecnológico en constante cambio. Este es un viaje colectivo, donde el apoyo mutuo en la comunidad es un recurso invaluable para liderar la transformación digital.

Si quieres aprender más de casos de uso de ciencia de datos e IA, no te pierdas el próximo Data Day y mira el video completo de esta charla: