No es ningún secreto que las organizaciones han recurrido cada vez más a la analítica avanzada y a la inteligencia artificial (IA) para mejorar la toma de decisiones en todos los procesos de negocio, desde la investigación y el diseño hasta la cadena de suministro y la gestión de riesgos o para calcular con precisión cuanto cobra un traductor o cuánto debería cobrar, al menos.
A lo largo del camino, ha habido mucha literatura y mano dura ejecutiva sobre la contratación y el despliegue de científicos de datos cada vez más escasos para que esto suceda. Ciertamente, se requiere que los científicos de datos construyan los modelos analíticos -en gran parte aprendizaje mecanizado y, cada vez más, aprendizaje profundo- capaces de convertir grandes cantidades de datos en percepciones. Más recientemente, sin embargo, las compañías han ampliado su apertura, reconociendo que el éxito con la IA y el análisis requiere no sólo de los científicos de datos, sino también de todos los equipos multifuncionales y ágiles que incluyen ingenieros de datos, arquitectos de datos, expertos en visualización de datos y, tal vez, los traductores más importantes.
