Subscribe
Share
Share
Embed
Un@ invitad@ espectacular, una pregunta y una conversación llevada hasta el final para matar la pregunta. Recorremos el globo para encontrar las mentes más brillantes en temas como innovación, emprendimiento, liderazgo, growth, ciberseguridad, agilidad, experiencia del cliente y muchoooo más. Con cada invitad@ hacemos una inmersión profunda en una pregunta y luego la editamos a menos de 18 minutos de perfección. Si disfrutas este podcast y te gustaría escuchar más... por favor déjame saber qué invitad@s, qué temas, y qué preguntas te gustaría que matemos dejando un mensaje aquí en Spotify o en cualquiera de mis redes sociales @robbiejfrye
Hello, hello, hello y bienvenidos a
Matamos Preguntas.
Un invitado o invitada increíble.
Una pregunta y una conversación llevada
hasta el final para responder la pregunta.
Sin decir más, aquí tienes tu host, el
gringo loco Robbie J.
Roy.
Hola, hola, hola, ¿cómo estás?
Y bienvenidos a Matamos.
Preguntas.
Mi mitado es Juan Pablo Ortega, co
-founder at Juno.
Y la pregunta que matamos es, ¿cómo
fomentar un mindset de inteligencia
artificial en una empresa?
Pero antes de arrancar, ayúdame a
multiplicar el impacto de Matamos
Preguntas, regalando una reseña en Spotify
o en tu player favorito.
Y cuenta al mundo que...
¡Amas Matamos Preguntas!
Y lo más importante, quiero celebrar las
empresas que hacen posible este podcast.
¿Cuántos servicios geniales existen en
startups gloriosas que tienen páginas web
o rendas y presentaciones terribles?
Miles y miles y miles y miles.
Eso es porque hay una gran brecha para
acceder a capacidades de diseño.
Antes, las únicas opciones eran pagar
mucho dinero a una agencia o rezar a Dios
para encontrar un freelancer que no sea
malo.
Y lo peor de todo, ninguno de los dos
entiende los startups.
Pero...
Gracias a Mavity existe una plataforma con
todas las respuestas creativas que puedes
necesitar.
Ya sea un logo, una página web, marketing
de producto o un equipo creativo de tiempo
completo o incluso si vas tras tu
inversión.
Mavity se asegurará de que cada aspecto de
diseño de tus proyectos brille.
Descubre Mavity, la plataforma que conecta
empresas con talentosos profesionales
creativos.
El mejor precio, la mejor calidad, súper
flexibles y absurdamente rápidos.
Exactamente lo que requiere cualquier
startup.
Visita maveti .co haciendo clic en el link
de este podcast para liberar la potencia
de tus productos o servicios.
Y con ese dicho, matemos preguntas.
Listo.
Juanpa, siempre puedes ganar más plata, no
más tiempo.
Muchas gracias por su tiempo, hermano.
Y finalmente aquí platicando la primera
vez.
Sí, muchísimas gracias.
Qué bueno que lo logramos.
Llevamos varios meses tratando de lograr
esto.
Con suerte, hermano, con suerte.
El primero de muchos por venir.
Ojalá.
La pregunta, Juanpa, que me encantaría
matar es, ¿cómo fomentar un mindset de
IAO, o Inteligencia Artificial, en una
empresa?
Pero antes de eso, un poco sobre ti, lo
que haces por fin en Yunho.
Juan Pablo Ortega, soy el cofundador y el
CEO de Yunho.
Antes de empezar Yunho, cofundé Rappi.
Y Yunho básicamente es un orquestador de
pagos.
Nosotros le ayudamos a empresas grandes a
manejar todo el tema de pagos y de fraude.
Básicamente estamos integrados a más de
150 proveedores que nos conectan a más de
300 diferentes métodos de pagos.
Entonces, a empresas como McDonald's, a
Bianca, les ayudamos a simplificar todo el
manejo de estas integraciones para que
puedan ofrecerles a sus clientes más
formas de pagos, para que puedan ayudar a
sus clientes para que el pago siempre pase
y ayudamos a reducir ese momento cuando
estás comprando algo en línea o un pasaje
y pones tu dato de tarjeta de crédito y se
declina y no entiendes por qué se declinó
y uno ayuda a resolver ese problema.
Y entonces, lo que hacemos nosotros, y ahí
conecta un poco el tema de AI, es que
usamos, pueden ser reglas, o usamos
modelos de Machine Learning para
determinar cuál va a ser el proveedor que
tiene el chance más grande de aprobación.
Entonces, usamos modelos predictivos para,
de alguna manera, ayudarle a decidir a la
empresa por qué proveedor debería de esa
transacción.
Y en caso de que falle, podemos
reintentarlo.
Muchas veces, logramos incrementar hasta
un 10 % esa tasa de aprobación.
que es digamos que el porcentaje de pagos
que son aprobados haciendo este reintento
por un proveedor secundario.
Pero que yo entendí es que tú tienes tu si
McDonald's solamente ellos alguien de
código o alguien allá, simplemente
implementen un plugin que conectan un X,
un Ban Colombia, un Wampi que ellos
quieren.
Porque Junos y yo solamente pueden escoger
que yo quiero.
Junos todos en uno en donde solamente es
un API to rule them all.
Correcto, correcto.
Es un gran ejemplo, McDonald's.
En este caso, arcos dorados.
Entonces, si Mc Donald's era solo en
Colombia y tuviera que implementar
solamente una colección para aprender
Necky, pues no puede ser directo.
Eso es muy sencillo.
Ahora, cuando estás en tantos países y no
solo necesitas Necky, sino que necesitas
YAPI, necesitas SPAY en México, necesitas
Mercado Pago, YAHEE necesita hacer más o
menos, sin exagerar, 50, 60 colecciones.
Entonces, me imagino la backend.
Cuando tú conectas, sabes dónde estás y
muestras las opciones de tu país.
Entonces no es buscar, solamente tú dices
esto, esto, esto, y ya están habilitados.
Correcto.
La herramienta, you know, es bastante
poderosa en permitirle a la empresa
costumizar eso.
Entonces, para un ejemplo, si el pasajero
entra a Bianca y entra desde Chile y está
pagando una silla, se le muestran ciertas
opciones.
Si está pagando un pasaje, se le muestran
otras, porque...
En un pasaje puede que tenga sentido
ofrecer un servicio de by now pay later o
de créditos, pero para una silla no tiene
ningún sentido.
Entonces, el comercio puede costumizar qué
opciones de pago se le muestra para
diferentes experiencias y lo mismo en
McDonald's.
Entonces, él puede decir que si el usuario
está en Puerto Rico, pues va a aparecer a
TH Mobile, que es un wallet que usan en
Puerto Rico.
Si va a estar en Brasil, se le muestra
PIX.
Y ahí es donde entra un poco la
complejidad de que, por ejemplo, PIX...
hay cientos de proveedores de PIX y lo que
le permite Juno es que cada franquicia
decide qué utilizar o puede hacer una
prueba puede decir oiga quiero usar 50 %
un proveedor 50 % otro y ver cuál me
funciona mejor o cuál es más barato
entonces muy complejo pero Juno con una
interfaz gráfica súper fácil de usar le
permite a las empresas lo que hoy en día
en Juno pueden hacer en un minuto les
tomaba seis meses.
Stripe, si yo intento con un Stripe,
solamente van a un sistema, no sé, es un
rail de Stripe, en sí están declinados,
hay otro sistema de Stripe o no, es uno,
pero si es tarjeta de crédito, ustedes
intenten, cuál será la más probabilidad,
hay otros sistemas de rails que prueban,
que es un otro intermediario, como de
MasterCard o Visa o no, o cómo funciona.
Correcto, ya, la forma para procesar una
transacción, hay un sin fin de forma de
hacerlo, una...
transacción puede, digamos vamos a ir a un
caso como Colombia.
Colombia cuando yo tengo una transacción,
esa transacción se puede ir por Credibank
o por Redeban y ya también se puede ir por
Visa o por Mastercard.
Entonces, digamos que cuatro diferentes
opciones.
Dentro de eso se abren más posibilidades
porque yo puedo llegar a Credibank o por
Payu o por Delocal o por Stripe, no aplica
en este caso pero asumamos que sí.
Y cuando tú empiezas a ver y ves los datos
de millones de transacciones, lo que te
das cuenta...
es que hay ciertas tarjetas que tienen
mayor aprobación por un proveedor que el
pueblo.
Para darte un ejemplo muy fácil que puede
pasar de Estados Unidos o en México, tú
tienes una adquirente y un emisor.
El adquirente es el banco que se encarga,
digamos que es el banco del comercio, es
el que se encarga de recibirlo cuando se
hace el comercio, y tienes el emisor.
Y el emisor es el que emite la tarjeta.
Hay momentos donde el emisor y el
adquirente son muy diferentes, son dos
bancos completamente diferentes, entonces
viajan por visa y ahí...
hay un tema de información que viaja, esta
información puede ser muy amplia o puede
ser muy corta, entonces puedes enviar, por
ejemplo, el CBB2, que son los tres dígitos
de atrás, o puede que no lo mandes.
Para procesar una transacción, tú
necesitas solamente dos cosas, el número
de tarjeta y la inspiración, no necesitan
nada más.
Tú puedes, tú con esos dos datos puedes
hacer, yo sé que te piden un resto de
cosas como tu dirección y un resto de
cosas, pero tú con tus 16 dígitos y tu
inspiración,
puedes procesar una transacción y puede
ser aprobada o declinada.
Entonces, cada proveedor decide qué hacer.
Entonces, P y U puede tomar una decisión,
D local otra, y ahí en donde empieza a
mucha diferencia.
Pero la diferencia un poco más grande,
donde vemos mucha diferencia, es qué tan
cerca está el adquirente del emisor.
Entonces, para un ejemplo, en Estados
Unidos, cuando tú envías una transacción
de JP Morgan Chase, y el emisor y el
adquirente es el mismo, entonces yo mando
a procesar JP Morgan Chase como
adquirente.
y es una tarjeta de ellos, ellos por atrás
en un sistema casi closed loop que hace
que esta transacción sea mucho más rápida,
más eficiente, reciben más información,
entonces tienes mayor chance de que una
transacción de Chase sea aprobada cuando
es procesada por JP Morgan que cuando es
procesada por Wells Fargo, por Straib o
por otro.
¿Cuánto más plata ganan Arcos Dorrados
gracias a Juno para identificar la mejor
probabilidad en aprobar la transacción?
¿Tú sabes qué porcentaje cuánto más ganan?
Cuántas más transacciones, es más
felicidad de cliente, es velocidad en
datos, dónde ustedes brillan de verdad.
El caso específico, Arcosorado, no tengo
el número, debería tenerlo por ahora, pero
hay otro cliente que es muy grande, es
Indrive, es un competidor de Uber.
Somos el orquestador de ellos en
Latinoamérica y en Asia.
Entonces estamos empezando a progresar
pagos, no solamente en Latinoamérica, pero
también en Indonesia y en Tailandia.
A Indra Eiffel le hemos ayudado a
incrementar la aprobación 10%.
Hemos logrado que sus ingresos suban un
10%, que son millones de dólares, mientras
que están logrando bajar sus costos
gracias a este orquestador.
¿Por qué orquestador no algo más de torre
y control?
Si el término error lo inventamos
nosotros, como que ya existía.
Por mucho tiempo tuvimos un problema de
identidad interna.
Y creo que lo que hacían preguntas, que es
Juno, Juno es una empresa de
infraestructura de pagos.
Porque es lo que hacemos.
Nosotros somos...
de alguna manera, la empresa que ayuda a
crear la infraestructura del futuro de los
pagos del mundo, eso es lo que somos.
Pero cuando le dice eso a alguien que ha
perdido, cómo es infraestructura?
Eso suena a un puente y ustedes cómo así
que son un puente?
Entonces existe ese término orquestador de
pagos que no sé quién se lo inventó, pero
existe y hay muchos orquestadores de
pagos.
Somos un orquestador de pagos.
Somos más que orquestador de pagos, pero
es como la categoría en la que más podemos
entrar.
Ah, ok.
Es brutal.
Genial.
Listo.
Juampa.
¿Qué has visto en términos de cómo ha
progresado la IA desde tu punto de vista
dentro de las empresas?
¿Cómo?
¿Con tu punto de vista de Rappi, etcétera?
Por favor.
Creo que el término inteligencia
artificial era un término que usaban las
empresas para ver si podían subir su
valoración.
Y lo que cambió es que antes no era tan
fácil.
O sea, nosotros...
En Rappi, ya hemos muchos años tratando de
utilizar la Inteligencia Artificial para
mejorar los tiempos de entrega, para
estimar mejor los tiempos de entrega, para
tomar decisiones de pago.
Había muchos aspectos que se utilizaba la
Inteligencia Artificial.
La Inteligencia Artificial creo que suena
algo súper cool, pero en verdad puede ser
un modelo de regresión súper sencillo que
coge data histórica y crea una regresión
que te dice, que te ayuda como predecir
qué va a pasar en el futuro.
Eso era y era muy sencillo, pero era muy
complicado.
O sea, se podía hacer un modelo sencillo
para predecir algo, pero lo que nos damos
cuenta es que no era tan fácil, no eran
tan correctos en lo que predecían.
Lo que cambió todo fue lo que hizo OpenAI
con el lanzamiento de lo que conocemos
como LLM o Large Language Models, que lo
que hicieron fue, de alguna manera, crear
una interfaz de un chat.
que cambiaba todos los paradigmas.
Como que cuando pensábamos en un bot con
un chat siempre era pésimo.
Uno escribía hola y le respondía como que,
ups, no entendemos.
Y era como que, ¿por qué?
¿Cómo puede ser algo tan malo?
Y nosotros fuimos demasiados bots de chats
en rapid y había una brecha gigante.
Era como que sonaba super cool y cuando lo
probabas nunca funcionaba.
Y creo que la gente por dentro tenía
este...
Cuando abrías un chat, querías tener un
problema, abrías un chat de ad bot, decías
como que esto es pésimo.
O sea...
va a responder a alguna estupidez.
OpenAI cambió eso.
O sea, OpenAI fue el primero que lanzó
este nuevo tipo de modelos que son modelos
entrenados con millones de puntos de datos
donde lograbas una conversación y hacías
preguntas de temas muy difíciles y te lo
respondía.
Y ahí yo creo que eso abrió ya la mente de
qué se puede hacer.
Entonces, creo que, qué sé ya y cuáles son
las herramientas.
Hay muchas.
Una es, creo que la más conocida,
obviamente, es ChatGPT, que es de OpenAI.
Facebook acaba de sacar una que se llama,
llama, si no estoy mal, y llama es Open
Source, la pueden utilizar y funciona muy
parecido.
Y bueno, ya vemos que como que empresas
todo el día están sacando.
La mayoría lo tiene OpenAI.
Si empiezas a ver un poco las diferentes
empresas que utilizan, están empezando a
hacer cosas con Inteligente Artificial al
siguiente nivel, la gran mayoría usan...
OpenAI, creo que OpenAI definitivamente
tiene ahí un gran porcentaje del mercado
en estas herramientas de Machine Learning
o de AI.
Brutal.
Para desmistificar un poco más la IA, eres
una empresa de IA, pero imagino que
también utilizas herramientas de IA para
fomentar un mindset de IA.
¿Qué utilizas y por qué?
Todas varias.
Yo, por ejemplo, utilizo una herramienta
que básicamente entra a todas mis
reuniones y lo que hace es que
transcribe...
lo que estamos hablando.
Y qué hace esta herramienta?
Transcribe todo, por además de
transcribir, crea acciones sobre eso.
Entonces me dice cuáles son los action
items y quién es el responsable.
Da un summary de qué se habla en la
reunión.
Esto es buenísimo porque muchas veces yo
no puedo entrar al 100 % de las reuniones
que tengo, sino que muchas veces no puedo
entrar a la reunión.
Pero quiero saber qué pasó en la reunión.
Entonces antes me tocaba llamar a alguien,
preguntarles, me decía el 10 % lo que
pasaba porque se le olvidó.
Hoy mi herramienta de AI que se llama
Fireflies, la que yo uso, básicamente me
mando un resumen y me dice, vea, en la
reunión de una hora que usted no pudo
estar, pasaron diez cosas.
Se habló de X, Y o Z, esas personas que
eran enjagadas de hacer esto, esas
personas que van a hacer esto, yo los
puedo hasta tallar y después les puedo
decir como que, oigan, porfa, avísenme
cuando esos Action Items quedan resueltos.
Me dice qué porcentaje del tiempo una
persona habló, veo quiénes no hablaron y
puedo llamar y decirle como que, esa
reunión era importante que participaras y
no participaste.
Es un caso súper específico donde el AI es
100 % tangible y cualquier persona hoy en
día puede ver cómo puede optimizar sus
tiempos en reuniones o puede sacarle mucho
más provecho.
A mí me pasaba mucho que tenía una reunión
y al otro día decía, uy, ¿qué fue lo que
debí hacer ayer?
Y se me olvidó, ya no, literal.
Y lo otro acá no es que todo esto queda
guardado en tu drive, en diferentes docs y
puedes hacer buscas.
Entonces muchas veces ahí te ha pasado,
pero...
te acordás de como que alguien me mencionó
que usaba esta empresa, quién es.
Yo puedo hacer una búsqueda y él busca en
todas mis reuniones y me dice vea, fue en
esta reunión que usted tuvo con Avianca y
Pedrito fue el que mencionó esa palabra.
Entonces ya puedes le decirle a Pedrito,
oiga es que hace cinco meses hablamos de
una reunión y usted mencionó este término,
¿me puede explicar qué es?
¿Es un detalle podida?
Otro muy, muy bueno es para mi email uso
una herramienta que se llama Superhuman.
y superhuman y creo que también Gmail
tiene esto, un asistente que te ayude a
escribir.
Entonces, una que lo uso mucho y me
encanta y es de más funciones, más se va
bien, es cuando vas a hacer introductions,
cuando vas a presentar a una persona con
otra.
Y siempre toca como que pensar mucho y
decir, ok, voy a presentarle, no sé, a
Juan Pablo, le voy a presentar a Robby.
Y te toca pensar y hacer un resumen.
A esa herramienta yo le digo, por favor,
presentéle a Juan Pablo a Robby.
Y él se mete a LinkedIn, hace un resto de
cosas y te escribe y dice, oh,
Roby es el host de este podcast, Juan
Pablo es el CEO de esta empresa, creo que
tiene muchísimo para hablar y Juan Pablo
sería un muy buen guest para el podcast y
los dejo para que se conecten.
Y él lo escriba automáticamente y es como,
wow, o sea, cómo, cómo logran hacer todo
esto.
Ese es otro súper buen uso práctico que a
mí me da mucha presa escribir y soy muy
malo escribiendo y nunca se me ocurre que
escribir y como que me trabo ahí.
Ya no, ya le pongo como que responder
email que muchas gracias y él cojo y
escribió una cosa súper bonita y la gente
me dice wow, listo, entonces ya vos...
rápidamente para escribir un email largo,
pero tenés el otro problema y es que
recibís y me largos y no lo querés leer,
no tenés tiempo, ya te lo resumen.
Y entonces cuando abrís el email arriba te
dice este email es de Pedrito y Pedrito
quiere decirle quiere X y O Z.
Entonces ya tenés que leer cuatro
párrafos, sino que lees un párrafo que
resumen lo que quiere hacer Pedrito.
Brutal, brutal.
Listo.
Cómo fomentamos un mindset ya que todos
pueden compartir?
Es que yo sé en tu mundo es papas fritas.
Una empresa tradicional necesita fomentar
un mindset ya que todos pueden compartir y
empezar, wow, eso es algo muy especial que
podemos aprovechar.
Nosotros, internamente en Yunho, lo que
hicimos fue, hicimos un vacatón con todas
las personas del equipo, equipo de
negocio, equipo de tecnología, y tenían
básicamente un fin de semana para crear
algo que solucionara un problema.
Y habían dos formas, era...
creen algo que nos ayude a incrementar
ingresos o que nos ayude a reducir costos,
que son como las dos cosas grandes.
Y fue increíble la cantidad de ideas de
las cosas que se inventaron y también cómo
lograban en tres días de trabajo tener
algo que funcionaba bastante bien.
Te voy a dar ejemplos de lo que hicieron.
Uno desarrolló una herramienta que
básicamente leía los contratos de los
clientes para sacar los costos específicos
de cada cosa.
Entonces, un contrato de pagos puede ser
de 80 páginas.
y de esos 80 páginas salen 10 costos.
Un costo variable, un costo mensual, un
costo por transacción, etcétera.
Leer 80 páginas, me encontró eso, tomaba
muchísimo tiempo.
Hoy en día, lo que crearon ellos,
básicamente, usan ocho GPT, cogen el
contrato y automáticamente te dice, vean,
ese contrato le van a cobrar.
2 % por visa, 3 % por Mastercard, le
cobran este fee si entra un contracargo y
lo que tomaba, no sé si días, pero varias
horas, te lo hace automáticamente.
Otro ejemplo parecido es que nosotros
hacemos más o menos 15 integraciones al
mes.
Y nuestro negocio más grande es
integrarnos con herramientas de alrededor
del mundo.
Antes tomaba una semana en una persona de
producto en leer la documentación y mapear
todas las diferentes cosas que tocaba
conectar.
En tres días creaba una herramienta que le
pasaba en el link de la documentación y el
modelo leía toda la documentación.
hacía todos los diferentes mappings de
cómo se hace una autorización, cómo se
hace una devolución, etcétera, etcétera.
Y creaba el inicio del programa que es
esta conexión.
Entonces lo que tomaba una semana en 5 o
10 minutos se hace automáticamente hoy en
día.
Lee la documentación, hace el mapeo, crea
el código para que el desarrollador pueda
deployar y básicamente crear la primera
versión de esa integración.
Y el desarrollador solamente tiene que
copy -paste.
corre los scripts que están escritos de
cómo hacer todo y hace pruebas.
Hay muchos más y es que hoy en día, por
ejemplo, no sé, habían que decir, oiga,
tengo este pago y no sé qué pasó.
Eso, lo que hoy en día pasa, o bueno, lo
que pasaba en el pasado es que una persona
tiene que entrar a cinco herramientas.
Entonces entra en nuestro dashboard, busca
y dice, no es un error.
Dice, OK, si es un error, tengo que ir
después a mis logs.
Entonces, iba, entraba a los logs y
buscaba qué era.
Y lo que se ve es que eso se hace
automático.
Entonces conectaron el modelo a nuestros
logs, a nuestra base de datos, a nuestra
plataforma.
Y es muy ridículo lo que hace.
Pero básicamente él va y empieza a buscar.
Entonces dice, OK, es un error.
OK, si es un error, entonces busca en
logDNA, que es donde tenemos los logs.
Busca error.
Encuentra el error y dice, vean, aquí
está.
Se está muriendo el código de la línea 123
de tal archivo.
Y como chaggpt...
es capaz de hacer trabocuring de un
código, intentar arreglarlo, entonces
dice, vea, este error sucede porque parece
que usted está especificando algo que está
erróneo, debería de corregirlo de esta
manera y el código debería cambiarlo de
esa forma.
Eso tomaba siete, ocho, a veces tomaba
días porque lo acababa de hablar con
diferentes personas y hoy en día el modelo
encuentra dónde está el error, intenta
resolverlo y hace una solución posible
para que el desarrollador solamente haga
copy -paste.
Y como ya sabe que ese código es de tal
equipo, puede ir a Slack y crear un ticket
en gira y decirle, oiga, equipo de Core
tiene que ir a solucionar este problema y
aquí está cómo lo solucionan.
Es incentivar a los empleados, nosotros
tenemos un premio monetario y fue, oigan,
cóganse en tres días y vamos a dar un
premio bastante grande al equipo que...
que haga la mejor y lo que hace es que
todos los equipos internamente empiezan a
pensar en ideas y todos piensan en ideas
diferentes y me decían esta idea está
buena o mal todas las ideas son buenas y
salieron al final ocho proyectos y los
ocho proyectos los vamos a implementar
entonces es crear una plataforma, crear un
concurso, un hackathon donde todos los
empleados están incentivados puede ser
monetario como quieran para ser libres,
imaginarse cómo pueden hacer creo que esa
es una manera para empezar a conseguir
formas.
Eso lo vamos a seguir haciendo y en dos
meses vamos a volver a hablar y te voy a
contar ocho ideas nuevas que se le ocurrió
al equipo para incentivarlo y yo creo que
esa es la forma más fácil para seguir
creando esta eficiencia por medio de AI.
Listo.
¿Cómo podemos ser proactivos en liderar
iniciativas de AI?
Yo creo que toca definitivamente, casi que
muchas veces hasta se amerita tener un
equipo, una persona que su único trabajo
es pensar cómo utilizar AI en la
organización.
Creo que...
viendo los savings potenciales que tienen
el tema del AI, el implementar o crear un
área de eficiencias que antes de existir
las empresas para mejorar los procesos,
deberían de existir estas áreas que su
único trabajo es ver cómo la empresa puede
innovar, cómo la empresa puede utilizar
AI, que sean personas expertas o que
tengan el conocimiento o estén
constantemente haciendo research y
entendiendo cómo otras empresas del
alrededor del mundo están utilizando AI.
y cómo ellos internamente pueden cuadrar
con diferentes equipos.
Creo que eso podría ser una muy buena idea
y por ahí podría empezar.
A ver, hoy en día existen...
Esto yo siempre lo veo como el...
Creo que es como Six, Figma, algo.
Va a haber AI Expert, Black Belt y
seguro...
convertir es que cuando empezás a meterte
en el tema, empezás a de alguna manera a
explorar...
se te abre la mente a tantas cosas, pero
necesitas de alguna manera empezar a
hacerlo.
Entonces seguro va a haber gente que es
experta en este tema y su trabajo va a
hacer eso.
También puede haber, seguro van a salir
consultoras de eso, porque ya existen
consultoras donde la contratas y su único
trabajo es decirte, vea, yo hice una
licencia de tu empresa y usted tiene diez
oportunidades, pilla.
Y este proceso puede meterle ahí.
Ese proceso puede meterle ahí y se
encargan a esos, a los emprendedores que
quieren ideas.
Eso creo que es una muy buena idea de
negocio.
Mira.
Muy importante, hablamos del miedo.
Muchas, muchas personas tienen miedo de
que la EA les quita su trabajo, es el fin
del mundo, etcétera.
Simplemente, eso es muy importante porque
nosotros no contratamos a dos personas
porque encontramos la forma de hacerlo con
EA.
Entonces, yo veo mucho valor en el miedo,
pero yo quiero saber cómo ves este miedo
dentro de las empresas tradicionales.
Pero no es la primera vez que vivimos
esto.
Lo que le toca hacer en el es cambiar el
entrenamiento de la palabra.
Pero de alguna manera hoy en día educamos
a las personas a hacer algo y eso suena
muy raro, pero en la universidad se
enseñan ciertas cosas y con el tiempo esas
ciertas cosas se vuelven obsoletas porque
pues ya no necesitan hacerla.
Hay muchos ejemplos de esto, como que
agencias de viajes.
Hace 20 años el tener agencias de viajes
era pues algo que todo el mundo tenía,
como que no había una alternativa.
Y en día, no sé cuándo fue la última vez
que pensaste, llamar una agencia de viajes
para comprar un vuelo.
Te metiste a Google Flights y lo compraste
y ya.
Y fue como que, ¿por qué leí todo eso?
Hay miles de ejemplos de esto y lo que
termina sucediendo es que cambia lo que la
gente sabe hacer por algo nuevo.
Entonces, tenemos que seguir entrenando
personas para que en las fábricas cojan
las cosas y las pongan acá.
No solo hacen un robot.
Ya de hecho, en Amazon, muchas cosas están
automatizando para que no existan personas
en un warehouse.
lo que hacen esas personas, pues esas
personas deberían de estar entrenando los
modelos, deberían de estar aprendiendo a
cómo crear y cómo de alguna manera codiar
estos robots que hacen el futuro, entonces
yo no creo que se elimina la necesidad de
una persona, cambia lo que hace esa
persona para lo que hace en el futuro.
Creo que vuelve un poco al tema cuando
estás aprendiendo matemática y el profesor
te dice no use la calculadora, pues claro,
uno tiene que aprender...
de alguna manera hacer matemática, pero
también tienes que aprender a usar la
calculadora porque al final, pues usar la
calculadora es parte de las cosas que
necesitas saber.
Creo que funciona igual.
Vamos a...
O sea que los niños no van a aprender a
escribir porque no necesitan escribir, o
no, o escriben, pero se vuelven mejores
escritores porque el Chat GPT les va dando
correcciones.
De alguna manera se vuelven mejores
escritores que lo que somos nosotros.
Entonces, ¿son menos capaces o más
capaces?
Porque logran...
romper barreras intelectuales y con la
ayuda de AI te ayudan a que todo el mundo
tenga la capacidad mental para escribir un
libro porque a todo el mundo lo puede
hacer antes solamente a las personas que
eran muy inteligentes ya no ya cualquier
persona está al nivel porque digamos que
la diferencia en capacidad intelectual se
desaparece y ese gap lo rellena el AI.
Listo papá.
Si te gozaste este podcast y te gustaría
escuchar más, ojalá que sí, por favor,
déjeme saber qué invitados, qué temas y
qué preguntas te gustaría que matemos.
Déjeme un mensaje aquí, ¿sí?, en Spotify o
en cualquiera de mis redes sociales usando
arroba Robi J Fry.
Y también, si quieres la versión extendida
de este podcast,
Debes ser un miembro de Quinto y puedes
encontrar todo en quinto .ai Muchas
gracias por escuchar y siempre puedes
ganar más plata pero no más tiempo.
Chau chau chauuuu!