La diversidad de los equipos permite obtener mejores datos

A medida que las empresas se esfuerzan por centrarse en los datos, y con la reciente explosión de la tecnología de inteligencia artificial (IA) que exige cantidades cada vez mayores de datos de formación, la calidad de esos datos es cada vez más importante. Se invierte mucho tiempo y dinero en canalizaciones de datos y otros aspectos técnicos de la calidad de los datos, como su coherencia, validez, puntualidad y audibilidad. Pero hay un aspecto de la calidad de los datos que es igual de importante, si no más, y que a menudo se pasa por alto en favor de problemas que pueden resolverse con la tecnología: la exhaustividad o sesgo.

La mejor manera de abordar este problema es contar con un equipo de datos lo más diverso posible en términos de género, etnia, edad, nacionalidad, educación, experiencia empresarial y más.

 

Las empresas basadas en datos obtienen mejores resultados

En los últimos años, numerosos estudios han demostrado que las empresas que toman decisiones basadas en datos ganan más dinero. El año pasado, por ejemplo, una encuesta de IDC a más de 600 empresas demostró que las prácticas de datos maduras triplican la mejora de los ingresos, casi triplican la probabilidad de reducir el tiempo de comercialización de nuevos productos y servicios, y más que duplican la probabilidad de mejorar la satisfacción del cliente, los beneficios y la eficiencia operativa.

Por otro lado, una encuesta realizada en marzo a líderes empresariales por Harvard Business Review y Google Cloud mostró que los líderes en datos e IA superaban significativamente a otras empresas en eficiencia operativa, ingresos, fidelidad y retención de clientes, satisfacción de los empleados y previsibilidad de costes de TI. Los ejecutivos están prestando atención. Una encuesta mundial publicada esta primavera por Salesforce, realizada a casi 10.000 ejecutivos de empresas, mostró que el 80% afirma que los datos son fundamentales para la toma de decisiones en sus organizaciones, y el 73% afirma que los datos ayudan a reducir la incertidumbre y mejorar la precisión.

 

La diversidad es buena para las empresas

Otros estudios han demostrado que la diversidad también conduce a un mejor rendimiento empresarial, ya que los equipos diversos son más innovadores, toman mejores decisiones y tienen una mayor retención. Ahora, la mayoría de las empresas comprenden el valor de la diversidad y la inclusión. En un informe de PwC publicado en febrero, el 85% de las empresas de todo el mundo declararon que la diversidad, la equidad y la inclusión eran un valor o una prioridad. De ellas, el 46% lo hacía para atraer y retener talento, el 20% para lograr resultados empresariales, el 13% para mejorar su reputación y el 11% para cumplir los requisitos normativos.

Sin embargo, pocas empresas son capaces de cumplir sus objetivos de diversidad, y la ciencia de datos es uno de los peores sectores en este sentido. Según las últimas cifras de Zippia, sólo el 20% de los científicos de datos estadounidenses son mujeres. Sólo el 7% son hispanos, a pesar de que el 19% de la población estadounidense lo es, y sólo el 4% son afroamericanos, a pesar de representar el 12% de la población.

"Sin un equipo diverso, tienes menos probabilidades de ser consciente de las diferentes experiencias vividas", afirma Nika Kabiri, directora sénior de Ciencia de la Decisión en Clio, una empresa de servicios jurídicos. Y no basta con que los ejecutivos se comprometan a contratar equipos diversos, añade. "También tienen que crear un espacio para las voces diversas, para que las personas compartan cómodamente las diversas experiencias vividas de una manera que informe profundamente del desarrollo del producto", dice. "De lo contrario, los ejecutivos sólo abordarán los prejuicios de forma superficial y crearán productos que no serán lo que podrían ser".

Esto es particularmente importante hoy en día, con la llegada de la IA generativa y los grandes modelos de lenguaje (LLM), dice Sreekanth Menon, vicepresidente y líder global de Servicios de IA y ML en Genpact, quien afirma que los LLM tienen fama de sesgos y alucinaciones. Es probable que esto se deba a una concentración en los datos de entrenamiento. Por ejemplo, los modelos funcionan mejor con el inglés que con otros idiomas.

"Contar con un equipo diverso de distintas geografías puede ayudar a remediar esos sesgos", afirma. Del mismo modo, la diversidad étnica, de género y de otras características puede ayudar a crear marcos más éticos para la incorporación de datos, así como aportar diversidad de pensamiento. En su propio equipo, por ejemplo, entre el 20 y el 30% proceden de un entorno puramente matemático o estadístico. El resto procede de otras áreas. "Tengo a un bioinformático trabajando para mí", dice. "Esa formación diferente ayuda".

La IA tiene el potencial de amplificar los problemas de sesgo de datos, lo que podría llevar a resultados mortales, comenta Davi Ottenheimer, vicepresidente de Confianza Digital y Ética en Inrupt, una compañía fundada por Tim Berners-Lee para dar a los usuarios el control de sus datos. Por ejemplo, incide, los primeros sistemas de reconocimiento de imágenes clasificaban erróneamente de forma inhumana los rostros negros, y algunos sistemas de IA etiquetaban las manos negras como si sostuvieran armas, pero no las manos blancas, debido a un fallo de diversidad en los equipos que construían los sistemas.

"La falta de diversidad en un equipo podría provocar la muerte de personas inocentes", afirma. Alison Álvarez, cofundadora y consejera delegada de BlastPoint, una empresa de datos que presta servicios a instituciones financieras y empresas de servicios públicos, añade: "Hay tantos ejemplos en ingeniería en los que la falta de un equipo diverso puede dar lugar a malos resultados. Como cuando salieron esos sensores para que la gente se lavara las manos y no reconocían la piel oscura. No contaban con un equipo diverso para construirlo, ni con un equipo diverso para probarlo".

Pero la diversidad tiene más dimensiones que el género, la raza o la orientación sexual. La diversidad puede incluir el origen nacional de alguien, o si tiene alergias u otros problemas de salud, sugiere Álvarez. La diversidad puede incluir incluso el rango de una persona en una empresa. "Si no se potencia a la gente del nivel inferior, sus observaciones se rebajan", afirma.

Por ejemplo, el desastre del transbordador espacial Challenger podría haberse evitado, ya que los ingenieros que trabajaban en él habían advertido sobre la fiabilidad de las juntas durante dos años, incluso en vísperas del propio lanzamiento. Gavriella Schuster, ex vicepresidenta de Microsoft, afirma que es fácil pasar por alto cosas cuando sólo hay un par de ojos mirando los datos. Hoy es miembro fundador de Women in Cloud y Women in Technology, miembro del consejo asesor de Women Business Collaborative, miembro del consejo de Nerdio y Mimecast, y asesora estratégica de Berkshire Partners.

"Muchas veces, la gente utiliza los datos para validar sus propias suposiciones e ignora los datos que no lo hacen", afirma. "Cuando tienes suficientes ojos mirando un conjunto de datos, entonces tiendes a evitar ese fenómeno". Pero, ¿dónde encontrar esos ojos? Schuster recomienda que las empresas miren más allá de las personas que, digamos, tienen 10 años de experiencia en ciencia de datos. "Si sólo buscaras personas con ese nivel de experiencia, tenderías a no conseguir un grupo tan diverso de candidatos".

Además, la ciencia de datos está cambiando rápidamente, dice, y podría ser una desventaja no tener personas más nuevas en el equipo que podrían pensar en la IA y los procesos de datos de diferentes maneras. De hecho, puede que ni siquiera necesites un científico de datos. "Lo que realmente se necesita es gente con experiencia en la organización de la información y en el análisis de patrones", afirma. Los licenciados en ciencias biológicas o económicas pueden tener la mentalidad adecuada. "Hay programas de formación continua a los que puedes enviar a alguien para que aprenda las tecnologías específicas que va a utilizar".

Otros candidatos podrían proceder de otras áreas de la empresa, o de otros departamentos que utilizan productos que el equipo de ciencia de datos construye. Comprenden los requisitos de los usuarios y el valor empresarial, y tienen la experiencia necesaria en el campo. "Descartar a las personas que no tienen una formación en informática o en sistemas de información realmente perjudica a muchos CIO", dice. "Es entonces cuando se pierden personas que entienden el negocio, o entienden la industria o el vertical, y pueden ver información diferente que se puede aportar. Lo he visto muchas veces".

También recomienda tener varios candidatos diversos entre los que elegir. Si quiere contratar a más mujeres, tenga al menos dos entre los finalistas. "De lo contrario, si tienes a una persona, el prejuicio que tiene la gente saldrá naturalmente dirigido contra esa única persona", dice. Igualmente recomienda buscar candidatos en distintas regiones geográficas, y para contratar talento diverso, el propio panel de entrevistadores debe ser diverso. Por último, los directivos que busquen miembros del equipo con formación y puntos de vista diferentes deben mirar más allá de sus redes. "La gente tiende a tener personas como ellos en su red social", dice. "A menos que salgas de quienes conoces, no conseguirás candidatos diversos".

Kim Herrington, analista de Forrester, tiene un consejo para los líderes que buscan ampliar sus redes: ve a LinkedIn, encuentra cinco profesionales diversos en el campo del que necesitas talento tecnológico y síguelos. "Después, desafíate a ti mismo a hacer esto de nuevo tan a menudo como sea posible, siguiendo a los seguidores hasta que tus feeds sean un jardín de voces diversas y brillantes", dice. Un lugar para empezar es The Algorithmic Justice League en LinkedIn, dice. "En la pestaña 'gente', no solo encontrarás personas de orígenes diversos, sino que serán inteligentes, apasionadas y estarán dispuestas a ayudarte a ti y a tus equipos a ser más conscientes de la tecnología y sus trampas".

A pesar de los medios para encontrar personal y de los titulares sobre la escasez de cualificaciones, oye a muchas empresas quejarse de que no encuentran a nadie. "Cuando oigo esto, les creo", dice. "Pero entonces acabo de aprender muchísimo sobre ti, tu red, tus expectativas desmesuradas y tus sistemas y políticas de RR.HH potencialmente anticuados. No hay excusa para no tener gente diversa en tus burbujas en 2023 y más allá". El principal consejo de Herrington para los CIO es "poner tus métricas donde está tu boca".

"Ese es mi consejo personal para los CIO y CDO que buscan mejorar las iniciativas y la calidad de los datos", insiste. "Para ello, los CIO pueden trabajar con otros líderes de datos y análisis para preguntar: 'Cómo podríamos...' en lo que respecta a la medición y comunicación de la diversidad de los equipos de datos, la retención de empleados diversos, el número de empleados diversos en roles de datos, la demografía de la diversidad de candidatos, las tasas de promoción, los niveles de inclusión y pertenencia, los niveles salariales, la diversidad del liderazgo y los niveles de compromiso de los empleados".

Una forma de empezar es partir de los datos que una organización ya está recopilando, afirma. Por ejemplo, una empresa puede recopilar datos demográficos de su base de clientes o de los lugares a los que presta servicio principalmente. "A continuación, compare sus datos [de empleados] de la EEOC para ver dónde existen disonancias al ver los porcentajes", continúa.

 

La diversidad atrae el talento

Según el informe de Glassdoor sobre tendencias en el lugar de trabajo en 2023, el 74% de los trabajadores estadounidenses afirma que la inversión empresarial en diversidad, equidad e inclusión es "muy importante" o "algo importante" para ellos a la hora de plantearse un nuevo empleo. Los jóvenes se muestran especialmente interesados en la diversidad: el 72% de los trabajadores menores de 35 años afirman que considerarían rechazar una oferta de trabajo o abandonar la empresa si no creyeran que la dirección apoya las iniciativas de diversidad. Y dos tercios también rechazarían un empleo en una empresa con desequilibrios de género y raciales en su dirección.

"Una de las cosas que me encuentro en mis investigaciones es que la diversidad en los equipos conduce realmente a todo tipo de mejoras en la atracción de talento", afirma Jorgen Heizenberg, analista de Gartner. "Y los equipos con diferentes orígenes tienen más éxito y son más creativos, lo que en última instancia conduce a una mayor retención".

 

Mirar más allá de la tecnología

Una ventaja significativa de contar con voces diversas en un equipo de ciencia de datos es que hay más oportunidades de mirar más allá de las soluciones puramente técnicas a los problemas. "Los datos y la IA están muy poblados de personas con la misma formación, la misma educación y dominados por un enfoque centrado en la tecnología", afirma Heizenberg. Es por eso que los equipos de datos gastan la mayor parte de su presupuesto, tiempo y personas en tecnología como la gestión de datos, la gobernanza de datos y el análisis avanzado. Pero el principal acelerador y predictor del éxito es el establecimiento de una cultura impulsada por los datos.

"Es curioso que a menudo se pase por alto el número uno, y se dedique mucho más tiempo a la gobernanza, las herramientas y la tecnología", afirma. "Y, en gran medida, eso es el resultado de tener el mismo tipo de personas con el mismo tipo de formación y experiencia, y se convierte en algo muy aislado". Según la encuesta de Gartner, los problemas culturales para aceptar el cambio son el tercer mayor obstáculo para el éxito, junto con la falta de apoyo de los accionistas empresariales, después de la falta de personal y de financiación. "Lo que les digo a los clientes es que cuando trabajen con datos y analítica, tienen que equilibrar los enfoques centrados en la tecnología con otros más centrados en el ser humano", dice Heizenberg, "y hacerlo creando equipos multifuncionales y multidisciplinares".