REDWOOD CITY, California y SAN FRANCISCO — Alguien con menos motivación que Tom Siebel habría tirado la toalla desde hace tiempo. En 2006, el empresario, de 53 años en aquel entonces, vendió su primera firma, Siebel Systems, la cual creaba programas de computadora para monitorear las relaciones de los clientes, a Oracle, un gigante del software de negocios. La transacción lo volvió un multimillonario… pero uno inquieto. En 2009, unos pocos meses después de que Siebel había lanzado una nueva empresa emergente, lo pisoteó un elefante mientras estaba en un safari en Tanzania. Cuando pudo volver al trabajo, después de una decena de cirugías, la empresa estaba casi en bancarrota. Decidido, la reinició.

Versión impresa

La fortaleza de Siebel ha rendido frutos. El año pasado, la firma, ahora llamada C3.ai, recaudó cien millones de dólares de capital de riesgo, lo cual la valuó en $2100 millones. Fue una primera apuesta al análisis de datos, el cual convierte datos sin procesar (desde los sensores de una máquina o una bodega) en predicciones útiles (cuándo fallará el equipo o cuáles son los niveles óptimos de almacenamiento) con la ayuda de algoritmos muy inteligentes. Muchos inversionistas creen que hay una fortuna en esta nueva variedad de software empresarial, el cual se está propagando desde los laboratorios de cómputo de las grandes empresas tecnológicas hasta las corporaciones en cualquier parte del mundo.

A nivel mundial, 35 empresas que incursionan en el análisis de datos aparecieron en una lista de empresas emergentes valuadas en mil millones de dólares o más, que presentó CB Insights, una firma de investigación. En conjunto, estos unicornios —algunos de los cuales se han etiquetado a ellos mismos como proveedores de inteligencia artificial— gozan de una valuación emocionante de $73 mil millones. De acuerdo con PitchBook, otra empresa de investigación, tan solo las seis más grandes valen $45 mil millones. Muchos capitalistas de riesgo que las respaldan guardan la esperanza de emular las exitosas ofertas públicas iniciales que realizaron este año empresas emergentes menos glorificadas de servicios empresariales como CrowdStrike, la cual provee ciberseguridad, o Zoom, una empresa de videoconferencias.

Como suele suceder en Silicon Valley, el despliegue publicitario brota constantemente, impulsado por las grandes cifras de las consultorías. La Corporación Internacional de Datos calcula que el gasto en software de macrodatos y de análisis empresarial alcanzará $67 mil millones este año. Sin embargo, según sus seguidores, por fin permitirá que los negocios vean la era de la computación en sus estadísticas de productividad, lo cual los sacará de la sombra de Robert Solow, un economista ganador del premio Nobel, quien en 1987 hizo la observación de que la inversión en las tecnologías de la información parecía tener poco impacto en el aumento de la eficiencia de las empresas. Del mismo modo que la electricidad posibilitó la línea de ensamblaje en el siglo XIX, pues las máquinas ya no tuvieron que estar agrupadas alrededor de un motor central de vapor, las empresas de análisis de datos prometen dar lugar a las líneas de ensamblaje de la economía digital, al distribuir la capacidad para analizar datos donde sea necesaria.

Hace poco tiempo, los consultores de Gartner determinaron que en 2021 el “aumento de la inteligencia artificial” creará $2,9 billones en “valor comercial” y ahorrará $6200 millones en horas hombre en todo el mundo. Un estudio que realizó McKinsey el año pasado estimó que el análisis de datos con inteligencia artificial podría añadir unos trece billones de dólares, o un dieciséis por ciento, al producto interno bruto anual en el mundo para 2030. Los sectores minorista y logístico están en posición para ser los máximos ganadores.

Todavía falta mucho para que el análisis de datos cumpla con estas expectativas. Extraer y analizar datos de incontables fuentes y dispositivos conectados —el “internet de las cosas”— es difícil y costoso. Aunque la mayoría de las firmas se vanagloria por haberse sacado de la manga “plataformas” de inteligencia artificial, pocas de estas cumplen con la definición usual de ese término, el cual se suele reservar para cosas como los sistemas operativos de los teléfonos de Apple y Google, los cuales permiten que los desarrolladores creen aplicaciones compatibles con facilidad.

Una plataforma de inteligencia artificial traduciría en automático datos sin procesar a un formato amigable para los algoritmos y ofrecería un conjunto de herramientas de diseño de software que incluso podría usar la gente con habilidades limitadas para programar. Muchas empresas, entre ellas Palantir, el unicornio más grande de la manada del análisis de datos, venden servicios personalizados de gama alta, el equivalente a crear un sistema operativo desde cero para cada uno de los clientes. Los gigantes de la computación en la nube como Amazon Web Services, Microsoft Azure y Google Cloud ofrecen productos estandarizados para sus clientes corporativos, pero, como lo explicó Jim Hare de Gartner, son considerablemente menos sofisticados y encierran a los usuarios en sus redes.

SIEBEL, EL EMPRENDEDOR

Entonces llegó C3.ai, fundada con el objetivo de ayudar a las plantas de luz a administrar las redes eléctricas, un problema complejo que implica recolectar y procesar datos de muchas fuentes. Después de casi declararse en bancarrota, los avances en aprendizaje automático, sensores y conectividad de datos le dieron a C3.ai un nuevo impulso, y permitieron que reinventara sus productos para una gama de industrias. Algo crucial para los clientes corporativos es que la estrategia de C3.ai surgió de la experiencia de Siebel con los softwares empresariales. Siebel quería que el análisis de datos no les diera problemas a los clientes corporativos, sin sacrificar la sofisticación.

3M, un conglomerado estadounidense, utiliza el software de C3.ai para identificar facturas que pudieran ser polémicas a fin de evitar quejas. La Fuerza Aérea de Estados Unidos lo utiliza para calcular qué partes de una aeronave probablemente fallarán pronto. C3.ai está ayudando a Baker Hughes a desarrollar herramientas analíticas para la industria del gas y el petróleo (General Electric, empresa matriz de la firma de servicios petroleros, ha tenido problemas para perfeccionar su propia plataforma de análisis de datos, llamada Predix).

El principal rival de C3.ai en la construcción de una plataforma confiable de inteligencia artificial no es una gran empresa tecnológica ni alguno de los unicornios más grandes del análisis de datos. Es una empresa llamada Databricks. Fue fundada en 2013 por magos de la computación que desarrollaron Apache Spark, un programa de código abierto que puede manejar en tiempo real toneladas de datos de sensores y otros dispositivos conectados. Databricks expandió Spark para manejar más tipos de datos. Vende sus servicios principalmente a empresas emergentes (como Hotels.com, un sitio de viajes) y empresas mediáticas (Viacom). Databricks mencionó que este año generará $200 millones en ingresos y fue valuada en $2800 millones la última vez que recaudó capital en febrero.

A pesar de que los nichos de C3.ai y Databricks no se traslapan mucho en este momento, podría ocurrir en el futuro. Sus estrategias también difieren, lo cual refleja sus raíces. Databricks, fruto de una ciencia de la computación ininteligible, ayuda a los clientes a desplegar herramientas de código abierto de una manera eficiente. Como muchas firmas de software empresarial, C3.ai vende aplicaciones patentadas.

VEA TAMBIEN: Telegram sigue adelante con sus planes de la criptomoneda 'gram'.

No queda claro cuál se impondrá; en este momento, las dos firmas van a la par. En el corto plazo, ambas caben en el mercado… y sobra espacio. En el largo plazo, alguna encontrará la manera de analizar datos con ayuda de la inteligencia artificial con la misma facilidad con la que se usa una hoja de cálculo. Podría ser C3.ai o Databricks, o rivales más pequeños como Dataiku de Nueva York o Domino Data Lab de San Francisco, las cuales también están ocupadas levantando plataformas de inteligencia artificial. Es poco probable que los otros unicornios del ramo dejen de hacer sus intentos. Además, los titanes tecnológicos de turno como Amazon, Google y Microsoft quieren dominar todo tipo de software, incluido el del análisis avanzado de datos.

Siebel sería el primero en admitir que este barullo tal vez cobre víctimas. No obstante, sin duda es un buen presagio para los compradores de softwares de análisis de datos, los cuales podrían volverse tan familiares para los departamentos de TI en las corporaciones durante la década de 2020 como los programas de relaciones con el cliente de la actualidad.