Carlos Escapa llega a Colombia al Open Innovation & Investor Summit Colombia, el evento de innovación más importante de América Latina que se realizará el 12 y 13 de noviembre en Ágora, Centro de Convenciones. El principal objetivo del evento es explorar alianzas y nuevos negocios entre emprendedores, universidades, centros de investigación, así como grandes empresas e inversionistas de capital de riesgo corporativo (Corporate Venture Capital - CVC), fondos especializados en investigación y desarrollo (I&D) y empresas basadas en descubrimientos científicos o innovaciones significativas en ingeniería (Deeptech).

En Revista P&M quisimos adelantarnos y hablar en exclusiva con Carlos Escapa sobre los desafíos y oportunidades de las startups en América Latina.

Revista P&M: ¿Qué desafíos ves en la implementación de machine learning en startups?

Carlos Escapa: Uno de los mayores desafíos es la calidad de los datos. En muchas startups, los datos no están suficientemente depurados, lo que significa que pueden ser inconsistentes o incluso contradictorios. Esto sucede porque falta una estructura disciplinada para manejarlos de forma uniforme, algo fundamental para evitar resultados erróneos en machine learning. Otro desafío es adaptar la mentalidad y los flujos de trabajo de los empleados a estas nuevas herramientas; integrar IA implica un cambio que, como cualquier innovación tecnológica, requiere tiempo y esfuerzo.

Revista P&M: ¿Cómo cambiará el machine learning la toma de decisiones empresariales?

Carlos Escapa: Creo que ya estamos viendo ese cambio. Para la generación más joven, la tecnología no es algo intimidante, es parte de su día a día. Con machine learning, las empresas pueden obtener insights detallados para tomar decisiones más informadas y basadas en datos. A medida que estas herramientas se vuelvan más integradas en los procesos empresariales, veremos decisiones cada vez más precisas y estratégicas.

Revista P&M: ¿Cómo imaginas el impacto de la IA en la creación de nuevos modelos de negocio para startups en América Latina?

Carlos Escapa: La IA tiene un gran potencial en América Latina, especialmente en sectores como las finanzas y la logística. En finanzas, por ejemplo, se puede usar para combatir la evasión fiscal mediante la correlación de datos a gran escala. Sin embargo, cuando hablamos de impacto social, como en la educación o la salud, se requiere una estructura de datos mucho más robusta. Ahí es donde la implementación puede ser más lenta, aunque sin duda el potencial es enorme.

Revista P&M: ¿Qué sectores estarán más impactados por el machine learning?

Carlos Escapa: Diría que la educación y la logística estarán entre los más beneficiados. En logística, la IA permite optimizar procesos y tomar decisiones en tiempo real. En educación, la personalización del aprendizaje es un gran avance posible con machine learning, que puede adaptarse a las necesidades individuales de cada estudiante.

Revista P&M: ¿Cuál es la clave para una buena implementación de la IA o el uso de los datos?

Carlos Escapa: La clave está en armar equipos multidisciplinarios. No basta con tener programadores y matemáticos; necesitas también diseñadores de experiencia de usuario (UX/UI), ingenieros de machine learning, científicos de datos y, por supuesto, personal que se encargue de cumplir con las normativas. Este enfoque garantiza que el proyecto no solo funcione técnicamente, sino que también sea útil y cumpla con las regulaciones.

Revista P&M: ¿Cómo ayuda a las empresas a superar el miedo al uso de IA automatizar los procesos?

Carlos Escapa: Creo que mucho de ese miedo proviene de los mitos alrededor de la "inteligencia" artificial. Al final, la IA no es realmente "inteligente"; son técnicas estadísticas y de correlación de datos. Cuando las empresas entienden esto, la IA se vuelve menos intimidante. Además, empezar con tareas sencillas y de bajo riesgo permite experimentar sin grandes temores.

Revista P&M: ¿Cómo hacer que las empresas se adapten más rápido al uso de IA y machine learning?

Carlos Escapa: Lo mejor es empezar con aplicaciones de bajo riesgo, lo cual permite que los empleados y usuarios se familiaricen gradualmente. A medida que ven los beneficios y entienden cómo funciona, la adopción se vuelve algo natural. La clave está en generar confianza paso a paso.

Revista P&M: ¿Qué papel juegan los datos en todo esto?

Carlos Escapa: Los datos son la base de cualquier proyecto de IA. Si los datos son de mala calidad, el modelo de machine learning reflejará eso. Es fundamental tratarlos adecuadamente, limpiarlos y estructurarlos de forma precisa para que los resultados sean útiles y confiables.

También le puede interesar: Conozca las tendencias en software para 2025, según Digital Ware