IA y el futuro ilimitado que nos espera por Joel Sifuentes
Foro 2025 de NRT México: La Innovación como Acelerador de la Transformación 🚀
#ia #nrtmexico #monclova #fime #microsoft #joelsifuentes
Foro 2025 de NRT México: La Innovación como Acelerador de la Transformación 🚀
#ia #nrtmexico #monclova #fime #microsoft #joelsifuentes
Categoría
🗞
NoticiasTranscripción
00:00Hola, muchas gracias.
00:07¿Si se escucha bien hasta atrás? ¿Todo bien?
00:10Bueno, muchas gracias por la presentación.
00:13Muchas gracias a la gente que está organizando este foro.
00:17No tienen ni idea la importancia que tiene este amalgama entre la industria, los medios, las universidades.
00:24Porque para muchos de nosotros, por primera vez, estamos teniendo en contacto con los alumnos.
00:28Los alumnos, por primera vez, ven personas que trabajan en lo que ellos siempre soñaron estar.
00:34Y la difusión de los medios, que es importante que nos vean como ese enlace entre la ciudadanía, el gobierno, las escuelas, para poder sacar a todos adelante.
00:44De hecho, en mi caso en particular, yo estudié en el TEC Campus Monterrey, y fue por medio de una conferencia como estas,
00:51en donde se les llamaban simposios, que suceden año con año, en donde al final, yo me acerqué al conferencista y le dije,
01:01¿qué se tiene que hacer para estar en Microsoft?
01:04En 1992, 93, 94, había muy pocos mexicanos en Microsoft.
01:09De hecho, yo fui el número 7 en Microsoft.
01:11Y lo que sucedió es, pues nada más tenemos que entrevistarte.
01:15Dime qué sabes hacer, enséñame tu currículum.
01:18Y a partir de ahí, llegué yo con un número 7, me fui.
01:21Luego regresamos como ponentes.
01:24Y nos empezamos a llevar a 5, a 10, a 20, a 100.
01:28A tal caro que ahorita ya hay cientos, si no es que miles de personas en Microsoft, en Google, en Facebook, en Uber, en Estados Unidos.
01:35Entonces, gracias por organizar estos eventos.
01:37Son muy importantes.
01:38Ojalá que estés el primero de muchos.
01:41Y pues es relativamente sencillo prevenir a la gente.
01:44¿Quieres dar una presentación?
01:45Claro que sí, porque así es como todos empezamos.
01:50La plática va a ser una plática con muchos ejemplos.
01:54Va a ser una plática muy aterrizada,
01:57donde voy a explicar los productos en los que he trabajado
02:01y cómo se han ido relacionados todos con la tecnología.
02:05Cómo hemos ido avanzando.
02:07Y por qué es que estamos ahorita en donde estamos.
02:10Porque es que la inteligencia artificial es lo que es.
02:12Pero para eso hay que empezar viendo qué hay detrás.
02:16Vamos a empezar con la siguiente filmina.
02:19Esta es nuestra agenda.
02:21Primero vamos a ver en dónde estamos.
02:24Cómo llegamos ahí.
02:26Y luego va a ser muy fácil darse cuenta hacia dónde vamos.
02:29Cada vez que tengamos una pregunta de qué tengo que hacer,
02:32qué sigue, cuál es la siguiente estrella que debo alcanzar,
02:38cuál es el siguiente producto importante con el que vuelvo a revolucionar la industria,
02:45veamos tantito de dónde venimos.
02:47La misma inercia nos va a ir llevando.
02:49Y les voy a explicar por qué.
02:52Vamos a tener ratos claves.
02:54Vamos a tener que cambiar a veces nuestra manera de pensar,
02:56nuestra manera de organizarnos.
02:57Nuestra manera de presupuestar, inclusive.
03:03¿Dónde lo podemos aplicar?
03:04Y al final ahí abajo dice,
03:06cómo me preparo.
03:07Va a ser una filmina al último,
03:10un slide,
03:11en donde para los que están estudiando ingeniería biomédica,
03:13sistemas computacionales, mecatrónica,
03:15qué es lo que tengo que hacer si me quiero adentrar
03:17a la inteligencia artificial.
03:19Que no es ajena a ninguna carrera, por cierto.
03:22Y eso es la idea que quiero que se lleven.
03:23Bien, siéntanse con la libertad de hacer preguntas durante la conferencia,
03:28pero al final vamos a hacer una sesión de preguntas y respuestas
03:30y luego después va a haber un panel, ¿no?
03:32Inmediatamente después de esto.
03:35Primero, ¿en dónde estamos?
03:36Estamos en pañales, en primer lugar.
03:39Ustedes son una generación afortunada,
03:41porque estamos apenas entrando en lo que es la inteligencia artificial.
03:49Hace tres años, en el 2022, 2023,
03:52todos estábamos impresionados por lo que Chatipiti podía hacer.
03:55Cuando en realidad eso ha sido el producto de esfuerzos de muchos años antes.
04:00¿Y de qué esfuerzo estoy hablando?
04:01La evolución de la tecnología,
04:04si nos vamos desde los 70,
04:07a veces antes de que nacieran algunos de sus papás.
04:10Si ustedes recuerdan a esas computadoras gigantescas
04:13que producía IBM, que producía Craig,
04:16que producían todas esas industrias,
04:19eran de sí para otras industrias.
04:21Eran para facilitar el procesamiento del cómputo.
04:24Con memorias que ahorita nosotros podemos tener
04:27esa memoria o más en nuestros bolsillos con nuestros celulares.
04:31Pero era el principio de la computación.
04:34Había que hacer algo, había que procesar algo,
04:36había que automatizar algo.
04:38Entonces, esa fue la tarea de la gente de los 70.
04:41Y luego vino otro tipo de profesionales que dijeron,
04:45bueno, ¿cómo le hago para programar,
04:47para que esta computadora,
04:48esta inversión de miles de millones o millones de dólares sea útil?
04:53Bueno, vamos a hacer programas
04:54que ciertos profesionistas puedan programar,
04:59que puedan corregir,
05:01que puedan implementar.
05:03Entonces, teníamos ahora
05:05kilos y kilos de papel
05:07con programas que se iban a alimentar
05:10en esas computadoras que pesaban toneladas.
05:13¿Cuál era el siguiente paso?
05:15Reducir el papel y reducir el tonelaje.
05:17Por eso se pueden venir en empresas como IBM,
05:21como Dell, como HP, como Compaq,
05:23como Lenovo, como Acer,
05:25en donde decían, bueno,
05:27vamos a compactar estas computadoras,
05:29vamos a hacer más pequeño todo,
05:31la memoria y el procesamiento,
05:33vamos a hacer más rápido todo.
05:35De tal forma que este papel,
05:37ahora se convierte en discos.
05:38Ese fue el siguiente paso natural,
05:41reducir tamaño.
05:43Siempre cada paso va a ser reducir,
05:44reducir,
05:45eficientizar,
05:45hacer más rápido.
05:46Fíjense en eso.
05:48Entonces, en los ochentas,
05:49ya había más personas
05:50que podían tener computadoras,
05:53ya había más personas
05:54que podían programar aplicaciones
05:55para esas computadoras,
05:57y ya había más gente
05:58interesada en usar computación.
06:00Hasta el grado que en los noventas,
06:02ya teníamos programas como Windows,
06:05como Novel,
06:08las Macintosh de Apple
06:09ya eran muy populares también,
06:11en donde algunas personas
06:13las podían tener en sus hogares.
06:15Y eso dio lugar a qué?
06:16A negocio de la computación personal.
06:19Se fijan cómo de la industria
06:20ya pasamos a la computación personal.
06:22Se empiezan a abrir los negocios.
06:23La computación personal,
06:25antes se usaba,
06:25y de hecho se sigue usando,
06:27mayoritariamente como juegos.
06:28Pero hubo empresas que dijeron,
06:31bueno, ¿y qué tal si
06:31me pongo a hacer programas
06:33que hagan la contabilidad?
06:35Que hagan los impuestos.
06:36Que automaticen ciertas cosas.
06:39Bueno, de ahí nació Excel.
06:40De ahí nació Word.
06:44Los inicios de Outlook.
06:47Eso empezó.
06:48Finales de los ochentas,
06:48principios de los noventas.
06:50Y a la gente le empezó a interesar.
06:51Se empezaron a reducir los costos.
06:53Empezó a incrementarse
06:53el nombre de personas que programaban.
06:55Empezó a incrementarse
06:56el número de personas
06:58que usaban esos paquetes
07:00de tal manera que la computación
07:01se empezó a popularizar.
07:03Pero aún así,
07:04era una computación,
07:06por decirlo así,
07:07casera, individual.
07:09No había interconexión aún.
07:12Sin embargo,
07:13en las universidades de Estados Unidos,
07:15ya había la necesidad
07:16de compartir todo este conocimiento.
07:20Y es en donde surgió ARPANET,
07:21que es el abuelito del Internet.
07:23la industria,
07:26siempre la industria,
07:28trayéndose esos conocimientos
07:29de la academia,
07:32empieza a eficientizar
07:33esos sistemas de información,
07:35empieza a crear web services,
07:37de tal manera que Internet
07:38se vuelve popular
07:39entre las empresas
07:40y eventualmente
07:42en las universidades
07:43de todo el mundo
07:44y después en todos los hogares.
07:47Se está empezando a masificar
07:48eso que en los setentas
07:50cabía en una habitación
07:51de ese tamaño,
07:53ahora ya todo el mundo
07:53podía tener consigo
07:54en sus casas.
07:56Llega Internet
07:57y desde mi punto de vista,
07:59uno de los primeros
07:59grandes revolucionarios
08:00de la industria,
08:02podemos ahora sí
08:03masificar el comercio.
08:05El comercio que antes era
08:07ir tú
08:09hacia algún negocio,
08:11traerte cosas,
08:12ahora todo eso
08:12lo puedes hacer en línea.
08:14La educación,
08:15que antes era ir tú
08:16a una escuela,
08:17ahora ya te podías
08:17educar en línea.
08:18Pagos,
08:21ir a un,
08:21¿se escucha?
08:22Ir a un banco
08:23a pagar tu recibo
08:25de X, Y, Z,
08:26ahora ya lo puedes hacer en línea.
08:27Todo eso está empezando
08:28a facilitar.
08:29Si ven,
08:30ahí va la evolución.
08:31¿Qué sigue de eso?
08:33Hacer las computadoras
08:33más pequeñas,
08:35bien los teléfonos,
08:36hacer las comunicaciones
08:37más rápidas,
08:38se masifican los teléfonos
08:39porque ahora
08:393G, 4G, 5G
08:41ya es más popular,
08:42es más barato.
08:45Y lo que sigue,
08:45se vuelve a repetir
08:46aplicaciones para los teléfonos
08:48para que los teléfonos
08:48sean todavía más populares
08:49y ahí no la llevamos.
08:51empiezan a ser empresas
08:53como Amazon
08:54que al principio
08:55vendían libros
08:56que es otra cosa
08:58muy importante.
09:00Cuando un negocio
09:01nace,
09:03muchos negocios
09:04a veces se casan
09:04con la idea
09:05de que yo para esto
09:06nací,
09:06ya esto me voy a dedicar
09:07y aquí me voy a morir,
09:07solamente voy a vender libros.
09:09Amazon se da cuenta
09:10que puede vender
09:10otras cosas.
09:12Y luego empieza
09:13a vender otras cosas,
09:14empieza a crecer
09:14tanto su negocio
09:15que tiene que tener
09:17sus propios servidores,
09:19sus propios canales
09:20de distribución
09:21de procesamiento,
09:22sus propios
09:23servidores
09:25con SQL
09:27y con diferentes bases
09:27de datos
09:28que se dan cuenta
09:29que ya saben
09:29cómo construir
09:30data centers,
09:33centros de procesamiento
09:34que dice
09:35ya sé cómo hacer esto,
09:37luego voy a empezar
09:37a rentar
09:38a otras empresas
09:39para que esas empresas
09:40no tengan que invertir
09:41y aquí el que sale ganando
09:42pues en realidad
09:43somos todos
09:43la empresa X
09:45que no tiene que invertir
09:45y yo que te voy a cobrar
09:46una renta
09:47por hacer eso.
09:48Por eso es muy importante
09:49no casarnos
09:50con la idea
09:50para la cual nacimos
09:52como negocio,
09:53siempre tratar de innovar
09:55y estamos innovando
09:56en base a qué?
09:57En base a la historia
09:58que se sigue repitiendo.
10:01Luego vino Amazon,
10:03vino un procesamiento
10:04digamos
10:06masivo
10:07donde tenemos
10:08que tener
10:09centro de distribución
10:09por todo el mundo,
10:11tenemos que tener
10:11servidores muy potentes
10:12pero seguía habiendo
10:13muchos procesos manuales
10:15y ahí es donde empiezan
10:17las carreras
10:17de data scientists,
10:19analistas de datos,
10:21donde empiezan
10:23machine learning
10:23para empezar a ver
10:25cómo puedo hacerle
10:27y sacar provecho
10:28a nuestra naturaleza
10:30como seres humanos
10:31que es
10:31somos patrones
10:33a final de cuentas.
10:35Como seres humanos
10:36tenemos patrones.
10:39El autocorrector
10:40no es más
10:41que un análisis
10:42de los patrones
10:42que usamos
10:43para comunicarnos.
10:47Machine learning,
10:48la inteligencia artificial.
10:49La inteligencia artificial
10:50nunca va a ser inteligente.
10:52Va a trabajar
10:52sobre ciertas reglas,
10:54ciertos patrones
10:55que nosotros vamos a decirle.
10:57¿Ok?
10:58Entonces la gente
10:59se empieza a dar cuenta
10:59que eso es posible.
11:02Y de ahí salen modelos
11:02como ChatGPT,
11:04como Grok,
11:06como los de Google
11:06y eso es donde
11:08nos encontramos ahorita.
11:10En donde la computación
11:11es accesible para todos,
11:12pero venimos
11:13de esa evolución.
11:14Donde estamos cambiando
11:15de aplicaciones específicas
11:17a agentes especializados.
11:19En las primeras conferencias
11:20ellos decían
11:20los agentes especializados.
11:23En Facebook
11:23nos damos cuenta
11:24de muchas aplicaciones
11:24de inteligencia artificial,
11:25por ejemplo,
11:26que te merecen
11:27más joven
11:28o que
11:29pueden ir a la cara
11:30diciendo cosas
11:31que tú nunca dijiste.
11:32Es una aplicación
11:33muy específicas.
11:36Ahora nos vamos a ir
11:36a agentes especializados
11:37que te van a ayudar
11:38a analizar,
11:39por ejemplo,
11:40tu Outlook.
11:42Y van a sintetizar
11:43todos los e-mails
11:43que tú tienes pendientes
11:44para que cuando tú
11:46te despiertes
11:46te digan
11:47cuáles son los importantes.
11:50Te diga inclusive
11:50ya preparé respuestas
11:52para estos e-mails
11:52para que tú los supervises
11:54y le pongas a enviar.
11:57Es el tipo de tareas
11:58que vamos a hacer.
11:59No esperen
11:59que la inteligencia artificial
12:01sea ese robot
12:02que va a solucionar todo.
12:04Ese robot
12:05que va a manejar
12:06tu carro
12:06y prender las luces
12:08de tu casa
12:09y resolver la tarea
12:10y educar,
12:12no sé,
12:12a tu hijo en matemáticas.
12:13No, no, no, no.
12:14Lo que necesitamos
12:15y de hecho
12:15la manera más eficiente
12:17de un negocio
12:17es empezar
12:18con labores específicas.
12:21No quieran
12:22o no querramos
12:23ser innovadores
12:26queriendo
12:26abarcar todo.
12:29Vamos a resolver
12:30problemas específicos
12:31y de ahí
12:32nos vamos expandiendo.
12:33Y creo que
12:34más adelante
12:34habrá una plática
12:35muy interesante
12:36sobre problemas específicos
12:37que se resolvieron
12:38en un caso,
12:39en concreto en un RT
12:40y cómo se va a generar
12:42problemas similares
12:45pero en otras industrias.
12:48Algo que nos va a ayudar
12:50mucho
12:51es la anticipación
12:51de necesidades.
12:53Si ustedes se fijan,
12:56todos en los 70s,
12:57en los 80s,
12:58en los 90s,
13:00nuestra vida de feliz
13:01yendo al súper,
13:02yendo a Mercos,
13:03yendo a Soriana,
13:04yendo a...
13:04Íbamos, veníamos,
13:06descargábamos la despensa,
13:08éramos felices.
13:09Pero nadie nos dijo
13:10que seríamos más felices
13:11cuando alguien
13:12te lo iba a traer
13:13a tu casa gratis.
13:16Nadie nos dijo eso.
13:18Se creó una necesidad
13:19y ahora no podemos
13:20vivir sin eso.
13:22No podemos vivir
13:23sin que alguien
13:23nos traiga
13:24las cosas a nuestra casa.
13:25No podemos vivir
13:26sin el Internet.
13:27¿Quién nos iba a decir
13:31quiénes de ustedes
13:32llegaba gente
13:33a su casa
13:33y les enseñaban fotos
13:34de todo lo que hicieron
13:35en fin de semana,
13:35de lo que comieron?
13:36Fotos impresas.
13:37Nadie, ¿verdad?
13:38Ahorita hacemos
13:39todo eso en Facebook
13:39a diario.
13:41Es una necesidad
13:42que Facebook creó,
13:43la de compartir.
13:44Ya teníamos fotos,
13:46ya comíamos
13:47todos los días,
13:48ya íbamos de vacaciones,
13:49pero no le andamos
13:50diciendo a todo el mundo
13:51lo que hicimos.
13:52Esa fue una necesidad
13:53que se creó.
13:54Pues la innovación
13:55va a venir
13:55de resolver problemas,
13:56sí,
13:57pero mucho más importante
13:58es de crear
13:59esa necesidad.
14:02Generaciones presentes
14:04tienen niveles
14:05de atención
14:06mucho menores
14:08que generaciones
14:09como la mía.
14:10Por eso aplicaciones
14:11como TikTok
14:11son tan exitosas.
14:13Porque en tres segundos
14:15yo te digo
14:17si hago mi interés
14:17o no.
14:19Una plática
14:19de hora y media
14:20no te va a interesar
14:21si no te mantengo
14:22activo,
14:23si no te mantengo
14:24con ideas frescas
14:25cada cinco segundos.
14:27¿Ok?
14:28Entonces vamos a innovar
14:29en la medida
14:30que las generaciones
14:30también van cambiando.
14:32Y luego
14:33viene la creación
14:34y la colaboración
14:34entre humanos
14:35e inteligencia artificial.
14:37Por ejemplo,
14:37ahorita ya hay
14:37canciones que pueden ser
14:39creadas por inteligencia artificial.
14:41Playlists,
14:41no se diga.
14:43YouTube,
14:44yo entro a YouTube
14:44y YouTube sabe exactamente
14:45qué es lo que tengo
14:46de ganas de ver ese día.
14:48Sabe exactamente.
14:50Los lunes
14:50sabe perfecto,
14:51o el domingo en la tarde,
14:52por ejemplo,
14:53sabe perfectamente
14:53que yo necesito
14:54ver el resumen
14:55de la carrera de la Fórmula 1
14:56o de tal partido de fútbol
14:58sin que yo le diga
14:59quién es mi equipo favorito
15:00y sin que yo le haya dicho
15:01las carreras
15:03son los domingos,
15:03los fútbol son los sábados
15:04y los domingos.
15:06¿Verdad?
15:08O algún noticiero
15:09o algún concierto
15:09o lo que sea,
15:10ya sabe qué es lo que quiero.
15:12Anticipar
15:13un pulmón.
15:14¿Qué figura
15:15es el pulmón?
15:16Ahorita dependemos
15:20de un médico
15:20que nos diga
15:21si hay algún problema
15:23en nuestro cuerpo.
15:24Al rato
15:25con reconocimiento
15:26de patrones,
15:27¿qué pasaría
15:28si metemos
15:29todas esas radiografías
15:30digitales
15:31de personas
15:32que han padecido
15:33mejor cáncer
15:33de pulmón
15:34y que hacemos
15:35que un sistema inteligente
15:37analice
15:38cuando
15:39ese puntito
15:41que el doctor
15:41se va a tardar
15:42tres meses
15:42en detectar
15:43si hay algo o no,
15:45se convirtió
15:46en un cáncer
15:46en X número
15:47de millones
15:48de personas
15:48alrededor del mundo
15:49basado en tu DNA,
15:50basado en tu raza,
15:52en tu color de piel,
15:54en tu si eres
15:55hombre o mujer,
15:57en tu tipo de alimentación.
15:59Lo que un doctor
15:59se tardaría
16:00mucho tiempo
16:01y una computadora
16:03haciendo simplemente
16:04patrones,
16:05análisis de patrones,
16:06se puede tardar semanas,
16:07un sistema
16:08de inteligencia artificial
16:08lo puede sacar
16:09en segundos.
16:11Ese puntito
16:11te puede decir
16:12que una probabilidad
16:13del 96%
16:13yo te digo
16:14que se te va a desarrollar
16:15algo dentro
16:15de tres meses
16:16o eso que te está
16:18doliendo el riñón
16:19con una probabilidad
16:20del 98%
16:21te digo que no,
16:21no es una piedra
16:22pero si es una infección
16:22y con una probabilidad
16:25del 99%
16:26te puede decir
16:26que esa infección
16:27en cinco millones
16:28de personas
16:29en México
16:30se ha podido tratar
16:31exitosamente
16:31con esta vacuna.
16:33No va a sustituir
16:34a los médicos
16:35pero va a ser
16:36una herramienta
16:36que va a salvar vidas
16:37inclusive.
16:38Entonces,
16:39si ustedes quieren
16:39hacer negocio
16:40de IA,
16:42seamos proactivos
16:43en eso.
16:45Vamos una más atrás
16:46por favor.
16:51La idea pasada
16:52también es ser una herramienta
16:53y ser un ecosistema.
16:55Ahorita tenemos,
16:56no sé si se acuerdan
16:57ustedes,
16:58antes de que
16:59teníamos
16:59una tarea
17:00de citas,
17:02teníamos nuestra
17:02aplicación de email,
17:04teníamos nuestra
17:05aplicación de chat.
17:06Ahora todo eso
17:07es parte de una cosa
17:08que se llama Zoom
17:09o que se llama Teams.
17:11Ese ya es un ecosistema.
17:13Pero no tengamos miedo
17:14de construir
17:14aplicaciones individuales
17:16para después
17:17cuando tengamos recursos
17:18hacemos una grande
17:20y luego la adaptamos
17:21a necesidades
17:21de diferentes empresas.
17:23¿Ok?
17:25Ahora sí la que sigue.
17:31¿Qué retos tenemos?
17:32¿Cómo le hacemos
17:34para que
17:35la inteligencia artificial
17:36detecte
17:37soluciones a enfermedades?
17:41Bueno,
17:42hay que entender
17:43el lenguaje
17:43de la naturaleza.
17:48Si nos podemos estudiar
17:50las grandes variantes
17:51que puede tener
17:51nuestro ADN
17:52a nivel molecular
17:53con ciertas vacunas,
17:55con ciertas enfermedades,
17:56cómo reacciona
17:56conforme vamos
17:57envejeciendo,
17:58eso nos va a llevar
17:59mucho tiempo.
17:59modelos
18:02de inteligencia artificial
18:02podrían simular
18:04qué pasaría si
18:06o simplemente
18:09el clima,
18:10el estado del tiempo.
18:11Para poder saber
18:12con precisión
18:13si mañana va a llevar
18:13a las 4 de la tarde
18:14o 5 de la tarde,
18:16basta con alimentar
18:17modelos de inteligencia artificial
18:18para saber
18:19qué ha sucedido
18:20en décadas pasadas
18:22en las mismas circunstancias
18:23que estoy ahorita
18:24y que puede pasar mañana
18:26de acuerdo
18:26a la época del año.
18:29Entonces,
18:29tenemos que trabajar
18:30con esos modelos
18:31que entiendan
18:32el lenguaje
18:33de la naturaleza.
18:34La gente que está
18:35estudiando ingeniería biomédica,
18:38su descripción de carrera
18:39a lo mejor no dice
18:40entender el lenguaje
18:40de la naturaleza,
18:42pero les puedo garantizar
18:43que si ustedes
18:44quieren diseñar máquinas,
18:46no reparar las existentes,
18:48diseñar máquinas
18:49del futuro,
18:50tendrán que saber
18:51de modelos
18:51que entiendan
18:53al 100%
18:54las enfermedades
18:55que esas máquinas
18:56quieren detectar.
18:59como programadores,
19:01los ISDCs,
19:02por ejemplo,
19:03vamos a aspirar
19:04a la aproximación máxima.
19:05¿Qué es la aproximación máxima?
19:07Como le dije hace rato,
19:07la inteligencia artificial
19:08no es inteligente,
19:10es simplemente,
19:11entre comillas,
19:13estadísticamente exitosa.
19:15Por ejemplo,
19:17si yo a un sistema
19:19le entreno
19:19a detectar perros
19:21y gatos,
19:22le tengo que mostrar
19:23miles,
19:23no es que millones
19:24de fotos
19:26o caritas
19:26de perros
19:27y de gatos.
19:30Siempre va a haber
19:31perros que parezcan gatos.
19:33Siempre va a haber
19:33gatos que parezcan perros.
19:35O siempre va a haber
19:36galletas que parezcan perros.
19:37O sea,
19:38siempre va a haber
19:38un margen de error.
19:39Nunca va a ser inteligente
19:43como un ser humano.
19:45Pero si llegamos
19:45a un 99.99% de éxito,
19:48es un sistema
19:49que es tranquilamente
19:50comercializable.
19:51Como le llaman por ahí
19:52los tres nueves, ¿no?
19:54Si llegamos al 99.999%
19:56de éxito,
19:58es algo que podemos decir
19:59funciona.
20:02Esto como ingenieros
20:02en sistemas
20:03tenemos que hacerlo
20:04con el uso de matemáticas,
20:05con el uso de estadística,
20:06pero mucho más importante
20:07con el uso de entrenamiento,
20:08entrenamiento
20:09de esos modelos
20:10y encontrar los datos
20:13para entrenar
20:14esos modelos,
20:15para comprobarlos
20:16y luego ya
20:17en casos reales.
20:20Lo que les comentaba
20:21hace rato,
20:22un reto como industria
20:24es que hay que reconocer
20:25esas oportunidades
20:27en las cuales invertir.
20:28Y ahí le puse
20:29mini oportunidades.
20:30Porque no siempre
20:31la oportunidad
20:31es ese gran negocio
20:33que va a venir.
20:34A veces podemos empezar
20:35con algo pequeño.
20:36Detección de rostro,
20:39por ejemplo.
20:41Saber si una persona
20:41está entrando
20:42o está saliendo
20:42a un negocio.
20:44Saber si una mano
20:44se está moviendo
20:45hacia la caja
20:45o está agarrando
20:46dinero en la caja.
20:49Esa es una mini oportunidad.
20:53Pero luego,
20:53una vez que ya
20:54somos expertos
20:55en detectar eso,
20:57imagínense
20:58todas las aplicaciones
20:58que yo puedo construir
20:59en base a
21:01alguien que está saliendo
21:02o entrando a un lugar,
21:03alguien que está
21:04agarrando dinero
21:04o dejando dinero
21:05en una caja.
21:06Imagínenselas.
21:07Hay muchos.
21:10O un auto
21:10que puede detectar
21:11cuando hay un alto,
21:12cuando no hay un alto,
21:13cuando hay una raya amarilla,
21:14doble raya,
21:14etcétera, etcétera, etcétera.
21:15Imagínense todo
21:16lo que puede pasar
21:17si nos vamos
21:19paso a paso.
21:21Y algo que es también
21:22bastante importante
21:23y que desafortunadamente
21:24así no tenemos
21:24ni el tiempo
21:25ni el dinero
21:26como empresas,
21:26pero hay que hacerlo.
21:28Y es la manera
21:29como empresas
21:30en Estados Unidos
21:31han resultado
21:32ser muy exitosas
21:33es la experimentación.
21:34muchas veces
21:35tenemos miedo
21:36como empresas
21:37a no dar los resultados
21:39financieros
21:40en el siguiente cuarto.
21:41No es que tengo
21:42que estar todos los kilos
21:43a programar
21:44estos temas
21:45y no
21:46mis ganancias
21:47van a bajar.
21:50La analogía
21:50que hoy puso
21:51es
21:52que el dinero
21:53es un telario
21:54siempre es inteligente
21:56dedicar
21:58un porcentaje
22:00a un seguro de vida,
22:01a un seguro
22:01de gastos médicos mayores.
22:02porque nunca sabemos
22:05qué cambio
22:05nos va a dar la vida.
22:07Lo mismo pasa
22:07en las empresas.
22:10Nunca sabemos
22:11qué va a pasar.
22:13Vamos a poner Kodak.
22:14¿Se acuerda?
22:15¿Alguien sabe
22:15qué es Kodak
22:16la empresa
22:16en los 70s,
22:19en los 80s?
22:20Si no tenías
22:21una cámara Kodak
22:22a lo mejor
22:23tenías una Fuji,
22:24pero eran
22:25los dos líderes.
22:26cuando vino
22:28la revolución digital
22:29Kodak
22:30no reaccionó
22:31a tiempo
22:31y prácticamente
22:33se muere.
22:34Digo prácticamente
22:34porque todavía
22:35ahí anda
22:35en el negocio.
22:38Pero ellos dijeron
22:39no,
22:39¿cómo es posible?
22:40¿Quién va a querer
22:40ver fotos digitales
22:41para luego guardarlas
22:42y no volverlas a abrir?
22:43¿Dónde las van a ver?
22:47¿Dónde?
22:47No hay dispositivos,
22:48son muy caros
22:48esos dispositivos.
22:52General Electric,
22:53General Electric
22:55fue fundada
22:56como una compañía
22:56que hacía focos.
22:59Ahorita
23:00hay los líderes mundiales
23:01creando turbinas
23:02para avión,
23:03equipos médicos.
23:05¿Por qué?
23:05Porque se ha ido innovando.
23:07A lo mejor
23:07la persona que inventó
23:08el foco
23:08no se va a dar cuenta
23:09de la importancia
23:10de los transistores,
23:10de la importancia
23:11luego de las máquinas
23:12que son transistores,
23:13etcétera.
23:14Siempre hay que dar
23:14ese pasito,
23:15siempre hay que salir
23:16de esa zona de confort
23:16e invertirle
23:18a esos departamentos.
23:20Sé que hay gente
23:21de la industria
23:21que invertirle
23:22a esos departamentos
23:23que hacen investigación,
23:24que hacen desarrollo
23:25en esos mini oportunidades.
23:29Porque a lo mejor
23:30van a ser quienes
23:30como empresas
23:32nos van a llevar
23:33más alto.
23:33Google empezó
23:34como una empresa
23:35de búsqueda.
23:38Y ahorita
23:39sus ingresos fuertes
23:40vienen de Chrome,
23:42vienen de YouTube,
23:44vienen de Gmail.
23:46Ellos no quisieran
23:47empezar haciendo todo.
23:49¿Siguen haciendo búsquedas?
23:50Sí.
23:51¿La búsqueda
23:52se va a volver obsoleta
23:53con todos estos sistemas
23:53de inteligencia artificial?
23:55Sí.
23:55Pero ellos ya diversificaron.
23:58¿Ok?
23:59Microsoft empezó
24:00como una empresa
24:00que se ha programas
24:01para computadoras IBM.
24:04Y ahorita Microsoft
24:04está en todos lados.
24:06Tiene Azure,
24:07tiene Office,
24:07tiene Xbox.
24:09¿Quién se iba a imaginar?
24:10Es el tipo de cosas
24:11donde hay que siempre saber
24:13está esta oportunidad.
24:15Vamos a arriesgar,
24:16vamos a experimentar.
24:17Voy a separar a este equipo.
24:20Se vale fallar.
24:22De hecho,
24:22si no fallas
24:23es que no estás intentándolo.
24:25Y fallas fallar
24:25entre comillas.
24:26Por ejemplo,
24:27ahorita en este momento
24:28apuesto a que
24:29hay aproximadamente
24:31unas 20 versiones
24:32de Facebook
24:32que estamos viendo nosotros.
24:35A lo mejor
24:36un botoncito
24:36de diferente color,
24:37a lo mejor
24:38una palabra
24:38más arriba
24:39o más abajo,
24:39a lo mejor
24:39unos ven
24:40unos feeds
24:41que están más inclinados
24:42hacia esto,
24:43a lo mejor
24:43están viendo más videos,
24:44a lo mejor están viendo...
24:46¿Por qué?
24:46Porque Facebook
24:46está experimentando
24:47con nosotros.
24:49Y lo que se está midiendo
24:50es
24:50con qué variante
24:52de Facebook
24:53la gente pasa más tiempo,
24:57la gente
24:57da más clics
24:58en los anuncios,
25:00la gente ve más videos,
25:01la gente interactúa más,
25:02da más likes
25:03o da menos likes.
25:05Si hay más interacción
25:06con las historias
25:07o con el feed noticioso,
25:09constantemente
25:11las empresas
25:11están experimentando
25:12para mejorar.
25:14Nosotros como empresa
25:14podemos hacer lo mismo.
25:16No estoy pidiendo
25:16que haya dos líneas
25:17de producción,
25:18pero sí estoy
25:18puedo decir
25:19que constantemente,
25:20semanalmente,
25:21haya ideas nuevas
25:22que se puedan implementar
25:23en el mercado,
25:25en el campo,
25:26y de ahí ver
25:26con cuál estoy teniendo
25:27mejor feedback
25:28de mis usuarios,
25:30de mis proveedores.
25:31eso va a requerir
25:36autonomía
25:37y va a requerir
25:38un ambiente
25:39de confianza.
25:40Insisto,
25:40estos equipos
25:41a lo mejor
25:41no van a producir
25:42inmediatamente,
25:43pero cuando lo hagan
25:44probablemente va a ser
25:44quien saquen
25:45adelante
25:46esas empresas.
25:47De hecho,
25:47yo empecé mi carrera
25:48en InfoCell.
25:49InfoCell era una empresa
25:50del grupo
25:51del norte
25:51de Junco.
25:53Ellos lo quisieron
25:53crear una empresa
25:55aparte
25:56que hacía
25:57desarrollo de sistemas
25:57en los noventas.
26:00Bueno,
26:00esa empresa
26:00eventualmente
26:01empezó a hacer
26:03un producto
26:03llamado InfoCell Financiero
26:04que traía información
26:05de la bolsa,
26:06pero también empezó
26:07a automatizar
26:07muchos procesos
26:08a tal forma
26:09que el norte
26:09que luego fundó
26:10Reforma
26:11usó toda la tecnología
26:12que ya teníamos
26:13nosotros acá desarrollada
26:14y luego crearon
26:15Mural en Guadalajara
26:16usando también
26:17la tecnología de acá.
26:19Entonces,
26:19es como una especie
26:20de escalera
26:22que te va a subir
26:22de un lugar a otro.
26:26Siguiente.
26:29¿Alguna pregunta
26:29hasta ahorita?
26:32¿No?
26:34Ahora,
26:34¿dónde lo voy a aplicar?
26:35Y es lo que les decía
26:36ahorita
26:37de la solución
26:37de problemas
26:38y la creación
26:39de necesidades.
26:41¿Por qué es tan
26:42importante
26:43no solamente
26:46arreglar
26:46los equipos
26:47que ya tenemos,
26:48no solamente
26:48trabajar sobre las ideas
26:49que ya tenemos,
26:50sino crear necesidades
26:51nuevas?
26:52¿Quién iba a pensar
26:53hace 15 años
26:54que te ibas a subir
26:55al carro de alguien más
26:55para ir a otro lugar?
26:57Eso se llama Uber.
26:58Y Uber
26:59no posee ningún carro.
27:02Lo mismo con Airbnb.
27:03Ellos no tienen
27:04ninguna casa.
27:06¿Ok?
27:11Amazon.
27:12El negocio principal
27:13de Amazon
27:13ya ni siquiera
27:14es vender productos.
27:16Es rentar
27:16equipo de cómputo,
27:18procesamiento,
27:19software as a service.
27:22Al rato va a haber
27:23inteligencia artificial
27:24as a service.
27:26¿Y quiénes van a ser
27:27ahí los fregones?
27:27Los que empezaron
27:28primero.
27:29Los que lo invirtieron
27:29ahorita.
27:32Porque muchos
27:32de esos módulos
27:33se pueden generalizar
27:34y después vender.
27:37¿Verdad?
27:38Ahí estás creando
27:39una necesidad.
27:41Y no,
27:42esa necesidad
27:42no va a desplazar
27:43a las personas.
27:45Perdamos ese miedo.
27:46O sea,
27:47me acuerdo,
27:48hay analogías,
27:49por ejemplo,
27:49cuando Ford
27:50mejoró el sistema
27:53de combustión interna
27:54en los autos
27:55y los autos
27:56empezaron a ser
27:56más populares.
27:58¿Saben cuál es
27:59la industria
27:59que tuvo más miedo
28:00y que de hecho
28:00se vio afectada
28:02entre comillas?
28:03La industria
28:04de los caballos.
28:06Esa fue la industria
28:07que más impacto
28:08tuvo.
28:09¿Por qué?
28:09Porque todo el mundo
28:10andaba a caballo.
28:11Estaba la gente
28:12que alimentaba
28:12los caballos,
28:13la gente
28:13que lavaba aguas
28:14a los caballos,
28:14la gente
28:15que crecía caballos,
28:16que tenía las yeguas
28:17pediendo caballitos
28:18y todo.
28:20Ahora ya no se usaban
28:21tantos caballos.
28:22Entonces,
28:22bueno,
28:22pobre gente,
28:23pobre granjeros,
28:25se quedaron sin empleo.
28:26No,
28:27porque ahora había
28:27que construir carreteras
28:28para los autos
28:29y había que tener
28:31refaccionarias
28:32y alguien tenía
28:33que salir
28:33en las gasolineras
28:34cada X número
28:34de kilómetros
28:35en medio de la nada
28:36en el campo.
28:38Es una transformación
28:39al final de cuentas
28:39y así va a ser aquí.
28:42No nos van
28:43a reemplazar,
28:45más bien nosotros
28:45nos vamos a encargar
28:46de ser los supervisores,
28:48los entrenadores,
28:49tal vez,
28:49esos sistemas
28:49de inteligencia artificial.
28:51Y para eso
28:52necesitamos capacitar
28:53a la gente
28:54en nuestras empresas,
28:55para eso necesitamos
28:56capacitar
28:56a los estudiantes
28:58de nuestras universidades
28:59en qué es lo que viene.
29:04Asistentes personales
29:05han dado muchos ejemplos
29:06de ello.
29:09El asistente,
29:10por ejemplo,
29:10de Outlook,
29:12el que les mencionaba
29:13hace rato,
29:13que te puedes sintetizar
29:14tus e-mails
29:15y contestarlos.
29:16O tú te puedes meter
29:17a Teams
29:17y si llegaste tarde
29:18a la junta,
29:19tú le puedes decir
29:19a Teams,
29:20dame una síntesis
29:21de todo lo que se discutió.
29:23Eso ya es posible ahorita.
29:26O un asistente
29:28que te diga,
29:29oye,
29:30pues tengo aquí
29:30en el refrigerador,
29:31tengo papas,
29:32tomate,
29:32cebolla
29:32y cilantro,
29:34hay carne y pollo,
29:36¿qué hago?
29:38Y te da todas
29:38las posibles recetas
29:39que puedes hacer.
29:41Entonces,
29:42son asistentes
29:42individuales.
29:44En la medicina,
29:44lo que decía
29:45hace rato,
29:46prevenir,
29:47analizar.
29:49Han pasado
29:50millones de personas
29:51por este mundo.
29:52No todas
29:53de ellas
29:53tienen documentado
29:54cuáles fueron
29:54sus síntomas
29:55y cuál fue
29:55el problema final
29:56que tuvieron.
29:57Pero si toda esa información
29:58la podemos meter
29:58en modelos,
29:59estoy seguro
30:00que el doctor
30:01con el que van
30:02podría con mayor
30:03exactitud
30:04decirles,
30:05no te apures,
30:05esa bolita que tienes
30:06no es nada.
30:08O todo lo contrario.
30:11En cuestión de segundos.
30:13Hermana,
30:13fractura,
30:14imagínense procesos
30:14de calidad
30:15en donde
30:16por medio
30:17de reconocimiento
30:17visual
30:18puedan detectar
30:19alguna fracturita
30:20en, no sé,
30:21en vidrio
30:21o en metales
30:22o una máquina
30:23que está vibrando
30:24más allá
30:25de los rangos
30:27establecidos.
30:29O que puedan
30:31ustedes modelar
30:32si un atraso
30:33en el proveedor
30:33les va a impactar
30:34en el envío
30:36que tiene que ser
30:36dentro de tres meses.
30:40Para todo eso
30:41se pueden hacer modelos
30:42y todo se puede
30:42empaquetizar
30:43en un momento dado
30:44y venderse
30:45a otras industrias
30:45si su empresa
30:46decide hacer algo
30:47al respecto.
30:48En la educación,
30:51lo que nos pasó
30:53con la pandemia.
30:55¿Verdad?
30:58Poder decir
30:59esta persona
31:01poder generar
31:03un plan
31:04de educación
31:05que sea
31:06para tus necesidades
31:07o poder ayudar
31:09a los maestros
31:10y decir
31:11qué alumnos
31:12están mostrándose
31:13en base
31:13a sus caras,
31:14en base
31:14a sus tareas,
31:15en base
31:15a sus respuestas,
31:16qué alumnos
31:17se nos están yendo
31:17para abajo,
31:18qué alumnos
31:19hay que ayudar,
31:21cuáles pueden tener
31:21problemas
31:22más allá
31:22de simplemente
31:23lo académico.
31:25Se puede analizar
31:26todo eso.
31:26finanzas
31:28con las criptomonedas,
31:31se pueden analizar
31:32patrones
31:33y uno puede ver
31:34hacia dónde
31:34va,
31:35si hay que vender,
31:36si hay que comprar,
31:37si me quedo
31:37con mis inversiones.
31:40Y la creación
31:40de contenido,
31:41lo vimos en la primera
31:42plática,
31:43donde tuvimos
31:43dos avatars,
31:44no se se dieron cuenta,
31:45eran dos avatars
31:45los que estaban hablando.
31:48En donde,
31:48por ejemplo,
31:49los medios
31:50pueden ir a hacer
31:51una nota,
31:53darle la idea
31:54de lo que pasó
31:54y pedirle a la inteligencia
31:55artificial que escriba
31:56todo un reportaje,
31:57si es posible,
31:58con la voz de alguien más,
31:59ya que al final
32:00un humano simplemente
32:01edite por cuestión
32:02de contenido
32:03qué es lo que se puede
32:04decir y qué es lo que
32:04no se puede decir.
32:06Creación de video,
32:07creación de programas,
32:08debatir,
32:09por ejemplo,
32:09un programa de debate,
32:10debatir contra un programa
32:12de inteligencia artificial
32:13que esté enterado
32:14de los sucesos de México,
32:15por ejemplo.
32:15Eso sería un programa
32:16muy interesante,
32:17tal vez.
32:18O sea,
32:18son simplemente unas ideas
32:18que estoy aventando
32:19para que se den cuenta
32:20de que todo esto
32:21ya está aquí,
32:23es muy actual.
32:25ChatGPT
32:25ofrece muchos algoritmos.
32:29No tenemos que reinventar
32:30cada algoritmo.
32:31El algoritmo
32:31que reconoce
32:32paros y gatos
32:32ya existe.
32:34El algoritmo
32:34que reconoce
32:35manzanas de piñas
32:37ya existe.
32:38Así como también
32:39ya reconoce,
32:39hay algoritmos
32:40que reconozcan,
32:41que reconocen
32:42si un carro
32:43está saliendo
32:43de la carretera
32:43o no.
32:46Inclusive ahorita
32:46hay algunos modelos
32:47de autos
32:48en donde si te vas
32:49desviando un poquito
32:49de la línea,
32:50empieza a vibrar
32:51un poco
32:51el volante,
32:53¿verdad?
32:54Todo eso ya existe.
32:56Entonces,
32:56¿cómo pongo
32:57todo eso junto
32:57para aplicaciones nuevas?
33:00¿Ok?
33:03Y la última.
33:06Siguiente slide,
33:07por favor.
33:11¿Cómo me preparo
33:12para la gente
33:13que está en la escuela?
33:14Para la gente
33:15que está contratando
33:16a ese tipo de personas.
33:17necesitan saber
33:20ciencias computadoras
33:21y matemáticas.
33:22O sea,
33:23el sistema inteligente
33:24se va a hacer inteligente
33:25por medio de matemáticas.
33:26No hay de otra.
33:26Por medio de estadística.
33:28Por medio de redes neuronales.
33:31¿Ok?
33:32Modelos de machine learning.
33:34Análisis de datos.
33:40La modelación,
33:41el entrenamiento,
33:42la escalabilidad.
33:43Por cierto,
33:43todo esto lleva tiempo.
33:44No esperen
33:45que la gente
33:46que contrata
33:46inmediatamente
33:47desresultados.
33:48Hay que modelar
33:49mucho.
33:50Hay que meterle
33:50muchos datos
33:51a esto.
33:53Todo esto
33:54hay que hacer
33:54un deployment.
33:55Hay que sacarlo
33:55a producción.
33:58Tenemos que entrenarnos
33:59cómo sacar a producción.
34:00Cómo cambiar
34:01la llanta de un carro
34:02mientras el carro
34:02sigue avanzando.
34:04Eso es un arte
34:04y hay que saberlo hacer
34:05en el área de sistemas
34:06y más cuando
34:07nuestras empresas
34:08dependen tanto
34:08de sistemas inteligentes.
34:11La seguridad
34:11y la ética.
34:14Los modelos
34:17son un conjunto
34:18de reglas
34:18que tienen que ser
34:19respetadas
34:19pero las reglas
34:20vamos a establecer
34:21nosotros.
34:22Tenemos que establecernos
34:23a ciertos niveles
34:24de seguridad,
34:24ciertos niveles
34:25de ética.
34:26Los sistemas
34:27por ejemplo
34:27de visión
34:28tienen que ver
34:30hasta donde se permite.
34:32Los modelos
34:32que analizan
34:34nuestros datos
34:34personales médicos
34:35tienen que almacenarlos
34:37con una seguridad
34:38de tal manera
34:38que nadie más
34:39pueda hacer mal uso
34:40de ellos.
34:41Eso como ingenieros
34:42somos responsables
34:43de poner
34:44esos candados
34:46de protección.
34:49Ahorita ya estamos
34:50viendo
34:51lo que pasa
34:51con
34:53inteligencia artificial
34:54generativa
34:55en donde ya no sabemos
34:57si el video
34:57que vemos en Facebook
34:58es fake
34:58o es real.
35:00Ya no sabemos.
35:01Es un uso
35:01muy trivial
35:02desde mi punto de vista
35:03pero al rato
35:04insisto
35:05en la creación
35:05de entrenamiento
35:06en la creación
35:07de contenido
35:08medios
35:09va a ser un arma
35:10muy importante.
35:13Alguien que no pueda
35:13estar aquí presente
35:14que con AI
35:16con el historial
35:17de conferencias
35:18que yo he dado
35:18a lo mejor
35:19genera una conferencia
35:19sin que yo tenga
35:20que venir aquí.
35:21No es posible.
35:25Y como ingenieros
35:26de sistemas
35:26no se vale decir
35:28no es que yo no sé
35:29de medicina
35:29yo no sé de manufactura
35:30yo no sé de noticieros.
35:32No, hay que aprender
35:32de eso.
35:34Sería bueno
35:34que en sus últimos años
35:36a lo mejor
35:36llevaran clases
35:37que no tienen nada
35:38que ver con
35:38la ingeniería computacional
35:40que sean cosas
35:42artísticas
35:42cosas de creatividad
35:43cosas de líneas
35:45de producción
35:46ingeniería industrial
35:50contabilidad
35:51para ver
35:53en qué van a usar
35:54sus conocimientos
35:55¿no?
35:56Y al final
35:57que es bueno
35:58la razón por la que
35:58yo estuve aquí
35:59que tengan un portafolio
36:00y una serie de proyectos
36:01que los distingan
36:03de los demás
36:03y que eso les permita
36:05ya después
36:06mostrar su capacidad
36:07y su experiencia.
36:10Bueno,
36:10eso es todo.
36:10Muchas gracias.
36:12Preguntas.
36:13Es bien importante
36:14ahorita preguntas
36:15antes del panel.
36:24Gracias.
36:27¿Qué tan cierto
36:28y qué tan relevante
36:29sería
36:29la consideración
36:32de que
36:32la evolución
36:33tecnológica
36:34está
36:35planeada
36:37con anticipación
36:38incluso
36:39calendarizada
36:39de acuerdo
36:41incluso
36:42con planes
36:42comerciales
36:43y cito
36:44algunos ejemplos
36:45Microsoft
36:46es uno de ellos
36:47Apple
36:47sería otro
36:48de ellos
36:49el mismo
36:50HP.
36:51Sí.
36:53Voy a cambiar
36:54un poco
36:54el sentido
36:55de la pregunta
36:55ChatGPT
36:57por ejemplo
36:58todo lo conocimos
36:59en 2022
37:00en 2022
37:01la realidad
37:02es que ChatGPT
37:03existe desde el 2016
37:04ChatGPT fue una empresa
37:06en la cual
37:07Elon Musk
37:08le invirtió dinero
37:09pero
37:11decidió después
37:12apartarse del proyecto
37:13Microsoft
37:14lo agarró
37:15le invirtió
37:16una parte
37:17en el 2017
37:18pero tuvieron que pasar
37:19cinco
37:20larguísimos años
37:21yo creo que más
37:23de planearlo
37:24adrede
37:24para que salga
37:25cuando COVID
37:26pega
37:26o algo así
37:27es porque hubo
37:28demasiadas
37:29pruebas y error
37:31prueba y error
37:31prueba y error
37:32para que ahorita
37:33podamos estar platicando
37:34con ChatGPT
37:35ChatGPT no nada más
37:36platica
37:37es capaz de contestar
37:38exámenes de admisión
37:39a esas alturas
37:40entonces
37:41si existe una planeación
37:43desde el punto de vista
37:43está la oportunidad
37:45vamos a sacarlo ahorita
37:46pero hay mucho tiempo
37:48que tiene que pasar
37:49para probarlo
37:50y que salga en el momento
37:52no cuando es perfecto
37:54pero en el momento
37:56cuando es posible
37:57mantenerlo
37:58y si pasa un error
37:59sacarlo
38:00Apple
38:02como ya está en hardware
38:04es un poco diferente
38:04ellos y calendarizan
38:06sus releases
38:08pero aún así
38:10yo creo que
38:11la gran gran cualidad
38:13de Apple
38:13es que ha sabido
38:14escuchar siempre
38:15a los consumidores
38:17siempre
38:17no sé si se acuerdan
38:19los que somos
38:19de aquellas épocas
38:20de los noventas
38:21de Napster
38:22de música
38:22de estar bajando música
38:23pues Apple
38:25vio la necesidad
38:25de que nos guste la música
38:26es una industria gigantesca
38:28entonces
38:29antes del iPad
38:30antes del iPhone
38:31había otro aparatito
38:33que se llamaba el
38:33el iPod
38:37el iPod
38:39y luego estaba
38:40el Nano iPod
38:40y todo eso
38:41ellos vieron la necesidad
38:42entonces yo creo
38:43que más que las empresas
38:44dictando el calendario
38:45es una conjugación
38:47entre
38:47los planes de las empresas
38:49la tecnología
38:50que está presente
38:51y las necesidades
38:52de los usuarios
38:54o sea
38:55muchas cosas
38:55no pudieron haber salido
38:56antes de internet
38:57porque no había ancho de banda
38:58para hacer cosas
39:00había tecnología
39:01pero no había ancho de banda
39:02de hecho ahorita
39:03está el problema
39:04con
39:05con
39:05con
39:06con
39:06con
39:07con
39:07con
39:07con
39:08en donde
39:09los algoritmos
39:10ahí están
39:10pero son
39:11algoritmos
39:11tan complejos
39:12y tan pesados
39:13computacionalmente
39:14hablando
39:14que no hay
39:15servidores
39:17chips
39:17que puedan
39:18procesar
39:20todos esos datos
39:20a la velocidad
39:21que necesitamos
39:21entonces ahorita
39:22empresas como Lenovo
39:23como Nvidia
39:24que están haciendo chips
39:25y computadoras
39:26están teniendo una demanda
39:28increíble
39:29no sé si se acuerdan
39:29que durante COVID
39:30el costo de los autos
39:32se incrementó mucho
39:33inclusive de los autos
39:34usados
39:35¿saben por qué fue?
39:37porque no había chips
39:38para carros nuevos
39:39porque esos chips
39:40estaban yendo
39:40a todas las empresas
39:42que están haciendo
39:43OpenAI
39:43para todo hay una explicación
39:45es cuando el mercado
39:47lo demande
39:47entonces es
39:48esta es nuestra capacidad
39:50de leer ese mercado
39:50la que nos va a hacer exitosos
39:52¿otra pregunta?
39:58¿qué paradigmas
39:59parte de que
40:00la inteligencia artificial
40:02va a reemplazar
40:03a los trabajadores
40:04o empleos
40:04existen
40:05y cómo los podemos afrontar?
40:07si la pregunta es
40:08¿qué paradigmas hay
40:09con respecto a que
40:09la inteligencia artificial
40:11va a reemplazar
40:12a los trabajadores
40:13o a los empleos
40:14y cómo los podemos preparar?
40:15ahorita mencionaba
40:16que
40:16sí
40:17sí va a haber funciones
40:19que van a ser reemplazables
40:20y eso pasa siempre
40:22en la automatización
40:23¿no se acuerdan
40:24antes en las películas
40:25que en los elevadores
40:26había una persona
40:26que estaba dentro del elevador
40:27y que le apretaban
40:28los botones
40:29¿verdad?
40:30¿ustedes creen
40:31que esa persona
40:32se murió de hambre
40:32cuando vinieron
40:33los elevadores eléctricos?
40:34yo creo que no
40:35yo creo que esa persona
40:36se movió simplemente
40:37a otra área de servicio
40:38o sabía tanto
40:40tratar a los clientes
40:40que a lo mejor
40:41lo pusieron en la recepción
40:42o a lo mejor
40:42todo el mundo lo conocía
40:43porque todo el mundo
40:44tenía que ser un elevador
40:44que él era quien
40:46se encargaba
40:46de no sé
40:47de relaciones públicas
40:47con empresas
40:48o con clientes importantes
40:49yo creo que todo
40:50es una evolución
40:51y es una evolución
40:52más fácil
40:52de lo que creemos
40:53yo empecé a trabajar
40:56en Microsoft
40:56en el 97
40:57en el 97
40:59apenas había internet
41:01Windows 98
41:02todavía no salía
41:03Windows XP
41:04tampoco
41:04Cloud
41:05no existía
41:06Azure
41:07AWS
41:09no existía
41:10entonces yo me he tenido
41:11que ir adaptando
41:12para que mi trabajo
41:13siga siendo relevante
41:14la clave de aquí
41:15es adaptarse
41:16aprender
41:16y en base a la experiencia
41:18ver
41:18cómo yo puedo usar
41:20esa tecnología
41:20para hacer algo mejor
41:22ahorita inclusive
41:23como maestro del tech
41:24yo uso chat y pití
41:25tranquilamente
41:26para mis clases
41:26para crear mis presentaciones
41:28¿por qué?
41:32pues para que pierdo tiempo
41:33haciéndolo de cero
41:34es como si alguien
41:35me podría hacer ahorita
41:36una multiplicación
41:37y yo la hago a mano
41:38saco la calculadora
41:39porque es más rápido
41:40no significa que no sepa hacerla
41:41simplemente es más eficiente
41:42y yo le voy a dar
41:43un mejor servicio
41:44si yo uso esta tecnología
41:45a mi alcance
41:46obviamente
41:47yo voy a tener que hacer
41:47mi clase
41:47mucho más difícil
41:48si sea que los alumnos
41:50están sacando respuestas
41:51de chat y pití
41:51una cosa es sacar la respuesta
41:52otra cosa es pensar
41:53cómo vas a aplicar
41:54esa respuesta
41:54ahí es donde nosotros
41:56cabemos como empleados
41:57buenos días
42:06buenos días
42:07Oscar Jiménez
42:08ingeniero de innovación
42:09primero que nada
42:11pues agradecer
42:12lo que compartiste con nosotros
42:13y en segundo
42:14pues bueno
42:15creo que nos quedó
42:17muy claro a todos
42:18la manera
42:20o el enfoque
42:20que hay que tener
42:21para ofrecer una necesidad
42:23o solución
42:24cómo crearla
42:25pero en este caso
42:27mi pregunta es
42:28cómo
42:29Microsoft
42:30para llegar
42:31a hacer lo que es
42:32cómo fomentó
42:34esa cultura
42:36de innovación
42:36con todo su
42:37personal
42:38sí
42:39no sé si todavía
42:40tengan
42:40puedan poner las slides
42:42hay una slide
42:43en donde
42:43menciono eso
42:44y me voy a enfocar
42:45eso un poquito
42:46si les pueden poner
42:47sí no no sí
42:48bueno
42:48en la
42:51en Microsoft
42:51existe una
42:52un concepto
42:53una cultura
42:54que se llama
42:54growth mindset
42:56en donde no saberlo
42:58no te hace menos
43:01donde no saberlo
43:02no te penaliza
43:03lo que te penaliza
43:05es no querer aprender
43:06ok
43:07eso es lo que penaliza
43:08si un empleado te diga
43:10no lo sé
43:11eso es normal
43:12en Microsoft
43:13¿por qué?
43:14porque estamos inventando
43:15muchas cosas
43:15no estamos
43:17usando el programa
43:18que
43:19no estamos inventando
43:20el sistema operativo
43:21sobre el cual va a
43:22correr el programa
43:22estamos inventando
43:24la base de datos
43:25sobre la cual
43:25muchas saludos
43:26van a hacer consultas
43:27estamos inventando
43:29el browser
43:29sobre el cual
43:30muchos websites
43:30van a
43:31desplegarse
43:32entonces no saber
43:33es común
43:34pues en empresas
43:36si estamos inventando
43:36ahorita algo
43:37es decir
43:38no sé
43:39debe ser lo más normal
43:40pero no querer
43:43aprender ¿no?
43:43entonces
43:44es ese growth mindset
43:45siempre querer aprender
43:46querer aprender
43:47estar proponiendo
43:48en las juntas
43:48siempre tener esa lluvia
43:50de ideas
43:50nunca
43:53penalizar el que
43:55es que esta semana
43:56no me hice resultados
43:57es que ya llevas
43:58dos semanas
43:58investigando
43:59es que
44:01el ingeniero de Facebook
44:03hizo 15 experimentos
44:04de los cuales fallaron
44:0514
44:05no, no fallaron 14
44:07simplemente
44:08te diste cuenta
44:0914 formas
44:10en las cuales
44:10no podemos hacer las cosas
44:11y una
44:13en cual nos va a dar
44:13mejores ingresos
44:15o sea
44:16si cambiamos eso
44:17el de fallé
44:17fallé
44:18a intenté
44:21traté
44:21le invertí
44:22las empresas
44:24creo yo
44:25van a ser mucho más
44:26inquietantes
44:27siempre van a tener
44:27ese as bajo la manga
44:28y los empleados
44:31van a vivir
44:32con las ganas
44:33de querer ir a su trabajo
44:34porque todos los días
44:35van a aprender algo
44:36y van a proponer algo
44:37y van a aportar algo
44:38al negocio
44:38así es como vamos nosotros
44:40al trabajo
44:40con esa idea
44:42de que podemos cambiar
44:43al mundo
44:43a lo mejor hoy
44:44no me va a salir nada
44:45pero dentro de un mes
44:47te apuesto
44:47que el producto
44:48que yo estuve trabajando
44:49va a estar funcionando
44:51en Argentina
44:52en Alemania
44:53en Australia
44:54en Canadá
44:55que es lo que afortunadamente
44:56me pasó a mí
44:56¿no?
44:57¿no?
44:57¿no?
44:57¿no?
44:57¿no?
45:02otra preguntita más
45:03cerramos de este lado
45:05y allá arriba
45:06por favor
45:07bueno
45:17me preguntaba
45:19en cuestión
45:20de
45:21¿qué consejo
45:22le daría a usted
45:24a alguien
45:24que va trabajando
45:25o va aprendiendo
45:26en cuestión
45:26de la venta
45:27de sus productos
45:28tecnológicos
45:28que menciona
45:29ya sea
45:29desarrollo web
45:31o aplicaciones
45:32con IA
45:33el consejo
45:35que yo le doy
45:36a los que están empezando
45:37inclusive
45:38a los que están
45:38como estudiantes
45:39inclusive
45:40es que hagan
45:41algo que los distinga
45:43de los demás
45:43por ejemplo
45:46si tu maestro
45:47de sistemas
45:47de séptimo semestre
45:49te dice
45:50que hagas una aplicación
45:51con un carrito
45:52y que compres
45:53y cargas
45:55la tarjeta de crédito
45:55y ya
45:56eso lo han hecho
45:57todos los alumnos
45:58de todas las universidades
45:59de todo el mundo
46:00¿verdad?
46:01pero si tu a ese carrito
46:03o a ese sistema
46:04de ventas
46:04le metes
46:05información
46:06de que
46:07otras personas
46:08en Monclova
46:09en verano
46:09de tu edad
46:10han comprado
46:11algo así
46:11y esas son las sugerencias
46:12que te doy
46:13antes de que termines
46:13tu compra
46:14ya eso te está
46:15distinguiendo
46:15un poquito
46:16de lo demás
46:16y pues si ya lo hace
46:17Amazon
46:18pero bueno
46:18es lo mismo
46:20a nivel profesional
46:21no nada más
46:23satisfaga la necesidad
46:24del cliente
46:24dale algo más
46:25que te distinga
46:26y no me refiero
46:27a precio
46:27porque el precio
46:28los chinos
46:29te lo van a poder bajar
46:30es
46:33¿cómo le vas a innovar?
46:35¿cómo vas a anticipar
46:36el problema
46:36que van a tener?
46:38¿cómo vas a anticipar
46:39lo que te van a pedir
46:39en la siguiente junta?
46:40dáselos de una vez
46:41insisto
46:44el producto
46:46tiene que ser perfecto
46:48pero tiene que estar
46:49encaminado
46:50y lo tienes que construir
46:50en bloques
46:51de tal manera
46:52que eventualmente
46:54satisfaga esa necesidad
46:55no tienes que resolver
46:56el problemota
46:57de un bloque
46:57va resolviendo
46:58problemitas
46:59en bloques
47:00para que luego
47:01le vendas eso
47:02a tu cliente
47:03y luego se lo pueda vender
47:04a otros clientes
47:05a lo mejor no me vendes
47:05ciertos bloques
47:06para acá
47:06otros para acá
47:07porque usted nada más
47:07necesita esto
47:08usted nada más
47:08tiene otro
47:09¿ok?
47:11algo que te distinga
47:12algo que puedas hacer
47:13en bloques
47:13y algo que anticipe
47:15las necesidades
47:16buenos días
47:23buenos días
47:37tengo una pregunta
47:38para usted
47:39ahorita estaba comentando
47:41al respecto
47:42de videos
47:43que pueden reemplazarnos
47:45como
47:45usted puso
47:48el ejemplo
47:48de las conferencias
47:49¿verdad?
47:50sí
47:50mi pregunta es
47:52¿cómo vamos a
47:53o cuál es su
47:55visión
47:56en cuestión
47:57de seguridad
47:58de reemplazarnos
47:59como personas?
48:01no sé si me
48:01intento
48:02sí
48:02no
48:02sí
48:03sí
48:03sí
48:05sí
48:05gracias
48:06buena pregunta
48:07donde hay buenos
48:10casi siempre hay malos
48:11y obviamente
48:14si escribiste código
48:15para crear algo
48:16siempre puede haber código
48:17para
48:17para hacer lo que falle
48:19o para meterte
48:20por
48:20por las rendijas
48:21que uno saca
48:22¿no?
48:23por eso es que a veces
48:23el 99.999%
48:25no es perfecto
48:26ese
48:260.001
48:28te va a dar lugar
48:29a fallas
48:30a bugs
48:30pero si son de seguridad
48:31es peor
48:32entonces ¿cómo lo hacemos?
48:33como empresas
48:34tenemos que tener siempre
48:35un layer
48:36un cinturón de seguridad
48:38gente que está especializada
48:39en seguridad
48:39que siempre está
48:40independientemente
48:41probando los sistemas
48:42ese es uno
48:43y en el caso específico
48:44de los videos
48:45bueno
48:46así como
48:48inteligencia artificial
48:49puede hacer videos
48:50nosotros podemos crear
48:53sistemas de inteligencia artificial
48:54que definan
48:56si un
48:57escrito
48:58un reporte
48:59o un video
49:00fue hecho con inteligencia artificial
49:01¿por qué?
49:02porque hay patrones
49:03eso es más difícil
49:05de hacerlo que decirlo
49:06pero es posible
49:08al final de cuentas
49:09si se necesita
49:10un gran especialización
49:10para poder hacer eso
49:11pero no es un problema
49:12que no tenga solución
49:14ok
49:15ok
49:16ok
Comentarios