Luego de empezar el día con una meditación Vipassana, que aprendió en India hace 10 años, la ecuatoriana Belén Sánchez Hidalgo asume de lleno su rol de científica de datos en DataRobot, la empresa de inteligencia artificial que confía en su talento desde hace tres años. Allí su día pasa con reuniones con clientes, resolviendo problemas a través de inteligencia artificial. Pero su gran meta es cerrar la brecha de género en la industria de la tecnología y no descansa ni un minuto para lograrlo.

El año pasado recibió en Estados Unidos el premio Women in AI, en la categoría de mentoría, de parte de VentureBeat, un portal de noticias tecnológicas y empresariales, con sede en San Francisco. Radicada en Washington DC, es invitada permanente en foros para hablar sobre el mundo tech. En septiembre de 2022 estuvo en Quito como organizadora de un evento sobre inteligencia artificial aplicada en varias industrias; en medio de una agenda intensa abrió un espacio para conversar con Forbes Ecuador sobre su trayectoria y sus siguientes metas por cumplir.

Cuentas con experiencia en el sector público, pasaste por el mundo del emprendimiento y la innovación y ahora estás en la industria de la inteligencia artificial, esa nueva herramienta que soluciona problemas pero que también abre interrogantes. ¿Cómo llegaste a este campo? ¿Hubo algún evento o situación en tu vida que te llevó a la IA?

Este proceso fue un cúmulo de factores. Estudié una maestría en Administración Pública en Harvard, y trabajé en el Banco Mundial en temas de políticas de tecnología e innovación. Luego contaba historias de ecuatorianos en tecnología y así fui conociendo el tema de la inteligencia artificial. Como parte de mi trabajo en el Banco Mundial leía muchos reportes de tecnología de instituciones como el World Economic Forum, del propio Banco Mundial y cada vez tenía más miedo, casi pánico, por saber todo lo que se venía con la tecnología. Llegaba a casa y hablaba con mi esposo sobre las nuevas habilidades que se estaban requiriendo en el mundo profesional.

¿Entraste en pánico por la llegada de los robots? 

Sí. Un día en el Banco Mundial me pidieron dar una charla sobre los prejuicios ante la inteligencia artificial. Me preparé y, siendo honesta, me decía 'ni siquiera sé qué es un algoritmo, con qué se come, de qué color es'. Seguía leyendo para entender y sentía que carecía de conocimientos técnicos sobre el tema y que por más que leía muchas revistas tech no entendía la esencia de la IA. Un día mi esposo me envió la foto de un robot que hacía pruebas de delivery, ese robot estaba a la vuelta de la esquina de nuestra casa en Washington y el mensaje decía "Robots are coming". Vi esa imagen y dije 'nos fregamos', pero ese día también le dije adiós al miedo a la tecnología y tomé acciones.

¿Qué hiciste? 

Dejé el trabajo en el Banco Mundial, donde era consultora para temas de políticas de innovación y tecnología y donde había trabajado con proyectos en países como Colombia o Sri Lanka siempre en temas de tecnología, desde el análisis. Me inscribí en un bootcamp de Data Science que duró 12 semanas y allí aprendí a programar con Python y otras herramientas. Siempre bien ñoña, para hacer el bootcamp hice una investigación de escuelas de programación, averigüé todo y escogí General Assembly, en Nueva York, que tenía un enfoque de educación pragmática. Así aprendí nuevas tecnologías resolviendo problemas reales de varias industrias. Terminé mis clases y tenía un portafolio de proyectos para varias industrias, me sentí lista para una nueva etapa de vida. Recibí coaching, me preparé para entrevistas de trabajo supertécnicas, conocí a empleadores y a otros graduados que habían hecho lo mismo y ya estaban en la industria tech. La educación pragmática genera oportunidades para que un profesional salte al mundo tech de manera más fácil, invirtiendo menos tiempo y con menores costos.

¿Cualquier profesional puede hacerlo? 

Tenía compañeros que eran profesores de primaria, psicólogos, profesionales con PhD en temas de biología que necesitaban aprender tecnología. Un compañero graduado de psicólogo, por ejemplo, durante tres años manejó un camión y jugaba póker, era un capo de los números y ahora es data scientist y le va muy bien. Todo esto muestra que la tecnología permite mayor diversidad en la industria tech porque las barreras de entrada ahora son más flexibles, se generan ingresos y esto permite que gente con experiencia de otras industrias aprenda habilidades tech y dé un salto.

Luego del bootcamp, ¿cuál fue tu siguiente paso? 

Los bootcamps te dejan listo para empezar la carrera tech, como profesional junior. Las empresas están dispuestas a invertir en uno para llevarnos a un siguiente nivel. En esas 12 semanas conseguí mi primer trabajo como científica de datos y asesora en temas de tecnología en el BID, en el área de sectores y conocimiento. Allí empecé a hacer todo lo que podía con data science, recuerdo proyectos con migrantes venezolanos y haber desarrollado un modelo para identificar conversaciones en distintas zonas geográficas que permitía saber de qué hablaban los migrantes en tuits. Hice cosas chéveres, pero era una organización grande que avanza lento y allí estuve entre 2018 y 2019. Un día asistí a una conferencia de inteligencia artificial y conocí a la gente de DataRobot, una empresa de inteligencia artificial que había lanzado un programa AI for Good, que trabajaba con ONG; entonces apliqué para ser parte de su equipo, vieron mi experiencia en políticas públicas y entré a esta empresa enfocada. Los primeros meses era asociada y tenía un sueldo, pero además me enseñaban, me pagaban para aprender, tuve cursos, inmersiones en los procesos y luego recibí mi primera promoción como customer facing data scientist. Voy tres años en la empresa y ya lidero un equipo de cuatro personas con quienes manejamos clientes de la Costa Este. Mi trabajo es remoto, estoy en Washington DC, y la empresa tiene su base en Boston y oficinas en San Francisco. Mi equipo trabaja de manera remota y el trabajo con los clientes es también en modo remoto.

¿Y tus tareas son de desarrollo de producto o de escuchar a los clientes? 

Mi trabajo se inicia entre las 8 y 9 de la mañana, mi rol es de cara al cliente. Tenemos dos clases de científicos de datos: los primeros están en research and development del producto pero que no siempre quieren hablar con el cliente. Y los segundos son los customer facing data scientists, que son científicos de datos que tienen background de negocios o como consultores que pueden sentarse con una persona de una empresa, desde el ejecutivo top hasta el más técnico. Los customer facing data scientists pueden hablar y 'traducir' lo que dice el cliente. Dentro de la inteligencia artificial cuenta mucho la transparencia, explicar cómo funciona. Eso ayuda a que los procesos de adopción sean más claros. Yo soy de esos, en mi día a día converso con los clientes y si tienen un problema ayudo a crear un modelo predictivo para saber, por ejemplo, cuántos clientes va a perder una empresa en seis meses y tomamos medidas para que eso no ocurra. Mi día pasa con reuniones con clientes resolviendo problemas a través de inteligencia artificial. En DataRobot planteamos bien el problema, identificamos estrategias de ciencias de datos, preparamos los datos y hemos automatizado el machine learning, lo hicimos más accesible. Eso es parte de la democratización de la inteligencia artificial, es una de mis metas y de la empresa. ¿Qué sientes con lo recorrido?, ¿qué aprendizajes te has llevado? No fue una transición fácil. Esas 12 semanas en el bootcamp trabajé y estudié más de 100 horas semanales, con lágrimas, sacada el aire, no sabía programar, empecé desde cero, no me gustaba al principio. Pero una vez que pasan las cuatro primeras semanas, se toma ritmo y pude acceder a muchos recursos que me sirvieron. El mundo tech es un sector que cambia rápidamente, entonces hay que seguir aprendiendo, hubo momentos duros, pero desde el principio sabía que tenía que aprender.

El poder computacional que existe ahora nos permite solucionar problemas de manera mucho más rápida y eficiente, y a una escala que antes era imposible, creando un impacto muy grande. Lo que hace la inteligencia artificial por las empresas es impresionante, resuelve problemas críticos con un enfoque predictivo, que antes era inimaginable. Antes había, a lo mucho, un modelo de riesgo, pero la inteligencia artificial revoluciona todos los sectores. 

Entonces la llegada de los robots no fue tan fea como lo pensaste... 

No, en algún momento sufrí, pero mientras avanzaba mejoraban mis expectativas. Uno de los temores era que los robots reemplazaran mano de obra y eso está pasando en todas las carreras, allí están los vehículos autónomos y otros ejemplos. En cargos o profesiones en donde la experiencia pesa también hay afectados, pero la inteligencia artificial llega como una herramienta de soporte, con inteligencia aumentada, y eso ayuda al profesional que cuenta ahora con herramientas para tomar mejores decisiones, porque aparte de su expertise tiene la predicción de un algoritmo con porcentajes de probabilidades, y eso es una ventaja. Más allá de la profesión, hay que estar abiertos a aprender para llegar a una mejor posición. 

¿Cuánto nos gobiernan los algoritmos en nuestro día a día? 

No tengo un porcentaje, pero están en la mayoría de decisiones que tomamos. Hoy, en Estados Unidos, en el retail el tipo de cupones de descuentos u otras herramientas de marketing están influenciados por un algoritmo que define la probabilidad de que tú vayas a reclamar ese cupón. Las decisiones de dónde se van a abrir nuevas tiendas están definidas por un algoritmo, la predicción de una compra en una farmacia también. En la banca es impresionante cómo la inteligencia artificial ayuda a tomar decisiones sobre a quién se le otorga un crédito o a quién se le atiende primero en una línea telefónica. En América Latina pasa lo mismo, aunque en menor grado. Hay una preocupación de ver que a escala global el nivel de adopción es súper rápido, pero en países como Ecuador no pasa eso. Colombia o Perú están invirtiendo más en IA y eso impacta en la productividad de las empresas, las inversiones determinarán una nueva brecha entre los países que sí invierten y los que no.

¿Cómo han sido estos primeros años en la industria de la inteligencia artificial? 

La industria tech se preocupa mucho del balance trabajo-persona, tanto que mis jefes me preguntan siempre si estoy feliz y ante cualquier duda de mi parte se toman medidas. Es curioso, ¿es una manera de retener al talento? Exacto, quieren retener a los mejores, hay una guerra de talento tech. Cuando me piden ideas les he hablado de causar impacto y a raíz de eso la empresa me dio espacio en el programa DreamBig, en el que uno puede pensar qué quiere en 5, 10 o más años. Allí salió mi meta de ser mentora de 1.000 mujeres en cinco años en temas de IA. ¿Cómo lo logré? Desarrollando un bootcamp en alianza con la ONG Women in AI, que tiene su base en Francia y cuenta con un capítulo en México. A mis jefes les planteé que quiero cerrar la brecha de género en el mundo de la tecnología; les pedí un curso en español, becas y licencias. 

¿Y qué te dijeron? 

Me respondieron que si eso me hacía feliz, eso me darían. Entonces surgió la beca WaiCamp by DataRobot University, un bootcamp de siete semanas para que mujeres aprendan sobre inteligencia artificial y data science. Dimos becas a 60 mujeres de América Latina, de las cuales 18 fueron ecuatorianas. Todas aprendieron a aplicar ciencias de datos a problemas de negocios.

¿Eres una evangelizadora de la IA? 

Se podría decir que sí, mi trabajo es eso. Hay gente que tiene ese rol, evangelizar sobre inteligencia artificial, ese no es mi cargo, pero es lo que estoy haciendo. Mi meta es acercar el tema a América Latina. Además, reflexiono mucho sobre la importancia de tener mayor diversidad en las empresas que usan IA. Hay un problema: la mayor parte de personas que desarrollan este tema son hombres blancos, entonces las soluciones están siendo construidas con sesgos tenaces. Por ejemplo: hay algoritmos que predicen a quién contratar que estaban sesgados a favor de hombres. Un algoritmo aprende datos históricos y, si se sigue usando esa información, las nuevas predicciones van a dar el mismo resultado, el mismo patrón. ¿Qué es más fácil arreglar: el algoritmo o la persona que se contrató? Yo creo que el algoritmo porque hay metodologías para identificar el sesgo. Como científicos de datos usamos herramientas y seleccionamos la variable que vamos a proteger, podemos saber la métrica justa, los insights que se construyen, sabemos sobre las técnicas para mitigar sesgos. Son temas técnicos, difíciles de abordar, pero estamos trabajando en eso, en garantizar que nuestra inteligencia artificial sea confiable. 

¿Qué extrañas de la Belén de hace 10 años y cómo será la Belén del futuro? 

Hoy veo que lo aprendido hace 10 años todavía me sirve. En mi paso por el sector público desarrollé muchas habilidades blandas, pude construir relaciones que perduran y me he hecho muy estratégica. Y en el futuro quiero seguir creciendo como científica de datos. Mi gran meta es traer más mujeres latinas a la industria tech y seguir evangelizando en la diversidad a la hora de desarrollar soluciones tecnológicas. (I)

*Este artículo se publicó originalmente en la edición No. 9 de la revista impresa en diciembre de 2022.