«La tecnología es sólo un instrumento, que sólo cobra vida si alguien sabe cómo utilizarla», afirma. Bryan Harrisdirector de tecnología en SAS. Tu gran jefe, buenas nochesSupo utilizarlo hace 50 años, después de que el Departamento de Agricultura de Estados Unidos buscara “algo” que facilitara el análisis de los datos de producción agrícola, en los años 1960. Varias universidades colaboraron para crear un sistema estadístico, que finalmente cristalizó en 1976, en la Universidad Estatal de Carolina del Norte, bajo el liderazgo de Goodnight. Se llamó Sistema de Análisis Estadístico. Abreviado SAS.

Pero en el año en el que la gran obra de su vida cumple medio siglo, el incombustible CEO no ha sido autorizado por el médico a asistir al Evento anual SAS Innovar en Grapevine, Texas, para el cual ya había concertado una entrevista (este periodista tenía una cita). Hace unos días tuvo que someterse a una pequeña intervención y la prescripción de reposo le obligó a conformarse con participar en un vídeo para contar su apasionante historia, precisamente hablando con Harris. La tecnología como herramienta es la clave.

«Jim Warrens fundó la empresa con su trabajo muy computacional sobre datos y yo hice algunas rutinas de transformación de datos», recuerda Goodnight. Eso fue todavía en la universidad. Después de una reunión en Florida organizada por Abbott Labs en 1975, con 350 asistentes, quedaron convencidos de que Tuvieron que abandonar el ámbito académico y crear una empresa. que, 50 años después, sigue siendo “privada”. Es decir, es autosustentable y autofinanciable, sin cotizar públicamente en bolsa.

El caso es que la tecnología, esa herramienta, ha seguido sus propios pasos, desde aquel análisis de hace 50 años, hasta la actual explosión de la inteligencia artificial, con todas las implicaciones del momento. para el CTO Harris“Estamos en crisis”. Una crisis, precisa, de «confianza e ingenio. No es un colapso en la convicción de que la IA va a ser importante, es un colapso en la convicción de que las personas van a importar».

En los flujos con agentes de IA, explica, conviven componentes “deterministas” (con resultados invariables en función de la entrada de datos) y componentes “no deterministas”, en los que el elemento humano “puede buscar errores y hacer correcciones que son necesarias”, dice Harris, porque se necesitan “barandillas”.

esto se esta haciendo [en SAS] con Desarrollo de software asistido por IA en cuatro fases: diseño, ejecución, verificación y validación. El valor humano pasa de escribir código típicamente a una nueva disciplina de ingeniería contextual, que requiere un gran dominio de conocimiento para definir la experiencia funcional, los objetivos de prueba y los requisitos técnicos. Y el mismo enfoque se puede utilizar para casos industriales”.

El mensaje para los usuarios de su software es que «nadie conoce mejor sus respectivos negocios» que ellos, y «la forma en que se comporten ahora con la IA determinará el valor de su marca para la próxima generación». Harris completa su advertencia advirtiendo que “No se trata de elegir entre personas o beneficios. Después de todo, SAS es un gran ejemplo de cómo se puede invertir en empleados y seguir siendo rentable durante 50 años…”

Harris muestra cuadrantes y diagramas que subrayan cómo cambian los enfoques de desarrollo si están más centrados en la empresa o en los individuos, y cómo la IA acelera los procesos. La combinación de una serie de tecnologías emergentes (machine learning, IA generativa y agéntica y visión por computadora) la aplica SAS para crear gemelos digitales de entornos industriales con un motor de videojuegos, el Unreal Engine de Epic Games.

El resultado puede ir desde controlar cada válvula y cuadro eléctrico de una factoría, previendo y evitando posibles problemas, hasta vigilar la correcta esterilización y disponibilidad de pinzas, bisturíes y escalpelos en un hospital danés, cuyo gemelo incluye los mínimos detalles con una tecnología de “visión sintética”.

En la copia virtual se aprecia cómo el centro sanitario es ahora algo parecido a una fábrica automatizada, en la que los suministros de farmacia y herramientas médicas corren ordenadamente sobre cintas y bandas de rodillos hacia sus destinos predefinidos con ayuda de brazos robóticos. Esto debería resolver los cuellos de botella que en algunos momentos pueden limitar la disponibilidad de material médico imprescindible.

Mientras, el personal que va a entrar en quirófano es sometido a un escrutinio digital, mediante cámaras de vídeo, que verifica que cada uno lleva todos los ‘epis’ requeridos (equipos de protección individual para proteger al facultativo, y al paciente, frente a riesgos biológicos, químicos o físicos) y se los ha colocado de la manera adecuada para su misión. Un sistema que, obviamente, puede ser trasladado a controles de seguridad laboral en otros entornos de trabajo.

Los datos sintéticos permiten, además, hacer simulaciones y analizar situaciones de riesgo de las que no existen imágenes reales, para establecer entrenamientos y protocolos de acción.

Una vez entrenado, un modelo puede ser desplegado en las cámaras del recinto de trabajo y emitir alertas en tiempo real. “Tenemos que pensar en grande” dice Harris, señalando objetivos a futuro hasta 2060.

Otra de las propuestas de SAS se refiere a la seguridad en operaciones financieras, sobre las que un estudio suyo indica que el 75% de los profesionales dedicados a la lucha contra el fraude detecta incrementos. Y el 55% anticipa que entre deepfakes, ingeniería social y documentación creada con IA generativa, los casos van a aumentar significativamente en los próximos dos años.

Jared Peterson, vicepresidente de ingeniería global, advierte de que uno de los problemas para atacar esta tendencia es el volumen de operaciones bancarias y un desequilibrio que complica el control: “Hay muchos más casos que no son fraudulentos que los que lo son”.

La propuesta de SAS es el uso de agentes IA en su sistema ‘Fraud Decisioning for Payments’, capaz de detectar en tiempo real los fraudes en diversos tipos de transacciones con tarjetas de crédito y de débito, operaciones en cajeros automáticos y carteras digitales, entrenado con millones de casos reales ocurridos.

Según Harris, el hecho diferencial en la aproximación de SAS a la IA agéntica radica en el papel que juega la plataforma analítica Viya, que ahora engloba el proceso desde la gestión y preparación de los datos, hasta la creación y optimización de modelos IA.

Capacidades agenciales

En Innovate, SAS ha presentado algunas novedades, entre las que destaca la ampliación de la plataforma Viya con capacidades agentes, añadiendo nuevos asistentes de IAinfraestructura de agentes y herramientas de aceleración.

Las nuevas características incluyen Viya Copilot, una familia de asistentes integrados a lo largo de los ciclos analíticos; un servidor MCP (Protocolo de contexto modelo); y un Acelerador de IA Agentic, que es un marco diseñado para crear gobiernos e implementar agentes de IA en la plataforma.

El servidor MCP ahora puede funcionar “con AI Claude o Microsoft Teams, así como puede interactuar con las funcionalidades de Viya”, especifica. Marinela Profi, jefa de IA global y estrategia de mercado para IA generativa. Profi asegura que hay un cambio, “de la IA que informa a la que actúa”.

El Viya Copilot dispone de versiones con capacidades específicas para dos sectores concretos. uno es el Gestión de Activos y Pasivos (ALM) guía a los analistas en la configuración de un escenario, su ejecución e interpretación de los flujos de riesgo financiero, traduciendo el lenguaje natural para informar los modelos analíticos.

El otro es Descubrimiento de datos clínicos de saludque acelera el descubrimiento y análisis de datos clínicos, guiando a los usuarios a través de la exploración, la creación de cohortes y la investigación de calidad utilizando lenguaje natural.

Además, promete añadir en un futuro próximo capacidades de gestión de datosModelos de gestión de infraestructura de IA, consolidando el soporte desde la ingesta de datos hasta la implementación.

Otra novedad es Inteligencia del cliente 360con agentes especializados para trabajar en los flujos de marketing, en colaboración con los usuarios y manteniendo la protección de las “barandillas” y la supervisión humana en la gobernanza. Es un sistema multiagente.

Agente de cadena de suministroComo su nombre indica, ha sido desarrollado para trabajar con la cadena de suministro de las empresas, gestionando la planificación de operaciones. Trabaja continuamente para mantener el equilibrio entre demanda, oferta y operaciones, según ciclos de mayor o menor presión del mercado. Los usuarios pueden interactuar con el agente casi en tiempo real para obtener visibilidad de la situación o pedirle que desarrolle un escenario para explorar posibles situaciones.

Y una gran apuesta que estará disponible “pronto” es AI Navigator, que está anunciado para “Poner orden en el caos de la IA”, dice Kristi Boydespecialista en ‘Trusted AI’, en una demostración en el escenario con Reggie Townsedvicepresidente responsable de IA ética, gobernanza e impacto social. Se trata de un gran modelo de lenguaje de código abierto “diseñado para resolver problemas” relacionados con las regulaciones y la inteligencia artificial.

Navegador de IA Estará preparado para responder a “casos de uso” específicos, por actividades y por ubicación (por ejemplo, en Europa), actuando en una capa superior a aquellos en los que Viya generalmente gestiona la gobernanza y el cumplimiento, los riesgos y la propia gobernanza de la IA.