Tavakoli: Creo que es doble. Primero, debes centrarte en los resultados, no en las herramientas. El número de personas que dicen: “Estamos atrasados”. Tengo que poner en marcha a un montón de agentes. Tengo que demostrar que puedo trabajar con IA. No te dan puntos por decir que le planté cara a la IA, ¿verdad?

En cambio, lo que realmente quieres averiguar es: ¿Cuál es el resultado empresarial que quiero lograr? Y normalmente se trata de: “Tengo un proceso existente que quiero automatizar y hacer mucho más eficiente”, o “Hay un nuevo conjunto de capacidades que quiero implementar”, y la IA es lo que lo desbloquea y lo hace posible.

Lo segundo es que todo el mundo se entusiasmó tanto con la IA y la asociaron con los LLM y ¿qué modelo vas a usar? Y, honestamente, lo más importante en el mundo empresarial es una IA de alta calidad, precisa y confiable. Y eso depende en gran medida de: "¿Tiene su patrimonio de datos en orden y tiene una estrategia de gobernanza?"

No se trata del modelo; son todas las otras piezas. ¿Cómo se obtiene precisión? ¿Cómo lo gobiernas? ¿Cómo averiguas cómo lo pones en producción y lo mides? Y también, ¿cómo se hace eso en un espacio que está evolucionando rápidamente? La mayoría de las personas con las que hablas que lanzaron una aplicación de IA incluso hace seis meses te dicen que si la reconstruyeran hoy, la construirían de manera completamente diferente, porque hay nuevos productos.

Tavakoli: Los ingresos actuales son una pirámide. En la capa inferior, se necesita un montón de infraestructura, y esos son chips. Esa es un área donde no habrá muchas compañías, porque la barrera de entrada es muy alta.

Además de eso, tienes los proveedores de modelos básicos. Comenzamos con mucho y se redujo, principalmente debido al capital que necesita para capacitar algunos de esos modelos.

La última capa son las aplicaciones en la parte superior. Y hoy, debido a que es temprano, eso no es masivo, a pesar de que Databricks recientemente cruzó más de $ 1 mil millones en tasa de ejecución de ingresos de IA, por lo que no es un cambio tonto.

Si avanzamos cinco años en el tiempo, la pirámide será mucho más grande y estará invertida. Gran parte de los ingresos provendrán de aplicaciones que emplean la IA para transformar las actividades cotidianas. Y en ese ámbito, no creo que haya un ganador que se lo lleve todo.

Tavakoli: A nadie le gusta esa respuesta. Pero muchos procesos en los que gastas mucho dinero no son atractivos. Te daré un ejemplo. Eres una compañía de seguros. Recibes toneladas y toneladas de formularios de reclamo, y la cantidad de potencia y frustración que se gasta en: "¿Cómo tomo todos esos formularios de reclamo y extraigo la información que necesito? ¿Cómo lo pongo en un formulario de análisis para poder ejecutar información sobre él y luego, en función de él, tomar medidas?" Nadie se emociona por eso, excepto la persona que está sentada allí y enojada porque su reclamo tarda tres meses en reembolsar. Pero si ahora puedo pasar de hacer algo que tomó meses a hacerlo a una fracción del costo, automatizado, ese es un caso de uso realmente emocionante.

O es un fabricante de semiconductores, y si tiene algo que podría detectar anomalías de manera inteligente y mejorar su rendimiento en un 0,1%, una vez más, ¿cuándo fue la última vez que alguien se entusiasmó con los rendimientos de la fábrica? Pero significa mucho dinero.

Enormes en productividad, enormes en costo, no del tipo que la gente asocia con algo trascendental. Creo que esos son casos de uso de IA aburridos. Se pueden lograr mejoras significativas con la IA, y eso es lo que vimos con nuestros clientes.

Tavakoli: La respuesta que siempre doy es, según esta lógica, si dijimos: "Oye, cuando salieron los cajeros automáticos, o cuando salieron las computadoras, fueron transformaciones masivas, ¿mucha gente perderá sus trabajos?"

Hay un cierto conjunto de cosas que la gente hace hoy en día que serán automatizadas por la IA. Sin embargo, en muchas de estas cosas, solo por calidad, todavía quieres un humano en el circuito. Y toda la premisa es que cuando automatizas estas tareas, también abren un conjunto completamente nuevo de demandas para hacer cosas que antes no podías hacer. Entonces, por ejemplo, ahora que tiene cajeros automáticos y banca en línea, se abrieron nuevos conjuntos de roles de comercio electrónico que nunca pensamos que existirían en el mundo pasado, y que generan una tonelada de empleos y productividad con ello.

Con la mejora de las habilidades y la capacitación, si bien las responsabilidades laborales específicas cambiarán, hay una clase completamente nueva de nuevas responsabilidades laborales en las que las compañías necesitarán personas para manejar. Así que realmente creo que verá un aumento de la demanda de mano de obra. Así que se trata más de: "¿Cómo mejorar tus habilidades?"

Tavakoli: Sí y no. Sí, estamos en una burbuja de IA. No, no cambia los planes.

A menudo me hacen la otra cara de esa pregunta, que dice: "¿Es la IA transformadora o está sobrevalorada?" Y mi respuesta a eso es sí. Creo que la gente todavía no entiende completamente la IA, por lo que la respuesta a cualquier pregunta es que la IA lo resolverá. Caminé y había un letrero que decía "Lavado de autos impulsado por IA". Y yo digo, no sé qué diablos significa eso. Ahora todo funciona con IA. Siempre existe ese pico de emoción que seguramente disminuirá a medida que nos decidamos por cuáles son los casos de uso reales que la gente necesita. Creo que no verás que todas las compañías en este momento en el espacio de la IA continúen sobreviviendo.

La razón por la que esto no cambia los planes de Databricks es que la IA es fantástica y creemos que será importante en el futuro, y obviamente apostamos fuertemente por ella durante los últimos 12 años. Pero otra parte fundamental de nuestro negocio es el área de datos, como la transformación de datos y los flujos de trabajo operativos, que están probados, que definitivamente no son una burbuja y que están en crecimiento. Desde la perspectiva de Databricks, te adaptas a las necesidades de los clientes. Y ya vimos ese cambio desde la exageración a los casos de uso y resultados clave, y los apoyamos en ese sentido.