Tavakoli: Creo que es doble. Uno, debe centrarse en los resultados, no en las herramientas. La cantidad de personas que dicen: "Estamos atrasados. Tengo que poner en marcha a un grupo de agentes. Tengo que demostrar que puedo hacer IA". No obtienes puntos por decir que dejé de lado a la IA, ¿verdad?

En cambio, lo que realmente quieres averiguar es: ¿Cuál es el resultado comercial que quiero impulsar? Y, por lo general, eso es "Tengo un proceso existente que quiero automatizar y hacer mucho más eficiente", o "Hay un nuevo conjunto de capacidades que quiero lanzar", y la IA es lo que desbloquea y hace posible hacer eso.

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 empresas, porque la barrera de entrada es muy alta.

Además de eso, tienes los proveedores de modelos básicos. Comenzamos con mucho y se ha reducido, principalmente debido al capital que necesita para entrenar 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 avanzas rápidamente dentro de cinco años, la pirámide será mucho más masiva y se invertirá. Muchos más ingresos se destinarán a aplicaciones que aprovechan la IA para transformar lo que hace la gente. Y en ese espacio, 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 reembolsarse. 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.

Enorme en productividad, enorme en costo, no con los que la gente asocia como trascendentales. Creo que esos son casos de uso aburridos de IA. Puede ofrecer mejoras significativas con IA, y eso es lo que hemos visto con nuestros clientes.

Tavakoli: La respuesta que siempre doy es, según esta lógica, si hubiéramos dicho: "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 hubiéramos pensado 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 empresas necesitarán personas para conducir. 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 empresas en este momento en el espacio de la IA continúen sobreviviendo.

La razón por la que no cambia los planes de Databricks es que la IA es genial y creemos que es importante en el futuro, y obviamente nos hemos apoyado mucho en ella en los últimos 12 años. Pero también una parte central de nuestro negocio es el lado de los datos de la casa, como la transformación de datos y los flujos de trabajo operativos, que están probados, que definitivamente no están en una burbuja y están creciendo. Desde la perspectiva de Databricks, se adapta a lo que necesitan los clientes. Y ya hemos visto ese movimiento de la exageración a cuáles son los casos de uso y los resultados clave e importantes, y los hemos apoyado allí.