Tomando el pulso a nuestro planeta

Señor Vrabel, en la página web de su empresa dice que tomaría el pulso a nuestro planeta y convertiría los Big Data en información empresarial procesable: ¿cómo se le ocurrió la idea y qué obstáculos tuvo que superar?

Frantisek Vrabel: Aunque parezca mentira, todo empezó en 2005, cuando mi anterior empresa emergente, I2S, trabajaba en importantes programas de reforma en el marco de la Asistencia Militar Extranjera de Estados Unidos.

Tras cumplir nuestra misión, las exitosas ampliaciones de la OTAN en 1999 y 2004, pensé qué hacer a continuación. Como equipo teníamos bastante experiencia en el llamado campo C4I (Mando, Control, Comunicaciones, Ordenadores e Inteligencia), que incluye sistemas de información complejos, Big Data, Internet y descubrimiento de conocimientos.

Fue en este contexto donde se me ocurrió la idea de crear nuestro sistema actual, un sistema que proporcionara inteligencia procesable a las multinacionales a escala mundial.

Ya habíamos terminado la primera versión del sistema a principios de 2008, pero ese año nos golpeó la crisis financiera mundial. Los mercados tardaron varios años en recuperarse y sentir la necesidad de nuestro nuevo tipo de servicios.

¿Cómo contribuye a ello SAP Startup Focus?

Vrabel: SAP Startup Focus nos ha ayudado con la comercialización, que era crucial para nosotros. Nos ha ayudado a hacernos visibles en la organización global de SAP.

Fuimos invitados muchas veces a presentar y explicar la naturaleza de nuestros innovadores servicios de datos en numerosos eventos SAP de alto nivel, a los que también asistieron clientes de SAP. De este modo, SAP Startup Focus Semantic Visions ayudó a "educar" al mercado.

Los Big Data y el ruido de fondo son un problema bien conocido. Usted dice ahora en su sitio web que ha descifrado el código para obtener la información realmente importante. ¿Cómo funciona eso?

Vrabel: Recopilamos, analizamos y sintetizamos automáticamente el 90% de los contenidos de noticias en línea del mundo, es decir, más de un millón de artículos únicos al día. De este modo, Semantic Visions explota la "larga cola" de Internet y es capaz de operar eficazmente sus sistemas de alerta temprana.

Semantic Visions no es un motor de búsqueda, sino un motor de detección. Hay una diferencia clave entre ambas capacidades que mucha gente no reconoce adecuadamente. Difícilmente se puede utilizar Google para buscar lo desconocido, pero sí se puede utilizar de forma productiva Visiones Semánticas para detectar acontecimientos que no se conocen de antemano.

Es importante incluir el mayor número posible de fuentes para aumentar las posibilidades de que se reconozca el asunto de interés en el momento en que se produce. Por otro lado, cuanta más información se procese, mayor será la entropía.

La distinción entre señales críticas y ruido irrelevante se consigue en varias etapas. La más importante es el análisis semántico, en el que la precisión, la granularidad y la potente multidimensionalidad desempeñan papeles esenciales.

La fase final consiste en un proceso denominado Big Data Semantics, que no es "otra cosa" que el análisis semántico a nivel multidocumento y multilingüe. Fácil de decir, pero difícil de poner en práctica.

¿Qué papel desempeñan Hana y Leonardo en todo esto?

Vrabel: Big Data Semantics es exactamente el escenario en el que Hana entra en juego. Permítanme ser específico aquí. La etapa anterior de análisis semántico se realiza mediante nuestra propia tecnología sin igual y sin Hana, porque los análisis de texto existentes en SAP Hana para este tipo de tareas no son aplicables.

Para el nivel de "Big Data Semantics", utilizamos la velocidad sin precedentes de Hana, donde nuestros sofisticados algoritmos trabajan con metadatos de alta calidad, o datos inteligentes si se prefiere: los resultados de la fase de análisis semántico.

Exprimimos la "fruta de la información" una y otra vez hasta que obtenemos el tipo de "zumo" que necesitamos: inteligencia procesable relacionada con millones de empresas.

Lo hacemos de forma continua y en tiempo real. En cuanto a Leonardo, creo en una colaboración equilibrada en ambos sentidos. No me cabe duda de que Semantic Visions puede beneficiarse de la IA de Leonardo y, por otro lado, Leonardo puede beneficiarse del corpus absolutamente único de Semantic Visions. El corpus consta de más de dos mil millones de documentos con cientos de miles de millones de metadatos relacionados.

Si tuviera que retomar un punto de su plataforma, ¿cuál sería?

Vrabel: Bueno, la singularidad está en toda nuestra solución. No hay nadie en el mercado capaz de ofrecer una detección eficaz de riesgos en un amplio espectro de amenazas y en millones de empresas y geolocalizaciones en tiempo real.

Cuando la gente examina sus productos, a menudo aparecen las palabras de moda "riesgo" y "sistema de alerta temprana". Qué precisión tienen sus cálculos de riesgos y qué datos se utilizan para ello?

Vrabel: Técnicamente no hacemos predicciones, pero filosóficamente sí. En la mayoría de los casos vemos lo que ocurre en el mundo a través de los medios y otros canales de comunicación.

Si ocurre que nuestra solución le alerta de un determinado acontecimiento, por ejemplo, "deterioro de la situación financiera" de uno de sus proveedores o "amenazas emergentes" en una zona geográfica de su interés, antes de que usted tenga conocimiento de ello por sus medios habituales, entonces predicciones de futuro es exactamente lo que hacemos.

Y luego hay que considerar otro aspecto. Los seres humanos tenemos una capacidad bastante limitada para percibir toda la información disponible, sobre todo cuando realmente hay demasiada.

Un ser humano difícilmente puede mantener en su cabeza una representación mental de decenas de miles de empresas proveedoras, pero un ordenador sí. El sistema de alerta temprana de Semantic Visions se desarrolló para satisfacer las necesidades de las grandes empresas, para proporcionarles un entorno de información. Para que no se queden a ciegas, como ocurre a menudo. Para este trabajo, utilizamos datos disponibles públicamente a la escala masiva que he mencionado antes.

¿Qué requisitos deben tener los clientes en cuanto a sus propios datos, infraestructura y sistemas informáticos y software?

Vrabel: No hay más requisitos especiales que ser cliente de SAP Ariba. Las soluciones de Semantic Visions están totalmente integradas en la mayor red de comercio empresarial del mundo.

Podemos llamar DaaS al servicio que Semantic Visions Service presta para SAP Ariba. El mismo modelo se aplica al área de riesgo crediticio, en la que trabajamos con la empresa Deloitte.

¿Qué plazos de implantación deben esperar los clientes potenciales y qué asistencia ofrecen?

Vrabel: En este caso, confiamos en SAP Ariba porque nuestra solución está totalmente integrada. Pero técnicamente, desde nuestro punto de vista como Semantic Visions, iniciamos la entrega de datos a las 24 horas de recibir la solicitud de SAP Ariba.

Es evidente que IoT y Big Data son ahora las grandes tendencias en TI para el futuro inmediato, ¿cuáles son los próximos pasos de Semantic Visions?

Vrabel: Sin duda es la IA (inteligencia artificial). Estamos invirtiendo en este campo a gran escala.