10 tendencias - atsistemas.com

10 tendenciasque marcaránel 2022

ww

w.a

tsis

tem

as.c

om

ÍNDICECompilación anticipada y Nanoservicios

Infraestructura Multicloud

Zero Trust Security

Industrialización de las plataformas de IA

El desafío del Low-code

Digital OnBoarding

Observabilidad predictiva

DesignOps, la atmósfera perfecta de UX

Hiperautomatización, mejorando la eficiencia operativa

Internet of Behaviours

1

2

3

4

5

6

7

8

9

10

Pág. 3

Pág. 6

Pág. 9

Pág. 13

Pág. 16

Pág. 19

Pág. 22

Pág. 25

Pág. 29

Pág. 32

www.atsistemas.com

10 tendenciasque marcaránel 2022

www.yoursite.com6 YOUR BUSINESS

1Compilación anticipada y nanoservicios: Bajo coste y alto rendimiento

Actualmente, la adopción de las soluciones de software basadas en servicios proporcionados por los proveedores de la nube es una realidad, pero surgen preguntas sobre si los lenguajes de programación utilizados son los idóneos para la implantación de soluciones de computación basadas en la nube.

Los proveedores de la nube disponen de un catálogo de servicios que permiten a las empresas diseñar, implementar o migrar y ejecutar la mayoría de las aplicaciones/sistemas que conforman el negocio de muchas empresas en soluciones Cloud Native. Entendemos que una solución es Cloud Native con el concepto de construir y ejecutar aplicaciones aprovechando la computación distribuida para explotar la escalabilidad, resilienciay flexibilidad que ofrecen los

diferentes proveedores de nube pública o en nube privada (en nuestras instalaciones).

La nube y sus múltiples aplicaciones

Actualmente, la nube se puede explotar de múltiples formas, como la infraestructura como servicio (IaaS), plataforma como servicio (PaaS) y software como servicio (SaaS), entre otras. Esto es posible por el uso y adopción de lenguajes de programación por parte de la comunidad tecnológica. Los lenguajes de programación más utilizados en el diseño de este tipo de soluciones son los que utilizan una compilación “Just-in-Time” (JIT) en el cual el código fuente se compila a bytecode y el intérprete (máquina virtual) va procesando en tiempo de ejecución.

Oscar Sanz Sebastián Dirección de Tecnología e Innovación

de atSistemas

“

10 tendencias que marcarán el 2022 3

1 Lenguajes de programación: “Just-In-Time” y “Ahead-of-Time”

Existen varios lenguajes de programación “Just-in-Time”. En Java tenemos el C1 y C2 como parte del conocido "OpenJDK", los cuales tienen muchas ventajas en el desarrollo de aplicaciones Cloud Native como por ejemplo la independencia de la plataforma para su ejecución. Pero debemos tener en cuenta que implica un inconveniente en la ejecución de soluciones altamente escalables, como el uso de recursos y el tiempo de ejecución con el correspondiente impacto económico.

Como alternativa surgen los lenguajes de programación basados en la compilación “Ahead-of-Time” (AOT) que generan un fichero ejecutable de forma nativa para la plataforma donde vamos a ejecutar el software.

La diferencia es que la compilación AOT mueve el trabajo de compilación a nativo del tiempo de ejecución (JIT) al tiempo de compilación (build time), teniendo que analizar muchas veces también otras variantes para optimizar el código generado (Por ejemplo librerías, recursos …)

Las ventajas que nos proporcionan los compiladores AOT vs JIT son:

• Tiempo de ejecución • Uso de memoria • Tamaño de los paquetes

Todas estas determinantes en la ejecución de una solución Cloud Native.

Los Frameworks y compiladores AOT en 2022

Durante el año 2022 tendremos que poner mucha atención en la evolución de frameworks y compiladores AOT como:

• Java con GraalVM y Quarkus (Red Hat) • Golang • Python (Shed Skin y micropython) Angular AOT compiler

Este tipo de soluciones habilitan a nivel de arquitectura un nuevo concepto de unidad de ejecución conocido como “Nanoservicio”. Nanoservicios, servicios muy pequeños y altamente escalables

Los nano-servicios se caracterizan principalmente por servicios muy pequeños, en muchas ocasiones con una única función, que son altamente escalables, diseñados para ser desplegados en plataformas serverless o soluciones basadas en contenedores como Kubernetes y permitir aprovechar un escalado 100% elástico. Las plataformas serverless más conocidas para el despliegue de estos servicios son:

• Azure Cloud Functions • Amazon Lambda Functions • Google Cloud Functions

1Compilación anticipada y nanoservicios: Bajo coste y alto rendimiento


Compilación anticipada y Nanoservicios: Bajo coste y alto rendimiento

Casos de Uso: micro vs. nano servicios

Los casos de uso de microservicios vs nanoservicios que nos encontramos en el desarrollo de soluciones Cloud Native son:

• Bounded Context bien definido (DDD) vs funcionalidad muy específica. • Necesidad de escalado en cada Bounded Context vs. escalabilidad y disponibilidad muy alta. • Equipos diferenciados (cada uno responsable de su microservicio) vs desplegarfuncionalidad de alto valor con un coste de despliegue mínimo (normalmente se consideran un anti-patrón en arquitecturas de microservicios)

Durante el año 2022 veremos que las soluciones basadas en compiladores AOT se van consolidando en el mercado y adoptado por la comunidad más “techie” en base a la demanda de los clientes de optimizar los costes de ejecución de sus sistemas/aplicaciones demandando perfiles técnicos especializados que son escasos en una sociedad donde la tecnología está evolucionando a un ritmo de vértigo.

Oscar Sanz Sebastián Dirección de Tecnología e Innovación de atSistemas

“1Compilación anticipada y nanoservicios:

Bajo coste y alto rendimiento

510 tendencias que marcarán el 2022


Las nuevas tecnologías y los requisitos comerciales cambiantes están marcando la evolución de las tendencias de la computación en la nube.

Forrester Research estima que alrededor del 20% de las cargas de trabajo empresariales ahora se ejecutan en la nube pública. Una encuesta de Goldman Sachs se alinea con esa estimación y encuentra que el 23% de las cargas de trabajo se ejecutan en la nube. Además, el 43% de las organizaciones esperan migrar cargas de trabajo adicionales para finales de 2022.

Por otro lado, Gartner predice que "para 2024, la mayoría de las plataformas de servicios en la nube proporcionarán al menos algunos servicios distribuidos en la nube que se ejecutarán en el lugar donde se necesiten".

Inicialmente, muchas iniciativas de

migración a la nube se centraron en servicios tales como el correo electrónico, colaboración, intercambio de archivos y aplicaciones similares que no requieren mucha personalización. Poco a poco las organizaciones están comenzando a migrar cargas de trabajo de misión crítica, como sistemas de recursos humanos y otras aplicaciones de back-office a la nube.

Pero la realidad es que muchas organizaciones van a necesitar seguir ejecutando sus aplicaciones en sus centros de datos, y esto es debido a muchas razones como, por ejemplo, que sus aplicaciones críticas no están en condiciones de ser refactorizadas al tener un alto nivel de personalización o por el miedo existente a ubicar los datos empresariales en la nube. Todo esto conlleva a que las organizaciones deben gestionar modelos híbridos. Una de las desventajas de estos

2María Luisa Moreno

BDM of Cloud & Infrastructure - atSistemas“


Casos de Uso: micro vs. nano servicios

Los casos de uso de microservicios vs nanoservicios que nos encontramos en el desarrollo de soluciones Cloud Native son:

• Bounded Context bien definido (DDD) vs funcionalidad muy específica. • Necesidad de escalado en cada Bounded Context vs. escalabilidad y disponibilidad muy alta. • Equipos diferenciados (cada uno responsable de su microservicio) vs desplegarfuncionalidad de alto valor con un coste de despliegue mínimo (normalmente se consideran un anti-patrón en arquitecturas de microservicios)

Durante el año 2022 veremos que las soluciones basadas en compiladores AOT se van consolidando en el mercado y adoptado por la comunidad más “techie” en base a la demanda de los clientes de optimizar los costes de ejecución de sus sistemas/aplicaciones demandando perfiles técnicos especializados que son escasos en una sociedad donde la tecnología está evolucionando a un ritmo de vértigo.

modelos es que no se aprovechan por completo las capacidades del proveedor de nube. Estas capacidades se hacen completamente necesarias para la gestión de las tecnologías emergentes como son el edge computing, IoT y el 5G, que exigen soluciones que disminuyan las latencias, una gobernanza de los datos eficiente y de las normativas, lo que nos está llevando a lo que se conoce como nube distribuida.

Gartner lo define como “la distribución de servicios de nube pública a diferentes ubicaciones físicas; mientras que la operación, la gobernanza, las actualizaciones y la evolución de esos servicios son responsabilidad del proveedor de nube pública de origen".

En otras palabras, la nube distribuida permite a los clientes colocar recursos de la nube pública en el centro de datos local.

La diferencia clave entre la nube distribuida y la nube centralizada es que la computación, el almacenamiento

Nube empresarial híbrida

Las empresas persiguen elasticidad y escalabilidad, pero también controlar dónde se ejecutan las aplicaciones. Se puede implementar una plataforma en la nube en los recursos locales y en la nube, de modo que las aplicaciones cumplan con los requisitos de rendimiento, seguridad y cumplimiento.

Entrega de contenido

Para lograr una buena experiencia del consumidor para el vídeo y otros servicios basados en contenido, la infraestructura de entrega debe descentralizarse cada vez más. El mercado de juegos y transmisión sin duda utilizarán la nube distribuida.

y las redes se encuentran más cerca del usuario final.

Para poder aclarar las razones por la que la nube distribuida se está convirtiendo en tendencia, es necesario comprender los beneficios de la misma. Estos beneficios inluyen la baja latencia, que permite el acceso casi en tiempo real a datos que cambian rápidamente cuando las operaciones están más cerca de quienes necesitan los recursos, la posibilidad de gestionar la infraestructura entre nubes públicas y privadas de forma coherente, la reducción de los riesgos de la red ya que todos los servicios en la nube también pueden estar en subredes locales, operando de manera intermitente y por último, el aumento del número de ubicaciones disponibles donde se pueden alojar y consumir servicios en la nube.

No es tarea sencilla predecir todos los casos de uso de la nube distribuida, pero si podemos listar algunos de los identificados:

2Infraestructura Multicloud



Cumplimiento normativo

El cumplimiento normativo puede implicar, por ejemplo, que los datos que incluyan información personal no salgan del territorio nacional. Una arquitectura descentralizada permite el cumplimiento de las regulaciones y asegura el control de costes y políticas con respecto a los proveedores de servicios en la nube.

Plataformas de IoT e IA

Desde los automóviles autónomos hasta la automatización industrial, las nuevas tendencias de IA e IoT se benefician de la computación en la nube debido a la baja latencia.

Machine learning

Los modelos de aprendizaje automático a menudo se descomponen en capas, donde las partes comunes se pueden centralizar y las partes contextuales se pueden colocar más cerca de donde se utilizan. Los datos detrás del modelo de aprendizaje automático también se pueden distribuir en varios sitios geográficos. El beneficio principal de una arquitectura descentralizada es conseguir mejores tiempos de respuesta para el procesamiento de datos.

Para concluir, la nube distribuida permitirá un verdadero modelo de multicloud, con la posibilidad de distribución de las cargas de trabajo en varias ubicaciones y una gestión del entorno única.

María Luisa MorenoBDM of of Cloud & Infrastructure - atSistemas

“2Infraestructura Multicloud


Zero Trust Security

“La seguridad consiste en hacer que el riesgo se reduzca a niveles aceptables, debido a que el riesgo es inherente a cualquier actividad y nunca puede ser eliminado”. Esta cita de la Wikipedia nos tiene que hacer pensar y trabajar para encontrar el equilibrio que nos permita actuar con la máxima confianza posible y alejarnos de situaciones de paranoia.

En el año 2010 Forrester realizó la primera definición de Zero Trust, como un modelo aplicado de seguridad que se basaba en el principio de “autenticar siempre, confiar nunca” y de la que Google en 2015 lanza el proyecto BeyondCorp por el que pasan a manejar su red interna como lo harían dentro de la inseguridad de Internet.

Hasta ese momento, y de forma similar a como se pudiera ver desde el punto de vista militar, la implementación de un modelo de seguridad se basaba en asegurar los perímetros bajo la premisa de confiar y verificar accesos, pues no

podemos cerrar el perímetro y tampoco debemos dificultar en exceso el desarrollo del negocio hacia el exterior.

Este aseguramiento del perímetro (similar a los muros de un castillo) supone de forma predeterminada que cualquier elemento dentro de este perímetro es un elemento en el que podemos confiar. La defensa perimetral se basa en IP’s (internas o externas) y firewalls, y con el crecimiento de estos perímetros, en algunas organizaciones se implementaban adicionalmente modelos de segmentación de la red como medida de protección adicional frente a un acceso no autorizado. Esta segmentación limita movimientos en horizontal (con otros elementos dentro del castillo o dentro del segmento del castillo) pero no resuelve el problema de base.

3Iñigo Chaso

BDM of Software Industrialization - atSistemas “


3Zero Trust Security

¿Cómo nos podríamos defender frente a situaciones de accesos no autorizados? ¿Qué pasaría si pudiéramos eliminar de la ecuación la palabra Confianza, de modo que solo se permitieran operaciones entre elementos que se reconocieran entre

ellos mismos, y que además contaran con autorización para interactuar sin importar dónde se encuentren ubicados? ¿Podemos operar con seguridad bajo la premisa de

que el intruso está ya en tu red?

El modelo Zero Trust viene a aportar soluciones y a evolucionar los modelos perimetrales actuales basándose en:

• Autenticación• Autorización• Operación• Auditoría• Observabilidad

Todo empieza por disponer de capacidad para determinar con certeza que alguien/algo es quien dice ser a través del procedimiento de Autenticación, y debemos ser capaces de autenticar tanto a Personas como a Máquinas/Aplicaciones. Una vez autenticados, podemos solicitar la Autorización para Operar.

Debido a que no confiamos en nada dentro ni fuera de lo que antes denominábamos como “el perímetro”, es fundamental poder disponer del detalle sobre:

• Qué está sucediendo entre las Personas y Máquinas/Aplicaciones de nuestra organización• Con qué elementos internos / externos a la organización se está operando y cómo se están interoperando. • Qué información se está compartiendo y cómo se comparte.

Si revisamos con un poco más de detalle el proceso de Autenticación, nos damos cuenta de que debería ser capaz de dar cobertura también a los accesos de dispositivos (o también denominados endpoints) para asegurar que cumplen con los requisitos de seguridad que se establezcan (como por ejemplo nuestros portátiles, los cuales utilizamos en el día a día y que deberían haber sido registrados previamente y habiendo sido validados de cara a cumplir con los requisitos de seguridad y configuración o actualización a nivel de parcheado). Además, debe poder integrar mecanismos como el 2FA (Two-Factor Authentication) o MFA (Multi Factor Authorisation) o estar abierto para integrar nuevos mecanismos que se pudieran crear.

Desde el punto de vista físico, estas identidades toman forma a través de Certificados Digitales, Tokens, etc., los cuales facilitan y agilizan las posteriores acciones entre dispositivos. Estos elementos de identificación han de ser temporales, es decir, han de tener un periodo de validez limitada en el tiempo, de modo que podamos asegurar en caso de filtración de secretos que esa fuga supondrá una amenaza temporal.


La autenticación de Personas suele contar con integraciones a través de SSO (Single Sign On) para facilitar posteriores interacciones con otras aplicaciones.

Una vez superado el proceso de Autenticación, se deberán poder obtener las autorizaciones que permitan operar. Este proceso puede ser gestionado por otra solución separada de la que autentica, con lo que deberá existir integración entre ambas, de modo que, al recibir una petición de autorización cualquiera, se ha de poder validar que quien la solicita ha sido previamente autenticado y dicha autenticación no ha caducado. Caso de no cumplir cualquiera de los requisitos se denegaría cualquier autorización.

Las identidades a autorizar pueden provenir, o bien de Máquinas/Aplicaciones que ejecutan o bien de Personas. Estas autorizaciones se han de realizar desde el principio de mínimo privilegio o, dicho de otro modo, se autoriza en base a los niveles de acceso mínimos necesarios para desempeñar la función deseada. Por supuesto, se evitan utilizar privilegios de administrador o situaciones de "acumulación de privilegios" pues facilita la brecha de seguridad relacionada con los derechos administrativos excesivos y nos hace más vulnerables frente a las amenazas.

Zero Trust se enfrenta a retos importantes cuando hablamos de la comunicación entre máquinas en entornos donde éstas se crean de forma automatizada, resolviendo:

• Autodescubrimiento de los nuevos elementos creados pues de partida no debemos saber dónde están y necesitamos capacidad para poder interconectarlos. • Creación de identidades automatizadas, así como la distribución de certificados que permita posterior autenticación (y la integración con entidades de firma digital). • Hemos de ser capaces de automatizar configuraciones con elementos como firewalls para permitir que los nuevos elementos creados puedan operar. • Establecimiento de autorizaciones mínimas para poder operar.

En este sentido, es necesario contar también con servicios que permitan encriptar la información que se comparte para añadir un nivel de seguridad extra. Idealmente debería alcanzar a la información intercambiada entre servicios o la que almacenamos en BBDD y logs, por ejemplo, y es una forma de garantizar que no se produzcan pérdidas de información dentro de nuestro modelo de Data Loss Prevention (DLP).

Los modelos DLP necesitan contar con información de Auditoría sobre quién está compartiendo qué y con quién, de modo que si se produce una brecha podamos rápidamente identificar el punto origen de la misma, así como las máquinas o personas involucradas, y aplicar los procedimientos que solucionen el problema.

De forma adicional, el modelo de




Observabilidad existente ha de garantizar que disponemos de total visibilidad sobre todo lo que está ocurriendo, siendo capaces de detectar desde elementos que no son de nuestra organización a comportamientos anómalos. Contar con capacidades de IA nos permitirá identificar comportamientos anómalos aunque sea la primera vez que se producen, sin confundirlos con situaciones poco frecuentes.

Zero Trust Security Iñigo Chaso BDM of Software Industrialization - atSistemas

“



La adopción de la inteligencia artificial (IA) está creciendo rápidamente, y se prevé que para el 2027 el mercado global de IA tenga un valor de 267.000 millones de dólares, por lo que podemos aseverar que la misma ya es una tecnología madura y, como tal, tiene por delante los retos propios de este gran crecimiento:

• La calidad de los datos• La diversidad de algoritmos• La dependencia de capacidades técnicas• El poder dar cobertura al ciclo de implementación• Monitorización de los resultados

Y es que, pese al auge que está

teniendo la IA, en la actualidad aún nos seguimos encontrando con que la gran mayoría de los modelos nunca llegan a su fase de producción. Los algoritmos cuidadosamente elaborados se quedan en la fase inicial de prueba, sin ser producidos a gran escala, ya que el esfuerzo para realizarlo en ocasiones es mucho mayor que el del desarrollo de los mismos, como tal.

Esto se debe en gran medida a que, si bien la IA tiene como finalidad conseguir los objetivos de negocio, y aunque de forma menos evidente, también es el medio por el cual se trabaja en la optimización de los flujos de datos requeridos, tanto para su desarrollo como durante la ejecución de los procesos de negocio.

4Xan Carlos Fernández Echezuria

BDM of Data & Business - atSistemas“


Compilación anticipada y Nanoservicios: Bajo coste y alto rendimiento

Es por ello por lo que la Industrialización de la IA cobra vital importancia, y existen tres métodos claves para lograrlo que están asociados a la forma en que se comparte la información, el modo en que interactúan los distintos actores y finalmente la eficiencia en la operación.

Compartir información

Los resultados obtenidos por la IA, y, en general, cualquier disciplina asociada a los datos, está directamente relacionada con la calidad de éstos. Es por lo que, si una organización tiene en mente industrializar su IA, el primer paso debe hacer foco en sus fuentes de datos.

Habitualmente los datos se encuentran dispersos, e incluso en muchas ocasiones son silos aislados, lo cual dificulta su uso para los modelos de IA a gran escala, ya que si el equipo de trabajo únicamente tiene acceso a un subconjunto de datos nunca podrá generar modelos que realmente reflejen la realidad de la organización.

Debido a esto, el objetivo debe ser generar productos de datos con mayor acceso, calidad, y disponibilidad para la operación, para de esta manera evitar que cada una de las áreas busque crear su propia copia para suplir sus necesidades específicas y con ello se generen duplicidades.

Una vez centralizada la información, será imprescindible garantizar la calidad de los datos, tanto desde el punto de vista estructural como desde la perspectiva de negocio, es decir, que además de estar correctamente cumplimentados tengan coherencia y aporten valor.

Interacción multidisciplinar

La IA está directamente asociada a la innovación, y la clave de innovar está en poder conjugar distintas perspectivas sobre un mismo tema, para que entre ellas se enriquezcan y se pueda tener una visión más completa. Por tanto, cuantos más grupos trabajen juntos, mejores serán los resultados.

Así tenemos que, para lograr tener un mayor éxito en la industrialización del IA, será necesaria la aportación y colaboración global de los distintos equipos involucrados. Sin esta cooperación, será realmente complicado el poder llegar a construir modelos que aporten un valor añadido a la organización en su globalidad, y se podría incurrir en el error de generar ecosistemas aislados.

Es muy importante fomentar la colaboración de los equipos de trabajo durante todo el ciclo, comenzando por la ingesta de datos hasta la implementación de las analíticas, trabajando de forma sincronizada para que los datos estén disponibles en menor tiempo posible, con la mayor calidad y facilidad de acceso.

4Industrialización de las plataformas de IA


Entornos operativos

La única forma de llegar a aplicar la IA a gran escala es estando preparados para integrar las soluciones basadas en IA dentro del marco operativo de las empresas, y esto pasa por tener claramente definida la estrategia a seguir.

Se deben identificar cuáles de las operaciones que se vienen llevando a cabo actualmente deben de ser modificadas, para permitir la adopción de las nuevas tecnologías, y sobre todo establecer estándares para la creación, prueba y despliegue de nuevos modelos de IA. De este modo, será mucho más fácil repetir y ampliar los nuevos modelos a medida que se vayan creando.

Podemos apoyarnos por una parte en el DataOps, el cual se encuentra totalmente enfocado en lograr las automatizaciones, mejorar la velocidad y precisión en el procesamiento de los datos, democratización en el acceso, integración y por supuesto asegurar su calidad. Y complementarlo con el MLOps, que persigue el despliegue de modelos en producción, donde otros sistemas de software o aplicaciones pueden suministrarles datos para obtener las predicciones, que a su vez pueden ser utilizadas como entradas para otras aplicaciones.

Esta estrategia también pasa por establecer dónde residirá la selección de los algoritmos y el desarrollo de los modelos, en los equipos técnicos o funcionales, y en dotarles de recursos para lograr una mayor autonomía sin perder el control sobre los desarrollos. Para ello será de suma utilidad el AutoML, que nos permitirá minimizar la necesidad de tener conocimientos sobre los algoritmos para su implementación, llevando a cabo y de forma autónoma la selección y parametrización de estos, y dejando para los usuarios del sistema el análisis de los resultados.

Industrialización de las plataformas de IA Xan Carlos Fernández Echezuria BDM of Data & Business - atSistemas

“4Industrialización de las

plataformas de IA



El desafío del Low-code

La presión sigue en aumento. Si una empresa quiere seguir siendo competitiva necesita plantar cara a los desafíos de la digitalización de sus procesos de negocio y que sus nuevas aplicaciones simplifiquen y organicen el trabajo de manera más eficiente. Pero ¿puede hacerse de manera inmediata, clara y que me sirva de base para nuevas necesidades? La implementación de una plataforma de desarrollo Low-Code nos permitirá acelerar y simplificar la creación de aplicaciones que, además, alineen los departamentos de TI y negocio en tiempos y objetivos.

El Desafío

Cada vez más, hacemos gestiones bancarias desde el sofá, compramos un paquete vacacional después de cenar, alquilamos un vehículo para movernos cuando necesitemos, todo ello sin coste adicional y con entregas de forma gratuita. La digitalización permite

ampliar ventajas competitivas de cara al consumidor final casi de la misma manera que aumenta la presión sobre las empresas. Los clientes quieren el producto al mejor precio y sin esperas. No hay una sola industria que no se vea afectada por la digitalización de una u otra manera aumentando la demanda de aplicaciones empresariales especializadas y personalizadas. Las empresas desean simplificar y optimizar los procesos de trabajo, proporcionar mejores servicios y aumentar su rentabilidad. La carrera por los procesos de negocio digitalizados colisiona con los enfoques tradicionales para el desarrollo que no pueden seguir el día a día proporcionando aplicaciones definidas por el negocio a un ritmo cada vez mayor. El gran auge de las plataformas de desarrollo low-code responde a esa necesidad de entregar aplicaciones cada vez más rápido.

5Ignacio Montero

BDM of Arquitecture & Development - atSistemas“


¿Por qué ahora?

El deseo de acelerar el desarrollo de software ha existido desde hace décadas y ya en 1980 se acuñaron conceptos como "Desarrollo Rápido de Aplicaciones" (RAD). Las plataformas de desarrollo low-code han venido evolucionando hasta alcanzar un grado de madurez sin precedentes, pero, además, cada vez es más difícil para las empresas encontrar personal adecuadamente calificado para su TI. Debido a la falta de personal cualificado, los departamentos de TI en las empresas a menudo están infradimensionados.

Además, las demandas de los usuarios son más altas y exigentes que nunca, se trata de la "impaciencia digital", la inmediatez de peticiones de la sociedad de necesitar siempre todo de manera inmediata. Algo evidente en las nuevas generaciones donde Amazon es la tienda de barrio, Spotify es la tienda de discos y Netflix el videoclub.

Aquí es precisamente donde las plataformas de desarrollo low-code se están posicionando. Prometen una aceleración sustancial en el desarrollo de aplicaciones de manera sencilla, rápida y adaptable.

¿Por qué Low-code?

Se trata de productos o servicios en la nube para el desarrollo de aplicaciones que utilizan tecnologías gráficas y declarativas en lugar de programación. En otras palabras: las plataformas de desarrollo low-code facilitan la creación de aplicaciones empresariales sin tener que reinventar la rueda cada vez necesitamos una nueva aplicación. El esfuerzo de programación se minimiza manteniendo el trabajo en el código fuente al mínimo. Las herramientas y componentes de desarrollo gráfico, como diagramas de flujo, procesos y tablas son el núcleo. La lógica de negocio, el modelo de base de datos y la interfaz de usuario se modelan en lugar de programarse.

Además, al estar basadas en BPM (business process management), los procesos se diseñan, implementan, administran y optimizan. Incluso los procesos críticos y complejos se pueden automatizar con las funciones de gestión de procesos de negocio que se integran en las aplicaciones empresariales. Los procesos manuales y no transparentes, que pueden conllevar altos costes, se convierten, por lo tanto, en algo del pasado. Las aplicaciones

viven del intercambio de datos con otros servicios. Los conectores e interfaces plug&play interconectan datos de diversos sistemas. Todo para ofrecerlo a cualquier canal o dispositivo.

Los principales beneficios del desarrollo low-code se focalizan en:

1- Rapidez en el ciclo de desarrollo de software (SDLC):

5El desafío del Low-Code


• Las aplicaciones se crean en unas pocas horas o días, no en meses. • Satisfacen las demandas de departamentos específicos, clientes y proveedores de manera más fácil y rápida. • Se pueden implementar y entregar rápidamente. • Un desarrollo más rápido significa una mayor eficiencia de recursos.

2- Simplicidad de procesos

• Modelados a partir de componentes de arrastrar y soltar en lugar de programarse. • Menos codificación manual de aplicaciones, por tanto más fáciles de crear y mantener. • Ahorros en tiempo de mantenimientos se convierten en tiempos para la innovación. • Se eliminan las barreras entre TI y otros departamentos: colaboración y mejora continua. • Shadow IT se reduce porque las aplicaciones solicitadas por los empleados se pueden crear de forma fácil y rápida. • Integración perfecta de los datos y aplicaciones disponibles gracias a conectores e interfaces listos para usar.

3- Adaptabilidad al negocio

• Las aplicaciones se adaptan fácilmente a los nuevos requisitos del mercado y a las nuevas exigencias de sus empleados. • Se permite comenzar rápidamente con las funciones básicas y luego evolucionar las aplicaciones a demanda. • Las ideas se convierten en aplicaciones potentes y a medida. • El trabajo estrecho entre TI y departamentos específicos garantiza que las aplicaciones se adapten mejor a las necesidades reales del negocio.

Desde atSistemas entendemos que las demandas de digitalización crecerán constantemente lo que significa que la organización también necesita desarrollarse continuamente. Sin embargo, cuantos más procesos de negocio digitalice su empresa, más compleja será su arquitectura. El desarrollo low-code acelera la digitalización sin abrumar al departamento de desarrollo en el proceso.

Con plataformas de desarrollo low-code se transforman ideas en innovaciones, alinearán TI y negocio y promoverán de manera rápida, sencilla, adaptable el desarrollo de aplicaciones empresariales de gran rendimiento.

El desafío del Low-code Ignacio MonteroBDM of Arquitecture & Development - atSistemas

“5El desafío del Low-Code


Digital OnBoarding - La importancia de la formación contextual en la incorporación de talento

La gestión del conocimiento y los planes de incorporación están cobrando cada vez más incidencia e importancia en las organizaciones, además de acentuar el cambio de referente que supone un creciente trabajo remoto. Por ello, es conveniente diseñar y disponer de un sistema de gestión del conocimiento e incorporación del talento.

La digitalización del proceso de onboarding (acogida y puesta en marcha)

Ante el reto de incorporar talento y su subyacente gestión del conocimiento identificamos como tendencia una “best practice”, que permite digitalizar el proceso de onboarding y la gestión del conocimiento de todos los colaboradores de una compañía.

Así, el planeamiento es una solución que integra una aplicación y una capa de servicios orientada al diseño y gestión de los procesos de onboarding,

en la incorporación de nuevo talento y la gestión continua del conocimiento dentro de las empresas para alinear las necesidades con las capacidades actuales y futuras.

Nos encontramos además en una coyuntura, en la que debemos abordar este proceso, tal y como señala Lever: “El 68% de los profesionales de recursos humanos dicen que sus estrategias cambiarán como resultado de del Covid-19” (Fuiati 2021) y de los 5 grupos de tendencias para el 2021, destacan el onboarding digital y la tecnología como herramienta de Recursos Humanos, temas sobre los que versa este proyecto empresarial.

6Daniel Hidalgo

Head of DEXS“


Zero Trust Security

El OnBoarding Digital es la solución al proceso de onboarding y gestión de conocimiento

Digital OnBoarding es la tendencia que plantea dar respuesta a la necesidad por una parte de digitalizar el proceso de onboarding de las incorporaciones de talento de las compañías y, por otro, gestionar el conocimiento de la compañía, alineado con la cultura de estas, las necesidades de desarrollo y la hoja de ruta sobre el conocimiento de los empleados.

Digital OnBoarding debe contemplar el proceso de pre-onboarding, el onboarding y el onboarding continuo que constituye el plan de formación interna de las compañías.

Proceso de pre-onboarding

Comprende el conjunto de actividades y acciones desde la formalización de la incorporación a la compañía y previo a ésta. Es el proceso que prepara a todos los implicados en los primeros días de incorporación de un nuevo perfil.

Proceso de onboarding

Comprende las actividades y el acompañamiento desde el primer día en la compañía de una nueva incorporación. Esta fase tiene la misión de dotar del conocimiento al nuevo colaborador tanto de la compañía, formación corporativa, como del departamento al que formará parte distinguiendo formación funcional que especifican los objetivos específicos como formación técnica que comprende la formación necesaria para el desarrollo de las funciones a desempeñar.

6Digital OnBoarding - La importancia de la formación contextual en la incorporación de talento


Formación continua

Es necesario contribuir al crecimiento de los empleados y alinear las necesidades de la empresa con las capacidades de ellos. Esta fase comprende procesos de upskilling y reskilling para los colaboradores.

• El upskilling hace referencia a la optimización del trabajo enseñando a los trabajadores nuevas competencias que complementan su puesto actual. • El reskilling se refiere a la formación de empleados para adaptarlos a nuevos puestos de trabajo. Debido a la revolución digital, algunos puestos quedan “obsoletos”, resultando eventualmente en su desaparición. Mediante esta técnica se forma y recoloca al empleado en una nueva área anticipándonos a la desaparición.

Por lo tanto, se motivará y se ofrecerá a los empleados a seguir formándose y adquiriendo nuevas habilidades y conocimientos

Ventajas de un Digital OnBoarding de las características anteriores

Es de vital importancia diseñar un plan de Incorporación, ya que produce los siguientes efectos o beneficios para la compañía y los nuevos colaboradores:

1- Incrementar el sentido de pertenencia de la persona que se incorpora o que se destina a un proyecto nuevo. Un informe publicado por Glassdoor (2015), revela que las compañías con un sólido proceso de incorporación logran mejorar en un 82% la fidelización de nuevas contrataciones.

2- Acelerar el proceso de onboarding, lo que nos permite ganar capacidad productiva y mejora la rentabilidad. El informe de Glassdoor (2015) indica que la mejora se sitúa en más del 70% de productividad.

3- Reducir los costes relacionados con la formación, optimización y dedicación de las personas implicadas.

4- Reducir la rotación, el informe ‘State of the American Workplace’ (2020), nos muestra que solamente un 12% de los profesionales indican estar ‘totalmente de acuerdo’ acerca del plan de incorporación de talento en la compañía, lo que supone una importante pérdida de reputación de cara al talento interno y externo.

Los aspectos innovadores de la solución de OnBoarding Digital nos permiten, mediante la integración de tecnología, personas y procesos, mejorar el ciclo de vida de los colaboradores en las empresas.

Digital OnBoarding - La importancia de la formación contextual en la incorporación de

talento

Daniel HidalgoHead of DEXS

“6


Digital OnBoarding - La importancia de la formación contextual en la incorporación de talento

Observabilidadpredictiva

Existe el principio comúnmente aceptado de que todo lo que no se mide no se puede mejorar, por tanto, la Observabilidad es un fundamento importante de un sistema eficiente, ya que solamente sabremos el estado interno del sistema a través de sus salidas externas, las cuales deberemos ser capaces de analizar a través de sus distintas fuentes (Logs, métricas, trazas, o estándares como OpenTelemetry).

La Observabilidad evoluciona desde unos inicios reactivos (tenemos que controlar todos los puntos de salida de información), va ganando proactividad (controlamos de forma automatizada cualquier punto de salida de información y además somos capaces de realizar sobre ellos acciones algo más complejas) para desde ahí poder ser predictivos, momento en el que podemos intuir qué es lo que va a ocurrir, y adelantarnos a esos eventos para establecer mecanismos de respuesta que prevengan la ocurrencia de determinados eventos.

La Observabilidad Predictiva es ese estado de madurez (Nirvana) que todosdeseamos, en el que disponemos de

capacidades para poder determinar con anticipación qué es lo que va a ocurrir, a través del examen del sistema en tiempo real y mientras está en pleno funcionamiento. Este estado de madurez nos permitiría:

• Disponer de capacidad para detectar, aislar y alertar de forma temprana sobre eventos o incidentes que han sido categorizados como críticos. • Disponer de facilidades para investigar con precisión la causa raíz del incidente pudiendo realizar el seguimiento o traza de lo sucedido a través de los distintos elementos del sistema involucrados. • Resolver con rapidez los incidentes, informando en tiempo real sobre todas las acciones de remediación. • Afinar con precisión en los análisis post-mortems. • Comprender el incidente aen su evolución (a modo de histórico) para evitar que se vuelva a producir a futuro. • Aplicar principios de mejora continua sobre los modelos implantados y evolucionarlos.

7Iñigo Chaso

BDM of Software Industrialization - atSistemas“



Prácticamente la totalidad de fabricantes de soluciones en el ámbito de la Observabilidad cuentan ya con elementos que utilizan Inteligencia Artificial para poder implementar mecanismos que nos ayuden a determinar comportamientos anómalos con la suficiente anticipación.

Lógicamente deberemos de contar con un modelo de Observabilidad completo, basado en una solución integrada, a través de la cual disponemos de cobertura sobre todos los elementos de la arquitectura, pues de otro modo estaríamos en escenarios en los que recibiríamos informaciones parciales u otras que generasen ruido y afectaran directamente a estas predicciones. Es necesario contar también con una total capacidad de ingesta de información que permita trabajar dentro de las necesidades de la IA a nivel de volumen y relevancia de información a procesar, lo que supondrá además poder correlacionar datos desde distintas fuentes y de forma dinámica.

Nos tendremos que acostumbrar a un modelo operativo en el que priorizaremos la automatización en respuestas ante amenazas que tendrán como consecuencia un cambio en el estado del sistema, y tendremos que asumir que habrá que realizar análisis post-mortem adicionales que permitan devolver al sistema a su estado original.

No debemos olvidar que también se ha de poder predecir el rendimiento futuro del sistema, siendo este uno de los aspectos que va más allá de la localización de un punto concreto de fallo, pues en muchas ocasiones estamos en escenarios complejos no sólo por su configuración, también por su dimensión y que especialmente preocupará a nivel de rendimiento. Otra característica podría ser el poder estimar de forma adicional el coste del sistema en escenarios futuros.

Pero ¿cómo de precisos somos anticipándonos a través de estas predicciones? ¿Tenemos garantías para no poner en peligro la seguridad y la eficiencia

computacional con esta capacidad predictiva?

Pensemos que será necesario contar en las etapas iniciales de implementación de estos modelos predictivos, con el hecho de que se producirán errores durante las estimaciones previas a la generación de la predicción, y que probablemente tengan consecuencias no esperadas.

Aquí es donde entra en juego la capacidad de aprendizaje de estos modelos. La profundidad del aprendizaje y la precisión de las predicciones analíticas dependen de la granularidad de los datos y del contexto. El conjunto de datos ha de enriquecerse siendo ingrediente clave que da lugar a un aprendizaje más eficaz y a predicciones más precisas:

7Observabilidad predictiva


• Identificar problemas potenciales basados en condiciones de tendencia y experiencias aprendidas para generar mejores recomendaciones.• Identificar las mejores acciones con mayor probabilidad de resolver y/o solucionar cualquier problema para alcanzar conclusiones más eficaces. • Reducir al mínimo el esfuerzo humano necesario para mantener el funcionamiento óptimo de los sistemas.

Finalmente tengamos en cuenta las nuevas tendencias y capacidades dentro de las soluciones de Observabilidad predictiva para disponer de alternativas claras a la hora de realizar el mapeo automatizado entre el problema que se predice (o que ocurre) y el código que lo pudiera estar generando, lo cual comprende tanto código de aplicación como el código utilizado para la automatización en la creación y configuración de la infraestructura y plataforma. Es importante este aspecto pues se alinea con las prácticas actuales de “todo como código” (XaaC) y establece el punto de remediación en el propio código, alejándose mucho de consolas o los accesos remotos en máquinas para intervenir desde el Sistema Operativo.

Iñigo ChasoBDM of Software Industrialization - atSistemas

“7Observabilidad predictiva



DesignOps, la atmósfera perfecta de UX

Seamos conscientes, estamos viviendo la tercera revolución industrial y está directamente relacionada con el uso de la tecnología. Podemos visualizar las consecuencias en la forma que trabajamos y cómo se organizan las empresas, las filosofías y los enfoques más o menos agiles que éstas adoptan. Operacionar el trabajo creativo es una constante. Y ha llegado el momento de aplicarlo al diseño.

Desde un prisma económico, entendemos la producción como la actividad que aporta valor agregado por creación y suministro de bienes y servicios. Esto no solo se refiere a la fabricación de objetos físicos, sino que también se asocia a la provisión de servicios (médicos sanitarios, enseñanza, espectáculos, restaurantes, etc.). Así, los servicios constituyen la mayor parte de la producción total de los países industrializados.

Los equipos de diseño son las manos y cabezas que van a decidir cómo será el futuro de los productos y servicios, especialmente digitales.

Dotémosles pues de un potente marco para potenciar al máximo la calidad y el

impacto de su trabajo.

8David ÚbedaBDM of Digital Design & UX - atSistemas“


Desarrollo de los contenidos

En un paradigma donde los equipos de diseño crecen continuamente en tamaño, el trabajo de diseño es cada vez más solicitado y la complejidad de nuestros procesos de diseño se dispara. Podría decirse que, en ese contexto, DesignOps llega tarde y es momento de adoptarlo con urgencia como eje articulador de cambios organizacionales.

Primero de todo veamos una escala sobre el valor del diseño dentro de las empresas:

¿Os reconocéis? Seguro que sí. DesignOps es la herramienta que nos va a permitir entregar el máximo valor y calidad de nuestro trabajo impulsándonos directamente al último estadio. Seremos una pieza clave en la estrategia de negocio.

¿Que és DesignOps ?

NNGroup define el concepto de DesignOps como:

“La práctica de las operaciones de diseño se centra en procesos y medidas que ayudan a los diseñadores a crear diseños consistentes y de calidad”.

DesignOps básicamente designa cómo es el conjunto de procesos operativos propios de un equipo, departamento o servicio de diseño que da respuesta a 3 preguntas básicas:

• ¿Cómo trabajamos juntos? • ¿Cómo hacemos nuestro trabajo? • ¿Cómo nuestro trabajo generageneramos impacto con nuestro trabajo?

8DesignOps, la atmósfera perfecta de UX


¿Cómo trabajamos juntos?

Responde y designa cómo es el espacio colaborativo y cómo se producen las relaciones con el objeto de mejorar la calidad y el impacto de nuestros diseños.

Define cómo nos organizamos a nivel de equipo, establece como son las colaboraciones y muy importante, no olvida los aspectos humanos del equipo.

¿Cómo hacemos nuestro trabajo? Responde y designa cómo es el espacio productivo del equipo de diseño. Desde aspectos aspiracionales y valores de diseño del equipo hasta la definición de los flujos de trabajo internos y, evidentemente, sin olvidar los artefactos que nos ayudan a armonizar el trabajo, activos digitales y sistemas de diseño.

¿Cómo genera impacto nuestro trabajo ?

Responde y designa cómo medimos el impacto y la calidad de nuestro trabajo, a su vez establece los mecanismos para evangelizar a otros sobre el rol y el valor del diseño en la organización permitiendo el entendimiento y participación en actividades de diseño.

Adoptando DesignOps Es imposible que una sola persona o equipo se centre en todos estos componentes simultáneamente. Los equipos y valedores/adoptantes de DesignOps definen y se enfocan en apartados críticos para construir una solución global impulsada para resolver a partir de los ‘pains’ o principales problemas.

Antes de adoptar DesignOps, planifica la investigación interna (p. Ej., escucha activa, entrevistas con las partes interesadas y encuestas) para detectar los mayores puntos débiles y las áreas de mejora con el ROI potencial más alto, y empieza por ahí.

¿Quién puede hacer DesignOps?

Cualquiera. Hay dos enfoques que nos ayudan a determinar cómo abordarlo: ‘Rol’ o ‘Mindset’

Rol

Una persona o grupo se encarga de garantizar que el equipo cuente con el apoyo necesario para que solo se tenga que centrar en el diseño.

Los roles más típicos son:

• Responsables de diseño de producto. • Gerentes o managers de equipo • Responsables de research.



DesignOps, la atmósfera perfecta de UX David ÚbedaBDM of Digital Design & UX - atSistemas

“Mindset

Simplemente significa reconocer la necesidad e implementar un ecosistema o un conjunto de procesos, métodos y herramientas estandarizados que respaldan el diseño y permiten que el diseño escale de manera eficiente. No se requiere ningún rol explícito de DesignOps para observar los procesos actuales con el objetivo de aumentar la eficiencia y mejorar los resultados.

Mayor efectividad, más valor de marca. Así es DesignOps

El objetivo principal de DesignOps es establecer un proceso de diseño altamente eficiente que genere resultados de alta calidad. Finalmente, recordemos que DesignOps genera beneficios para todas las personas que participan en los proyectos y, no únicamente para los diseñadores.




El mundo de los negocios progresa a velocidad supersónica: los avances tecnológicos, las nuevas formas de organizar los proyectos y la mejora de los procesos permiten conformar los negocios modernos. Estos son capaces de responder de forma casi inmediata a los cambios en el ecosistema entre los que destacan la aparición de nuevos competidores, cambios en los patrones de comportamiento de los consumidores, o las cada vez más estrictas necesidades de protección de datos o seguridad.

Un negocio moderno ya no se centra exclusivamente en incrementar las ventas, sino que mira también al interior para optimizar la forma en que se trabaja, mejorando de forma constante la eficiencia operativa, de forma que, al reducir los costes de operación, impactamos directamente en la cuenta de resultados.

La optimización de la eficiencia operativa

Optimizar la eficiencia operativa de nuestro negocio implica fijar la mirada en tres factores al mismo tiempo:

• Aprovechar los avances de la tecnología para construir el negocio. • Adoptar nuevas formas de trabajo que lleven a una óptima gestión de las de las personas, con metodologías mixtas que fomenten el talento y el sentimiento de pertenencia a la empresa. • Optimizar y automatizar los procesos para mejorar la velocidad de operación al mismo tiempo que se reduce el margen de error.

9Jaime CollHead of Digital Wolves “


La optimización de los procesos permite modificar la forma en que opera la empresa e implica un ciclo constante de observación, análisis y mejora mediante la automatización y reformulación de su secuencia.

Para la observación y el análisis contamos con herramientas como la minería de procesos y el BPM (modelización de procesos de negocio), que proporcionarán pistas para su optimización mediante la automatización.

La automatización no es ciencia ficción ni una novedad. Por ejemplo, desde 1993 Microsoft Excel incorporó la posibilidad de crear macros que replicaban acciones repetitivas que solíamos hacer a mano. ¡Llevamos casi tres décadas rodeados de automatizaciones!

Pero, actualmente cuando hablamos de automatización de procesos, normalmente lo asociamos a RPA (Robotic Process Automation) o automatización de procesos robótica. Gracias a las soluciones RPA podemos reproducir acciones que realizaría una persona, siempre en el mismo orden, sin error y con mayor velocidad.

Aplicaciones de la automatización Hay varios escenarios en los que podemos aplicar la automatización:

• Volumen: requieren la intervención de muchos recursos humanos. • Errores: su objetivo es incrementar la fiabilidad. • Tiempo: requieren mucho tiempo o pasos para su ejecución completa. • Dispersión: es necesario acceder a múltiples sistemas para completar el proceso.

Lo que ocurre en ocasiones es que el operador tiene que tomar algún tipo de decisión durante el proceso para que pueda continuar el robot, provocando cuellos de botella o parones en la ejecución.

Donde la Inteligencia Artificial entra en juego

Para resolver estos casos hemos empezado a incorporar la inteligencia artificial, que puede tomar decisiones de forma autónoma para evitar las interrupciones de operador. A esto lo llamamos hiperautomatización.

La hiperautomatización combina soluciones basadas en RPA, asistentes virtuales, inteligencia artificial, machine learning, deep learning, etc. que permiten automatizar y mejorar la velocidad, eficacia y eficiencia de los procesos en todos los sectores industriales y comerciales.

Se aprovecha de algunos modelos de inteligencia artificial que permiten:

• Entender o analizar el lenguaje, para poder responder preguntas, resumir textos, identificar sentimientos o traducir. • Entender documentos, para extraer información necesaria para completar un proceso, como podría ser extraer los elementos de un albarán o el desglose de impuestos de una factura.

9Hiperautomatización, mejorando la eficiencia operativa


• Modelos especializados que son capaces de detectar objetos, en imágenes y así o moderar imágenes que pudieran ser sensibles, identificar errores, lanzar alertas de seguridad, etc.

La hiperautomatización nos acerca a la generación de gemelos digitales de una organización (DTO – digital twin of an organization), que son una representación virtual y automatizada de todos los procesos de una empresa. En esta DTO podemos simular cambios en los procedimientos, analizar su impacto y, una vez comprobada su efectividad, adoptarlos en el mundo real. Por ejemplo, ante un cambio regulatorio, podemos realizar los cambios en un entorno virtual, analizar el impacto en la organización, antes de aplicar las modificaciones en el mundo real, y permitiendo hacer una gestión óptima y previsible del cambio.

Un ejemplo muy claro y extremo de la hiperautomatización son las nuevas plantas de fabricación virtuales, en donde con una combinación de realidad artificial y procesos automatizados de puede realizar una simulación de los cambios en una planta antes de aplicar los cambios.

La hiperautomatización es real

Disponemos de tecnología, procesos y métodos para su adopción de forma casi inmediata. Si consideramos de nuevo el ciclo de optimización (observar, analizar y mejorar) la combinación de automatización con la inteligencia artificial va a ser un elemento clave en la evolución de nuestra empresa.


Jaime CollHead of Digital Wolves

“9Hiperautomatización, mejorando la

eficiencia operativa


Internet of Behaviours

El que aún no hayas escuchado el término Internet of Behaviours (IoB), o Internet del Comportamiento, no quiere decir que seas ajeno al mismo, ya que probablemente este forme parte de tu vida y esto se lo debas en gran medida al Internet de las Cosas (IoT).

El Internet de las Cosas, que es un concepto nacido de los dispositivos conectados y denominados como “inteligentes”, es parte de nuestro día a día y en muchos casos sin que nosotros mismos seamos conscientes de ello. Lo que antes era un televisor, ahora es una Smart TV. Principalmente la diferencia radica en que está nueva televisión es capaz de conectarse a Internet, cosa que también ocurre o podría ocurrir con muchos de los elementos que nos rodean, por ejemplo: coches, electrodomésticos, bombillas, bicicletas o incluso, por qué no, el collar de un perro. Prácticamente no hay límites.

Esta nueva realidad “conectada” está dando lugar a una recolección de datos nunca antes vista, ya que cada dispositivo conectado está pensado para generar información, almacenarla, clasificarla y extraer de ella los estados, patrones de usos y comportamientos que le vuelvan “inteligente”. Por ejemplo, a qué horas enciendes la luz de la habitación, y por cuánto tiempo la mantienes encendida al día. O cuando pones a funcionar la lavadora, cuando abres el frigorífico (y qué alimentos utilizas). También, cuándo conduces el coche, dónde te diriges e incluso de quién vas acompañado. Toda esta información genera patrones de comportamiento, y de ahí nace el Internet of Behaviours.

10Xan Carlos Fernández

BDM of Data & Business - atSistemas

“



IoB y la recolección de datos

A medida que las empresas obtienen más información sobre nosotros (IoT), aumentan su capacidad de entender y afectar nuestros comportamientos (IoB). Pongamos como ejemplo el uso de una aplicación de salud en la cual el Smartphone rastree nuestra dieta, patrones de sueño, frecuencia cardíaca o los niveles de azúcar en sangre, dicha aplicación puede llegar a alertarnos sobre situaciones adversas y sugerirnos modificaciones de comportamiento hacia un resultado más positivo.

De ahí que el Internet of Behaviours se pueda definir como:

La recolección de datos provenientes de los dispositivos IoT sobre su uso y

las interacciones que se tienen con los mismo, los cuales proporcionan una

valiosa información sobre los comportamientos, intereses y

preferencias de los usuarios, y la capacidad que estos ofrecen de

generar experiencias totalmente personalizadas que influyan en las

decisiones de sus usuarios.

Estás experiencias están generando numerosas oportunidades en los negocios alrededor de las finanzas personales, el puesto de trabajo y mucho más, y por ello se espera que tengan una influencia directa en más de 3 mil millones de personas para el 2023 y en el 50% de la población mundial para el 2025.

Si bien las posibilidades son infinitas, el trasfondo siempre es el mismo: poder saber “cuál es el comportamiento de las personas” de forma masiva o individualizada, ya que si conocemos su comportamiento también podremos influir en sus decisiones. Desde modificar la ruta que utilizan

habitualmente para ir a trabajar (gracias a la información del Smartphone), a ofrecerles publicidad recomendándoles un nuevo producto en rebajas un par de días antes de que se vaya a realizar la compra. El truco está en saber derivar comportamientos sobre los que se pueden diseñar acciones y llegar a influir en ellos.

Influencia en los consumidores

El Internet of Behaviours puede influir en la elección de los consumidores, pero aún más importante, lo puede hacer en el rediseño de la cadena de valor de las empresas. Si bien a algunos usuarios les genera desconfianza el proporcionar sus datos, son muchos otros los que están satisfechos con hacerlo siempre y cuando les aporte valor

10 Internet of Behaviours


añadido, un valor basado en datos. Para las empresas esto abre un gran abanico de oportunidades en cuanto a la mejora de imagen, a comercializar sus productos de una manera más eficaz, y sobre todo a mejorar el Customer Experience de los productos o servicios.

Para la implementación del Internet of Behaviours se pueden combinar múltiples tecnologías existentes las cuales están enfocadas directamente a los individuos, como el reconocimiento facial y el rastreo de ubicación, y conectar los datos resultantes con eventos de comportamiento asociados, como compras o uso de dispositivos, pero el factor más relevante de todo el proceso es ser capaz de identificar los comportamientos de las personas. Por esto, se puede considerar el IoB como una combinación de tres campos:

• Tecnología• Analítica de datos• Ciencia del comportamiento

Por ahora, las empresas han centrado el uso del IoT e IoB en observar a sus clientes e intentar cambiar el comportamiento de estos para lograr sus objetivos

de ventas.

Sin embargo, los especialistas en marketing y los científicos del comportamiento tienden a estar de acuerdo en que su uso debe estar más orientado a la personalización de los servicios, para lograr mejorar su eficiencia y con ello la propuesta de valor.

Cuanto más eficientes sean los servicios, el cliente interactuará más con ellos, ¡e incluso él mismo alterará su comportamiento!

Internet of behaviours Xan FernándezBDM of Data & Business - atSistemas

“10 Internet of Behaviours


10 tendencias claveque marcarán el 2022

¡[email protected]

634 888 000

atSistemas es una empresa de consultoría, servicios de Tecnologías de la Información y desarrollo de software presente en

el mercado desde 1994. Con casi 1.800 profesionales, una facturación de 78,5 millones de euros en 2020 y un estimado de

100 millones para 2021, ofrece soluciones innovadoras y acompaña en su Transformación Digital a más de 500 clientes.

Desde sus oficinas de Madrid, Barcelona, Cádiz, A Coruña, Santiago de Compostela, Sevilla, Mallorca, Zaragoza, Huelva,

Valencia, Milán, Lisboa y Montevideo realiza proyectos de arquitectura, desarrollo, integración de sistemas y servicios

gestionados, adoptando y promoviendo las mejores prácticas del mercado. También trabaja en proyectos internacionales

en Alemania, Bélgica, Emiratos Árabes, Estados Unidos, Holanda, Irlanda, Israel, Italia, Portugal, Reino Unido, Rumanía y

Suecia. atSistemas es una compañía “Agile First”, actuando con la flexibilidad de una start-up a través del ecosistema de sus

21 Centros Expertos, un entorno de colaboración perfecto para la innovación y la excelencia tecnológica.

10 tendencias - atsistemas.com

Documents

Transcript of 10 tendencias - atsistemas.com