{"id":4309,"date":"2024-04-18T13:12:30","date_gmt":"2024-04-18T11:12:30","guid":{"rendered":"https:\/\/www.ommadata.ai\/?p=4309"},"modified":"2024-04-18T14:15:16","modified_gmt":"2024-04-18T12:15:16","slug":"data-dividend","status":"publish","type":"post","link":"https:\/\/www.ommadata.ai\/es\/2024\/04\/18\/data-dividend\/","title":{"rendered":"Data dividend"},"content":{"rendered":"<h2 class=\"wp-block-heading has-text-align-left\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#302ba9\" class=\"has-inline-color\">Alimentando la IA Generativa<\/mark><\/h2>\n\n\n\n<h2 class=\"wp-block-heading has-text-align-left\"><br><\/h2>\n\n\n\n<p><strong>Fuente: <\/strong><a href=\"https:\/\/www.mckinsey.com\/capabilities\/mckinsey-digital\/our-insights\/the-data-dividend-fueling-generative-ai \"><strong>https:\/\/www.mckinsey.com\/capabilities\/mckinsey-digital\/our-insights\/the-data-dividend-fueling-generative-ai<\/strong><\/a><\/p>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p>Las \u00faltimas investigaciones estiman que la<a href=\"https:\/\/www.mckinsey.com\/capabilities\/mckinsey-digital\/our-insights\/the-economic-potential-of-generative-ai-the-next-productivity-frontier#business-value\"> IA generativa podr\u00eda agregar el equivalente a $2.6 billones a $4.4 billones<\/a> en beneficios econ\u00f3micos anuales en 63 casos de uso.&nbsp;<\/p>\n\n\n\n<p>Tus datos y sus bases subyacentes son los factores decisivos para lo que puede lograrse gracias a ella.<\/p>\n\n\n\n<p>Para la mayor\u00eda de los directores de datos principales (CDO), esto es una propuesta seria, especialmente cuando el 72% de las organizaciones l\u00edderes se\u00f1alan que la gesti\u00f3n de datos ya es uno de los principales desaf\u00edos que les impiden escalar los casos de uso de IA. Su desaf\u00edo hoy en d\u00eda es enfocarse en los cambios que pueden permitir que la IA generativa genere el mayor valor para el negocio.<\/p>\n\n\n\n<p>Aunque el panorama est\u00e1 cambiando r\u00e1pidamente y hay muchas inc\u00f3gnitas, hemos identificado siete acciones pr\u00e1cticas que los l\u00edderes de datos deber\u00edan considerar al pasar de la experimentaci\u00f3n a la escala:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Deja que el valor sea tu gu\u00eda.<\/strong> Ten claro d\u00f3nde radica el valor y qu\u00e9 datos son necesarios para entregarlo.<br><br><\/li>\n\n\n\n<li><strong>Incorpora capacidades espec\u00edficas en la arquitectura de datos para respaldar el conjunto m\u00e1s amplio de casos de uso.<\/strong> Integra capacidades relevantes (como bases de datos vectoriales y tuber\u00edas de pre y post procesamiento de datos) en la arquitectura de datos existente, especialmente para respaldar datos no estructurados.<br><br><\/li>\n\n\n\n<li><strong>Conc\u00e9ntrate en puntos clave del ciclo de vida de los datos para garantizar una <\/strong><a href=\"https:\/\/www.ommadata.ai\/es\/our-product\/\"><strong>alta calidad.<\/strong> <\/a>Desarrolla m\u00faltiples intervenciones, tanto humanas como automatizadas, en el ciclo de vida de los datos desde la fuente hasta el consumo para asegurar la calidad de todos los datos materiales, incluidos los no estructurados.<br><strong><br><\/strong><\/li>\n\n\n\n<li><strong>Protege tus datos sensibles y prep\u00e1rate para actuar r\u00e1pidamente a medida que surjan regulaciones.<\/strong> Prioriza la seguridad de los datos que pertenecen a la empresa y la protecci\u00f3n de la informaci\u00f3n personal mientras se monitorea de forma activa un entorno regulatorio en constante cambio.<br><br><\/li>\n\n\n\n<li><strong>Desarrolla el talento en ingenier\u00eda de datos.<\/strong> Busca a las personas clave para implementar tu programa de datos, con un enfoque en m\u00e1s ingenieros de datos y menos cient\u00edficos de datos.<br><br><\/li>\n\n\n\n<li><strong>Utiliza la IA generativa para ayudarte a gestionar tus propios datos.<\/strong> La IA generativa puede acelerar las tareas existentes y mejorarlas a lo largo de toda la cadena de valor de los datos, desde la ingenier\u00eda de datos hasta la gobernanza de datos y el an\u00e1lisis.<br><br><\/li>\n\n\n\n<li><strong>Realiza un seguimiento riguroso e interviene r\u00e1pidamente.<\/strong> Invierte en medici\u00f3n de rendimiento y financiera, y supervisa de cerca las implementaciones para mejorar continuamente el rendimiento de los datos.<br><br><br><\/li>\n<\/ol>\n\n\n\n<h2 class=\"wp-block-heading\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#302ba9\" class=\"has-inline-color\"><strong>1. Deja que el valor de los datos te gu\u00ede <\/strong><\/mark><\/h2>\n\n\n\n<p><br><br>En la determinaci\u00f3n de una estrategia de datos para la IA generativa, los CDO podr\u00edan considerar adaptar una cita del presidente John F. Kennedy: &#8220;No preguntes qu\u00e9 puede hacer tu empresa por la IA generativa; pregunta qu\u00e9 puede hacer la IA generativa por tu empresa&#8221;. El enfoque en el valor es un principio de larga data, pero los CDO deben confiar particularmente en \u00e9l para contrarrestar la presi\u00f3n de &#8220;hacer algo&#8221; con la IA generativa. <\/p>\n\n\n\n<p>Para proporcionar este enfoque en el valor, los CDO necesitar\u00e1n desarrollar una visi\u00f3n clara de las implicaciones de datos del enfoque general de la empresa hacia la IA generativa, que se manifestar\u00e1 en tres arquetipos:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Receptor: una empresa que consume servicios preexistentes a trav\u00e9s de interfaces b\u00e1sicas como APIs. En este caso, el CDO deber\u00e1 enfocarse en poner a disposici\u00f3n datos de calidad para los modelos de IA generativa y posteriormente validar las salidas.<br><br><\/li>\n\n\n\n<li>Moldeador: una empresa que accede a modelos y los ajusta con sus propios datos. El CDO deber\u00e1 evaluar c\u00f3mo deber\u00eda evolucionar la gesti\u00f3n de datos de la empresa y determinar los cambios necesarios en la arquitectura de datos para habilitar las salidas deseadas.<br><br><\/li>\n\n\n\n<li>Creador: una empresa que construye sus propios modelos fundamentales. El CDO deber\u00e1 desarrollar una estrategia sofisticada de etiquetado y clasificaci\u00f3n de datos, as\u00ed como realizar inversiones m\u00e1s significativas.<br><br><\/li>\n<\/ul>\n\n\n\n<p>El CDO tiene el papel m\u00e1s importante en apoyar el enfoque Moldeador, ya que el enfoque Creador est\u00e1 actualmente limitado a aquellas grandes empresas dispuestas a realizar inversiones importantes y el enfoque Receptor accede esencialmente a capacidades commoditizadas. Una funci\u00f3n clave en impulsar el enfoque Moldeador es comunicar los compromisos necesarios para cumplir con casos de uso espec\u00edficos y resaltar aquellos que son m\u00e1s factibles. Mientras que la hiperpersonalizaci\u00f3n, por ejemplo, es un caso de uso prometedor de la IA generativa, requiere datos de clientes limpios, fuertes protecciones de datos y tuber\u00edas para acceder a m\u00faltiples fuentes de datos. El CDO tambi\u00e9n deber\u00eda priorizar iniciativas que puedan proporcionar los mayores beneficios a la empresa, en lugar de simplemente respaldar casos de uso individuales.<\/p>\n\n\n\n<p><\/p>\n\n\n\n<p>A medida que los CDO ayudan a dar forma al enfoque empresarial hacia la IA generativa, ser\u00e1 importante adoptar una visi\u00f3n amplia del valor. Por muy prometedora que sea la IA generativa, es solo una parte del portafolio de datos m\u00e1s amplio. Gran parte del valor potencial para una empresa proviene de la IA tradicional, la inteligencia empresarial y el aprendizaje autom\u00e1tico (ML). Si los CDO est\u00e1n dedicando el 90 por ciento de su tiempo a iniciativas relacionadas con la IA generativa, es raz\u00f3n para alarmarse. <\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#302ba9\" class=\"has-inline-color\"><strong>2. Incorpora capacidades espec\u00edficas en la arquitectura de datos para respaldar el conjunto m\u00e1s amplio de casos de uso<\/strong><\/mark><\/h2>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p>El gran cambio en cuanto a los datos es que el alcance del valor ha aumentado mucho debido a la capacidad de la IA generativa para trabajar con datos no estructurados, como chats, videos y c\u00f3digo. Esto representa un cambio significativo porque las organizaciones de datos tradicionalmente solo han tenido capacidades para trabajar con datos estructurados, como datos en tablas. Capturar este valor no requiere reconstruir la arquitectura de datos, pero el CDO que desee ir m\u00e1s all\u00e1 del arquetipo b\u00e1sico de &#8220;Taker&#8221; deber\u00e1 centrarse en dos prioridades claras.<\/p>\n\n\n\n<p>La primera es arreglar los fundamentos de la arquitectura de datos. Aunque esto pueda sonar como algo ya conocido, las grietas en el sistema con las que antes se pod\u00eda salir del paso se convertir\u00e1n en grandes problemas con la IA generativa. Muchas de las ventajas de la IA generativa simplemente no ser\u00e1n posibles sin una base de datos s\u00f3lida. Para determinar los elementos de la arquitectura de datos en los que enfocarse, el CDO se beneficiar\u00e1 mejor identificando las correcciones que proporcionen el mayor beneficio para la mayor variedad de casos de uso, como los protocolos de manejo de datos para informaci\u00f3n personal identificable (PII), ya que cualquier caso de uso espec\u00edfico de IA generativa para clientes necesitar\u00e1 esa capacidad.<\/p>\n\n\n\n<p>La segunda prioridad es determinar qu\u00e9 actualizaciones de la arquitectura de datos son necesarias para cumplir con los requisitos de los casos de uso de alto valor. El problema clave aqu\u00ed es c\u00f3mo gestionar y escalar de manera rentable los datos y las integraciones de informaci\u00f3n que impulsan los casos de uso de IA generativa. Si no se gestionan correctamente, existe un riesgo significativo de sobrecargar el sistema con actividades masivas de computaci\u00f3n de datos, o de que los equipos realicen integraciones \u00fanicas, lo que aumenta la complejidad y la deuda t\u00e9cnica. Estos problemas se complican a\u00fan m\u00e1s por el perfil en la nube del negocio, lo que significa que los CDO deben trabajar en estrecha colaboraci\u00f3n con el liderazgo de TI para determinar los costos de uso de c\u00f3mputo, redes y servicios.<\/p>\n\n\n\n<p>En general, el CDO deber\u00e1 priorizar la implementaci\u00f3n de cinco componentes clave de la arquitectura de datos como parte del conjunto tecnol\u00f3gico empresarial:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Almacenes de datos no estructurados:<\/strong> Los modelos de lenguaje grande (LLM) trabajan principalmente con datos no estructurados para la mayor\u00eda de los casos de uso. Los l\u00edderes de datos deber\u00e1n mapear todas las fuentes de datos no estructurados y establecer est\u00e1ndares de etiquetado de metadatos para que los modelos puedan procesar los datos y los equipos puedan encontrar los datos que necesitan. Los CDO tambi\u00e9n necesitar\u00e1n mejorar a\u00fan m\u00e1s la calidad de las tuber\u00edas de datos y establecer est\u00e1ndares de transparencia para que sea f\u00e1cil rastrear el origen de un problema hasta la fuente de datos correcta.<br><br><\/li>\n\n\n\n<li><strong>Preprocesamiento de datos:<\/strong> La mayor\u00eda de los datos necesitar\u00e1n preparaci\u00f3n, por ejemplo, convirtiendo formatos de archivos y limpiando datos para la calidad de datos y el manejo de datos sensibles, para que la IA generativa pueda utilizar los datos. Los datos preprocesados se utilizan m\u00e1s com\u00fanmente para construir indicaciones para modelos de IA generativa. Para acelerar el rendimiento, los CDO necesitan estandarizar el manejo de datos estructurados y no estructurados a escala, como formas de acceder a sistemas subyacentes, y priorizar (o &#8220;preagregar&#8221;) los datos que admiten las preguntas y respuestas m\u00e1s frecuentes.<br><br><\/li>\n\n\n\n<li><strong>Bases de datos vectoriales:<\/strong> La vectorizaci\u00f3n es una forma de priorizar el contenido y crear &#8220;incrustaciones&#8221; (representaciones num\u00e9ricas de significados de texto) para agilizar el acceso al contexto, la informaci\u00f3n complementaria que la IA generativa necesita para proporcionar respuestas precisas. Las bases de datos vectoriales permiten que los modelos de IA generativa accedan solo a la informaci\u00f3n m\u00e1s relevante. En muchos casos, las empresas no necesitan construir bases de datos vectoriales para comenzar a trabajar con IA generativa. A menudo pueden usar bases de datos NoSQL existentes para comenzar.<br><br><\/li>\n\n\n\n<li><strong>Integraciones de LLM:<\/strong> Los usos de IA generativa m\u00e1s sofisticados requieren interacciones con m\u00faltiples sistemas, lo que crea desaf\u00edos significativos en la conexi\u00f3n de LLM. Varios marcos, muchos de los cuales son de c\u00f3digo abierto, pueden ayudar a facilitar estas integraciones (por ejemplo, LangChain o diversas ofertas de hipercalculadoras, como Semantic Kernel para Azure, Bedrock para AWS o Vertex AI para Google Cloud). Los CDO necesitar\u00e1n establecer pautas para elegir qu\u00e9 marcos usar, definir plantillas de indicaciones que puedan ser f\u00e1cilmente personalizadas para fines espec\u00edficos y establecer patrones de integraci\u00f3n estandarizados para c\u00f3mo los LLM interact\u00faan con los sistemas de datos fuente.<br><br><\/li>\n\n\n\n<li><strong>Ingenier\u00eda de indicaciones:<\/strong> La ingenier\u00eda de indicaciones efectiva (el proceso de estructurar preguntas de manera que obtenga la mejor respuesta de los modelos de IA generativa) depende del contexto. El contexto solo se puede determinar a partir de datos e informaci\u00f3n existentes en fuentes estructuradas y no estructuradas. Para mejorar la salida, los CDO deber\u00e1n gestionar la integraci\u00f3n de grafos de conocimiento o modelos de datos y ontolog\u00edas (un conjunto de conceptos en un dominio que muestra sus propiedades y las relaciones entre ellos) en la indicaci\u00f3n. Dado que los CDO no tendr\u00e1n propiedad sobre muchos repositorios de datos en toda la empresa, necesitan establecer est\u00e1ndares y precalificar fuentes para asegurar que los datos que se alimentan en los modelos sigan protocolos espec\u00edficos (por ejemplo, exponer una API de gr\u00e1fico de conocimiento para proporcionar f\u00e1cilmente entidades y relaciones).<\/li>\n<\/ul>\n\n\n\n<p><\/p>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><strong><mark style=\"background-color:rgba(0, 0, 0, 0);color:#302ba9\" class=\"has-inline-color\">3.<\/mark> <mark style=\"background-color:rgba(0, 0, 0, 0);color:#302ba9\" class=\"has-inline-color\">Conc\u00e9ntrate en puntos clave del ciclo de vida de los datos para garantizar una alta calidad<\/mark><\/strong><\/h2>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p>La calidad de los datos siempre ha sido un tema importante para los CDOs. Pero la escala y alcance de los datos en los que se basan los modelos de IA generativa han hecho que el dicho &#8220;basura entra\/basura sale&#8221; sea mucho m\u00e1s importante y costoso, ya que entrenar un solo LLM puede costar millones de d\u00f3lares. Una raz\u00f3n por la cual identificar problemas de calidad de datos es mucho m\u00e1s dif\u00edcil en los modelos de IA generativa que en los modelos de ML cl\u00e1sicos es porque hay muchos m\u00e1s datos y muchos de ellos son no estructurados, lo que dificulta el uso de herramientas de seguimiento existentes.<\/p>\n\n\n\n<p>Los CDOs necesitan tomar dos acciones para garantizar la calidad de los datos: primero, necesitan ampliar sus programas de observabilidad de datos para aplicaciones de IA generativa para detectar mejor los problemas de calidad, como establecer umbrales m\u00ednimos para el contenido no estructurado que se incluir\u00e1 en las aplicaciones de IA generativa; y segundo, necesitan desarrollar intervenciones a lo largo del ciclo de vida de los datos para abordar los problemas que los equipos descubren, centr\u00e1ndose principalmente en cuatro \u00e1reas:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Datos de origen:<\/strong> Ampliar el marco de calidad de datos para incluir medidas relevantes para prop\u00f3sitos de IA generativa (como el sesgo). Asegurar metadatos y etiquetas de alta calidad para datos estructurados y no estructurados, y regular el acceso a datos sensibles (por ejemplo, basar el acceso en roles).<br><br><\/li>\n\n\n\n<li><strong>Preprocesamiento:<\/strong> Asegurarse de que los datos sean consistentes y estandarizados y cumplan con ontolog\u00edas y modelos de datos establecidos. Detectar valores at\u00edpicos y aplicar normalizaciones. Automatizar la gesti\u00f3n de datos PII y establecer pautas para determinar si los datos deben ser ignorados, retenidos, editados, puestos en cuarentena, eliminados, enmascarados o sintetizados.<br><br><\/li>\n\n\n\n<li><strong>Prompt:<\/strong> Evaluar, medir y hacer un seguimiento de la calidad del indicador. Incluir metadatos de alta calidad y transparencia de linaje para datos estructurados y no estructurados en el indicador.<br><br><\/li>\n\n\n\n<li><strong>Salida del LLM:<\/strong> Establecer los procedimientos de gobierno necesarios para identificar y resolver salidas incorrectas, y utilizar &#8220;humanos en el proceso&#8221; para revisar y priorizar problemas de salida. En \u00faltima instancia, elevar el papel de los empleados individuales capacit\u00e1ndolos para evaluar cr\u00edticamente las salidas del modelo y ser conscientes de la calidad de los datos de entrada. Complementar con una capacidad de monitoreo y alerta automatizada para identificar comportamientos no deseados.<br><\/li>\n<\/ol>\n\n\n\n<p><br><br><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#302ba9\" class=\"has-inline-color\"><strong>4. Protege tus datos sensibles y estate preparado para actuar r\u00e1pidamente a medida que surjan regulaciones<\/strong><\/mark><\/h2>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p>El 71 por ciento de los l\u00edderes senior de IT creen que la tecnolog\u00eda de IA generativa est\u00e1 introduciendo nuevos riesgos de seguridad a sus datos. Se ha discutido mucho sobre la seguridad y los riesgos relacionados con la IA generativa, pero los CDOs necesitan contemplar las implicaciones de los datos en tres \u00e1reas espec\u00edficas:<\/p>\n\n\n\n<p><\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Identificar y priorizar los riesgos de seguridad para los datos propietarios de la empresa. <\/strong>Los CDOs deben evaluar los riesgos de divulgar los datos de la empresa, incluyendo el riesgo de exponer secretos comerciales al compartir c\u00f3digo confidencial y propietario con modelos de IA generativa, y priorizar las amenazas m\u00e1s significativas. Muchos protocolos actuales de protecci\u00f3n de datos y ciberseguridad pueden ampliarse para mitigar riesgos espec\u00edficos relacionados con la IA generativa. Por ejemplo, mediante la incorporaci\u00f3n de recordatorios emergentes cada vez que un ingeniero intenta compartir datos con un modelo, o mediante la implementaci\u00f3n de scripts automatizados para garantizar el cumplimiento normativo.<br><br><\/li>\n\n\n\n<li><strong>Gestionar el acceso a los datos PII.<\/strong> Los CDOs deben establecer regulaciones que gobiernen la detecci\u00f3n y manejo de datos en el \u00e1mbito de la IA generativa. Deben implementar sistemas que integren medidas de protecci\u00f3n e intervenciones humanas para garantizar la eliminaci\u00f3n de informaci\u00f3n personalmente identificable (PII) durante la preprocesamiento de datos, antes de su utilizaci\u00f3n en un LLM. El uso de datos sint\u00e9ticos (a trav\u00e9s de fabricantes de datos) e identificadores no sensibles puede ayudar.<br><br><\/li>\n\n\n\n<li><strong>Seguir de cerca el esperado aumento de regulaciones.<\/strong> La IA generativa ha llevado a los gobiernos a implementar r\u00e1pidamente nuevas regulaciones, como la Ley de IA de la Uni\u00f3n Europea, que establece diversos est\u00e1ndares, incluida la obligaci\u00f3n para las empresas de divulgar res\u00famenes de datos con derechos de autor utilizados para entrenar a un LLM. Los l\u00edderes de datos deben mantenerse cerca de los l\u00edderes de riesgo de la empresa para entender las nuevas regulaciones y sus implicaciones para la estrategia de datos, como la necesidad de &#8220;desentrenar&#8221; modelos que utilicen datos regulados.<\/li>\n<\/ul>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><br><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#302ba9\" class=\"has-inline-color\"><strong>5. Fomentar el talento en ingenier\u00eda de datos<\/strong><\/mark><\/h2>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p>A medida que las empresas adopten cada vez m\u00e1s la IA generativa, los CDOs deber\u00e1n centrarse en las implicaciones para el talento.<\/p>\n\n\n\n<p>Las herramientas de IA generativa gestionar\u00e1n tareas de codificaci\u00f3n espec\u00edficas: la IA es responsable de escribir el 41 por ciento del c\u00f3digo publicado en GitHub. Esto requiere una formaci\u00f3n espec\u00edfica en el trabajo con un &#8220;copiloto&#8221; de IA generativa; <a href=\"https:\/\/www.mckinsey.com\/capabilities\/mckinsey-digital\/our-insights\/unleashing-developer-productivity-with-generative-ai\">un estudio reciente de McKinsey <\/a>mostr\u00f3 que los ingenieros senior trabajan de manera m\u00e1s productiva con un copiloto de IA generativa que los ingenieros junior. Las academias de datos e IA deben incorporar formaci\u00f3n en IA generativa adaptada a niveles de experiencia espec\u00edficos.<\/p>\n\n\n\n<p>Los CDOs tambi\u00e9n necesitar\u00e1n ser claros sobre qu\u00e9 habilidades habilitan mejor la IA generativa. Las empresas necesitan personas que puedan integrar conjuntos de datos (como escribir APIs que conecten modelos con fuentes de datos), secuenciar y encadenar instrucciones, manejar grandes cantidades de datos, aplicar LLMs y trabajar con par\u00e1metros de modelo. Esto significa que los CDOs deber\u00edan centrarse m\u00e1s en encontrar ingenieros de datos, arquitectos y ingenieros de back-end, y menos en contratar cient\u00edficos de datos, cuyas habilidades ser\u00e1n cada vez menos cr\u00edticas a medida que la IA generativa permita que personas con habilidades t\u00e9cnicas menos avanzadas utilicen el lenguaje natural para realizar an\u00e1lisis b\u00e1sicos.<\/p>\n\n\n\n<p>A corto plazo, el talento seguir\u00e1 siendo escaso, y<a href=\"https:\/\/www.mckinsey.com\/capabilities\/mckinsey-digital\/our-insights\/the-top-trends-in-tech#tech-talent-dynamics\"> se proyecta que la brecha de talento aumentar\u00e1 a\u00fan m\u00e1s en el futuro cercano,<\/a> lo que crear\u00e1 m\u00e1s incentivos para que los CDOs fortalezcan sus programas de formaci\u00f3n.<\/p>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#302ba9\" class=\"has-inline-color\"><strong>6. Utiliza IA Generativa para ayudarte a gestionar tus datos<\/strong><\/mark><\/h2>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p>Los l\u00edderes de datos tienen una gran oportunidad de aprovechar la IA generativa para mejorar su propia funci\u00f3n. <\/p>\n\n\n\n<p>Muchos proveedores ya est\u00e1n lanzando productos, lo que requiere que los CDOs identifiquen las capacidades en las que pueden confiar en los proveedores y cu\u00e1les deber\u00edan construir ellos mismos. Una regla general es que para los procesos de gobierno de datos que son \u00fanicos para el negocio, es mejor construir su propia herramienta. Tenga en cuenta que muchas herramientas y capacidades son nuevas y pueden funcionar bien en entornos experimentales, pero no a escala.<\/p>\n\n\n\n<p><\/p>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><mark style=\"background-color:rgba(0, 0, 0, 0);color:#302ba9\" class=\"has-inline-color\"><strong>7. Realiza un seguimiento riguroso e interven r\u00e1pidamente<\/strong><\/mark><\/h2>\n\n\n\n<p><br><\/p>\n\n\n\n<p><\/p>\n\n\n\n<p>Hoy en d\u00eda, en el mundo de la IA generativa, hay m\u00e1s inc\u00f3gnitas que certezas y las empresas siguen aprendiendo a medida que avanzan. Por lo tanto, es crucial que los CDOs establezcan sistemas para rastrear y gestionar activamente el progreso de sus iniciativas de IA generativa y entender qu\u00e9 tan bien los datos est\u00e1n contribuyendo a los objetivos del negocio.<\/p>\n\n\n\n<p>En la pr\u00e1ctica, los l\u00edderes realizan un seguimiento del progreso e identifican las causas ra\u00edz de los problemas utilizando un conjunto de KPIs principales y KPIs operativos (las actividades subyacentes que impulsan los KPIs) dentro de m\u00e9tricas efectivas.<\/p>\n\n\n\n<p>Un conjunto principal de KPIs deber\u00eda incluir lo siguiente:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Coste de componentes adicionales, como bases de datos vectoriales y consumo de LLMs como servicio.<br><br><\/li>\n\n\n\n<li>La integraci\u00f3n de fuentes de datos espec\u00edficas con flujos de trabajo de aplicaciones de IA generativa permite ingresos adicionales.<br><br><\/li>\n\n\n\n<li>Tiempo de llegada al mercado para desarrollar una aplicaci\u00f3n impulsada por IA generativa que requiere acceso a datos internos.<br><br><\/li>\n\n\n\n<li>Satisfacci\u00f3n del usuario final con c\u00f3mo los datos han mejorado el rendimiento y la calidad de la aplicaci\u00f3n.<br><br><\/li>\n<\/ul>\n\n\n\n<p>Los KPIs operativos deben abarcar el seguimiento de los datos m\u00e1s utilizados, evaluar el rendimiento del modelo, identificar \u00e1reas de baja calidad de datos, monitorear el volumen de solicitudes contra conjuntos de datos espec\u00edficos y evaluar qu\u00e9 casos de uso generan la mayor actividad y valor.<\/p>\n\n\n\n<p>Esta informaci\u00f3n es cr\u00edtica para proporcionar una base factual para que el liderazgo no solo siga el progreso, sino tambi\u00e9n tome ajustes r\u00e1pidos y decisiones de compensaci\u00f3n frente a otras iniciativas en el portafolio m\u00e1s amplio del CDO. Al conocer qu\u00e9 fuentes de datos se utilizan m\u00e1s para modelos de alto valor, por ejemplo, el CDO puede priorizar inversiones para mejorar la calidad de los datos en esas fuentes.<\/p>\n\n\n\n<p>La inversi\u00f3n efectiva, la presupuestaci\u00f3n y la reasignaci\u00f3n depender\u00e1n de que los CDOs desarrollen una capacidad similar a FinOps para gestionar toda la nueva estructura de costos en torno a la IA generativa. Los CDOs deber\u00e1n rastrear una nueva gama de costos, incluidas la cantidad de solicitudes de modelos de IA generativa, los cargos de consumo de API de proveedores (tanto en cantidad como en tama\u00f1o de llamadas), y los cargos de c\u00f3mputo y almacenamiento de proveedores de nube. Con esta informaci\u00f3n, el CDO puede determinar la mejor forma de optimizar los costos, como dirigir las solicitudes por nivel de prioridad o mover ciertos datos a la nube para reducir los costos de redes.<\/p>\n\n\n\n<p>El valor de estas m\u00e9tricas solo es tan grande como el grado en que los CDOs act\u00faan sobre ellas. Los CDOs deber\u00e1n establecer m\u00e9tricas de rendimiento de datos que puedan revisar casi en tiempo real y protocolos para tomar decisiones r\u00e1pidas. Deber\u00edan extender programas efectivos de gobernanza de datos para incorporar decisiones relacionadas con la IA generativa mientras permanecen en su lugar.<\/p>\n\n\n\n<p>Los datos no pueden ser una reflexi\u00f3n posterior en la IA generativa. M\u00e1s bien, son el combustible principal que impulsa la capacidad de un negocio para capturar valor de la IA generativa. Pero las empresas que desean ese valor no pueden permitirse que los CDOs<\/p>","protected":false},"excerpt":{"rendered":"<p>Alimentando la IA Generativa Fuente: https:\/\/www.mckinsey.com\/capabilities\/mckinsey-digital\/our-insights\/the-data-dividend-fueling-generative-ai Las \u00faltimas investigaciones estiman que la IA generativa podr\u00eda agregar el equivalente a $2.6 billones a $4.4 billones en beneficios econ\u00f3micos anuales en 63 casos de uso.&nbsp; Tus datos y sus bases subyacentes son los factores decisivos para lo que puede lograrse gracias a ella. Para la mayor\u00eda de [&hellip;]<\/p>\n","protected":false},"author":3,"featured_media":4330,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[29,13,21,11,14,23,30,18],"class_list":["post-4309","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sin-categoria","tag-ai","tag-big-data","tag-calidad-del-dato","tag-data-quality","tag-ia","tag-omma","tag-premio","tag-tecnologia"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.6 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Data dividend - OMMA Data - Quality Data Starts with OMMA OMMA Data - Quality Data Starts with OMMA<\/title>\n<meta name=\"description\" content=\"Las \u00faltimas investigaciones estiman que la IA generativa podr\u00eda agregar el equivalente a $2.6 billones a $4.4 billones en beneficios econ\u00f3mic\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.ommadata.ai\/es\/2024\/04\/18\/data-dividend\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Data dividend - OMMA Data - Quality Data Starts with OMMA OMMA Data - Quality Data Starts with OMMA\" \/>\n<meta property=\"og:description\" content=\"Las \u00faltimas investigaciones estiman que la IA generativa podr\u00eda agregar el equivalente a $2.6 billones a $4.4 billones en beneficios econ\u00f3mic\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.ommadata.ai\/es\/2024\/04\/18\/data-dividend\/\" \/>\n<meta property=\"og:site_name\" content=\"OMMA Data - Quality Data Starts with OMMA\" \/>\n<meta property=\"article:published_time\" content=\"2024-04-18T11:12:30+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2024-04-18T12:15:16+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.ommadata.ai\/wp-content\/uploads\/2024\/04\/7-actions-blog.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1080\" \/>\n\t<meta property=\"og:image:height\" content=\"1080\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"bortega\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"bortega\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"16 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/\"},\"author\":{\"name\":\"bortega\",\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/#\\\/schema\\\/person\\\/871db6d70d8e918d8d7ce778f11f7c51\"},\"headline\":\"Data dividend\",\"datePublished\":\"2024-04-18T11:12:30+00:00\",\"dateModified\":\"2024-04-18T12:15:16+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/\"},\"wordCount\":3624,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.ommadata.ai\\\/wp-content\\\/uploads\\\/2024\\\/04\\\/7-actions-blog.png\",\"keywords\":[\"AI\",\"BIG DATA\",\"calidad del dato\",\"DATA QUALITY\",\"IA\",\"OMMA\",\"premio\",\"tecnolog\u00eda\"],\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/\",\"url\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/\",\"name\":\"Data dividend - OMMA Data - Quality Data Starts with OMMA OMMA Data - Quality Data Starts with OMMA\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.ommadata.ai\\\/wp-content\\\/uploads\\\/2024\\\/04\\\/7-actions-blog.png\",\"datePublished\":\"2024-04-18T11:12:30+00:00\",\"dateModified\":\"2024-04-18T12:15:16+00:00\",\"description\":\"Las \u00faltimas investigaciones estiman que la IA generativa podr\u00eda agregar el equivalente a $2.6 billones a $4.4 billones en beneficios econ\u00f3mic\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.ommadata.ai\\\/wp-content\\\/uploads\\\/2024\\\/04\\\/7-actions-blog.png\",\"contentUrl\":\"https:\\\/\\\/www.ommadata.ai\\\/wp-content\\\/uploads\\\/2024\\\/04\\\/7-actions-blog.png\",\"width\":1080,\"height\":1080},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/2024\\\/04\\\/18\\\/data-dividend\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\\\/\\\/www.ommadata.ai\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Data dividend\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/#website\",\"url\":\"https:\\\/\\\/www.ommadata.ai\\\/\",\"name\":\"OMMA Data - Quality Data Starts with OMMA\",\"description\":\"Save time, money &amp; maximize your resources in one click with OMMA, the ultimate Data Quality tool.\",\"publisher\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.ommadata.ai\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/#organization\",\"name\":\"OMMA Data - Quality Data Starts with OMMA\",\"url\":\"https:\\\/\\\/www.ommadata.ai\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/www.ommadata.ai\\\/wp-content\\\/uploads\\\/2024\\\/10\\\/favicon_48x48_omma.jpg\",\"contentUrl\":\"https:\\\/\\\/www.ommadata.ai\\\/wp-content\\\/uploads\\\/2024\\\/10\\\/favicon_48x48_omma.jpg\",\"width\":48,\"height\":48,\"caption\":\"OMMA Data - Quality Data Starts with OMMA\"},\"image\":{\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/#\\\/schema\\\/logo\\\/image\\\/\"}},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.ommadata.ai\\\/#\\\/schema\\\/person\\\/871db6d70d8e918d8d7ce778f11f7c51\",\"name\":\"bortega\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/af3ec2b54405e99dd5c77ea7e98a590b3c88593bd5f02195d46fc3092cc3c9b8?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/af3ec2b54405e99dd5c77ea7e98a590b3c88593bd5f02195d46fc3092cc3c9b8?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/af3ec2b54405e99dd5c77ea7e98a590b3c88593bd5f02195d46fc3092cc3c9b8?s=96&d=mm&r=g\",\"caption\":\"bortega\"},\"url\":\"https:\\\/\\\/www.ommadata.ai\\\/es\\\/author\\\/bortega\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Data dividend - OMMA Data - Quality Data Starts with OMMA OMMA Data - Quality Data Starts with OMMA","description":"Las \u00faltimas investigaciones estiman que la IA generativa podr\u00eda agregar el equivalente a $2.6 billones a $4.4 billones en beneficios econ\u00f3mic","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.ommadata.ai\/es\/2024\/04\/18\/data-dividend\/","og_locale":"es_ES","og_type":"article","og_title":"Data dividend - OMMA Data - Quality Data Starts with OMMA OMMA Data - Quality Data Starts with OMMA","og_description":"Las \u00faltimas investigaciones estiman que la IA generativa podr\u00eda agregar el equivalente a $2.6 billones a $4.4 billones en beneficios econ\u00f3mic","og_url":"https:\/\/www.ommadata.ai\/es\/2024\/04\/18\/data-dividend\/","og_site_name":"OMMA Data - Quality Data Starts with OMMA","article_published_time":"2024-04-18T11:12:30+00:00","article_modified_time":"2024-04-18T12:15:16+00:00","og_image":[{"width":1080,"height":1080,"url":"https:\/\/www.ommadata.ai\/wp-content\/uploads\/2024\/04\/7-actions-blog.png","type":"image\/png"}],"author":"bortega","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"bortega","Tiempo de lectura":"16 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/#article","isPartOf":{"@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/"},"author":{"name":"bortega","@id":"https:\/\/www.ommadata.ai\/#\/schema\/person\/871db6d70d8e918d8d7ce778f11f7c51"},"headline":"Data dividend","datePublished":"2024-04-18T11:12:30+00:00","dateModified":"2024-04-18T12:15:16+00:00","mainEntityOfPage":{"@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/"},"wordCount":3624,"commentCount":0,"publisher":{"@id":"https:\/\/www.ommadata.ai\/#organization"},"image":{"@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/#primaryimage"},"thumbnailUrl":"https:\/\/www.ommadata.ai\/wp-content\/uploads\/2024\/04\/7-actions-blog.png","keywords":["AI","BIG DATA","calidad del dato","DATA QUALITY","IA","OMMA","premio","tecnolog\u00eda"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/","url":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/","name":"Data dividend - OMMA Data - Quality Data Starts with OMMA OMMA Data - Quality Data Starts with OMMA","isPartOf":{"@id":"https:\/\/www.ommadata.ai\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/#primaryimage"},"image":{"@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/#primaryimage"},"thumbnailUrl":"https:\/\/www.ommadata.ai\/wp-content\/uploads\/2024\/04\/7-actions-blog.png","datePublished":"2024-04-18T11:12:30+00:00","dateModified":"2024-04-18T12:15:16+00:00","description":"Las \u00faltimas investigaciones estiman que la IA generativa podr\u00eda agregar el equivalente a $2.6 billones a $4.4 billones en beneficios econ\u00f3mic","breadcrumb":{"@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/#primaryimage","url":"https:\/\/www.ommadata.ai\/wp-content\/uploads\/2024\/04\/7-actions-blog.png","contentUrl":"https:\/\/www.ommadata.ai\/wp-content\/uploads\/2024\/04\/7-actions-blog.png","width":1080,"height":1080},{"@type":"BreadcrumbList","@id":"https:\/\/www.ommadata.ai\/2024\/04\/18\/data-dividend\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/www.ommadata.ai\/"},{"@type":"ListItem","position":2,"name":"Data dividend"}]},{"@type":"WebSite","@id":"https:\/\/www.ommadata.ai\/#website","url":"https:\/\/www.ommadata.ai\/","name":"OMMA Data - Quality Data Starts with OMMA","description":"Save time, money &amp; maximize your resources in one click with OMMA, the ultimate Data Quality tool.","publisher":{"@id":"https:\/\/www.ommadata.ai\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.ommadata.ai\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/www.ommadata.ai\/#organization","name":"OMMA Data - Quality Data Starts with OMMA","url":"https:\/\/www.ommadata.ai\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/www.ommadata.ai\/#\/schema\/logo\/image\/","url":"https:\/\/www.ommadata.ai\/wp-content\/uploads\/2024\/10\/favicon_48x48_omma.jpg","contentUrl":"https:\/\/www.ommadata.ai\/wp-content\/uploads\/2024\/10\/favicon_48x48_omma.jpg","width":48,"height":48,"caption":"OMMA Data - Quality Data Starts with OMMA"},"image":{"@id":"https:\/\/www.ommadata.ai\/#\/schema\/logo\/image\/"}},{"@type":"Person","@id":"https:\/\/www.ommadata.ai\/#\/schema\/person\/871db6d70d8e918d8d7ce778f11f7c51","name":"bortega","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/secure.gravatar.com\/avatar\/af3ec2b54405e99dd5c77ea7e98a590b3c88593bd5f02195d46fc3092cc3c9b8?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/af3ec2b54405e99dd5c77ea7e98a590b3c88593bd5f02195d46fc3092cc3c9b8?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/af3ec2b54405e99dd5c77ea7e98a590b3c88593bd5f02195d46fc3092cc3c9b8?s=96&d=mm&r=g","caption":"bortega"},"url":"https:\/\/www.ommadata.ai\/es\/author\/bortega\/"}]}},"_links":{"self":[{"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/posts\/4309","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/comments?post=4309"}],"version-history":[{"count":12,"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/posts\/4309\/revisions"}],"predecessor-version":[{"id":4332,"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/posts\/4309\/revisions\/4332"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/media\/4330"}],"wp:attachment":[{"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/media?parent=4309"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/categories?post=4309"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ommadata.ai\/es\/wp-json\/wp\/v2\/tags?post=4309"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}