El Proyecto Universidad Empresa surgió hace 27 años en la Universidad Politécnica de Cataluña (UPC) como una iniciativa de formación para facilitar la transición de los estudiantes al mundo laboral. Posteriormente, este modelo se replicó en Madrid bajo el nombre de PUE Data, con el objetivo de ofrecer capacitación especializada en tecnología avanzada. Como explica Sergio Rodríguez, CTO y Socio de PUE Data, su consultora se caracteriza por la alta especialización en proyectos de datos y su apuesta por estar a la vanguardia en big data e inteligencia artificial.
Índice de temas
¿Cómo fue la génesis de PUE Data?
El Proyecto Universidad Empresa surgió hace 27 años en la Universidad Politécnica de Cataluña (UPC) como una iniciativa de formación para facilitar la transición de los estudiantes al mundo laboral, con el training y las certificaciones del mercado: Oracle, Cisco, Azure, Google Cloud… Hace nueve años, replicamos este modelo en Madrid bajo el nombre de PUE Data con el objetivo de ofrecer capacitación especializada en tecnología avanzada.
No somos una consultora al uso. Si valemos algo es por el equipo, por el alto grado de especialización. Desde nuestros inicios, hemos tenido claro que teníamos que estar a la vanguardia de los proyectos de datos
SERGIO RODRÍGUEZ DE GUZMÁN,
CTO Y SOCIO DE PUE DATA
¿Se consideran una consultora al uso?
No somos una consultora al uso. Si valemos algo es por el equipo, por el alto grado de especialización. Desde nuestros inicios, hemos tenido claro que teníamos que estar a la vanguardia de los proyectos de datos. De hecho, apostamos por big data con empresas pioneras como Cloudera cuando no se conocía en el mercado. Hasta ahora hemos acertado con esta estrategia de anticipación.
¿Cuál es el peso actual de PUE Data como compañía?
Actualmente, contamos con una facturación de 18 millones de euros y una plantilla de 150 personas, con oficinas en Madrid, Barcelona y Arabia Saudita, y desarrollos en EMEA. Nuestros clientes son empresas de gran entidad de todos los sectores (salud, banca, seguros etc.), con proyectos de datos con mucha densidad de información.
¿Cuál sería la tarta de reparto por sectores?
Los principales sectores para PUE son retail, banca y finanzas y energía. En este último sector tenemos una parte importante de machine learning e IA, y ahí resulta clave la predicción de consumo, costes y facturación de luz y gas. Una cosa que nos diferencia es nuestra especialización por sectores, siempre se nos ha dado bien ‘aterrizar’ las ideas de los clientes a la tecnología. Ideas puedes tener muchas, pero que funcione, es el quid de la cuestión. También tenemos entrada en el sector público con proyectos de big data y alguno concreto de inteligencia artificial.
Tu compañía está mostrando un alto ratio de crecimiento en su cifra de negocio. ¿Cuáles son las razones de esta progresión?
Ser una empresa con ese origen de alta formación, nos permite contar con un equipo de profesionales adaptados a la nueva demanda de digitalización y de casos de uso. Se han unido la lluvia de proyectos con la capacidad de ejecutarlos, y pudimos dar respuesta a la demanda, especialmente durante el Covid. La unión de estos dos factores nos ha permitido dar el gran salto.
¿Cómo se observa desde PUE Data el fenómeno de la IA generativa?
Lo que estamos viendo ahora en le mercado con la IA generativa no lo vimos ni con el big data. Big data en su momento era una explosión, pero esto es una bomba atómica. Organizamos un webinar hace dos meses acerca la IA generativa desde el punto de vista open source demostrando que es posible utilizar infraestructura, medios y capacidades propios para contrarrestar el coste descontrolado que conlleva su puesta en marcha en un entorno comercial como el de las big tech. El resultado de este evento fue un éxito total, con un pipe de peticiones inesperado.
¿Se corre el riesgo del vendor lockin en sus proyectos de IA?
Nosotros vamos en la línea inversa. Ya no solo el vendor lockin sino a quién estás vendiendo tus datos. Pongo un caso de medicina con IA generativa, esta empresa lleva acumulando sus datos 15 años y ahí estriba su valor. ¿Vas a utilizarla con ChatGPT? ¿a qué manos puede ir a parar? Nosotros garantizamos una caja hermética, de donde no salen los datos. Ya no estás cautivo gracias a una capa de abstracción para poder trabajar con total seguridad y con plataformas abiertas.
El éxito de PUE Data se centra en desarrollos de modelos abiertos con un stack propio. ¿Ha cambiado la percepción en torno al open source?
Sigue manteniendo ese prestigio de calidad. Evidentemente, es algo que tú tienes que gestionar, es un poco más “hazlo tú mismo”. Pero tiene prestigio y garantiza la confianza de que quien lo vaya a usar se basa en un estándar, mantenido por una comunidad que ofrece transparencia y seguridad. La evolución es continua y la comunidad es bastante abierta. De hecho, con ChatGPT los desarrollos open source han crecido como la espuma, con muy pocos recursos y con poca inversión consiguen hacer lo que los gigantes en meses y con mucho más dinero.
¿Vuestros clientes son conscientes de la fragilidad de los datos?
En relación con una estrategia de datos, hay que pensar a medio largo y plazo, y nadie lo hace. Cuando trabajas con datos, tienes que prever qué va a suceder en uno o dos años; y sobre todo quiénes son los responsables de esos datos. El 70% del tiempo de los proyectos se malgastan en determinar la calidad, limpiar los datos, asignar responsabilidades y otros ajustes de errores. Si, desde el principio, todas esas tareas se preparan a conciencia, los proyectos fluirían. El gobierno de los datos es el cimiento para un buen despliegue. Y la IA es la cúspide en este avance. Si no hay una estrategia de datos sólida, cualquier proyecto de inteligencia artificial será un fracaso. Precisamente, muchos proyectos fracasaron el año pasado por no tener datos organizados.
¿Puedes ilustrarnos con algún proyecto que hayáis puesto en marcha con IA generativa?
Tenemos un en el sector seguros, y se basa en crear un agente virtual que sirve de soporte a los agentes físicos para los chats con el cliente. No atiende directamente al cliente, sino que hace de mediador, localiza las pólizas, datos del usuario y toda la información necesaria para ayudar a responder más ágilmente las peticiones. Antes la persona tardaba dos minutos en dar una respuesta y ahora lo hace en ocho segundos. Tenemos otro que consiste en un ‘doctor virtual’, capaz de hacer un triaje, mantener una conversación con el paciente sobre sus síntomas y dar finalmente un diagnóstico.
