Por qué modernizar los cimientos de datos es un primer paso crítico en cualquier estrategia de AI
por Aly McGue
Existe una versión de la historia de la modernización de la AI que dice: primero construye la plataforma y luego define los casos de uso. Ankur Jain te diría que eso es empezar por el final, y que la mayoría de las organizaciones lo están aprendiendo de la manera difícil.
Ankur es director de Modernización de Datos y Nube en Acxiom, la base de tecnología y datos conectados que ayuda a las marcas globales a resolver la identidad de los clientes a través de múltiples canales, enriquecer los perfiles de los clientes con más de 10 000 atributos y ofrecer resultados en la adquisición, retención y personalización de clientes.
Ankur lidera tanto la ingeniería de productos como la ingeniería de soluciones orientadas al cliente, lo que significa que es responsable no solo de lo que construye Acxiom, sino también de cómo esas capacidades se integran en los entornos donde realmente operan los clientes.
Tras incorporarse a la empresa hace menos de dos años, Ankur lideró la modernización de la infraestructura principal de Acxiom, los pipelines de datos, la arquitectura heredada y la pila tecnológica subyacente. Hoy en día, Acxiom está construyendo activamente flujos de trabajo agénticos que automatizan toda la cadena de valor del marketing.
Aly McGue: Muchas organizaciones quieren dar el paso hacia la AI agéntica, pero siguen ejecutando sus cargas de trabajo principales en infraestructuras heredadas. ¿Cuál es el riesgo de intentar construir inteligencia sobre una base que no fue diseñada para ello?
Ankur Jain: El riesgo es que chocas contra un muro casi de inmediato. Cuando me incorporé a Acxiom, tanto los productos como las soluciones para clientes se alojaban principalmente on-premises. Cuando tus productos y soluciones están limitados a un centro de datos, su escalabilidad es acotada. El rendimiento no estaba a la altura de los casos de uso en tiempo real que solicitaban los clientes. Y además, había mucha tecnología heredada: la pila tecnológica necesitaba una actualización, una reinvención de lo que podría ser una arquitectura nativa de la nube.
Lo que también vimos fueron muchos pipelines manuales, mucha redundancia de datos y copias de los mismos datos en múltiples lugares. El proceso en sí no era muy eficiente. Cualquier organización que intente crear capacidades agénticas sobre una base fragmentada o heredada va a pasar más tiempo gestionando la infraestructura que desarrollando productos.
Para nosotros, la visión estratégica se reduce a dos grandes objetivos: la modernización de datos y el marketing agéntico. Son secuenciales, no paralelos. No se puede construir un ecosistema de marketing agéntico sobre una base heredada.
Aly: Pasaron de Hadoop on-premises a Databricks. ¿Qué hizo posible ese cambio que antes no lo era?
Ankur: En términos de rendimiento, hemos visto mejoras en todos los ámbitos, en diferentes tipos de cargas de trabajo y diferentes tipos de pipelines, con tiempos de ejecución entre un 80 y un 90 % más rápidos. Las cargas de trabajo que solían tardar más de 50 horas, a veces más de 90 horas (y hablo de horas, es decir, literalmente días, a veces hasta una semana), ahora se completan en 2 o 3 horas. Esas mismas cargas de trabajo, en solo 2 o 3 horas.
También ha liberado a nuestro personal. En algunos casos, hemos podido reasignar varios puestos de tiempo completo para que se concentren en resultados de mayor valor añadido en lugar de gestionar la infraestructura. Lo principal que permitió fue que el equipo de ingeniería se centrara más en los resultados de negocio en lugar de preocuparse por la infraestructura subyacente. Eso puede sonar como una victoria menor, pero cuando tus ingenieros dedican su tiempo a desarrollar productos y ofrecer soluciones a los clientes en lugar de limitarse a mantener las luces encendidas, cambia por completo lo que eres capaz de intentar.
Aly: ¿Dónde ve que la AI agéntica está transformando los flujos de trabajo de marketing reales hoy en día y hasta dónde se extiende esa visión?
Ankur: La operación principal de Acxiom está muy centrada en los datos. Recopilamos datos de marketing de múltiples plataformas (CRM, comercio electrónico, Adobe Analytics, Google Analytics) y ayudamos a las marcas a construir una visión holística del cliente, enriquecerla y ofrecer resultados. Tradicionalmente, eso requería un equipo de ingenieros y arquitectos de datos que modelaban todo y construían pipelines manualmente. El proceso de ETL siempre es el que más tiempo consume y solía llevar meses.
A través de la AI, todo ese ciclo se reduce. Generación de código mediante prompts, pruebas automatizadas de resultados y pipelines de CI/CD acelerados. En el lado del marketing, producir diferentes variaciones de un anuncio solía llevar meses a las agencias creativas. Ahora se pueden analizar anuncios a escala mediante machine learning, introducir esos resultados en un motor de AI y generar variaciones altamente personalizadas en cuestión de minutos.
Donde hemos visto el mayor cambio real es en la ejecución. Tomemos como ejemplo la planificación de audiencias: un profesional de marketing introduce un prompt que describe el objetivo de una campaña y el perfil objetivo, y el agente construye los segmentos de audiencia con perfiles de usuario de ejemplo utilizando datos de Acxiom, muestra diferentes dimensiones demográficas y de comportamiento, y permite que el profesional de marketing los perfeccione a partir de ahí. Lo que antes requería el esfuerzo de varias personas con diferentes habilidades y mucho tiempo de preparación, ahora se hace de forma agéntica en minutos. Hemos demostrado el mismo patrón para la compra de medios: un agente consulta el inventario disponible, lo evalúa, toma una decisión de compra y activa las audiencias en todos los canales.
El objetivo es conectar todo el pipeline (desde el diseño de la audiencia hasta la compra de medios, la activación y el análisis de rendimiento) en un marco agéntico. Toda esa capacidad de AI para BI que Databricks está construyendo a través de Genie y su ecosistema agéntico es exactamente hacia donde se dirigen las cargas de trabajo de marketing como las nuestras. Todo se puede poner a funcionar de extremo a extremo.
Aly: Acxiom opera en sectores altamente regulados y el despliegue de agentes requiere un alto nivel de confianza. ¿Cómo influye esto en la forma de diseñar la gobernanza en los flujos de trabajo agénticos?
Ankur: Los datos que manejamos incluyen PII, por lo que cada flujo de trabajo agéntico que construimos comienza con la privacidad como un principio de arquitectura.
En la práctica, eso significa que el contenido generado por AI nunca va directamente a una campaña activa. Se canaliza a través de un flujo de trabajo de aprobación donde el equipo legal revisa las piezas creativas y los mensajes antes de que lleguen al cliente. Los agentes operan dentro de límites definidos, con controles de seguridad y privacidad integrados en el pipeline, y siempre hay supervisión humana en cada punto de decisión que implique un riesgo regulatorio o de marca. El objetivo no es ralentizar las cosas, sino garantizar que la velocidad no se consiga a costa de la confianza, ya sea para el cliente, la marca o Acxiom.
Aly: ¿Qué significa que los productos de Acxiom sean nativos de la AI y cómo cambia eso la experiencia real de los clientes?
Ankur: Ser nativo de la AI significa que la inteligencia está integrada en toda la cadena de valor del marketing: ingesta de datos propios, resolución de la identidad del cliente, enriquecimiento de perfiles con los activos de datos de Acxiom, creación de segmentos de audiencia, planificación de compras de medios, activación de campañas en todos los canales y retroalimentación de los análisis de rendimiento en el siguiente ciclo. Cada uno de esos pasos ahora puede estar impulsado por AI en lugar de ser orquestado manualmente.
Para los clientes, el mayor cambio es la transparencia. Tradicionalmente, gran parte de lo que ofrecíamos funcionaba como una caja negra. Las marcas enviaban datos, se obtenían resultados y la lógica intermedia era opaca. Ahora, esas mismas capacidades se pueden ofrecer de forma colaborativa, dentro de las plataformas que los clientes ya utilizan, con total visibilidad de cómo se toman las decisiones. Eso es lo que piden los clientes: encontrarlos donde están, operar en su entorno y hacer que el proceso sea transparente.
Y es una fuerza motriz que no solo proviene del interior de la organización, sino directamente de nuestros clientes. Nos preguntan: ¿cómo pueden hacerlo más rentable? ¿Cómo pueden hacerlo más eficiente? ¿Cómo pueden hacerlo más rápido? Si quieres responder a esas preguntas con honestidad, tienes que incorporar la AI.
Aly: Sus activos de datos son fundamentales para lo que vende Acxiom. ¿Cómo está evolucionando la forma en que entregan esos datos a los clientes y qué posibilidades abre esto?
Ankur: Acxiom ayuda a los clientes a aprovechar al máximo sus datos de clientes. Les ayudamos a ponerlos a trabajar y a monetizarlos. Proporcionamos activos de datos que las marcas de otro modo no tendrían, en sectores como la automoción, el comercio minorista, la salud y el farmacéutico. Históricamente, la entrega de esos datos se realizaba por medios tradicionales, a través de SFTP. Una marca solicitaba el enriquecimiento, firmábamos un contrato y enviábamos los archivos. Esa era la forma antigua.
Ahora estamos integrando nuestros datos de forma agéntica, ya sea en nuestras propias plataformas o directamente en el entorno del cliente. Nos asociamos con las principales plataformas de martech donde nuestros activos de datos están disponibles de forma nativa. Si un cliente está construyendo su propia plataforma de AI, podemos integrarnos de forma agéntica para que pueda realizar una llamada a nuestros activos y utilizarlos directamente. También estamos desarrollando soluciones de clean rooms en colaboración con Databricks, donde los clientes pueden integrarse con los datos de Acxiom de manera segura para la privacidad dentro de su propio ecosistema.
Las marcas con las que trabajamos entienden que los datos propios son su activo más valioso. La privacidad de los datos juega un papel muy importante a la hora de manipular y procesar esta información. Las marcas quieren ejercer un mayor control y están internalizando constantemente sus capacidades de marketing. La expectativa está cambiando para que las agencias trabajen dentro de las plataformas y los marcos de gobernanza de las marcas. Las agencias que puedan operar y ofrecer resultados de forma nativa en ese entorno serán indispensables.
Aly: Si estuvieras hablando con un colega de la alta dirección que apenas está comenzando a escalar sus esfuerzos de AI, ¿qué es lo único que querrías que escuchara?
Ankur: Asegúrate de que la base sea sólida. Se habla mucho sobre la AI, lo cual ya no es solo una moda, sino una realidad. Pero lo que determina el éxito o el fracaso de toda iniciativa de AI es la base sobre la que se sustenta. En nuestro caso, pasar de un entorno on-premises a la nube no era solo una ambición. Pensar en el futuro lo convirtió en una necesidad para poder ser un actor relevante en el camino de la AI. Una base de datos sólida, una arquitectura nativa de la nube, la gobernanza de datos y la seguridad: esos son los ingredientes clave. Cualquier organización que se salte ese paso tarde o temprano se dará cuenta de que no era opcional.
El modelo de Acxiom es un marco de referencia útil para cualquier ejecutivo que esté evaluando dónde concentrar sus esfuerzos. Modernizar la base y adoptar la AI agéntica no son dos programas distintos que compiten por presupuesto y atención. Son la misma apuesta, realizada de forma secuencial. Diseña correctamente la capa de datos, demuestra el valor a través de pilotos enfocados y luego integra tus capacidades diferenciadas donde los clientes realmente las necesitan.
La transición que describe Ankur (de entregar datos mediante transferencias de archivos a integrar inteligencia de forma nativa en los entornos de los clientes) no es solo una actualización arquitectónica. Cambia el tipo de empresa que es Acxiom. Ese tipo de reposicionamiento no se logra simplemente acoplando la AI a una infraestructura on-premises. Requiere que la base sea lo primero.
Descubre cómo más de 25 expertos del sector y más de 1200 encuestados de nivel directivo están preparando el terreno para una implementación exitosa de la AI al acceder al informe "Making AI Deliver" de Economist Enterprise, creado en colaboración con Databricks.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.