El término “big data” ha evolucionado de manera diferente en el Reino Unido en comparación con los Estados Unidos. Mientras que en los Estados Unidos ya se considera simplemente “data”, en el Reino Unido todavía se utiliza ampliamente. Esta diferencia de percepción fue destacada por el CTO de Teradata, Stephen Brobst, quien afirmó: “No hay necesidad de una estrategia de big data en los Estados Unidos, simplemente lo llamamos estrategia de datos”. Brobst hace referencia a la diferencia en la forma en que se percibe este concepto en su país de origen, donde el término “big data” casi ha desaparecido, en comparación con el Reino Unido, donde todavía lo encontramos a diario en Computing. “¿Cómo llamarías a esto?”, pregunta Brobst, mostrando su teléfono móvil cuando nos encontramos con él en las oficinas de Teradata en Londres. “¿Un smartphone? Yo simplemente lo llamo teléfono. Si algo está en todas partes, ¿por qué llamarlo de manera diferente?”

El enfoque del Reino Unido hacia los datos es más fragmentado que el de los Estados Unidos; todavía existen equipos dedicados al big data, así como puestos de trabajo específicos como Ingeniero de Big Data y Líder de Big Data (una búsqueda en LinkedIn arrojará varias páginas). Brobst es un apasionado de los datos y admira especialmente la estrategia del Silicon Valley de ofrecer servicios gratuitos para acceder a la información de los usuarios. Nos cuenta que el Valley está muy por delante del resto del mundo en el análisis de esos datos, aunque algunas industrias, como los servicios financieros, están a la par. La inteligencia artificial está transformando la analítica, especialmente con la incorporación de funciones de aprendizaje profundo. Si bien la idea no es nueva, “ha tomado 50 años para que la tecnología se ponga al día”. Hace apenas tres años que los investigadores comenzaron a crear las redes neuronales binarizadas necesarias para habilitar el aprendizaje profundo, aunque ya la inteligencia artificial de aprendizaje profundo supera a los humanos en algunas áreas, como el reconocimiento de imágenes.

Brobst está de acuerdo en que el “lavado de inteligencia artificial” es un problema. Él cree que una característica definitoria de la inteligencia artificial es “¿Estás aprendiendo?”. Por ejemplo, Deep Blue era pura computación de fuerza bruta, no inteligencia artificial. Sin embargo, DeepMind de Google sí lo es (Go, para lo que se creó DeepMind, es menos procedimental que el ajedrez). Sin embargo, Brobst reconoce que la mayoría de la inteligencia artificial tiene un rango de operación muy limitado: DeepMind no puede jugar ajedrez. El big data y la inteligencia artificial van de la mano; sería mucho más difícil hacer uno sin el otro. Brobst lo sabe y reconoce la importancia de los datos, sin importar cómo se les llame. Lo ha hecho durante años: a fines de la década de 2000, fue nombrado miembro del Consejo de Asesores del Presidente sobre Ciencia y Tecnología (PCAST), donde coescribió un informe llamado “Diseñando un Futuro Digital: Investigación y Desarrollo Financiado por el Gobierno Federal en Redes y Tecnología de la Información”. El primer párrafo del resumen ejecutivo, presentado en 2010, recomendaba que todas las agencias federales tuvieran una estrategia de big data.