Una ronda de financiación de cien millones de dólares lleva a una compañía de ciberseguridad a elevar su valoración a mil millones, y convertirse así en uno más de ese club de los llamados unicornios.
Por Enrique Dans, Profesor en Sistemas de Informacion en el IE Business School
Una ronda de financiación de cien millones de dólares lleva a una compañía de ciberseguridad a elevar su valoración a mil millones, y convertirse así en uno más de ese club de los llamados unicornios.
Una noticia que no iría mucho más allá, dado que la lista de esos unicornios crece día a día y los analistas se dividen entre los que hablan de una nueva burbuja y de una apropiación de valor de las compañías tradicionales, si no fuera por el tipo de compañía de la que hablamos, que se dedica a analizar la ciberseguridad de las compañías mediante la aplicación de inteligencia artificial al análisis de vulnerabilidades, malware, virus, ataques zero-day y demás amenazas. Básicamente, entrenar a una máquina para pensar como un hacker, y aplicar una gama creciente y constantemente cambiante de herramientas para intentar detectar amenazas para sus clientes.
La compañía, que cuenta con una larga lista de clientes corporativos y con un flujo de ingresos importante que la aleja de la típica imagen de startup que lo fía todo a sus expectativas de crecimiento futuro, no es por supuesto la única que trabaja en este sentido, y refleja, de hecho, una tendencia cada vez más clara: la anunciada por Kevin Kelly en un artículo en Wired de 2014, titulado “The three breakthroughs that have finally unleashed AI on the world“, en el que venía a decir que los planes de negocio de las siguientes diez mil startups eran muy fáciles de entender: “toma X, y añádele inteligencia artificial”.
Hay tres elementos que están determinando el futuro de manera cada vez más clara: por un lado, la existencia de recursos de computación cada vez más baratos y accesibles en la nube, que sustituyen a los inmensos y carísimos superordenadores que antes se dedicaban a este tipo de tareas de analítica compleja y multidimensional. En segundo lugar, la disponibilidad cada vez mayor de grandes archivos de datos transaccionales y de otros tipos, derivados de la trazabilidad electrónica de la práctica totalidad de todo lo que hacemos en nuestra vida cotidiana, y que suponen inmensas bases de datos con las que entrenar a los algoritmos: la verdadera importancia del big data, finalmente, no ha sido poder poner a humanos a analizar esos datos, sino poder utilizarlos masivamente para entrenar a inteligencias artificiales. Finalmente, el desarrollo de algoritmos de aprendizaje cada vez mejores, más eficientes, y capaces de generar procesos que se alejan muchísimo de la idea de la automatización y se adentran de forma cada vez más clara en el razonamiento original o creativo.
Vivimos un fascinante momento de aplicación de inteligencia artificial a todo, a cualquier tarea antes reservada al cerebro humano. Como decía Bob Williamson, director del Machine Learning Group en el National ICT australiano, “alguien conseguirá democratizar el machine learning de la misma forma que las hojas de cálculo lo hicieron con el cálculo matricial”.
Dedícale un rato a pensarlo, no te quedes en una simple lectura. Curiosea los enlaces, procesa la idea en tu cabeza: inteligencia artificial cada vez más barata y accesible, y aplicada a toda aquella tarea imaginable, a cualquier tarea que hoy hacemos seres humanos, y que pasará a ser desarrollada no solo de manera más eficiente en coste, sino además, con resultados más fiables y de mejor calidad, mucho más allá de la mera automatización. Entender esto es fundamental para hacerse con una de las claves más importantes de lo que vamos a ver en un futuro cada vez más cercano.
