Quando falamos sobre a adoção de Inteligência Artificial corporativa, o roteiro nas empresas brasileiras costuma ser muito parecido: a diretoria exige um "ChatGPT interno" capaz de responder perguntas complexas sobre vendas, estoque, custos industriais ou prontuários médicos. O problema imediato? Os dados necessários para alimentar essa IA estão espalhados em dezenas de sistemas legados, ERPs, CRMs e planilhas departamentais.

A resposta tradicional da TI tem sido sobrecarregar a equipe de engenharia de dados. Pede-se a construção de pipelines intermináveis para extrair, transformar e carregar (ETL) todas essas informações em um repositório centralizado ou banco de dados vetorial, antes que a IA possa sequer ler a primeira linha. Esse processo é lento, caro e cria um gargalo monumental. No entanto, uma recente publicação da AWS sobre padrões de acesso federado para agentes de IA sinaliza uma mudança de paradigma que promete contornar esse obstáculo técnico.

El reciente anuncio de Google sobre el Sheets canvas llamó la atención del mercado al prometer la creación de paneles interactivos y herramientas de seguimiento a partir de un simple prompt de texto. La premisa es innegablemente seductora: basta con pedirle a la inteligencia artificial y los datos brutos de una hoja de cálculo cobran vida y forma gráfica instantáneamente. Para el usuario final, parece el fin de la complejidad analítica.

Sin embargo, para gestores y técnicos de empresas que lidian con la realidad de operaciones complejas —ya sea en la industria, el retail, la salud o la educación—, esta promesa exige una dosis enorme de pragmatismo. En e-Setorial Business Analytics, acompañamos el surgimiento y el declive de innumerables "balas de plata" a lo largo de casi 30 años de trayectoria. La adopción de IA aplicada a datos es una evolución fantástica, pero hay una verdad técnica y de negocios que el hype suele ignorar: ninguna inteligencia artificial, por más avanzada que sea, es capaz de generar insights confiables a partir de datos mal administrados, fragmentados y sin calidad.

La fiebre de la Inteligencia Artificial se ha apoderado de las reuniones de directorio. De hospitales a industrias, de cadenas minoristas a instituciones financieras, la orden es clara: debemos adoptar IA. Sin embargo, la prisa por implementar asistentes virtuales, agentes autónomos y modelos predictivos ha atropellado una verdad incómoda que nosotros, en e-Setorial, repetimos desde hace casi tres décadas: no existe inteligencia artificial sin inteligencia de datos. Y no existe inteligencia de datos sin calidad y gobernanza.

Si su base de datos corporativa es un pantano de informaciones duplicadas, registros incompletos y reglas de negocio oscuras, la IA no será una varita mágica. Será, a lo sumo, un motor de alto rendimiento para generar respuestas erróneas con extrema confianza.

La comunidad de ingeniería de datos acaba de recibir una excelente noticia con el lanzamiento de Apache Hop 2.19. Con decenas de nuevas funcionalidades y correcciones aportadas por una comunidad global de desarrolladores, esta actualización refuerza una verdad que a menudo se pierde en el ruido del mercado tecnológico: no existe Inteligencia Artificial o Business Intelligence de alto nivel sin pipelines de datos robustos, escalables y bien orquestados.

Mientras que el mercado corporativo brasileño — desde el comercio minorista hasta la salud, pasando por la industria y el sector financiero — es bombardeado a diario con promesas de 'IA mágica' que resolverá todos los problemas de negocio en un solo clic, la realidad en las trincheras de TI es muy diferente. En e-Setorial, con 30 años de experiencia práctica en administración de datos, sabemos que la verdadera magia ocurre entre bastidores. La base de cualquier innovación tecnológica sostenible reside en la calidad de la extracción, transformación y carga (ETL/ELT) de sus datos.

En los pasillos de hospitales, industrias, cadenas minoristas e instituciones financieras, el discurso es unánime: todos quieren implementar Inteligencia Artificial. La promesa de automatizar decisiones, predecir tendencias y conversar con los propios datos a través del lenguaje natural es seductora. Sin embargo, cuando el polvo del hype se asienta y los proyectos piloto comienzan, la gran mayoría de las empresas se topa con un muro de concreto. La IA no logra responder preguntas simples sobre el negocio, alucina números o, peor aún, toma decisiones basadas en premisas completamente falsas.

El motivo de este choque de realidad no radica en la limitación de los algoritmos o en la elección de la herramienta del momento. El problema es mucho más primario y, lamentablemente, descuidado por gran parte de los líderes: la calidad de los datos. En e-Setorial, con casi 30 años de experiencia práctica en administración de datos, modelado y Business Intelligence, tenemos una visión clara y pragmática sobre el tema: no existe Inteligencia Artificial sin inteligencia de datos. La IA es solo el motor; si el combustible está contaminado, el motor fallará y las pérdidas serán altas.

En los últimos años, el mercado corporativo ha sido bombardeado por la promesa de que la Inteligencia Artificial resolverá todos los cuellos de botella del negocio. La narrativa común, impulsada por el hype, sugiere que basta con conectar un modelo de lenguaje avanzado o un algoritmo predictivo a su repositorio de datos para obtener insights mágicos y una automatización perfecta. Con nuestra experiencia desde 1995 operando en el mercado brasileño, e-Setorial ya ha visto diversas olas tecnológicas prometer atajos inexistentes. La realidad, pura y dura, es una sola: la IA no crea inteligencia a partir del caos.

Muchas empresas en los sectores de salud, educación, industria y retail se apresuran a adoptar IA sin antes mirar su propio patio trasero. El resultado suele ser predecible: proyectos costosos que fallan tan pronto entran en producción, simplemente porque el algoritmo fue entrenado con registros duplicados, valores nulos, tablas desactualizadas y reglas de negocio no documentadas. Si sus datos son malos, su IA será solo un generador automatizado — y altamente confiado — de alucinaciones.

En nuestras reuniones con gestores de salud, comercio minorista, educación e industria, la pregunta que más escuchamos en los últimos meses es casi siempre la misma: '¿Cómo implementamos Inteligencia Artificial en nuestra operación?'. La respuesta que damos, basada en casi 30 años de trinchera en e-Setorial, suele frustrar a quien busca soluciones mágicas: no existe IA que sobreviva a malos datos.

Recientemente, Google publicó un artículo explicando el concepto de Full Stack AI, detallando las capas tecnológicas necesarias para hacer funcionar la inteligencia artificial. El gran problema es que la mayoría de las organizaciones en Brasil se enfoca solo en la cima de esta pila — los algoritmos y los chats interactivos —, ignorando solemnemente el fundamento de todo: la gobernanza y la calidad de su propia base de datos.

En un escenario empresarial cada vez más competitivo y volátil, especialmente en Brasil, la capacidad de transformar datos sin procesar en insights accionables ya no es un diferencial, sino una necesidad estratégica. Desde hace casi 30 años, e-Setorial Business Analytics ha seguido de cerca la evolución del uso de datos en las organizaciones, y con cada nueva herramienta, nuestro criterio es el mismo: ¿cuál es el impacto real en el negocio?

En este contexto, Power BI de Microsoft se ha consolidado como una de las plataformas de Business Intelligence más relevantes del mercado. Sin embargo, su mera implementación no garantiza el éxito. Es necesario comprender cómo esta herramienta puede aplicarse de manera eficaz para resolver los desafíos específicos de las empresas brasileñas, generando resultados tangibles y sostenibles.

Natura acaba de poner en funcionamiento su Búsqueda Inteligente, un servicio de búsqueda basado en la IA de AWS que ayuda a más de 1 millón de consultoras, quienes hoy realizan cerca de 400 búsquedas por minuto diariamente.

Descripción general

Natura es una de las empresas líderes en el sector de belleza y cosméticos en América Latina, con una presencia significativa e impactante en la región. Con marcas de renombre como Natura y Avon, el grupo abarca una amplia gama de productos y servicios, que van desde el cuidado de la piel y el cabello hasta fragancias y maquillaje. Hoy en día, Natura cuenta con 14,5 mil colaboradores distribuidos en 18 países, además de cinco fábricas y 19 centros de distribución.

Esta estructura atiende a más de 900 tiendas propias y franquicias, y a cerca de 3,5 millones de consultoras de belleza y representantes de las marcas, de las cuales más de 1,6 millones se encuentran en Brasil. Además de la estructura física, las consultoras también cuentan con un sistema de búsqueda de productos, que la compañía acaba de modernizar con el uso de inteligencia artificial (IA) generativa basada en AWS.1186690677

El senior cloud engineer de Natura, Eli Melo, explica que el sistema de búsqueda anterior solo permitía la búsqueda de términos exactos, lo que a menudo podía desincentivar una compra. “La persona escribía un término y, si no tenía una correspondencia exacta entre los productos, no había resultados. El usuario se quedaba sin respuesta y no compraba”, explica, citando el ejemplo del perfume Kaiak, que el sistema no encontraba si la consultora buscaba “caiaque”.

Además, el buscador tenía una limitación en el número de caracteres por nombre de producto, lo que también perjudicaba la búsqueda, ya que muchos registros se realizaban con abreviaturas. Para cumplir con las expectativas de las consultoras, Natura decidió que era hora de modernizar el sistema utilizando tecnologías más sofisticadas y eficientes que hicieran la búsqueda más inteligente.

“Comenzamos a pensar en el uso de algoritmos y de IA para realizar la búsqueda. Durante el período de estudios, nos pusimos en contacto con AWS, que nos proporcionó una inmersión en el uso de servicios basados en IA”, relata. De acuerdo con Melo, uno de los productos que se materializó como solución fue precisamente Amazon OpenSearch Service, que ya trae incorporados algoritmos que permiten búsquedas por contexto y por fonética, además de texto.

Eli Melo - Senior cloud engineer de Natura

"Durante el período de estudios, nos pusimos en contacto con AWS, que nos proporcionó una inmersión en el uso de servicios basados en IA"

Solución | Construyendo una solución inteligente

El ejecutivo explica que, para que la búsqueda se realizara como debía, era necesario aplicar algoritmos de IA sobre la base de datos de los productos. De esta forma, la solución se encontró en algoritmos ya existentes, como la búsqueda fonética, la búsqueda vectorial y la generación de tags mediante Modelos de Lenguaje (LLM), lo que posibilitó una búsqueda que podría considerarse inteligente.

De ahí la decisión de desarrollar una solución de búsqueda interna, basada en servicios de AWS como Amazon OpenSearch, que ofrece flexibilidad en el almacenamiento de los datos de registro de los productos y posibilita la aplicación de una variedad de algoritmos de Machine Learning (ML), permitiendo obtener búsquedas fonéticas, vectoriales y otras; y Amazon Bedrock, que permite el pago por demanda, eliminando la preocupación por instanciar y mantener la infraestructura. “Con Bedrock, además de acceder a una variedad de LLM disponibles, también podemos aprovechar las integraciones nativas con otros servicios de AWS, lo que hace que la solución sea más sencilla de operar”, explica Melo, recordando que los modelos LLM también permitieron la adición de términos (en forma de tags), relacionando los productos registrados con términos que pertenecen contextualmente.

La solución también utilizó AWS Lambda, que con su enfoque serverless permite la ejecución de código sin la necesidad de administrar servidores, con escalabilidad automática y pago solo por el tiempo de ejecución. Melo destaca que este conjunto forma una infraestructura más flexible, diseñada de la siguiente manera:

Esta arquitectura presenta un flujo que comienza con el ingreso del cliente a la API de búsqueda, realizando una consulta semántica en el clúster de Amazon OpenSearch, mientras también alimenta un pipeline con datos sobre el comportamiento del usuario (productos más buscados, búsquedas sin resultados, etc.). Mientras tanto, al insertar nuevos productos, la IA generativa integra el pipeline para enriquecer los metadados del producto, ayudando en el momento de la búsqueda:

“Fuimos trabajando estas ideas en un camino de estudios, intentos y errores. Un punto genial es que en AWS tenemos la facilidad de subir cosas, probar, validar, etc. Una prueba sencilla no toma meses. Esta celeridad nos ayudó a demostrar valor rápidamente”, afirma. El ejecutivo explica que, de esta forma, se desarrolló un primer entorno no productivo, demostrando que los problemas relacionados con el sistema anterior se habían resuelto. Así, el sistema de búsqueda se fue perfeccionando hasta ponerse en producción, inicialmente con el 5% del equipo de ventas, con un enfoque en la realización de pruebas y la recopilación de métricas. Desde la idealización hasta esta primera versión, todo el desarrollo se realizó en un mes.

El senior cloud platform engineer & DevOps de Natura para América Latina, Marcelo Fabricanti, recuerda que esta primera versión se entregó completamente funcional, permitiendo mejoras como la inclusión de nuevas métricas. “Hoy mapeamos lo que la gente busca y nos dirigimos hacia una tercera fase: si el resultado de la búsqueda fue al carrito y en qué página estaba dicho resultado. Estamos trabajando en la relevancia. Es un proceso a largo plazo”, señala.

Próximos pasos | Mejorando resultados y ventas

Fabricanti destaca que desde la implementación de la Búsqueda Inteligente se ha constatado un aumento no solo en los resultados obtenidos, sino también en su precisión. Hoy en día, la solución está disponible para el 100% de las más de un millón de consultoras de Natura en Brasil, responsables de realizar cerca de 400 búsquedas por minuto diariamente.

En comparación con el sistema anterior, Natura registró mejoras como 205 mil búsquedas con productos añadidos por el nuevo sistema; 54 mil búsquedas con resultados que no habrían sido atendidas por el sistema anterior; y un 99% de búsquedas con productos relacionados añadidos a los resultados. “Podemos concluir que el nuevo motor de búsqueda no solo incluye productos, sino que también genera resultados que, en muchos casos, con el sistema antiguo no habrían devuelto ningún producto. Esto se traduce en un aumento significativo en la probabilidad de que el usuario añada productos al carrito, lo que consecuentemente incrementa la posibilidad de conversión”, afirma.

Fabricanti destaca además que, al analizar el rendimiento de la Búsqueda Inteligente, su equipo constató que, en promedio, las consultas se completan en menos de 50 milisegundos, lo que indica no solo mejoras funcionales, sino también una ganancia de rendimiento en comparación con el sistema anterior. “La idea para el futuro es utilizar el nuevo mecanismo en todos nuestros canales: aplicaciones, consumidores finales, etc. Hoy estamos en una de las aplicaciones, pero hay otros canales que aún pueden recibir esta búsqueda renovada. La idea es expandirnos a todos los canales”, concluye.

Sobre Natura

Natura es una de las empresas líderes en el sector de belleza y cosméticos en América Latina. Con marcas como Natura y Avon, el grupo cuenta con cerca de 16 mil colaboradores distribuídos en 18 países, además de cinco fábricas y 19 centros de distribución.

Servicios de AWS utilizados

Contacto

La implementación del data lake de la Alcaldía benefició a diferentes secretarías, aumentó la productividad de los colaboradores y dio como resultado una entrega de servicios a la población aún más consistente

RESULTADOS CON GOOGLE CLOUD

• 41,3 TB de datos almacenados y 9,5 TB de datos procesados diariamente
• Más de 6 millones de lecturas OCR procesadas por día en CIVITAS
• Más de 1.400 casos que utilizaron información generada por captura de imágenes a partir de IA
• Reducción del tiempo de respuesta al ciudadano propiciado por el chatbot, de 30 a 5 min

La implementación del data lake de la Alcaldía benefició a diferentes secretarías, aumentó la productividad de los colaboradores y dio como resultado una entrega de servicios a la población aún más consistente

La Oficina de Datos de la Ciudad de Río de Janeiro comenzó a operar en 2022. La división surgió con la misión de aumentar la eficiencia de la administración municipal basándose en datos y evidencias. Actualmente, la Oficina —que ahora forma parte de IplanRio, empresa municipal de tecnología liderada por Carabetta— integra una infraestructura única de datos, que centraliza información esencial de la Alcaldía Municipal y sus diversas secretarías.

Pero, para que esta transformación relacionada con los datos fuera posible, otra historia comenzó a contarse, allá por 2021, en la Secretaría de Transportes, donde hubo una solicitud inicial relacionada con el monitoreo de autobuses en la ciudad vía GPS, en tiempo real, y que requeriría un análisis más profundo.

“El GPS se había implementado desde 2011 en la red de transporte terrestre de la ciudad. Sin embargo, era necesario aprovecharlo mejor. El objetivo era crear una infraestructura para guardar esta información del GPS que aparece en el feed y luego procesarla. La intención, con esto, era realizar diversos análisis, saber qué autobús pasa a una hora determinada y verificar de cerca las actividades de las empresas prestadoras de servicios”, detalla João Carabetta, Director Ejecutivo de Tecnología de la Alcaldía de Río de Janeiro.

Además de la necesidad directamente vinculada a la cartera de Transportes, surgieron otras con el tiempo. En el sector público, muchos organismos enfrentan dificultades de acceso, integración y gobernanza de sus propios datos, con una infraestructura física que a menudo es limitada. Por lo tanto, la idea era contar con una infraestructura integrada y completa, que permitiera nuevas soluciones para todas las secretarías municipales de Río de Janeiro.

La modernización traída por el uso de herramientas en la nube

A principios de 2022, hubo una fase de consulta pública para definir qué empresa podría liderar el proyecto de data lake de la Alcaldía, ocasión en la que diversos proveedores de servicios divulgaron sus precios y requisitos, abarcando cada stack de herramientas tecnológicas.

En esta etapa, Google Cloud ganó terreno. Uno de los grandes diferenciales presentados fue BigQuery, que contaba con soporte para entrenar modelos de IA y poseía el mejor rendimiento y relación costo-beneficio, algo esencial para abstraer la complejidad de la computación y la administración de recursos.

De este modo, la arquitectura inicial se montó en unos tres o cuatro meses, priorizando la gobernanza y el control de acceso de los usuarios. Inmediatamente después, los datos comenzaron a integrarse gradualmente, abriendo camino a lo que sería el concepto de centralización de los datos operativos y transaccionales de la Alcaldía.

En junio de 2022, se lanzó el data lake, que contiene algunas de las bases de datos más importantes de la Alcaldía de Río de Janeiro. Hoy en día, diversas soluciones del organismo público ya operan dentro de esta plataforma, que continúa expandiéndose e incluyendo más proyectos cada año.

Las funcionalidades ofrecidas por la nube, especialmente las relacionadas con BigQuery, se destacaron debido a su facilidad de uso y posibilidad de escala. João Carabetta.

Nueva era: un data lake que daría la bienvenida a diferentes proyectos

Ahora, la información esencial se centraliza en la Alcaldía Municipal de Río de Janeiro, como la nómina de los empleados; datos escolares (incluyendo asistencia y boletines de los estudiantes); datos de transporte, como el GPS de autobuses en tiempo real; datos de salud, que abarcan tanto el inventario de medicamentos como los historiales clínicos de los pacientes; y datos de seguridad pública, como la identificación de vehículos que circulan por la ciudad en tiempo real.

Descubrimos que, para la lectura de imágenes, Gemini se destaca en la identificación de contexto. Desde una simple inundación y un automóvil parado en la vía, hasta personas caminando dentro de un túnel, en fin, todo lo que pueda representar algún riesgo de seguridad puede ser mapeado con la ayuda de Gemini.
João Carabetta, Director Ejecutivo de Tecnología, Alcaldía de Río de Janeiro

Aunque no todos los datos están disponibles públicamente, se puede acceder a algunos a través del portal DataRIO y sus APIs, lo que permite a los ciudadanos utilizar esta información para sus propias consultas y análisis.

En lo que respecta a la estructura técnica, la Oficina de Datos, ahora incorporada a IplanRio, empresa municipal de tecnología, utiliza clusters en Google Kubernetes Engine para alojar servicios y ejecutar aplicaciones, que también soportan la infraestructura de ETL para BigQuery. Cloud Storage es útil para montar tablas externas. Además, el chatbot de la Alcaldía para atención al público se implementó en Dialogflow, con webhooks en GKE que integran servicios on-premise. Dialogflow gestiona los flujos de interacción y actúa en el 1746 para la atención al ciudadano, una iniciativa enfocada en el mantenimiento urbano.

Pero las novedades continuaron, y las soluciones de Google Cloud pasaron a ser fundamentales para atender también al área de la seguridad pública. La Central de Inteligencia, Vigilancia y Tecnología de Apoyo a la Seguridad Pública, CIVITAS, que se encarga de unificar los datos municipales y analizarlos desde la perspectiva de la seguridad pública y tecnologías avanzadas, hace un uso extensivo de Gemini. A través de una sala de situación en el Centro de Operaciones de Río y el uso de la IA, miles de cámaras y radares de la ciudad se utilizan para monitorear vehículos sospechosos, identificar placas clonadas y actuar en otras situaciones de riesgo.

Números que comprueban los avances de la transformación tecnológica

En general, la infraestructura adoptada por el organismo público aumentó la productividad de los colaboradores, liberando a los profesionales para concentrarse en análisis y estrategias, en lugar de enfocar su atención en cuestiones técnicas.

Ahora, la Oficina logra crear soluciones de datos en pocos días o semanas, escalando fácilmente a volúmenes masivos (terabytes y petabytes) sin alterar la infraestructura. En la actualidad, la Alcaldía Municipal reúne 41,3 TB de datos almacenados; 9,5 TB de datos procesados diariamente, 49 sistemas integrados y 10,5M de consultas ejecutadas. El Data Office, que une a la Secretaría de Salud, la Secretaría de Transportes, la Secretaría de Educación, Rio Águas, la Gestión de Personal y el CIVITAS, el Centro de Operaciones, además de AlertaRio, entre otros, alcanzó métricas significativas.

En el caso de CIVITAS, en promedio, se procesan más de 6 millones de lecturas de OCR al día y, en menos de un año, ya se han presentado más de 1.400 casos que utilizaron la información generada mediante la captura de imágenes con la ayuda de la IA generativa, y más de 7 mil placas de vehículos sospechosos registradas en el Cerco Electrónico.

Otros proyectos impresionan por su desempeño en lo que respecta a la atención a la población. El chatbot viabilizado por la IA, que es el canal directo de comunicación para tratar el mantenimiento urbano del municipio, registró un tiempo de respuesta al ciudadano que disminuyó de 30 a 5 minutos, en más de 30 mil conversaciones al mes.

Estos son solo algunos de los programas liderados por el municipio y que cuentan con la Oficina de Datos para su pleno funcionamiento. Así, las métricas y los resultados positivos obtenidos a lo largo del tiempo comprueban que las herramientas en la nube no solo promovieron esta revolución de los datos internos de la Alcaldía, sino que también mejoraron de manera significativa la accesibilidad y la eficiencia de los servicios ofrecidos al ciudadano.

Tenemos objetivos audaces. Uno de los principales es el crecimiento de CIVITAS, y la idea es expandir el número de cámaras de la ciudad. Estamos comenzando a utilizar agentes de IA también, para realizar lecturas y reportes de seguridad, con el fin de automatizar nuestro trabajo.
João Carabetta, Director Ejecutivo de Tecnología, Alcaldía de Río de Janeiro

La Oficina de Datos es un centro de investigación, formación y divulgación en ciencia y visualización de datos de la Alcaldía de la Ciudad de Río de Janeiro.

Industria: Sector Público

Ubicación: Brasil

Productos: BigQuery, Cloud Storage, Dialogflow, Gemini, Google Kubernetes Engine

Contacto