Los datos empresariales y la tecnología empresarial son utilizados por Denodo para que las organizaciones las puedan utilizar de manera natural y beneficiarse al convertirlos en información que aportan a un mejor desempeño de las empresas con un sistema único.
Denodo combinó ambas tecnologías para que sus usuarios obtengan lo mejor de ambos mundos: un usuario podrá acceder a información de acuerdo con sus necesidades en lenguaje natural y automáticamente recibirá una respuesta con los datos que precisa mediante el uso combinado de Chat-GPT y Denodo Data Fabric.
Los motores bot basados en Chat-GPT pueden por ejemplo traducir una consulta de un usuario expresada en lenguaje natural (e incluso en viva voz mediante la aplicación de tecnología “speech-to-text”) en una expresión de consulta SQL (“Standard Query Language”) que puede lanzarse sobre una aplicación empresarial.
Se tienen interfaces unificadas de acceso a datos que proporcionan las tecnologías de Data Fabric, ya que permiten poder consultar de forma unificada datos empresariales aunque los mismos puedan encontrarse en distintos repositorios empresariales tanto internos (bases de datos, lagos de datos, etc.) como en la nube (aplicaciones SaaS como Salesforce, Workday, etc.), con el cumplimiento de las reglas de gobierno y seguridad de datos establecidas por la organización.
La ventaja de este uso conjunto radica en que sólo se accederá a un sistema único ya que el Data Fabric aglutina el acceso a cualquier repositorio empresarial tanto interno como en la nube de una forma gobernada y segura.
Este tipo de interacciones con aplicaciones empresariales van a ser comunes en las empresas en los próximos años. No obstante, el uso de la inteligencia artificial y el aprendizaje automático ya forma parte de los sistemas de gestión de datos empresariales basados en la arquitectura Data Fabric.
Denodo analiza mediante modelos de machine learning las consultas realizadas por los usuarios para sugerirles datos que puedan ser de interés para los mismos, de una forma similar a la que Amazon nos proporciona recomendaciones automáticas de productos de interés conforme los perfiles.
También analiza dichas consultas con modelos igualmente de machine learning para sugerir agregaciones parciales de datos que pueden materializarse para poder optimizar la ejecución de las consultas futuras.
En el ámbito empresarial, los científicos de datos disponen de un acceso integrado a datos que son curados y gobernados en el Data Fabric sobre los que pueden generar modelos de ML para múltiples usos, como por ejemplo la generación automática de precios y ofertas individualizadas para cada cliente, análisis de las tasas de abandono (“churn”) o de la segmentación de clientes de acuerdo a su perfil.
Las tecnologías de inteligencia artificial y aprendizaje automático han llegado para quedarse y formarán parte del día a día de las empresas en los próximos años, concluyó Denodo.