by Huenei IT Services | Sep 20, 2023 | Inteligencia Artificial
¿Cómo se puede integrar con éxito Chat GPT con modelos de OpenAI en un desarrollo de software?
La tecnología está avanzando a pasos agigantados y nos ofrece cada vez más soluciones y posibilidades para explorar en el mundo del desarrollo. Estos avances pueden llevarnos a lugares inimaginables. La necesidad de estar constantemente a la vanguardia de este abanico de posibilidades nos lleva a buscar la formación continua. El objetivo es siempre incorporar nuevos conocimientos para, por ejemplo, integrar modelos de OpenAI dentro de proyectos con tecnología de punta, como por ejemplo las integraciones de Chat GPT.
En esta publicación queremos compartir de qué modo, junto con uno de nuestros grandes clientes, logramos implementar un caso de negocios concreto en el cual realizamos una integración de Chat GPT en una solución de software personalizada.
El objetivo de la aplicación fue facilitar una plataforma de capacitación dinámica y flexible para el equipo de ventas de un laboratorio farmacéutico de reconocido prestigio, con la capacidad de obtener información en línea sin necesidad de realizar cargas previas de datos a fin de ahorrar costos y tiempo.
Además de incluir funcionalidades estándar de administración de usuarios, grupos y perfiles, la solución de software contiene módulos relacionados con la gestión de la capacitación: roles, exámenes sugeridos para cada rol, formularios de examen y seguimiento de resultados por examen, por rol y por grupo.
La innovación importante que logramos fue la integración con Chat GPT, en la cual combinamos dos de sus principales funcionalidades: Búsqueda de información y análisis de textos.
Nuestro equipo de Prompt Engineers trabajó junto con especialistas del cliente y realizó una serie de pruebas de concepto. Gracias a este trabajo, refinamos los parámetros que nos permiten obtener información de manera precisa, confiable y justa en términos de la cantidad de bytes enviados y recibidos a fin de optimizar costos. Las conclusiones fueron las siguientes:
- Utilizamos “Búsqueda de información” para obtener información en línea sobre los tipos de medicamentos; datos que suelen figurar en los prospectos de los medicamentos.
- Utilizamos “Análisis de texto” para comparar el texto de la información obtenida con el texto de la respuesta ingresada por el usuario y, de acuerdo al porcentaje de precisión, le asignamos una puntuación a cada respuesta.
La suma de las puntuaciones da un resultado final que queda registrado y forma parte del registro de capacitación del cliente mediante la integración con su LMS (Learn Management System).
Los resultados son sorprendentes, con un tremendo impacto positivo para el cliente en términos de costo y tiempo gracias al alto grado de automatización del proceso de capacitación del equipo de ventas.
by Huenei IT Services | Sep 20, 2023 | Inteligencia Artificial
Las organizaciones buscan constantemente formas de promover la productividad, optimizar los procesos y mejorar la experiencia del cliente; la IA generativa las está ayudando a lograrlo.
La IA generativa puede resultar particularmente útil en aplicaciones de software empresarial de la mano de las siguientes técnicas:
- Análisis de datos: La IA generativa se puede utilizar para analizar grandes cantidades de datos e identificar patrones y tendencias. Esto puede ayudar a las empresas a tomar mejores decisiones y optimizar sus operaciones. Por ejemplo, la IA generativa se puede utilizar para analizar datos de clientes e identificar patrones y preferencias de compra; esto permite a las empresas adaptar sus estrategias de marketing en función de grupos de clientes específicos.
- Personalización: La IA generativa se puede utilizar para personalizar la experiencia del usuario en las aplicaciones mediante la generación de contenido personalizado. Por ejemplo, una aplicación de noticias puede generar artículos de noticias personalizados para cada usuario en función de sus intereses y hábitos de lectura.
- Capacitación: La IA generativa se puede utilizar para crear contenido de capacitación personalizado sobre diversos temas para cada departamento de su organización. (Equipo de ventas, capacitación técnica, etc.)
- Mantenimiento predictivo: La IA generativa se puede utilizar para predecir fallas de equipos y necesidades de mantenimiento mediante el análisis de datos de sensores y otras fuentes. Esto puede ayudar a las empresas a evitar costosos tiempos de inactividad y reducir los costos de mantenimiento, dado que el mantenimiento se realiza únicamente cuando es necesario.
- Regionalización: La IA generativa se puede utilizar para regionalizar su aplicación en diferentes idiomas y ampliar su alcance global.
En general, la IA generativa puede ayudar a las empresas a optimizar las operaciones, reducir costos y tomar mejores decisiones aprovechando el poder del análisis de datos y el aprendizaje automático. Cabe destacar que las empresas deben ejercer un control de calidad sobre el contenido generado para garantizar su precisión y coherencia.
Como proveedor de servicios de desarrollo basados en modelos de OpenAI, podemos ayudarlo a crear modelos personalizados que garanticen resultados reales y lleven su negocio a nuevas alturas.
As a provider of OpenAI model-powered development services we can help you create custom models that deliver real results and take your business to new heights.
by Huenei IT Services | Feb 4, 2023 | Outsourcing
Para impulsar tu negocio, es clave que conozcas diferentes modalidades de subcontratación para que comprendas si es outsourcing lo que estás necesitando. Después de todo, para mejorar el rendimiento de tu empresa y tus equipos, ¡es esencial tomar las decisiones correctas!
En este artículo, te contaremos por qué deberías pensar en contratar los servicios de Staff Augmentation y Managed Services.
Staff Augmentation vs Managed Services: Todo lo que tienes que saber.
En primer lugar, cabe señalar que en el mundo del IT es clave entender la importancia de la externalización de personal. Es decir, cada vez más empresas necesitan servicios para potenciar sus resultados. Y esto plantea la pregunta de qué modelo implementar, especialmente entre Staff Augmentation y Managed Services.
Pero, ¿en qué consiste cada uno? Aquí están los detalles principales.
¿Qué es Staff Augmentation?
En primer lugar, es fundamental definir el proceso de Staff Augmentation. Según Icorp. consiste en la incorporación de un colaborador a la plantilla interna, siempre y cuando este individuo no represente un empleado contratado por la empresa. Es decir, estos empleados serán una “ayuda” por un tiempo concreto, para determinados fines.
En otras palabras, éstos no son empleados directos de la empresa. Si bien trabajarán en conjunto con los empleados de tiempo completo de la empresa, no representarán un aumento en el headcount.
¿Y cuáles son sus ventajas? Pues una de las más importantes es que reduce el tiempo de contratación. Cuando agregas empleados internos de “tiempo completo” a tu personal, generalmente tienes que pasar por diferentes procesos de recruiting.
Al contratar estos servicios, el tiempo de reclutamiento se reduce significativamente. Esto es más beneficioso especialmente cuando los trabajadores ya conocen esta metodología y están acostumbrados a trabajar bajo el sistema de Staff Augmentation. A su vez, esto implica una nueva ventaja: la flexibilidad de contratación.
Hoy en día, los procesos de trabajo son dinámicos y cambian constantemente. Por ello, en muchas ocasiones una empresa termina contratando personal para tareas específicas. ¡Pero esta metodología de outsourcing puede ayudarte a no aumentar tu headcount! Por ejemplo, si tienes pocos trabajos relacionados con Blockchain en tu empresa de TI, puede que no valga la pena contratar empleados a tiempo completo.
Por otro lado, adherirse a esta modalidad supondrá que, ante cualquier proyecto que pueda surgir para Cloud, podrás contratar los servicios de Staff Augmentation. Y a su vez, esto supondrá un beneficio económico. No gastarás dinero en un puesto que no necesitas y, al mismo tiempo, podrás aprovechar cualquier encargo que te surja de un cliente para esta área de especialización.
¿Qué son los Managed Services?
Pasemos a hablar de los Managed Services, también conocidos como Servicios Gestionados. Según Root Stack, esta es otra forma efectiva de trabajar en una empresa, que consiste en contratar a un proveedor de servicios de tecnología. Esto significa que ellos se encargarán de administrar el proyecto de desarrollo.
Es un modelo de trabajo muy utilizado por las empresas ya que ahorra tiempo al cliente. De esta forma, al delegar el desarrollo a una empresa especializada en TI, ya no tendrás que preocuparte por plazos ni tiempos de entrega, ya que otra empresa, con su equipo de trabajo, supervisará los procesos.
Sin embargo, algunos empresarios a veces no pueden entender el valor de este formato de contratación: las empresas que quieren estar al tanto de cada detalle del proyecto pueden sentirse inseguras. Después de todo, significa delegar toda la responsabilidad a otra empresa. Sin embargo, siempre es posible utilizar un documento técnico para monitorear el progreso de cada entrega. Es importante que confíes en el proveedor para poder delegar con tranquilidad.
Este es un sistema perfecto para aquellos sectores que no son prioritarios para la empresa y que demandan demasiado tiempo “innecesario”. Por ejemplo, si tu empresa se enfoca en cierta [área específica, como podría ser marketing y publicidad, puedes delegar el desarrollo de TI para enfocarse al 100% en tu core business, generando mayores beneficios económicos.
En conclusión… ¿Qué te recomendamos en Huenei?
Ambas estructuras de trabajo tienen sus ventajas y pueden ayudarte a alcanzar tus objetivos de forma más eficaz. Desde nuestra experiencia, en Huenei consideramos que Managed Services es una alternativa más acorde que los Augmented Teams para empresas cuyo eje de negocio no es el desarrollo de software. Los Managed Services te permitirán delegar la totalidad del proyecto a una empresa con amplia experiencia en gestión de procesos de desarrollo, como Huenei. De esta forma, podrás estar tranquilo de que el resultado será excelente.
En todos los casos será necesario contratar a un proveedor ético, confiable y con experiencia en el mercado. En Huenei llevamos años trabajando ofreciendo a nuestros clientes el mejor servicio. Tenemos el orgullo de haber ayudado a empresas de todo el mundo a alcanzar sus objetivos de negocio brindando servicios de desarrollo de software en diferentes modalidades, como Staff Augmentation y Managed Services. Puedes revisar nuestros casos de estudio para conocer nuestra experiencia en el campo.
En resumen, ahora conoces la diferencia entre Staff Augmentation y Managed Services. Lo importante es que puedes utilizar cada método en los casos que más te convengan. ¡Esperamos que este artículo haya sido útil!
by Huenei IT Services | Feb 4, 2023 | Desarrollo de Software
¿Estás interesado en mejorar el desarrollo de software de tu empresa? Bueno, puedes aprovechar algunas metodologías interesantes para aumentar la eficiencia, la productividad y la calidad de tus entregas, ¡y una de ellas podría ser el desarrollo rápido de aplicaciones! Te contamos todos los detalles al respecto.
Qué es el Desarrollo Rápido de Aplicaciones (DRA)?
Según Microsoft, el Desarrollo Rápido de Aplicaciones (DRA), también conocido por su nombre en inglés, Rapid Application Development (RAD), surgió en 1991, desarrollado por James Martin. En este momento, se ha convertido en una de las metodologías de desarrollo más populares dentro de las metodologías ágiles, ya que cada vez más empresas la adoptan.
Sin embargo, esta metodología se basó en el trabajo realizado por Scott Schultz en la década de 1980. La idea es trabajar de forma interactiva, construir prototipos y utilizar herramientas CASE, para mejorar la usabilidad, utilidad y velocidad de ejecución de todos los desarrollos.
Por lo tanto, DRA es un enfoque que busca enfatizar la estructura organizada del trabajo. La creencia básica es simple: cuanto mayor sea la organización, mejores serán los resultados. Aunque es una metodología algo flexible, el secreto es la constancia. Esta es una de las variables que permiten aumentar la calidad de las entregas.
¿Cuáles son los pasos del modelo DRA?
Habiendo revisado los puntos anteriores, seguramente que ahora quieres conocer las etapas del modelo DRA. Según CodeBots, 4 etapas definen esta metodología. Veámoslas a continuación:
Definición y especificación de los requerimientos del proyecto.
En esta etapa, es necesario definir y especificar los requisitos del proyecto. Por ejemplo, ¿cuáles son las expectativas y los objetivos del desarrollo de software? ¿Existen presupuestos o plazos específicos? Cuando se han establecido correctamente, es el momento de aprobarlos o reformularlos, si fuera necesario.
Inicio del diseño de los prototipos
Luego, es necesario desarrollar los prototipos. La idea es tener una conversación cercana con el cliente, para explicarle cuál es el estado del desarrollo. Se debe establecer en qué momento (aproximadamente) habrá una primera versión funcional del software. ¡Pero ten cuidado! Esto no significa que será la versión final.
Recopilación de opiniones de los usuarios
Una vez que se desarrolla el prototipo, debes comprender qué es lo que los usuarios opinan de él. ¿Funciona bien? ¿Tiene muchos errores? La idea es crear un producto final de la más alta calidad posible. Por esta razón, es clave prestar atención a los comentarios que recibes del cliente y de los sujetos de prueba.
Testeo y presentación final de la app
Finalmente, tendrás que hacer todo tipo de pruebas de usabilidad y funcionamiento para asegurarte de que el lanzamiento será exitoso. La clave está en satisfacer las necesidades del cliente, por lo que hay que probar el código una y otra vez hasta que funcione a la perfección. Además, ten en cuenta que siempre habrá posibles mejoras o errores que aparecerán más adelante y tendrás que corregirlos.
¿Cuáles son las ventajas de esta metodología?
Ahora bien, ¿cuáles son las ventajas de esta metodología? Aquí están los más importantes:
Entrega más rápida
Este es uno de los beneficios más destacados. La metodología DRA promete una entrega de software mucho más rápida. Al ser iterativo, es posible alcanzar el objetivo final más rápido. Y esto finalmente se traduce en una mayor satisfacción del cliente, pero también en una etapa de producción más veloz.
Ajustes rápidos y reducción de errores
Todo esto deriva en una mayor rapidez de corrección de posibles errores. Esta metodología busca encontrar (y solucionar) problemas a medida que avanza el desarrollo. Gracias a la metodología DRA, todos estos ajustes intermedios suelen ser mucho más eficientes, ¡y los errores también son menos frecuentes!
Disminución de los costes de desarrollo
La metodología DRA puede acortar el tiempo de desarrollo de un proyecto. La ventaja es que, al trabajar por etapas, no es necesario hacer demasiadas correcciones una vez lanzado el producto final. Esta decisión se traduce en menores costos de desarrollo, ya que el trabajo tiende a ser mucho más eficiente.
Mayor participación empresarial
Al usar DRA, el trabajo se basará en involucrar al negocio y al usuario final. El desarrollo se actualizará con frecuencia, lo que significa que el producto se puede pulir hasta el más mínimo detalle. ¿El resultado? El producto final estará muy cerca de lo que el cliente quiere. En otras palabras, también tendrá una mejor satisfacción del cliente final.
Software más utilizable
La metodología DRA también toma como punto de partida qué quiere y necesita el usuario. En consecuencia, todos los esfuerzos se concentran en las funcionalidades principales. Entonces, el producto final se vuelve mucho más funcional, ya que las características secundarias no son 100% relevantes.
Mejor control de riesgos
Finalmente, se debe considerar que con DRA es posible identificar factores de riesgo en instancias tempranas del proceso. Entonces pueden ser abordados de inmediato. Esta decisión es muy relevante para evitar posibles crisis, ya que cualquier característica “conflictiva” será eliminada o corregida a tiempo.
En conclusión, has aprendido todos los detalles del Desarrollo Rápido de Aplicaciones y ahora sabes por qué es tan importante integrarlo en tus desarrollos. ¡Esperamos que te haya gustado este artículo!
by Huenei IT Services | Apr 27, 2021 | Infra, Process & Management
Introducción
En el artículo Conceptos clave sobre Data Lakes, hablamos sobre su importancia, arquitectura y los comparamos con un Data Warehouse. En esta entrega, nos enfocaremos en su implementación usando Amazon Web Services (AWS), la plataforma cloud de Amazon. Veremos el flujo general, los distintos servicios disponibles y, por último, AWS Lake Formation, una herramienta especialmente diseñada para facilitar esta tarea.
Flujo general
Un Data Lake respalda las necesidades de nuestras aplicaciones y analíticas, sin que debamos preocuparnos constantemente por el aumento de recursos de almacenamiento y cómputo, a medida que la empresa crece y la cantidad de datos aumenta. Sin embargo, no existe una fórmula mágica para su creación. Generalmente, implica el uso de docenas de tecnologías, herramientas y entornos. En el siguiente diagrama, se puede observar el flujo general de datos, desde la recopilación, el almacenamiento y el procesamiento, hasta el uso de las analíticas mediante técnicas de Machine Learning y Business Intelligence.
Servicios disponibles en AWS
AWS brinda un amplio conjunto de servicios administrados que ayudan a constituir un Data Lake. Es necesaria una planificación y diseño adecuados para migrar un ecosistema de datos a la Nube, y para ello es fundamental comprender la oferta de Amazon. Aquí haremos mención de solo algunas de las herramientas más importantes en cada etapa del flujo.
Ingestión
El primer paso es analizar los objetivos y beneficios que se desean lograr con la implementación de un Data Lake basado en AWS. Una vez diseñado el plan, se deben migrar los datos a la Nube, teniendo en cuenta el volumen de los mismos. Es posible acelerar fácilmente esta migración con servicios como Snowball y Snowcone (dispositivos edge para almacenamiento y cómputo) o DataSync y Transfer Family, para simplificar y automatizar transferencias.
Canalización
En este paso, se puede operar de 2 modos: por Lotes o por Streaming.
En la Carga por Lotes, se utiliza AWS Glue para extraer información de varias fuentes, en intervalos periódicos, y moverlos al Data Lake. Normalmente implica alguna transformación mínima (ELT), como la compresión o la agregación de datos.
En el caso de trabajar con Streaming, se ingieren datos generados continuamente a partir de múltiples fuentes, como archivos de logging, telemetría, aplicaciones móviles, sensores IoT y redes sociales. Se pueden procesar durante una ventana de tiempo circular y canalizar el resultado al Data Lake.
Las Analíticas en tiempo real brindan información útil para procesos de negocio críticos que dependen del análisis de datos en streaming, como algoritmos de Machine Learning para la detección de anomalías. Amazon Kinesis Data Firehose (servicio gestionado para streaming) ayuda a realizar este proceso desde cientos de miles de orígenes en tiempo real, en lugar de cargar datos durante horas y procesarlos luego.
Almacenamiento y Procesamiento
En un Data Lake de AWS el servicio más importante de todos es Amazon S3, que brinda almacenamiento de alta escalabilidad, excelentes costos y niveles de seguridad, ofreciendo así una solución integral para llevar a cabo diferentes modelos de procesamiento. Puede almacenar datos ilimitados y cualquier tipo de archivo como un objeto. Permite crear tablas lógicas y jerarquías a partir de carpetas (por ejemplo, por año, mes y día), permitiendo la partición de datos en volumen. También ofrece un amplio conjunto de funciones de seguridad, como controles y políticas de acceso, cifrado en reposo, registro, monitoreo, entre otros. Una vez que los datos se cargan, pueden usarse en cualquier momento y en lugar, para afrontar cualquier necesidad. Cuenta con una amplia gama de clases de almacenamiento (Estándar, Inteligente, Acceso poco frecuente), cada una con diferentes capacidades, tiempos de recuperación, seguridad y costo.
AWS Glacier es un servicio para el archivado seguro y la gestión de copias de seguridad, a una fracción del costo de S3. Las recuperaciones de archivos pueden demorar de pocos minutos a 12 horas, dependiendo de la clase de almacenamiento seleccionada.
AWS Glue es un servicio administrado de ETL y Catálogo de Datos que ayuda a encontrar y catalogar metadatos para realizar consultas y búsquedas más rápidas. Una vez que Glue apunta a los datos almacenados en S3, los analiza mediante rastreadores automáticos y registra su esquema. El propósito de Glue es realizar transformaciones (ETL/ELT) usando Apache Spark, scripts Python y Scala. Glue no tiene servidor; por lo tanto, no hay ninguna infraestructura configurada, lo que lo hace más eficiente.
Si se requiere una indexación de los contenidos del Data Lake, puede utilizarse AWS DynamoDB (base de datos NoSQL) y AWS ElasticSearch (servidor de búsqueda de texto). Además, mediante el uso de funciones AWS Lambda, activadas directamente por S3 en respuesta a eventos como la carga de nuevos archivos, pueden dispararse procesos para mantener su Catálogo actualizado.
Analíticas para Machine Learning y Business Intelligence
Hay varias opciones para obtener información de forma masiva del Data Lake.
Una vez que los datos han sido catalogados por Glue, se pueden utilizar diferentes servicios en la capa de cliente para analíticas, visualizaciones, dashboards. etc. Por ejemplo, Amazon Athena, un servicio serverless interactivo para consultas exploratorias ad hoc utilizando SQL estándar; Amazon Redshift, un servicio Data Warehouse para consultas e informes más estructurados; Amazon EMR (Amazon Elastic MapReduce), un sistema administrado para herramientas de procesamiento Big Data como Apache Hadoop, Spark, Flink, entre otras; y Amazon SageMaker, una plataforma de aprendizaje automático que permite a los desarrolladores crear, entrenar e implementar modelos de Machine Learning en la nube.
Con Athena y Redshift Spectrum, se puede consultar directamente el Data Lake en S3 utilizando el lenguaje SQL, a través del Catálogo de AWS Glue, que contiene metadatos (tablas lógicas, esquema, versiones, etc.). El punto más importante es que sólo se paga por las consultas ejecutadas, en función de la cantidad de datos escaneados. Por lo tanto, puede lograr significantes mejoras en el desempeño y el costo al comprimir, dividir en particiones o convertir sus datos en un formato de columna (como Apache Parquet), ya que cada una de esas operaciones reduce la cantidad de datos que Athena o Redshift Spectrum deben leer.
AWS Lake Formation
Construir un Data Lake es una tarea compleja, de varios pasos, entre ellos:
- Identificar fuentes (Bases de Datos, archivos, streams, transacciones, etc.).
- Crear los buckets necesarios en S3 para almacenar estos datos, con sus correspondientes políticas.
- Crear los ETLs que realizarán las transformaciones necesarias y la correspondiente administración de políticas de auditoría y permisos.
- Permitir que los servicios de Analíticas accedan a la información del Data Lake.
AWS Lake Formation es una opción atractiva que permite a usuarios (tanto principiantes como expertos) comenzar de manera inmediata con un Data Lake básico, abstrayendo los detalles técnicos complejos. Permite monitorear en tiempo real desde un único punto, sin necesidad de recorrer múltiples servicios. Un aspecto fuerte es su costo: AWS Lake Formation es gratis. Sólo se cobrará por los servicios que se invoquen a partir de él.
Permite la carga de diversas fuentes, monitorizar esos flujos, configurar particiones, activar el cifrado y gestión de claves, definir trabajos de transformación y monitorearlos, reorganizar datos en formato columnar, configurar el control de acceso, deduplicar datos redundantes, relacionar registros vinculados, obtener acceso y auditar el acceso.
Conclusiones
En estos 2 artículos, conocimos que es un Data Lake, qué lo hace diferente a un Data Warehouse y cómo se podría implementar en la plataforma de Amazon. Es posible reducir significativamente el CTO moviendo su ecosistema de datos a la nube. Proveedores como AWS agregan nuevos servicios continuamente, mientras mejoran los existentes, reduciendo los costos de los mismos.
Huenei puede ayudarlo a planificar y ejecutar su iniciativa de Data Lake en AWS, en el proceso de migración de sus datos a la nube y la implementación de las herramientas de Analíticas necesarias para su organización.
