Casos de éxito

Pacasmayo lanza su primera unidad ágil

Y ya se ven los cambios

[07/12/2023] La agilidad es un concepto que ha trascendido del mundo del desarrollo de código. Ahora se habla de agilidad empresarial, y para su implantación se crean unidades ágiles que tienen como meta ser el centro desde el cual se irradia este concepto hacia toda la organización. Una de esas unidades es la que recientemente lanzó Pacasmayo, la compañía de soluciones de construcción que ya también se encuentra realizando un piloto de inteligencia artificial generativa.

De estos temas, y de la forma en que se han implementado dentro de la organización -fundamentalmente, de los cambios que esto ha implicado para las personas-, es que hablamos con Luis Miguel Soto, CIO de Pacasmayo. Con el tuvimos hace tres años una conversación, y lo que nos contó ahora no es sino otro de los importantes pasos que está dando la organización en su camino a ser una compañía data driven.

Luis Miguel Soto, CIO de Pacasmayo.

La agilidad se escucha bastante en el campo de los de los programas, ¿estamos hablando de ese de ese concepto de agilidad o de la agilidad empresarial?

Sí, en realidad nuestro concepto va muy alineado con la agilidad empresarial; de hecho, al crear la unidad o la tribu de Data & Analytics, lo que buscábamos no solamente era adoptar esas capacidades -que no teníamos en la organización, desde una perspectiva técnica-, sino también adoptar ese marco de trabajo, ya que ellos ya lo estaban haciendo debido a que todo el equipo proviene del mundo de las finanzas, donde la agilidad empresarial está mucho más avanzada y adoptada. Entonces, lo que queríamos era no solamente adoptar las capacidades a nivel de especialidades, sino también como forma de trabajo, y que nos ayudasen a impartir -siendo la primera unidad ágil dentro de la organización- esta disciplina dentro de toda la compañía.

Tuvimos una entrevista hace tres años, y recuerdo que ya en ese entonces me mencionaba que el objetivo era hacer que la empresa fuera data driven, ¿esto es un paso más en este proceso?

Sí, de hecho que sí. En su momento, todo lo que estábamos haciendo era para llevar a hacer de Pacasmayo una empresa data driven. En ese momento, en el 2020, nos enfocábamos en habilitar el backbone operacional para que los datos estén disponibles y pudiésemos convertirnos en una compañía data driven.

Los esfuerzos estaban ahí, por eso hicimos la migración a S4/HANA, por eso digitalizamos muchos procesos, por eso automatizamos muchos escenarios o procesos de negocio, para que estuviera la información disponible para llegar al siguiente nivel. De hecho, cuando instauramos la tribu de Data & Analytics, lo que nos fijamos fue que estábamos en un estadio y que queríamos llegar a ser una empresa data driven, lo cual es un camino; no es algo que simplemente se logra cambiando de la noche a la mañana una suite. Hicimos un assessment de cuál era nuestro estadío, hacia donde queríamos llegar, y cuáles iban a ser esos habilitadores que teníamos que desarrollar para llegar ahí.

Dentro de esta estrategia había un componente organizativo, un componente cultural, un componente tecnológico y había un componente de procesos. Entonces, dentro de esos cuatro, hemos establecido una estrategia que nos ayude a desarrollarnos para llegar a lo que soñamos: ser una compañía data driven; pero sí, todo ha sido parte de un plan que establecimos en el 2020, o hasta inclusive antes en el 2018, para llegar a ser una compañera data driven ahora; aunque todavía no lo somos, estamos en camino a serlo.

¿Qué es una tribu? ¿En qué beneficia este este nombre y no decirle unidad o grupo, o ya es parte de la jerga, que se utiliza?

En realidad, nosotros le denominamos tribu porque lo que hace es tener a líderes de cada una de las prácticas dentro de Data & Analytics; por ejemplo, tenemos al líder de los Data Scientist, tenemos al líder de los Data Governance, al líder de los Data Portfolio, a los Data Architects, entre otros.

Cada uno de estos líderes, que forman parte de la tribu, junto con el tribe lead, que es el que está por encima de ellos, llevan cada una de sus prácticas dentro de la organización, y el componente de la tribu es que cada uno de ellos lidera una práctica especializada dentro del mundo del Data & Analytics. Esas capacidades pueden servir a un portafolio de proyectos propio o a prestar capacidades a la organización. Entonces, usted presta las capacidades hacia la organización y la organización puede también seguir desarrollándose en equipos multidisciplinarios que atienden los objetivos estratégicos de la compañía.

¿Cuál es el proceso para llegar a conformar a una unidad ágil?

En realidad, creo que no es un proceso complicado, pero sí retador para una empresa que siempre ha tenido una estructura orgánica tradicional como la que siempre hemos conocido. Cuando va al mercado y trata de atraer ese talento, ese talento no busca necesariamente un crecimiento vertical, busca un crecimiento en su especialidad y esto implica que las evaluaciones de desempeño, que los drivers para hacer promociones cambien. Uno ya no debe tener necesariamente un analista junior, un analista pleno y un analista senior para luego ser jefe, y luego ser subgerente, y luego ser gerente; que es la forma tradicional de una evaluación de desempeño y un crecimiento jerárquico dentro de una organización.

En una tribu, con especialidades, lo que busca es un crecimiento mucho más horizontal, dependiendo de las especialidades, porque inclusive un data scientist o un data engineer no aspiran a ser, necesariamente, el gerente de la unidad de Data, porque ellos lo que buscan es más su especialización. Entonces, es un crecimiento horizontal, y esto frente a las formas tradicionales de hacer el desarrollo y líneas de carrera, sí rompe con el paradigma de cómo normalmente se maneja en Gestión Humana.

Por eso hemos tenido un viaje interesante con Gestión Humana y con la gente de Cultura, para que comencemos a diseñar una línea de carrera para estos perfiles que no aspiran a la forma tradicional sino a como se desarrollan en el mercado las tribus y los Centros de Excelencia. En cada uno de los niveles hay que discutir ciertos requisitos a nivel de especialidades, es decir, diplomados o cursos o cantidad de horas

Algo que nos pasa mucho es que este mercado está creciendo tan rápido, y es tan movido, que lo que tenemos que asegurar es retener el talento, obviamente brindándoles una buena línea de carrera y una interesante línea de especialización, porque el momento en donde ellos perciben que ya no están generando valor se van a ir, porque el mercado los está demandando bastante.

¿Cómo va a impactar estos cambios en la organización?

Primero, cuando concebimos la tribu de Data & Analytics ya existía y existe la gerencia TI, que es la que yo llevo; y existía, y existe, la gerencia de Transformación Digital e Innovación. Antes de fundar la tribu, yo tenía el área de Data, y la gerencia de Transformación Digital e Innovación tenía el área de Analytics, que eran unas áreas pequeñas, y ambos reportamos a vicepresidencias distintas; el área de Transformación reporta a la vicepresidencia de Negocios y yo reporto a la vicepresidencia de Administración y Finanzas.

Tuvimos una conversación y establecimos que las capacidades para que esto realmente explote en la organización tienen que ser únicas. Yo tengo especialidades en Arquitectura e Ingeniería, y el otro grupo tenía especialidades en data scientist y analistas. Entonces dijimos "por qué no creamos una tribu que sea una única unidad y no nos reporte a ninguno de los dos, sino que le reporte al Comité de Gerencia directamente -en donde participamos-; que le reporte directamente a todos los gerentes centrales, para que sea ese comité el que determina las prioridades de la de la tribu, y no seamos ni nosotros como vicepresidencia de Administración y Finanzas, ni la vicepresidencia de Negocios las que determinen cuáles son las prioridades, sino que sea el Comité.

Eso fue lo primero que hicimos para que no hubiera ningún conflicto en la determinación de prioridades, sobre qué se va a ser este con esta nueva tribu. Eso fue lo primero.

Lo segundo fue el tema de la cultura. Queríamos ser una organización data driven. Tenemos las capacidades, hemos creado esta unidad atrayendo el mejor talento que hay en el mercado, pero entendíamos que esto no iba a caminar si la organización entera no entendía cuál es el beneficio que va a traer ser una organización data driven. Entonces, el plan cultural dentro de la estrategia de Data es totalmente prioritario, y es el primer punto en la agenda en todos los comités; es decir, cómo vamos -desde un aspecto cultural- con la adopción de las prácticas y el desarrollo de capacidades. Debíamos saber cómo vamos con estos puntos antes de ver los proyectos; y antes de ver lo que se está haciendo a nivel de pruebas de concepto, primero era ver cómo va la parte de la cultura y la adopción.

Eso fue clave dentro de nuestra estrategia y, de hecho, ahí es donde resalta la sinergia que tenemos con el área de Gestión del Cambio, que está dentro de la Gerencia de Responsabilidad Social Empresarial. El área de Gestión del Cambio nos está ayudando con la adopción, y todo lo que estamos desplegando a nivel de capacidades y a nivel de capacitaciones; por ejemplo, en todas las capacitaciones que tenemos de externos hacia la compañía, participan también los nuevos roles que hemos ido creando dentro de la organización.

Antes de esto no existían los data stewards, nadie sabía lo que era un data steward, nadie sabía en las áreas de negocio que debían tener un data steward dentro de su área para que efectivamente pueda instaurar la práctica de data & analytics y con eso acelerar cualquier iniciativa que tenga y que quiera proponer.

No es que hayamos creado un puesto de data steward, no estamos en ese momento todavía, estamos en el momento en donde el rol de un data steward lo está asumiendo una persona con el expertise suficiente y que ha sido capacitado para que dentro de las áreas de negocio adopten esta práctica y sean nuestros embajadores para que la adopción sea mucho más rápida.

¿Se podría decir, entonces, que la unidad va a asumir funciones que antes tenía TI?

La relación con TI es bastante cercana, y por eso tenemos un tribe lead que está muy enfocado en la gestión del portafolio y del relacionamiento con el negocio, y tenemos un technical tribe lead que es el que vela por cuidar el lake house y el relacionamiento directo con las áreas de tecnología.

No es que nos 'pisemos los talones'; de hecho, lo que sigue la tribu de data & analytics son los estándares o lineamientos que ha puesto la práctica de arquitectura -que nosotros tenemos en TI-, la práctica de Infraestructura -que tenemos en TI-, la práctica de Servicio -que tenemos en TI-. Entonces, nosotros como TI tenemos todas las soluciones que custodian los datos, esto se va a la capa de consumo, que es el lake house y a partir de ahí hacia arriba, ya es Gobierno de Data. Hacia abajo ellos no se involucran.

Hemos definido claramente hasta dónde llega la responsabilidad de uno y del otro; y hay mucho relacionamiento con este technical tribe lead y las áreas de Arquitectura, Infraestructura y Soluciones.

¿Cuáles son los beneficios que ya se pueden ver de este cambio, o todavía es muy pronto?

Creo que en dos de los proyectos ya podemos ver los resultados. Uno de ellos ha sido que, dentro de la parte de Operaciones, de producción de cemento, tenemos lo que se denomina el cálculo del blaine, que no es otra cosa que es la finura de las partículas del cemento; eso determina la calidad del producto. Entonces, la necesidad con la que vino el equipo de Operaciones, específicamente de la planta de Rioja en la selva, era que su cálculo del blaine demoraba dos horas. Eso quiere decir que, desde que se toma la muestra hasta que se lleva al laboratorio, éste la analiza y entrega un resultado, pasaban dos horas.

Eso significa que en el día se pueden hacer como máximo 12 cálculos y eso significa que, si encuentro algo en el Blaine, y tengo que reaccionar lo hago en dos horas; eso me quita margen de acción y, por ende, me complica. Lo que hicimos con la tribu de data & analytics, específicamente, con la práctica de data scientist,fue diseñar un modelo que lo que nos permite es hacer el cálculo del blaine cada cinco minutos. Eso quiere decir que ahora yo puedo hacer 288 cálculos diarios versus los 12 cálculos que hacía antes; y cada cinco minutos me permite que el equipo de Operaciones pueda ajustar cualquier variable para que la calidad del producto sea acorde a los estándares internacionales.

Eso nos ayuda a reaccionar mucho más rápido, y a tener un producto de calidad 100% asegurado. Eso lo hemos hecho en la planta de Rioja de la selva, lo que nos toca ahora es hacer el roll out al resto de las plantas, porque cada uno de estos de estos modelos se tiene que ir ajustando. Uno hace un modelo en base a las variables que predetermina la planta, específicamente, el molino. El molino en Pacasmayo y el molino en Piura serán distintos, tienen otras variables que habrá que afinar para que el modelo llegue a los niveles de confiabilidad necesarios para que sea útil. Ese es un caso.

El otro caso que hemos realizado es para el área de Prospección. Lo que hace hoy es sondear todos los expedientes técnicos de todos los requerimientos del Estado (gobiernos regionales, gobiernos locales y gobiernos municipales) que constantemente están publicando sus necesidades. El área de Prospección ve en cuáles de ellos podemos participar con soluciones constructivas, que es nuestro nuevo core.

El reto es que con la capacidad que tenía el área de Prospección podía analizar una cierta cantidad de proyectos; pero hoy, gracias a las herramientas de Analytics, podemos sondear el 100% de los proyectos. Esto significa llegar a identificar casi 13 mil proyectos. Entonces, la capacidad que tenemos hoy de analizar los proyectos del Estado es tal que realmente me permite llegar al 100%.  Antes, teníamos a siete personas revisando y esto no llegaba a cubrir la necesidad exacta de lo que queríamos.

¿Están haciendo uso de la inteligencia artificial?

Estamos haciendo una prueba de concepto en donde estamos utilizando capacidades de Inteligencia Artificial generativa disponibles por Google; de hecho, somos de las primeras empresas en Perú que solicitó esas capacidades para que nos habilitaran el servicio y podamos utilizarlo.

Entonces, estamos haciendo un asistente para que -consumiendo nuestra información comercial- en lenguaje natural, cualquiera del equipo comercial le puede hacer cualquier consulta; obviamente, guardando las prácticas de Gobierno de Datos. Puede hacer cualquier consulta sobre la información comercial -como cuánto le vendí a un cliente en el mes pasado, cuánto fue la línea de crédito que se le otorgó la última semana, cómo se ha desarrollado su comportamiento de pago en los últimos tres meses- y, efectivamente, el asistente lo que hace es responder basado en la información que tiene dentro de nuestro lake house sobre toda la información comercial de los últimos 20 años.

Hoy está en prueba de concepto, está todavía en una etapa en donde estamos verificando la exactitud de la información que brinda antes de despegarlo a toda la fuerza de ventas y, nuevamente, cuidando las prácticas de gobierno de datos, porque deberían de tener única y exclusivamente la información de su zonal o de su cartera de clientes, no del 100% de la compañía. Este tipo de cosas también las resguardamos bastante y esperamos desplegarlo en enero, si es que todo sale bien con las pruebas; y con eso tendríamos nuestro primer piloto ya en vivo de inteligencia artificial generativa dentro de la organización.

Llegamos a ustedes gracias a:


BrandPosts Qué es BrandPost

Más »
×
Los artículos publicados en esta sección -BrandPosts- son escritos y editados por los proveedores o miembros de la comunidad TI. BrandPosts crea una oportunidad para que un patrocinador proporcione información y comentarios desde su punto de vista, directamente a la audiencia de CTO Perú. El equipo editorial de CTO Perú no participa en la redacción o edición de estos BrandPosts.

Casos de éxito

Más »