Tendencias en Sistemas de Información Empresariales

Los servicios que sustentan a los sistemas de información de las empresas han pasado por un proceso evolutivo incremental que aprovecha tanto los avances tecnológicos como los estándares, políticas, procesos y mejores prácticas que consolidan continuamente su ámbito de acción y la madurez de los resultados que brindan a las empresas.

Este desarollo muestra que los sistemas de información organizacionales fueron desplazándose desde un entorno prácticamente operativo, pasando por funcionalidades integradas hasta la programación inteligente y distribuida, para brindar alternativas a los tomadores de decisiones en el sentido de adquirir datos del entorno y compaginarlos con la información histórica organizacional. Se tiene así una perspectiva que puede usarse de manera efectiva en la toma de decisiones.

A lo largo del tiempo se ha visto la evolución de los sistemas puramente transaccionales que recaban información desde el sitio de origen (cajeros, puntos de venta), pasando por los aplicativos de gestión y áreas específica (como contabilidad, inventarios, nóminas), hasta los sistemas de información integrados que reciben datos desde diversos ámbitos internos y externos para consolidarlos y plantear una perspectiva actual -o tendencias hacia el futuro- que coadyuven con datos rigurosos para tomar cursos de acción claros y contundentes.

La evolución en sistemas de información está por dar un siguiente salto aprovechando el estado actual de diversas tecnologías susceptibles de ser incorporadas a sus recursos y que pueden sacar partido de avances en diversas pareas de la ciencia, computación, algorítmica y programación para las organizaciones de hoy en día.

Tecnologías emergentes

A continuación se describen varios avances específicos que se plantean para uso intensivo en el mediano plazo, los cuales extenderán las capacidades de paquetes, programas y recursos de información. Uno de nuestros principios señala que “somos estudiantes para siempre” y en tal sentido hay trabajar de manera consistente para conocer estos avances y estar preparados a fin de explotarlos de manera eficaz.

Web 4.0

Esta tecnología es conocida como la “web simbiótica” o sea, un conjunto potente de algoritmos e interfaces que permiten la interacción con los usuarios prácticamente por medio de gestos y movimientos naturales con los cuales se puede acceder al vasto repertorio de datos en Internet. De esta forma se logra interactuar con los sistemas de información en tiempo real sin los recursos convencionales como teclados o sistemas táctiles. El manejo de los sistemas se hace a través de los movimientos o gestos humanos, contextualizados para cada situación particular. Un aporte importante es que los usuarios podrán utilizar la información, reportes o datos de manera más natural y sobre la marcha, en las tareas cotidianas como servicio a clientes, puntos de venta, logística, o producción.

Computación cuántica

Estos tratan de ir más allá de la microelectrónica, que emplea componentes miniaturizados al nivel de capas de semiconductores, para pasar a la interacción cuántica en el campo atómico. Los cálculos computacionales se siguen elaborando por medio de bits 0 y 1, pero en una computadora cuántica dichos estados no son excluyentes, sino que se superponen (estos son los llamados qbits), lo que hace que el poder de procesamiento se incremente no de manera lineal sino exponencial. Muchos algoritmos sofisticados no pueden ejecutarse en las computadoras actuales, pero sí pueden desarrollarse a través del cómputo cuántico. Las posibilidades para los sistemas de información son amplias, sobre todo en los entornos que4 tienen que ver con producción, análisis de grandes cantidades de datos, o el tratamiento de bases de datos no relacionales.

Inteligencia artificial en la nube

Los sistemas de cloud computing ya no se utilizarán solamente para el almacenamiento masivo de la información, o el cálculo con sistemas en clúster, sino que ya se dispone en nube de bibliotecas de inteligencia artificial de código abierto para crear software de aprendizaje automático y adaptarlo a las necesidades de las empresas o usuarios individuales.

Muchas áreas de negocio han seguido utilizando los recursos informáticos para generar y administrar sus sistemas de información con componentes ‘clásicos’, pero ahora será posible integrar rutinas de inteligencia artificial en el software empresarial y volverlo todavía más efectivo. Por ejemplo, un DSS podrá usar IA para presentar sugerencias a los ejecutivos sobre las decisiones a tomar, según datos de análisis o bien sobre gestión de escenarios consolidando bases de datos que están dispersas en Internet. En los sistemas de información transaccionales la inteligencia artificial podrá expandir las capacidades de los puntos de venta, sugiriendo al vendedor los bienes que pueden brindarse al cliente final, análisis de patrones de compra, probabilidades de venta o adaptación al cliente con base en la demanda.

Sistemas distribuidos y bases de datos no relacionales

Uno de los elementos para analizar el comportamiento del consumidor, patrones, ciclos y tendencias, es la gran cantidad de datos periféricos que se generan en los Sistemas de Información actuales. Por ejemplo, el número de clics que se hacen en los hipervínculos de los portales de ventas, la manera como los clientes hacen búsquedas en los servicios en línea, o el conjunto de consultas que hacen en las bases de datos. Mucha de esta información no está organizada y se genera por decenas o cientos de Megabytes en todo momento.

La única manera de recibir y procesar toda esta información es por medio de sistemas distribuidos en los que los datos se reciben masivamente y se almacenen a gran velocidad en patrones no estructurados que siguen el comportamiento de su fuente (por ejemplo, los compradores de una tienda en línea). Las bases de datos no relacionales pueden conectarse con los sistemas de procesamiento y vaciar sus resultados en los sistemas de información, diseñados para sacar provecho de los datos por medio de técnicas computacionales, algorítmicas y estadísticas.

Privacidad digital perfecta

Dentro de las principales problemáticas actuales, en la que todos los servicios y recursos que apoyan o sustentan las actividades humanas, el nivel de riesgo por mantener la privacidad e integridad de la información personal a salvaguarda de intrusiones, piratas informáticos y hackers se ha vuelto un tema de interés. Los sistemas de blockchainque se utilizan para las criptomonedas como bitcoin y Ethereum realmente no tienen una privacidad digital absoluta, sino que por medio de técnicas de análisis puede darse el caso de identificar a un usuario y la transacción que hizo, dado que los medios son públicos. Sería factible por ejemplo, ver si X persona cambió a dólares N cantidad de bitcoins.

La privacidad digital perfecta puede lograrse por medios de conocimiento cero, en la que una persona puede entrar y hacer una transacción en una red o en algún sistema de información en línea de manera que la misma sea válida y reconocida, aunque los datos del cliente, el importe de lo que adquirió y la forma de pago queden ocultos. Esta opacidad permite que se realicen operaciones de negocios, protegiendo por medio de conocimiento cero a los intermediarios. Para aplicaciones bancarias, financieras, EDI y de PRM sería muy útil asegurar las operaciones diarias, sobre todo las que se realizan por medio de Internet o redes públicas.

Los nuevos desarrollos que se tienen ya en puerta permitirán que se amplíen las capacidades de los sistemas de información para incorporar múltiples mejoras como rutinas inteligentes, seguridad de las transacciones, o capacidad tratar datos no estructurados masivamente. Sin lugar a duda, dichos mecanismos dotarán de mejoras, eficiencia y capacidad a los Sistemas de Información en el corto plazo.