Soya es un hombre de 50 años de la prefectura japonesa de Ibaraki. Es motero y un día decide crearse una cuenta en Twitter. Sube fotos frecuentemente, pero no tiene mucho éxito, apenas unos pocos me gusta y algún que otro mensaje de respuesta. Sin embargo, de pronto cambia su estrategia y empieza a recibir muchos me gusta en cada una de las fotos que sube: se ha convertido en influencer.
Podríamos decir que, hasta ahí, nada anormal, nada que no hayamos visto en este mundo de las redes sociales y la hiperconexión, salvo que las fotos que le alzaron al estrellato eran de mujer, de él mismo aplicándose un filtro que le convertía en mujer.
Así se encargó de descubrirlo el programa de televisión japonés Getsuyou Kara Yofukashi (Sitting Up Late From Monday) cuando mostraba las fotos de Soya y de @azusagakuyuki con las mismas poses, el mismo pelo, pero distinta cara.
Y ese es el precio que tenemos que pagar hoy en día por quedarnos en la fotografía y no profundizar en la radiografía, ese es el alto coste que tienes que pagar en los desarrollos de software que tu empresa tiene que realizar: las apariencias engañan cada vez más. ¿Que no es muy alto? Déjame darte otro ejemplo.
En marzo de este año se notificó un suceso extraño. Las muertes por covid-19 entre la población infantil en España estaban en unos valores alarmantes. Mucho más cuando se comparaban esos valores con los valores del resto de países europeos con los que compartimos muchas de las características de vida normal. La gente se preguntaba ¿qué pasa en España? Y no lo decía alguien cualquiera, sino que lo decía la revista The Lancet, la más influyente dentro de la medicina, por lo que la situación empezó a preocupar.
Algunos pediatras españoles indicaron en Twitter que esos datos, los datos que proporcionaban las comunidades autónomas, tenían errores y que ellos disponían de otras fuentes de datos más fiables que esas.
Se siguió profundizando en la cuestión y la explicación más verosímil parecía ser que la culpa, cómo no, del informático. Los sistemas que recogían los datos y los compartían no permitían indicar en el campo “edad del fallecido” más de dos dígitos, por lo cual, los fallecidos mayores de 99 años se convertían por arte de magia en niños de corta edad provocando que el porcentaje de mortalidad de esa franja de edad pasara a tener un % mucho mayor.
El problema con los datos no es que pareciera que murieran más niños de lo que realmente lo hacían, sino que se tomaran decisiones para prevenir esas muertes cuando realmente el dato era falso. Se tomaron decisiones importantes para los niños basándonos en un dato totalmente falso. ¿Y si esto ocurriera en tu empresa? Eso, una catástrofe.
Eso es lo que sucede en los desarrollos de software de una compañía si nos dejamos llevar por la fotografía sin entrar en la radiografía, pero, por suerte, en estos mismos ejemplos tenemos la solución.
Lo primero es contar con un método unificado de obtener la información basado en el producto (funcionalidad del software) para que todos podamos entenderlo y nadie nos pueda engañar.
Lo segundo es que ese método nos permita comparar los valores de calidad y de eficiencia de ese software de forma absoluta para que así se pueda saber si el dato, comparado contra el resto, es bueno o no, para que, como en el caso de la COVID-19 en España, al comparar con el resto de los países del entorno, el error salte a la luz y permita corregirlo. En el caso de la empresa permitirá comparar con los datos del mercado para ver si se está haciendo mejor o peor.
Y lo tercero sería utilizar una aplicación que posibilite centralizar el proceso de gestión de estimaciones del software para evitar errores manuales, errores de interpretación, errores que, al fin y a la postre, se traducirán en un coste adicional e innecesario para la compañía.
Hay que aprender de los influencers y de los errores de la recopilación de datos para que los desarrollos de software cuesten lo que te tienen que costar.
Julián Gómez Bejarano
Chief digital officer LedaMC
