T5 E3 - con Marta Arroyo sobre AI, Big Data y Machine Learning

[0:08] Buenas tardes, Marta. ¿Cómo estás?

[0:11] Hola, buenas tardes. Un placer estar aquí tomando un café de media tarde.

[0:16] Un café de bases de datos.

[0:19] Es un placer tenerte y además vienes como me

[0:26] estabas diciendo, ¿no? Es decir, vengo tal cual, a charlar sin ninguna información previa.

[0:36] A mí me han dicho vamos a charlar y a tomar un café y he dicho me preparo un café y voy

[0:41] a charlar es así vengo tal cual que bien que bien que bien pues te presento un poquito

[0:46] tú llevas en la comunidad de datos ninja vale de la cual soy un orgulloso alumno

[0:53] y seguidor sensei de tus de tus enseñanzas y bueno y una de las cosas que quería tomar

[1:00] un café contigo es para charlar todo del del Big Data, de Data Warehouse, de Machine

[1:05] Learning, de IA, que me cuentes cosas, que ya está, que te tomes un café conmigo y que

[1:10] nos contemos. Que justo acabas de publicar un vídeo sobre Cloud

[1:17] Code. Sí, estoy a tope con Cloud Code.

[1:20] O sea, fíjate que a mí no me gusta nada el hype, o sea, de hecho lo digo al principio

[1:24] de todos los episodios del podcast, porque la inteligencia artificial tiene el hype muy

[1:28] subido y con cloud code lo he estado probando he estado jugando con él y hace unas cosas

[1:34] tan geniales que incluso me está dando algo de hype o sea que no tengo más entonces si

[1:40] acabo de subir un vídeo un tutorial que espero que sea útil pues para la gente que no

[1:46] lo ha tocado nunca y quiere empezar a cacharrear un poquillo porque se pueden hacer cosas

[1:51] súper chulas súper chulas yo había probado anti gravity y también muy

[1:58] muy de ese estilo porque he visto el vídeo y me ha parecido que estaba muy muy en línea

[2:03] anti gravity pues al final todos los grandes proveedores

[2:10] van un poco en paralelo a veces se adelantan unos a A veces se adelantan otros, pero

[2:15] los que podríamos llamar las grandes empresas que están detrás de los modelos de lenguaje,

[2:22] que podría ser Anthropic con Cloud, luego está Gemini de Google y OpenAI

[2:29] con ChatGPT. Al final siempre van un poco más adelante y un poco más atrás, pero siempre

[2:34] tienen además las mismas líneas y una de ellas es la generación de código con agentes

[2:42] y con Modelos de lenguaje.

[2:43] Entonces, pues tienes Cloud Code o tienes Anti -Gravity de Google y además es que, en

[2:49] cierta manera, también ellas entre sí van creando estándares para que tú puedas utilizar

[2:55] las herramientas de uno en otro sitio y poder potenciar el desarrollo

[3:02] de software con esto. Además, parecía que eran bastante similares, ¿no?

[3:07] Sí, sí, son súper similares, súper.

[3:09] La interfaz me ha parecido muy bastante al Gemini en línea de comandos y todo integrado

[3:17] con Visual Studio Code como muy...

[3:19] Claro, al final tienes que llevar la tecnología y el modelo de lenguaje donde vive el

[3:23] desarrollador, que es en Visual Studio Code y en el terminal.

[3:27] O sea que siempre al final tienen un poco el mismo look and feel todos y la tecnología

[3:32] pues va por detrás. Y ahora, en estos niveles en los que estamos hoy, en 2026, los modelos

[3:39] de lenguaje son similares unos con otros.

[3:42] Al final, también llega a ser hasta el punto de elijo uno porque tengo una preferencia

[3:47] personal por ese, pero igual el mes que viene de repente prefiero otro.

[3:51] Entonces, va un poco por ahí.

[3:54] Bueno, fíjate que a lo mejor esto en base de datos, las diferencias entre bases de datos

[3:59] son como muy considerables, ¿no?

[4:01] Es decir, la gente, te voy a estar leyendo también un poquito mi terreno para hacer un

[4:05] poco mezcla, Hablemos sí a mezclando.

[4:07] Así aprendo yo también. Sí, sí, sí.

[4:10] Pues mira, por ejemplo, Oracle es como el producto supercaro que tiene un coste de licencia

[4:15] tremendo, pero que es la base de datos para entornos de alta disponibilidad, con superservidores

[4:20] y todo eso. Y luego en la lista de Deben Jeans, donde se publican las bases de datos

[4:27] con mayor puntuación de favoritos y tal, pues te encuentras ahí Aposgres, que es una

[4:31] de código abierto, MySQL y el Fork de MariaDB.

[4:36] Y luego te encuentras a lo mejor otras cosas como mongo debe que es documental y como

[4:41] que la elección de la base datos no salgo así como el hijo está porque me siento más

[4:47] cómodo trabajando con él o sea hay decisiones como muy de calado de infraestructura de

[4:51] funcionalidades de todo tú crees que las sillas y todas estas como el pescatero de arriba

[4:57] sabe lo que está haciendo en el pescatero de abajo y van como muy a la par y que se copian

[5:04] o va a haber un momento en el que se empiecen a diferenciar y digan, no, no, yo voy a

[5:09] seguir una tendencia muy distinta.

[5:11] Sí que se dice que, por ejemplo, Anthropic ha elegido como dirigirse más al público empresarial,

[5:18] entonces como que su producto va dirigido más a empresas, tiene un precio más alto, luego

[5:22] Chad GPT ha ido como más a llegar a meterse en El bolsillo de todo el mundo con

[5:29] chat GPT gratuito, está apostando también por el modelo de negocio basado en publicidad,

[5:36] entonces están probando también, están haciendo sus, a ver dónde me coloco, y luego Google

[5:42] pues al final como es tan grande y ya tiene su entorno de workspace y tal, pues juega

[5:47] un poco con esa ventaja, Pero vamos, que sí, que al final en este tipo de cosas de a

[5:54] ver qué está haciendo el vecino y luego voy a ver si lo puedo hacer yo antes, juegan

[6:01] mucho con eso también estas empresas.

[6:04] ¡Qué bueno, qué bueno! De

[6:33] hacer nosotros, debemos hacer nosotros.

[6:36] Eso es un buen melón, ¿eh?

[6:37] ¿Qué te parece? Estás abriendo aquí un buen melón a las 6 y 10 de la tarde.

[6:41] ¿Qué te parece? El tema de la ética de la inteligencia artificial.

[6:46] Además, eso es un debate que trae mucho calado.

[6:50] Lo del tema de la ética, de cómo utilizar la inteligencia artificial,

[6:58] Hasta dónde utilizarla, y luego tienes el tema de ¿La regulamos?

[7:03] ¿No la regulamos? Luego está ahí la gente que dice, porque claro, por ejemplo, en Europa

[7:07] está todo el tema de la regulación de la inteligencia artificial, eso sí o no, porque

[7:12] luego la gente dice, nos estamos quedando atrás porque tenemos demasiada regulación.

[7:17] Entonces, ojo, porque ese es un tema muy peliagudo, el tema de cómo vamos a aplicar esto

[7:23] bien. Tenemos un montón de cosas aquí para hablar.

[7:27] Mira, te voy lanzando cosas, ¿vale?

[7:30] Y te lanzo y tú me dices opinión.

[7:34] Una LinkedIn apestando a que todo el mundo publica cosas hechas por ella.

[7:40] Todos los posts suenan igual, todos están hechos igual, no tienen ni chicha ni sustancia,

[7:46] pero todo el mundo está como posteando cada día cosas en LinkedIn de qué maravillosos

[7:50] son. Y de repente le ha dicho, hazme un prompt para publicar en LinkedIn y ala, genéame

[7:56] ahí cosas. ¿Sabes cuál es el tema de la inteligencia artificial?

[7:59] Que a todo el mundo le gusta usarla porque le ahorra mucho trabajo, pero en el tema de

[8:04] generación de contenido a nadie le gusta leer algo escrito por inteligencia artificial.

[8:11] Porque tú mismo lo dices, tú ves un post de LinkedIn que igual te dice la misma opinión

[8:16] que tiene esa persona, pero como que lo hace, no sé, como que está escrito De cierta

[8:22] manera que tú enseguida detectas que es inteligencia artificial y es como pierdes completamente

[8:27] el interés y eso es muy curioso porque es bastante común la gente en cuanto empieza a

[8:31] ver un libro generado por inteligencia artificial no me interesa o un cuadro generado

[8:37] por inteligencia artificial, esto no me interesa entonces es muy curioso ese tema y sí

[8:43] que es verdad que yo creo que la gracia aquí en el tema de generación de contenido

[8:50] es que la gente tiene que ayudarse pero no completamente sustituir lo que

[8:58] hacen con inteligencia artificial porque ayudarnos siempre te puede corregir, siempre

[9:03] te puede dar ideas y yo soy muy partidaria de utilizarla en esa fase de la escritura

[9:08] incluso de la creación de cualquier cosa de proyectos de presentaciones de informes que

[9:14] ayuda a la fase de planificación y de ideas pero luego de tienes que poner algo tuyo

[9:20] porque si no no aportas nada realmente y al final yo creo que esa es un poco la diferenciación

[9:26] y luego lo que tú dices de linkedin lleno de ese tipo es el llamado ella y es lo que

[9:32] no la La cantidad de mierda, si me permites, generada, que al final es como, pues esto

[9:39] no se lo vale más y esto es pérdida de tiempo.

[9:42] Sí, la experiencia que tengo es que la IA es muy buena corrigiendo y asesorando

[9:50] sobre Algo que ya le das, creando desde cero, aunque sea una imagen o algo así, creando

[9:58] desde cero ahí le falta, yo creo, aún no hemos llegado a ese nivel de humanidad

[10:06] en la IA. Yo te diría que la gente no lo utiliza como bien, o sea, tú no le puedes decir,

[10:13] y también depende de cómo le escribas las instrucciones a la inteligencia artificial,

[10:17] porque igual para escribirle una instrucción, un prompt a un modelo de lenguaje para

[10:24] que te genere un artículo que para ti tenga sentido, igual le estás escribiendo un prompt

[10:29] que es más largo que el propio artículo y no te compensa, ¿sabes?

[10:32] O sea, no vale con decirle, escríbeme un artículo sobre Oracle, no sé, la última noticia

[10:39] y te quedas tan pancho y le has escrito una línea.

[10:42] No, le tendrías que escribir muchas cosas más.

[10:45] Entonces yo soy más partidaria de utilizarla igual para la parte de, igual te puedes

[10:50] tener un diálogo con ella y decir: A ver, se me han ocurrido estas ideas, mira a ver

[10:54] qué fortalezas ves, qué debilidades, cómo puedo hacer que esto sea más, pues más, que

[11:01] llame más la atención o que sea más interesante, o sea, igual te puede ayudar a ver en

[11:07] esa fase de ideación esas cosas, que esos pequeños detalles que igual tú no ves de primera

[11:14] si te ayuda a rellenar esos vacíos, pero yo creo que utilizar diciendo En plan de, oye,

[11:19] generarme un artículo sobre no sé qué, que lo voy a publicar en LinkedIn, y te quedas

[11:23] tan ancho. Yo creo que es un error y al final lleva, pues, a eso, a tener AI slope en

[11:28] todo LinkedIn. Bueno, y al final que cuando estamos hablando de LinkedIn, en que todo

[11:32] es reputacional y va con tu nombre y apellido, pues claro, te estás pegando un tiro en

[11:37] el pie, ¿no? Parece que estás ganando a lo mejor más audiencia y...

[11:41] Lo que dices, no es que no ganas la audiencia, porque es que eso se ve a la legua si

[11:45] un artículo está creado con inteligencia artificial y no le has dado ni media vuelta

[11:49] para poner un algo tuyo, ¿sabes?

[11:52] Sí, y te lanzo más cosas, te lanzo más cosas.

[11:55] He estado probando una AI, una cosa que te había contado.

[11:58] He estado probando una guía musical.

[11:59] De hecho, a ver, un pequeño paréntesis y voy a hacer un pequeño viaje, ¿vale?

[12:06] Un periplo para aterrizarte la idea.

[12:10] Yo en la mentoría que tengo hay un ejercicio que hago con los alumnos que es preparar

[12:15] una charla de 12 minutos.

[12:17] Es un ejercicio muy potente porque tú en 12 minutos tienes que arrancar un tema, desenredarlo,

[12:23] presentar el obstáculo, la solución, un cierre, una llamada a acción, digamos, en esos

[12:28] 12 minutos. Y yo pues de tanto en tanto hago yo una charla de 12 minutos sobre un tema

[12:34] que no sea técnico y entonces estuve probando una guía musical, fíjate que vuelta te

[12:40] estoy dando para decirte que he probado una guía musical para ver si si yo podía grabaciones

[12:48] que yo tenía cuando tenía el grupillo cuando era joven que tengo grabaciones con la guitarra

[12:52] si podía hacer remasterización y separar pistas de que estas grabaciones hay grabadas

[12:57] con cassette o si yo tocando algún tema con una guitarra por ejemplo, le podía añadir

[13:04] una batería al tiempo que suene como batería una voz y te

[13:11] digo ha sido flipante Flipante, flipante, o sea, le he dicho, fíjate

[13:19] lo que hice, grabé una guitarra.

[13:23] Con un looper grabé una melodía encima de esa base de acordes.

[13:27] En un tiempo un poco difícil, que es un tiempo de 6 por 8.

[13:30] No es una canción 4 por 4 típica, sino un ritmo.

[13:33] Ya busqué un ritmo que fuese un poco especial.

[13:36] Y le dije, toma esta letra y con la melodía que tocó con la guitarra.

[13:40] Ponme una voz de mujer. Y es que la voz hasta respira.

[13:45] Cuando hace cada verso, oyes que coge aire.

[13:51] Entonces dije, venga, oye, dame una batería en este compás de 6x8, que es 1, 2, 3, 4,

[13:56] 5, 6, 1, 2, 3, 4, 5, y me hizo una batería.

[13:59] La batería que crezca. Méteme violines y tal.

[14:05] Ostras, pues te lo pasaré.

[14:06] Me ha hecho un temazo tremendo.

[14:08] ¿Y qué modelo es? Es uno.

[14:11] ¿De aplicación? Es uno, sí, sí, es uno.

[14:14] Tiene una parte... Ah, vale.

[14:15] Ok. Y muy interesante. Tiene una parte, digamos, que es más...

[14:18] Fíjate una cosa muy curiosa que quiero destacar aquí.

[14:21] Cuando tú me estabas explicando esto de cómo has generado este tema a partir de una base

[14:27] que tenías de guitarra, fíjate cómo me lo has explicado dándome instrucciones de alguien

[14:33] que sabe de música. Yo, porque no tengo ni idea de música, no podría haber sacado un

[14:40] tema como el tuyo porque no le podría haber dado esas instrucciones a la inteligencia

[14:44] artificial. ¿Te das cuenta de este detalle?

[14:46] Porque es muy importante también a la hora de generar textos, de generar imágenes.

[14:50] Cuando sabes de algo puedes ser mucho más específico en lo que quieres generar y cómo

[14:56] hacerlo y ese es el secreto de tener un resultado mediocre a tener uno bueno, o sea,

[15:02] si a mí me dices genera un tema de música, pues seguramente sea un churro.

[15:06] Claro, claro, qué interesante esto, esto nos lleva a que los programadores

[15:13] juniors, seniors, los administradores, ese debate que decía, si quieres quieres hablar

[15:19] unos debates y la IA nos va a quitar el trabajo.

[15:20] Oye, va a hacer falta gente al nivel de poder hablar con la IA de

[15:28] tú a tú de una tecnología, ¿no?

[15:29] Es decir, para pedir una arquitectura o para pedir un aplicativo, el vídeo que tú has

[15:34] hecho de Cloud, yo pienso lo mismo.

[15:36] Es decir, sí, sí, Cloud te hace muchas cosas, pero la especificación concreta que tú

[15:41] le has dicho, quiero que me hagas un con Docker, todo esto, claro, tienes que tener todo

[15:47] ese nivel, ¿no? Entonces, es posible, te voy a lanzar una pregunta, ¿es posible que estemos

[15:51] entre una polarización entre gente que usa la IA de forma Inteligente o de

[15:58] forma creativa y gente que usa la IA para pedirle, hazme fotos del estudio Ghibli y…?

[16:06] A ver, eso sí, eso es evidente, claro, obvio.

[16:10] Sí, claro, hay gente que utiliza la inteligencia artificial, pues como, yo qué sé, para

[16:13] lo que antes preguntaba Google, igual ahora se lo pregunta ChatGPT, genera alguna imagen

[16:19] de vez en cuando que quede chula y poco más.

[16:22] Eso es como si dijéramos inteligencia artificial a nivel usuario.

[16:25] Y a lo mejor por días. Por días tengo una conversación inteligente y otro día hago una

[16:32] foto de un mono. Por supuesto.

[16:37] Qué bueno. Y aplicaciones en la vida real para técnicos, digamos,

[16:44] de la vieja escuela, programadores y todo esto.

[16:47] ¿Tú cómo lo ves? A mí me parece el uso más mágico

[16:55] como si dijéramos de la inteligencia artificial es cuánto te baja las barreras de entrada

[16:59] cuando quieres aprender algo nuevo sea lo que sea, si tú vas a pasar de 0 a 1 que igual

[17:05] antes te costaba, pues cursos en buscar en internet, no sé, no había

[17:12] como algo estructurado, te costaba mucho más llegar a donde querías, con la inteligencia

[17:16] artificial como esa información de pasar de cero a uno de cualquier cosa es mucho más

[17:22] extensa, te cuesta mucho menos aprender algo de cero y poder ser funcional y luego incluso

[17:28] ya puedes ir como de ahí creciendo hacia arriba.

[17:32] Entonces me parece como mucho más fácil, por ejemplo, que ahora dicen mucho que las empresas

[17:38] están despidiendo a los juniors y que los juniors cómo se van a poder formar porque no

[17:42] van van a ser nunca juniors.

[17:43] O sea, a mí siendo junior me parece mucho más sencillo formarme en programación o en

[17:48] lo que sea con curiosidad y con la inteligencia artificial realmente.

[17:53] Porque ahí es verdad que no te lo va a poder decir todo, pero te da unas bases y una

[17:58] manera o algo de luego preguntar a alguien que sepa más que tú o te da como un contexto,

[18:05] ¿no? No sé si ves hacia dónde quiero ir.

[18:09] Sí, sí, yo lo veo en mi hijo, por ejemplo, él está estudiando informática, el

[18:16] ciclo formativo, y tiene un método de trabajar con las sillas que me

[18:23] parece brutal, porque él no dice, esto me falla, ¿dónde está el error?

[18:28] O sea, tú lo planteas desde el, enséñame a hacer esto, enséñame a hacer lo otro.

[18:35] Si estoy haciendo esto, cuéntame cómo funciona esto.

[18:37] Es decir, tiene una forma como muy...

[18:41] Es decir, cuéntame lo que sabes que lo quiero aprender.

[18:45] Que, claro, lo que dices tú, ¿no?

[18:48] Es decir, como tener la frase de copilot es muy interesante.

[18:52] Es decir, tengo un asistente o tengo a alguien que me ayuda a desarrollar cosas, pero

[18:58] tengo que ser yo quien las desarrolle, ¿no?

[19:00] Es como tener A un senior al lado que te corrige el código.

[19:05] Imagínate que yo estoy haciendo una query y es mi primera query y de repente es un churro,

[19:11] igual funciona por lo que sea pero es un churro y entonces yo le puedo preguntar.

[19:16] ¿Cómo reescribirías esto siguiendo las mejores prácticas o para que sea más eficiente?

[19:21] Y entonces te mejora y tú has aprendido cómo hacerlo.

[19:27] Entonces, ese uso diferencial es lo que va a diferenciar a la gente que diga, ah, bueno,

[19:33] pues hazme esto como sea y yo lo pruebo y que funcione y ni siquiera me fijo, pues ok,

[19:39] pero tú no estás sacando nada de eso, no estás aportando nada y de la otra manera tú

[19:46] estás enriqueciéndote de la inteligencia artificial, que es el uso que le da a tu hijo,

[19:50] por ejemplo. Sí, y claro, y con esto, y mezclándote con lo de la IA musical, te quería

[19:56] contar además una cosa. Sabes que hemos hablado a veces, por ejemplo, del vector search,

[20:01] de cómo funciona por debajo, la forma de resolver proximidades

[20:08] y tal, y quizá también ese conocimiento de cómo funcionan las cosas por debajo a ser

[20:14] necesario, Es decir, las búsquedas por Coseno, por la cercanía a Manhattan y todas estas

[20:21] cosas. Porque, por ejemplo, y te lo comentaba, es que fíjate que por ejemplo a la IA

[20:25] yo le digo, créame un solo de guitarra que no sea virtuoso, o sea, que no sea rápido

[20:30] así virtuoso y me hace el solo de guitarra más rápido y más virtuoso de todos.

[20:35] Entonces digo, ¿cómo puede ser que le digo que no me haga algo y me hace precisamente

[20:40] lo que le he dicho? Claro, Precisamente porque le has dicho eso.

[20:43] Porque he especificado. Y es como que las instrucciones de su, por ejemplo, de esta IA,

[20:49] te digo, por ejemplo, era como, no puedes utilizar exclusiones.

[20:55] En el prompt, no utilices exclusiones, como decir.

[20:58] Pero que no suene a jazz.

[21:00] En el momento que pongas la palabra jazz, va a buscarte todo un abanico, digamos, del

[21:06] modelo que han utilizado para aprender, basado en jazz, y te suena lo quieras o no.

[21:13] Entonces vamos a tener que aprender lo que hay debajo.

[21:16] Claro, sí, 100% de todas maneras, ese problema que ahora estás comentando de los prompts

[21:23] en negativo, eso era una buena práctica como hace, bueno, pues cuando salieron, porque

[21:28] evidentemente pasa lo que dices tú.

[21:30] En el momento en el que tú dices no pienses en un elefante rosa, pues ya está, ya hay

[21:36] un elefante rosa en el resultado, porque ya está ahí puesto aunque hayas puesto un no

[21:41] delante eso se ha mejorado con las diferentes evoluciones de los modelos pero todavía

[21:47] sigue ahí y viene precisamente de cómo funciona la búsqueda vector y vectorial por dentro

[21:54] por debajo súper interesante si seguimos abriendo melones yo tengo que unos cuantos melones

[22:01] que son de debate súper interesantes mira los informáticos un poco siempre hemos

[22:08] tenido cultura de divulgar y de comentar y de compartir el conocimiento de crear comunidades

[22:16] de conocimiento no y un poco lo que pasó con esta cover flow te pongo un poco a la

[22:23] idea al tema esa cover flow se de pronto se inundó con gente Contestando

[22:31] artículos utilizando ya, pero, pero fue tan masivo, una

[22:39] avalancha de tanto contenido generado por IA, que lo detectaron porque la gente empezó

[22:44] a decir, sí, sí, la explicación suena muy bien, pero en la práctica no funciona.

[22:50] Esta Coder Flow dijo, a quien utilice IA le vamos a banear, le vamos a poner un flag,

[22:55] vamos a flaggear su cuenta y vamos a bajarle.

[23:01] Y vamos a marcar que ese usuario, toda la reputación que tenía ganada la iba a perder.

[23:08] Porque no tenían suficientes verificadores humanos para poder regular eso.

[23:13] Simplemente lo habían detectado porque había mucha gente que se había quejado con, oye,

[23:16] esta respuesta no es, esta respuesta no es, esta respuesta no es.

[23:19] En muchas habían visto que aumentaron de una forma desproporcionada.

[23:24] Y justo después de hacer eso, esta Cover Flow se alía, de

[23:31] hecho, hace un acuerdo con OpenAI y le venden toda la base de conocimiento a OpenAI,

[23:37] incluyendo contribuciones con licencia creativa, código con

[23:45] Creative Commons. Que dices, oye, que cualquiera utilice mi código.

[23:49] Es una red altruista, ¿no?

[23:52] ¿Tú no crees que los técnicos, por esa cultura de la generosidad y de compartir el conocimiento,

[23:58] somos los primeros que hemos pringado en que se han alimentado los modelos informáticos

[24:02] con todo el conocimiento humano entregado gratuitamente?

[24:07] ¿No crees que a lo mejor nos han robado un poco?

[24:10] A ver si todo lo que se convierte, pero no sólo a los técnicos,

[24:18] a cualquier persona que haya escrito en internet, tú lo dejas ahí para que lo lea la

[24:22] gente y lo que han hecho estas personas es entrenar sus modelos con todo el texto que

[24:29] estuviera en, o sea, si se puede acceder en internet, pues lo han cogido y han entrenado

[24:33] modelos con ello. Claro, frente a lo mejor, Imagínate, otro sector como los abogados,

[24:41] por ejemplo, que a lo mejor no tienen tanta cultura de divulgación al público,

[24:49] al consumidor o a la gente, a otros abogados.

[24:52] No son de hacerse blogs con, mira cómo he resuelto este juicio.

[24:57] Claro, ese es el tema. Por ejemplo, las inteligencias artificiales verticales de los

[25:01] abogados, eso ahora es un negocio redondo porque tú te coges todas las empresas.

[25:09] Te lo digo porque justo tengo un cliente que es una asesoría legal.

[25:11] Entonces, todas las empresas que tienen acceso, pues, a sentencias pasadas,

[25:19] a esos datos, sólo pueden, pueden entrenar el modelo, que ya es súper potente en

[25:26] sí mismo, lo entran en específico con esa información legal y se lo venden a los despachos

[25:32] de abogados por unas licencias que alucinas de la cantidad de dinero que les cuesta y

[25:39] claro que los abogados lo pagan, pero de mil mil amores.

[25:42] ¿Por qué? Porque les soluciona la vida, sí, toda nuestra audiencia que quiera sumarse

[25:47] a este proyecto puede Disponibilizar.

[25:52] Oye, qué bueno, ¿eh? Vaya oportunidad de negocio grande.

[25:55] Sí, tú piensa en cualquier sector que tenga la información

[26:00] que esté cerrada, que no esté abierta.

[26:03] Pues, por ejemplo, legal, es que es la primera que viene a la mente.

[26:09] Seguros. Seguros. Pues toda la información esa, empresa coge y se entrena

[26:16] un modelo por detrás que además está alimentando pues a otros profesionales, no al público

[26:22] en general. Eso, vamos, están saliendo una cantidad de inteligencias artificiales verticales

[26:28] por sector, pues el de legal, el del médico, el de no sé qué,

[26:33] que, vamos, son la leche.

[26:35] Y para los profesionales de esos rangos pues les funciona muy bien.

[26:42] Fíjate además que la semana pasada con Carla Muñoz estábamos hablando de que Oracle ha

[26:48] sacado la última versión que incorpora todo lo de IA lo tiene incorporado ya de forma

[26:55] nativa la base de datos, en principio según dicen no va a tener licencia extra todo lo

[26:59] de Vector Search y todo eso Y decía Carla, decía, es que cada vez esto abre la puerta,

[27:05] porque antes la versión de Oracle la estaban pensando solo para nube, la última versión,

[27:12] la versión con todas las funcionalidades de IA, solo para OCI y tal, no solo para Cloud,

[27:16] y han abierto la versión on -premise.

[27:19] Y entonces decía Carla, es que esto abre la puerta mucho a lo que estás diciendo, a la

[27:24] IA en tu sótano, a que cada uno pueda tener su propia IA en su propio sótano, su propia

[27:31] empresa, con su propio modelo alimentado, digamos, con solo la información privada

[27:39] que requiere y confidencial.

[27:42] Porque, ¿tú crees que se ha dado mucho miedo a compartir?

[27:46] Sí, 100% sí, 100% sobre todo a nivel empresarial, todo el tema de la información

[27:53] privada, pues al final sí que existe miedo.

[27:56] Y pues imagínate gente que tiene la información on -prem pues no quiere de repente que

[28:03] enviarse el hgt para preguntarle cosas por muy útil que le vaya a ser entonces pues igual

[28:09] puede entender más a soluciones más locales o sea eso es Súper importante y además vuelvo

[28:15] un poco al tema de por Por ejemplo, una asesoría legal y empresa o un médico tiene

[28:23] que ajustarse a las leyes de protección de datos.

[28:28] Porque imagínate que yo tengo un paciente y cojo su historial, se lo pregunto a una inteligencia

[28:35] artificial que no sé muy bien de dónde viene, al último modelo que salga, que imagínate

[28:40] que no es de una de las grandes, Yo qué sé, DeepSeek, por ejemplo, le pregunto y de repente

[28:45] esa información se publica en algún sitio.

[28:48] Pues me he saltado todas las leyes de protección de datos que existen, ¿sabes?

[28:54] Es un pollón y bueno, fíjate que yo pensé que eso iba a ir más por otra línea, lo de

[29:01] la IA en el sótano. Yo pensé que quizá podía haber miedo

[29:08] a todo el tema de coste por tokenización, que la gente diga, ya, ya, pero tener una IA

[29:15] que de pronto va a consumir tokens y de pronto ciertas aplicaciones que te ofrecen un

[29:21] SaaS, por ejemplo, con una inteligencia artificial y te dicen, Y tú puedes preguntar

[29:27] lo que quieras Que vas a pagar solamente por tokens Esa medida que se dispara el coste

[29:33] Yo pensé que iba a ir un poco por ahí Y la aplicación de tener es ahí en el sótano Pero

[29:39] lo que dices tú De modelos verticales solamente de tu sector Y solamente

[29:46] con tus datos privados Ahí esa, pienso que Es una parte interesante Yo creo que va más

[29:52] por el tema de la privacidad que por el tema del coste por token porque tú piensas que

[29:57] si tú tienes tu propio modelo on -premises instalado primero probablemente no puedas

[30:04] tener un modelo tan grande como los que se están utilizando ahora que son inmensos y

[30:10] por tanto no vayas a tener el mismo rendimiento

[30:13] y aparte que lo tienes que mantener tienes que tener los servidores en los que viva tienes

[30:20] que poder gestionar todo el tema de las latencias, de cuánto tardan las respuestas,

[30:28] entonces eso tienes que ser una empresa muy grande para poder mantener eso.

[30:33] Sí, pero con el tema de privacidad, fíjate, estaba hablando con un amigo mío que es abogado

[30:39] sobre el tema de que en Estados Unidos un juez ha pedido el historial

[30:46] de chat GPT de una persona que estaba procesada,

[30:54] alegando que tú la confidencialidad la tienes con tu abogado pero no la tienes con IA.

[31:00] Y un juez puede intervenir o puede intervenir llamadas te puede intervenir, te ha hecho

[31:04] GPT y de ahí han sacado toda la toda la verdad

[31:11] Y me decía mi abogado a veces son más honestos con la inteligencia artificial que con

[31:18] el propio abogado, no nos cuentan toda la verdad y luego a cha GPT si se la cuentan pero

[31:24] yo en realidad si he estafado tanto dinero

[31:27] bueno pero eso ya venía con las redes sociales que Facebook podía saber más de ti

[31:34] que tú mismo incluso sabiendo dónde pasabas tiempo, a qué le dabas like qué es lo que

[31:40] veías es más consciente de cómo eres de lo que eres tú al final son datos objetivos no

[31:46] es lo que tú estás contando de ti mismo lo mismo con las fotos y estoy posteando fotos

[31:51] en la discoteca exacto a tope pero qué bueno Bueno, qué bueno, qué bueno.

[31:58] Yo quiero que nos vayamos también un poquito a nuestra parte de ingeniería de datos,

[32:05] porque la IA es un tema súper interesante, un montón de melones hay aquí.

[32:12] La IA es el producto final, pero la IA sin datos no existe.

[32:17] Sin datos no es nada exacto que seríamos sin datos y yo te quería fíjate que te quería

[32:24] te quería sacar tú tienes en tu tienes en tu web tenéis un test muy chulo que yo lo dice

[32:29] que era para clasificarnos entre a los amantes así de los datos si si si si

[32:36] caíamos en el saco de si éramos ingenieros de datos si éramos analistas o si era más

[32:43] la parte de ciencia de datos de ciencia de de ciencia de datos.

[32:47] Y yo pensé que tenía un poco de los tres, porque yo había tocado...

[32:51] Bueno, tú eres ingeniero de datos, pero vamos, si hablas muy dos minutos contigo, se

[32:55] te ve, vaya. ¿Qué te salió?

[32:57] A ver, confiesa. Me salió ingeniero de datos.

[33:00] Obvio. Me salió ingeniero de datos.

[33:02] Porque sí, porque estoy en el suelo, estoy muy en el suelo de la infraestructura.

[33:08] De hecho, sabes que cada vez que veo modelos así, siempre pienso en el suelo.

[33:16] Hay un libro buenísimo de Tom Kite que se llama Diseño Experto, o sea, diseño eficiente

[33:22] desde expert performance on design,

[33:30] algo así. Es decir, es como tú puedes preparar las fases de datos para el mejor rendimiento,

[33:36] para la mayor potencia, pensando siempre en el suelo, en qué es lo que está pasando en

[33:41] la física de los datos, cómo se accede al final a las tablas, cómo se accede a...

[33:48] Están hablando de los vectores, pues bueno, cómo optimizar los vectores, cómo funcionan

[33:56] estas indexaciones. Yo estoy muy en el suelo, pero muy contento también.

[34:03] Te iba a decir, ¿crees que hay aún que tender un puente o que ese puente de distancia

[34:10] que había entre los desarrolladores, por ejemplo, tú has trabajado mucho con Data Warehouse

[34:14] y con Big Data y todo esto, entre los que están en el lado del análisis, el desarrollo

[34:20] en la parte de negocio de Data Warehouse y de Big Data, con la parte de infraestructura,

[34:25] administradores y tal, ¿crees que esa distancia se ha hecho mayor o que estamos más cerca?

[34:33] ¿Cómo lo ves? Es una pregunta esa, porque depende mucho de, te diría que incluso del

[34:40] profesional, depende mucho, y depende mucho de los equipos, y yo

[34:47] no veo como una tendencia general que vaya hacia un lugar de unión, depende

[34:55] también de las ganas que tengas de entender al otro, que yo creo que eso es lo básico.

[35:01] Claro, y es que cuando me pregunto por ejemplo, temas de rendimiento cuando todo va lento

[35:08] es como, ah pues oye habrá sido desarrollo, habrá sido

[35:13] Los analistas, claro que es el tema, es como tú que vas a decir, le vas a echar la culpa

[35:18] al otro o vas a intentar entender porque si yo por ejemplo, imagínate que yo soy analista

[35:21] y entonces voy donde ti y te digo, oye, este dashboard me va lentísimo, y tú que me vas

[35:27] a contar, porque igual me empiezas a hablar de cubos y de queries y yo no te estoy entendiendo

[35:33] nada porque no sé de qué me estás hablando.

[35:35] Uy, pero yo lo primero te llevaría a la cafetería.

[35:38] Eso es el tema. Sácate un café.

[35:42] Que vamos a pasar la tarde aquí tú y yo

[35:45] De hecho, ese fue el espíritu de por qué Café de Atabasis se llama Café de Atabasis y

[35:50] todo eso porque cada vez que salía una cosa así decía Espera, espera, esto...

[35:53] Tenemos que irnos a tomar un café Vamos a tomar un café y vamos a a ver toda esa zona

[35:59] que no sabemos si está, que está a lo mejor fuera de mi área, pero no sé dónde está fuera

[36:03] de la tuya, ese terreno en medio donde podemos encontrar.

[36:09] Claro, porque además yo creo que esa frontera es muy difusa y que además en cada empresa

[36:14] y en cada equipo se mueve, es distinta, no es la misma en todas partes.

[36:18] Igual lo que llega un DBA en la empresa A no es lo mismo que en lo que llega en la empresa

[36:24] B, porque en la empresa B hay un puesto intermedio que ocupa, Es como muy distinto, entonces

[36:29] yo creo que ahí va más de ganas de entender dónde está

[36:36] mi responsabilidad, dónde están las del otro, pero no solo quedarme en lo mío y yo solo

[36:43] me ocupo de esto y ya está, sino tener ganas de que funcione como el objetivo general,

[36:48] o sea, que llegue a funcionar el proyecto.

[36:49] O sea, que tu dashboard sea más rápido y yo voy a ver qué puedo hacer para ayudarte y

[36:55] tú tienes que entender cómo trabajo yo sin tenerte que meterte en el mundo técnico o

[37:01] en las especificidades Técnicas para poder ver si llegamos a un acuerdo, a un equilibrio.

[37:09] De hecho, yo creo que el secreto está en eso.

[37:12] Pero esto no tiene nada que ver con algo técnico, yo creo que es algo más humano que

[37:15] todo eso. Sí, aunque te diría que creo que sí esos roles

[37:22] más o menos pueden estar más o menos claros.

[37:25] En proyectos a lo mejor en los que he estado, en los que yo he dicho, yo como DBA te

[37:31] puedo ofrecer esto, esto, esto y esto, y esto hace que tú cuando montes un cuadro de

[37:38] mandos o lo que sea, O sea, esta es la información un poco que tienes que entender que

[37:43] yo desde la infraestructura tengo que preparar para ti.

[37:46] Como que si hay un punto en el cual esa frontera va siendo más nítida, en el cual te

[37:52] digo, mira, todo esto está en tu lado, todo esto está en el mío y si yo te cuento hasta

[37:57] dónde llega a mi lado, tú sabes qué información darme.

[38:00] Y yo sé qué información darte, lo que te decía de los cubos al final los cubos ¿por qué

[38:04] se llaman cubos? Porque son las dimensiones y tú me dices, yo en dimensiones ya me manejo,

[38:09] yo ya sé qué dimensiones necesito, entonces yo te digo, vale, perfecto vale, porque yo

[38:13] construyo el SQL con Create Dimension y con las

[38:17] jerarquías y con todo y si hay un punto en el que en el que ahí nos podemos dar la mano

[38:24] y Decir vale, cada uno tiene su lista de cosas que están en su en su lado no pero yo

[38:29] la experiencia que tengo es que no no suele haber esa cultura porque al final se habla

[38:33] de pues ingeniero de datos no debe a y debe a pues es tanto el que está con

[38:40] los programadores ayudándoles a optimizar el código como el que está montando un clúster

[38:45] o el que está gestionando los discos o el raid o estamos tocando el sistema operativo

[38:51] no parece Parece que está desde el suelo hasta la misma frontera.

[38:57] Tú mismo lo estás diciendo, incluso un DBA, dependiendo de dónde estés o del equipo del

[39:02] que formes parte, puede ser una cosa súper física a una cosa un poco más...

[39:09] O sea, no está como súper definido, entonces es como muy, no sé, es un poco etéreo

[39:16] hacia dónde llega y sobre todo súper dependiente de dónde estés.

[39:20] Pero yo creo que básicamente lo que has dicho es que llegar a ese punto de entendimiento

[39:27] con la otra parte para entender, o sea, para utilizar el idioma común.

[39:32] Y eso no es tecnología, eso es algo cultural de la empresa y eso es algo humano.

[39:37] Malo totalmente totalmente pues oye quiero quiero que me quiero que me cuentes cosas

[39:43] tú de la comunidad tuya ninja que tienes que tienes qué cosas tienes ahora en la cocina

[39:50] para preparar y de las cosas que tienes hechas Dime cosas chulas así que hayas hecho

[39:57] porque también así. Así yo me las miro, me miro cosas así.

[40:01] Es que estoy... soy tu...

[40:04] El nuevo. El nuevo. Sí, el nuevo.

[40:11] Bueno, pues... En la cocina primero.

[40:13] En la cocina. ¿Qué estás cocinando?

[40:16] Yo ahora estamos a full con agentes.

[40:20] En los próximos meses, agentes 100%.

[40:23] El club de lectura va a ser un libro de agentes.

[40:26] Las sesiones van a empezar por Cloud Code, pero van a ir por pues otras muchas aplicaciones

[40:31] como más igual más nivel usuario de montar las cosas y las automatizaciones con algo

[40:37] más visual como puede ser en 8n pero que puedes incorporar ahí un modelo de lenguaje

[40:41] a ya utilizar incluso las propias librerías de python que se encargan de esto como pueden

[40:48] ser lanche y por ejemplo que es la típica eso van a ser los próximos meses y Y luego

[40:53] ya siempre procuro mantener como las bases del Machine Learning, lo que hoy

[41:00] en día se llama Machine Learning clásico, que cuando hace tiempo era el Machine Learning,

[41:06] pues hoy es el clásico. Y entonces mantenemos eso para la gente que va empezando, que

[41:10] no se desepare mucho de esta parte de Machine Learning, que es lo que mola

[41:18] también, y de un poco es el origen de todo.

[41:21] Entonces, si entiendes bien las bases, pues al final vas a entender que lo mismo te da

[41:25] predecir cuánto va a valer la vivienda mañana, cuál es el siguiente

[41:32] token, qué es lo que hace un modelo de lenguaje.

[41:34] Al final es un poco la misma base, pero evolucionada, como Si dijéramos.

[41:39] Entonces, eso es lo que va a pasar en los próximos meses, y de las cosas de los laboratorios

[41:45] que has hecho y cosas que has hecho así chulas, dime, te voy a preguntar, por ejemplo,

[41:49] los tus top 3 laboratorios cacharreos favoritos.

[41:54] Pues mira, aquí hay una sesión, porque, porque, bueno, yo todo esto empezó porque yo

[42:00] tengo ganas de compartir todo el mundo de los datos, y cuando yo hablo del mundo de los

[42:05] datos, hablo de machine learning, hablo de de inteligencia artificial y hablo de ingeniería

[42:10] de datos y análisis, De compartirlo de la manera más accesible posible.

[42:17] De hecho, ese es el punto de vista del podcast, que es como yo empecé.

[42:22] Luego, a partir de ahí, muchas veces todo el mundo...

[42:26] Bueno, es algo que tú ya sabes, que la información está en internet y eso es así, pero

[42:30] muchas veces hay tanta información que no sabes un poco por dónde tirar.

[42:34] Y en el aprendizaje se puede hacer un poco solitario.

[42:37] Y entonces de ahí salió un poco la comunidad.

[42:41] Y al final a mí lo que me faltó cuando estaba aprendiendo es que está muy bien que

[42:48] tú me enseñes la típica teoría, pero yo veo que entre lo que enseñan en un curso y lo

[42:55] que luego vas a aplicar en el mundo real hay como mucha diferencia.

[43:00] Entonces yo he intentado realizar los laboratorios y un poco los proyectos que hemos

[43:04] hecho para rellenar ese hueco.

[43:06] Y entonces, un proyecto que hemos hecho que ha ocupado varias sesiones es un proyecto

[43:12] de ese tipo, que al final consistía —y consiste, porque realmente no lo hemos terminado

[43:18] todavía— en poder descargar de una API ofertas de empleo de LinkedIn y

[43:25] luego que con eso podamos procesarlo en un pipeline completo de ingeniería de datos.

[43:30] Y tener esos datos en un warehouse y poder enriquecerlos con un modelo de lenguaje para

[43:35] luego poder construir un dashboard que nos explique qué skills tenemos.

[43:40] Que conseguir si queremos ser ingenieros de datos, por ejemplo.

[43:43] Y ese es un proyecto completo.

[43:45] Oh, este es el siguiente que hago.

[44:16] Manera y con las limitaciones que puedes tener durante el desarrollo que dices oye necesito

[44:21] una herramienta más que puedo usar ahora quiero integrar eso quiero hacer una migración

[44:25] como lo hago y entonces es el proyecto que más semanas nos ha llevado porque empezamos

[44:30] el año pasado y como digo no hemos terminado pero creo que es súper completo para alguien

[44:34] que quiera que quiera dedicarse pues o que quiera empezar en el mundo un poco de la ingeniería

[44:40] de datos entre ingeniería y análisis porque la idea era que en la comunidad hay perfiles

[44:45] como muy diversos pues que la parte de analistas se encargará más de hacer los datos

[44:50] y las personas más interesadas en hacer la ingeniería pues se encargarán más pues de

[44:56] las queries de montar las bases de datos de hacer todas estas cosas de orquestación con

[45:00] airflow vital entonces es como el gran proyecto que me me gusta a mí, o sea, es como...

[45:07] Es el top 1, este es el top 1.

[45:08] Sí, el top 1, sí, que nos ha llevado, bueno, y no hemos terminado.

[45:12] Y luego me gustan también mucho una cosa que hemos empezado a hacer el mes pasado, que

[45:18] son las competiciones de Kaggle, que ya he mencionado, en plan, con las bases, para que

[45:23] la gente que empieza no se vea un poco avasallada con un proyecto muy grande y diga,

[45:28] oye, ¿por dónde empiezo Yo que estoy empezando?

[45:29] Entonces, son proyectos que vamos haciendo participativamente, quien quiera participar,

[45:34] participar pues puede pues puede entrar y preguntar y vamos se explica la cantidad de

[45:41] veces que haga falta. Bueno, qué bueno que se te cuando la intimidad a todo

[45:48] esto que me da un poco de vergüenza, no, no sé bien bien la diferencia entre data warehouse,

[45:54] big data y data lake. Bueno, pero para eso estoy, todo es

[46:03] como como el sitio donde van a parar todos los datos y a ver, big data no es una

[46:10] tecnología per se, big data es como realmente es es como con lo que básicamente cuando

[46:18] tienes tantos datos que no puedes guardarlo todo en un ordenador, tiene que ver más con

[46:22] el volumen de datos que tienes que usar, no es una tecnología big data es el volumen

[46:28] de datos que tiene una empresa muy grande, sabes?

[46:30] Vale, y la ley también son muchos datos, un lago de datos, sí, pero es así

[46:37] que son más más tecnología, sabes

[46:41] Entonces el data lake tiene que ver como tú como lo procesas tú un data warehouse tú

[46:47] lo extraes del sitio vuelvo un poco al ejemplo que decía del proyecto que tenemos de

[46:53] extraer datos de una app y de linkedin entonces yo puedo extraer esos datos los transformó

[47:00] antes y luego lo guarda ordenaditos en unas tablas en un data warehouse o yo cojo todo

[47:06] eso que es un formato jason a pelo y lo meto en un data lake a modo no estructurado y

[47:12] luego ya dentro de ese data lake ya lo puedo estructurar en un pipeline y lo puedo procesar

[47:16] como yo quiera eso es un poco la diferencia un data warehouse es más información estructurada

[47:21] y un data lake puede entrar ahí un poco cualquier cosa y luego le pones una capa por

[47:25] encima que le dé un poco de orden que bueno sabes ¿Sabes que una de las cosas que te

[47:30] pasé, que podíamos charlar, es todo el tema de la dualidad entre SQL y JSON?

[47:36] Porque como yo ya me tiene escalado, que soy ingeniero de la parte de suelo, a mí me

[47:42] da un poco de desconfianza todo esto que se plantea como que tú puedes al final acceder

[47:47] a los datos de forma totalmente transparente, tanto como SQL como JSON, que al final,

[47:53] en este caso Oracle te dice que te lo traduce todo por igual.

[47:56] Es decir, tú tienes tablas o modelos relacionados, lo que sea, no Importa, te construyo

[48:02] un... o sea, hay un objeto, que son las Duality Views, y las Duality Views es que tú

[48:08] puedes acceder a las tablas tanto como SQL o como JSON, y puedes visualizar el contenido

[48:14] como SQL o como JSON. Y tú puedes almacenar documentos y consultarlos como si fuesen

[48:22] tablas de SQL con Select From Web.

[48:25] Y tú puedes tener tablas y consultarlas de forma totalmente transparente a través de

[48:29] esas Duality Views. Y yo pienso, en cuanto le metamos aquí volumen de datos, esta traducción

[48:36] transparente, esto va a costar.

[48:40] Esto va a pesar cuando se ponga en marcha.

[48:45] ¿Crees que es necesaria esta capa de transparencia entre SQL y JSON para verlo

[48:53] todo de forma diáfana? ¿O quizá mejor zapatero tus zapatos las cosas que son de Graph,

[48:58] SQL, que se vean con Graph, las cosas que sean de JSON, pues mongos o data lakes que

[49:05] son desrelacionados, que son SQL, y lo que sea SQL?

[49:11] ¿Tú lo ves como algo interesante, positivo?

[49:14] Yo creo que lo que están haciendo los proveedores y no creo que por lo que me dices no

[49:19] es cosa solo de oracle es añadir es como una capa yo meto los datos en bruto y luego

[49:26] por encima mete una abstracción y luego ya que cada uno lo consulte como quiera que eso

[49:31] escale más o menos yo entiendo que están están desarrollando la tecnología para que escale

[49:38] mejor ahora si Quieres tener un producto para cada una de las

[49:45] consultas que se hagan como dice esta patera a tus zapatos no sé yo creo que por ahí

[49:52] no están yendo los proveedores ninguno de hecho están dejando hacer las consultas

[49:59] con sql porque la gente está acostumbrada a hacerlo así sí y de hecho al final todo lo

[50:06] todo lo crítico lo que tú necesites integridad va a tener que ser relacional vas a tener

[50:12] que tener un modelo de los datos relacional para poder funcionar con

[50:16] constraints, con primary keys, foreign keys, todo esto al final en JSON esta parte se

[50:21] te diluye por el hecho de ser un documento ser un conjunto de documentos es mucho más

[50:27] duro, pero no sé, a veces muchas veces cuando se habla de y la transparencia que va a

[50:32] unificar los mundos, lo presentaba Juan Loaiza en Las Vegas decía, desde los años 70

[50:38] desde que COD Propuso su modelo relacional de bases de datos, no ha habido ningún avance

[50:44] en bases de datos tan importante, tan calado como las Duality Views como integrar JSON

[50:50] y digo, ostras esta va a ser gorda, no sé.

[50:55] ¿Qué opinas tú? ¿Tú crees que va a funcionar o cómo lo ves?

[51:02] Claro, pues es que claro,

[51:04] yo como siempre pienso en el suelo, por ejemplo siempre pienso que ciertas Ciertas cosas

[51:10] que se implementan pensando en el suelo físico, esas son las

[51:17] que prevalecen, las que van a funcionar y las que van a resistir.

[51:21] Por ejemplo, lo que te hablaba de los cubos y las dimensiones y tal, al final en el suelo

[51:27] lo que hay son vistas materializadas.

[51:29] Son como una vista que te agrega toda la información y te almacena como en un segmento

[51:36] de tabla plano que tú puedes ver como si fuese un cubo, pero lo que es la parte de suelo

[51:42] está bien resuelta. Aquí como es capa de transparencia y es como ver por igual jason

[51:48] y sql yo creo que en pocos o en pocos medios volúmenes de datos va

[51:55] a funcionar bien pero como le pidas a lo mejor construcciones a lo mejor un poco más

[52:02] de navegar entre un montón de documentos entre millones de documentos lo que tengas que

[52:06] montar indexaciones sobre documentos jason aquí es donde donde vamos a tener que como

[52:13] humanos irnos a esa inteligencia humana De pensar vamos a ver pero esto en el suelo como

[52:19] está implementado o cuando estamos accediendo a todos estos datos en el suelo que representa

[52:25] o estas qué tablas son no y cómo se hace este acceso porque al final muchas veces vas

[52:31] a a los bloques como el bloque selen disco los hijos las lecturas en memoria y todo tiene

[52:37] que todo tiene que ser óptimo a todos los niveles no sea por eso desde la misma desde

[52:44] el mismo suelo hasta la capa de presentación y esa es mi esa es mi opinión que en volúmenes

[52:50] medios pequeños y medios esto va a ser muy transparente y muy versátil pero que cuando

[52:57] empezamos a escalar a grandes volúmenes de datos los administradores que nos han condenado

[53:03] a la extinción desde desde hace 15 años que están diciendo que ya no son necesarios los

[53:09] de veas porque lo que sea se hace solo no pues vamos a ser las personas que vamos a decir

[53:15] bueno a ver espera pero como esté implementado esto por debajo sí porque tú estás viendo

[53:19] todo lo estás viendo en jason pero debajo es sql o al revés o tú lo estás viendo todo

[53:24] en sql pero debajo estás teniendo un montón de documentos en jason que

[53:29] indexarlos acceder a ellos pues pensar en la física de los datos no esa es mi opinión

[53:34] pero es muy una una opinión muy modesta desde la ignorancia, creo.

[53:41] No, la Verdad es que yo creo que está bastante acertada, pero el tema aquí es cuál es

[53:45] el volumen de datos, porque si tú te fijas, si tú tienes plataformas como puede ser Oracle

[53:50] o como puede ser Databricks, que son las que se están basando en quitar todos los niveles

[53:55] complejos y abstraer toda la complejidad de cómo está implementado eso físicamente, que

[54:02] al final es quitarle un poco la gracia a lo que puede hacer hacer un dba o un ingeniero

[54:07] de datos son para volúmenes medios de datos pero medios altos porque las

[54:14] empresas igual que utilizan y que desarrollan su propia tecnología y que son las la

[54:22] casa de muchos estándares que luego se hace en open source pues son empresas tipo meta

[54:28] que evidentemente el volumen de datos que puede estar generando meta es infinitamente

[54:34] mayor que el que que puede estar generando, yo que sé, una empresa que utiliza un Databricks

[54:38] de la vida o LinkedIn, son empresas muy grandes que necesitan soluciones a medida y que

[54:45] tienen que estar muy finos con cómo está implementado todo a nivel físico.

[54:49] Pero cualquier otra empresa que le valga con una solución que sale de la caja como puede

[54:56] ser Databricks, pues eso no le va a hacer falta realmente y es ahí donde viene la parte

[55:01] de te voy a abstraer toda la complejidad y vas a poder consultar los Datos, ya sea en

[55:08] JSON o en SQL, como tú quieras, porque te va a dar igual, esto va a estar aquí todo guardado

[55:13] sin que tú tengas que saber ni cómo está.

[55:16] Entonces ahí la gracia es, volvemos y cerramos un poco el círculo a qué es Big Data y

[55:22] qué no es Big Data. Por ejemplo, Big Data de la grande de verdad, igual esas soluciones

[55:28] no le valen y es un poco lo que tú dices, tienes que bajarte al nivel muy físico para

[55:33] optimizar eso para que realmente funcione, pero tiene que ser un nivel de datos muy grande.

[55:40] Totalmente, totalmente de acuerdo.

[55:43] Pues, oye, ¿cómo se te ha pasado la hora?

[55:47] Ah, pues muy rápido, ya es la hora, ya está, ya es casi.

[55:51] Voy a dejar un par de cosas para que la gente te conozca un poquito más.

[55:57] Déjame que cuente, he compartido en el chat tu Spotify.

[56:02] Porque quería Quería decir, para que la gente se coloque, 886 reseñas,

[56:10] un 4 ,9 de media. Yo esto no lo he visto en un podcast técnico jamás.

[56:15] O sea, el podcast de Café Database lleva años y está lejísimos de tener tu alcance

[56:22] y tu audiencia. Es un podcast que yo creo que es, bueno, así como tú, muy majo, muy fácil

[56:28] de escuchar, de conocerte y de aprender.

[56:32] Y aparte del podcast voy a poner también tu web

[56:39] que directamente es datos .ninja.

[56:41] Ya está, ¿verdad? Fácil Datos .ninja, súper fácil Pues hoy

[56:48] ha sido un gustazo Tenerte En esta que es Tu casa, también Te

[56:55] tenemos ahí en el Discord como InvitedExpert, llevamos unos meses Que te tenemos ahí

[57:00] como InvitedExpert Muchas gracias por la invitación Pues cuando quieras, repetimos Hablamos

[57:05] de lo que yo te cuento Tú me cuentas Te dije, yo no te voy a entrevistar o sea somos

[57:12] dos profesionales hablando tomándonos un café y claro claro

[57:22] es que sabes en plan entrevista o con un guión así es muy aburrido que son cafecitas

[57:28] y tan abierta yo no he preparado nada el riesgo

[57:36] lo asumes sí, pero siempre tengo muchas veces una preocupación con gente a lo mejor que

[57:41] no es oracle que os sintáis cómodos es decir, que

[57:47] claro, que hablemos temas que no me digas, pues yo es que me has preguntado unas cosas

[57:51] que a lo mejor yo no he Tocado nunca, o sea, si muchas veces quiero alinearme un poco

[57:56] para que pues eso, ¿no? ¿Cuál es el motivo de que no nos vamos a un café, fe, ¿no?

[58:00] Pues que paso por tu ciudad, nos vemos, hablamos, pero sí compartimos la profesión desde

[58:06] este lado, ¿no? Y desde el lado de la divulgación también, ¿no?

[58:09] Quería también invitarte y tenerte de invitada en el podcast, así que un gustazo.

[58:16] Pues nada, el placer ha sido mío y espero que haya sido interesante y entretenido.

[58:22] Pues yo creo que sí. Pues muchas gracias a todos, un fuerte abrazo, un fuerte abrazo

[58:28] y Y nada, pues hasta el siguiente episodio.

[58:31] Marta, cuando quieras. Esta es tu casa.

[58:33] Muchas gracias. A todos. Chao.