1
00:00:09,540 --> 00:00:12,080
- Buenos días,
bienvenidos a un nuevo episodio de este

2
00:00:12,080 --> 00:00:15,540
Somos UPM, el podcast Random
de la Universidad Politécnica de Madrid.

3
00:00:15,740 --> 00:00:17,700
Hoy vamos a hablar de Inteligencia
Artificial.

4
00:00:17,700 --> 00:00:20,720
Es algo de lo que ya hemos hablado
otras veces en este podcast, pero también

5
00:00:20,720 --> 00:00:23,840
vamos a hablar de Big Data,
vamos a hablar de tratamiento de datos,

6
00:00:23,840 --> 00:00:27,420
de algoritmos y de todo ello
aplicado al ámbito de la salud.

7
00:00:27,440 --> 00:00:31,020
Lo vamos a hacer con una experta en este
campo, de aquí de nuestra universidad.

8
00:00:31,020 --> 00:00:32,960
Ella es Ernestina Menasalvas,

9
00:00:32,960 --> 00:00:35,240
es Catedrática de la Escuela
Técnica Superior

10
00:00:35,240 --> 00:00:38,880
de Ingenieros Informáticos y también forma
parte de un grupo de investigación

11
00:00:38,880 --> 00:00:42,320
que es el grupo MEDAL del que también
vamos a hablar luego, largo y tendido.

12
00:00:42,360 --> 00:00:45,140
Un placer tenerte por aquí, Ernestina.
Muy buenos días.

13
00:00:45,140 --> 00:00:46,500
-Muchas gracias.

14
00:00:46,500 --> 00:00:50,600
Sí, pues un placer estar aquí para poder
compartir con vosotros un poquito

15
00:00:50,600 --> 00:00:54,860
de lo que hacemos en la escuela, en el CTB
y en ese laboratorio MEDAL.

16
00:00:55,220 --> 00:00:58,740
- Bueno, lo primero que quería preguntarte
es para todos aquellos que no sabemos

17
00:00:58,740 --> 00:01:00,680
distinguir muy bien qué diferencia

18
00:01:00,680 --> 00:01:04,140
hay entre lo que llamamos Big Data
y lo que llamamos Inteligencia Artificial.

19
00:01:04,580 --> 00:01:08,000
- Bueno, yo cuando empezabas es verdad
que decías que íbamos a hablar de

20
00:01:08,000 --> 00:01:08,960
Inteligencia Artificial

21
00:01:08,960 --> 00:01:12,800
Posiblemente es como le estamos
denominando hoy, pero realmente yo lo digo

22
00:01:12,800 --> 00:01:16,740
en clase... A ver, son énfasis distintos,
son cosas distintas si lo pensamos,

23
00:01:17,000 --> 00:01:18,960
pero todo lo que estamos hablando cuando

24
00:01:18,960 --> 00:01:22,620
nos referimos a Inteligencia Artificial,
yo creo que lo que nos estamos refiriendo

25
00:01:22,620 --> 00:01:25,620
son a todas esas aplicaciones
que intentan sacar

26
00:01:26,100 --> 00:01:28,980
conocimiento de los datos.
Y por eso yo pondría,

27
00:01:28,980 --> 00:01:31,320
cuando estabas hablando y decías
vamos a hablar de algoritmos,

28
00:01:31,320 --> 00:01:34,940
vamos a hablar, pues el protagonista
fundamental yo creo que son los datos.

29
00:01:35,240 --> 00:01:37,880
O sea,
porque sin datos y sin datos de calidad,

30
00:01:37,880 --> 00:01:41,720
pues todas estas maravillosas técnicas
que tenemos de Inteligencia Artificial

31
00:01:41,720 --> 00:01:44,240
en Machine learning,
pues son difíciles de extraer.

32
00:01:44,240 --> 00:01:45,260
¿De qué estamos hablando

33
00:01:45,260 --> 00:01:48,780
cuando hablamos del proceso de Big
Data, del proceso de Data Science?

34
00:01:49,040 --> 00:01:52,080
Bueno, pues dependiendo del tiempo
los términos han ido cambiando un poquito.

35
00:01:52,340 --> 00:01:53,880
Realmente
a lo que nos estamos refiriendo

36
00:01:53,880 --> 00:01:56,960
es a todo ese proceso
de extraer el conocimiento.

37
00:01:56,960 --> 00:01:57,920
¿Qué es lo que pasa?

38
00:01:57,920 --> 00:02:01,380
Pues que el gran volumen de datos,
la velocidad a las que se están generando

39
00:02:01,380 --> 00:02:05,180
la heterogeneidad de estos datos,
hace difícil hoy en día que el ser humano

40
00:02:05,180 --> 00:02:08,680
pueda extraer ese conocimiento,
que si fuera al menos seríamos capaces.

41
00:02:08,680 --> 00:02:12,560
Entonces necesitamos de estos procesos
que realmente tratan de extraer

42
00:02:12,860 --> 00:02:13,820
ese conocimiento.

43
00:02:13,820 --> 00:02:15,360
Siempre que hablamos de Big Data,

44
00:02:15,360 --> 00:02:18,500
pues se habla de esas "uves" del Big
Data, del volumen, de la variedad...

45
00:02:18,740 --> 00:02:20,720
Y realmente yo
siempre digo que estamos hablando

46
00:02:20,720 --> 00:02:24,020
hoy de Inteligencia Artificial,
estamos hablando de Big Data por una uve

47
00:02:24,020 --> 00:02:27,140
y es la uve del valor del valor
que tienen esos datos.

48
00:02:27,740 --> 00:02:30,420
-¿Son entonces tecnologías complementarias,
por así decirlo

49
00:02:30,420 --> 00:02:32,420
El Big Data y la Inteligencia Artificial?

50
00:02:32,420 --> 00:02:35,240
- Realmente son distintos nombres
que le hemos ido dando a ese proceso.

51
00:02:35,240 --> 00:02:38,640
Yo recuerdo cuando yo empecé mi tesis,
que entonces el término era Data Mining.

52
00:02:39,120 --> 00:02:42,240
De hecho antes Data mining
como fase de un proceso que era el proceso

53
00:02:42,240 --> 00:02:45,980
de KDD, de descubrimiento de conocimiento
en grandes volúmenes de datos.

54
00:02:46,280 --> 00:02:49,080
Y bueno,
pues también un poquito por cómo va, pues

55
00:02:49,080 --> 00:02:52,080
las compañías informáticas van cambiando
los productos que quieren vender.

56
00:02:52,200 --> 00:02:55,740
Esa terminología va cambiando,
pues al comienzo en los 2000 surgió Big

57
00:02:55,740 --> 00:02:59,000
Data y hoy pues se utiliza
un poquito menos Big Data, se utiliza más

58
00:02:59,000 --> 00:02:59,840
Data Science

59
00:02:59,840 --> 00:03:03,620
y bueno, y el que se utiliza por encima de
todo es Inteligencia Artificial,

60
00:03:03,900 --> 00:03:07,880
que ya no es con de alguna manera
como lo estábamos utilizando en los 90,

61
00:03:08,120 --> 00:03:11,480
que solo para referirse a las técnicas,
sino que hoy lo utilizamos

62
00:03:11,700 --> 00:03:15,740
como para referirnos a todo
ese proceso de aplicación de esas técnicas

63
00:03:15,740 --> 00:03:19,080
de Inteligencia Artificial para extraer
ese conocimiento de los datos.

64
00:03:19,280 --> 00:03:21,240
- Claro, porque cuando hablamos
de Inteligencia Artificial

65
00:03:21,240 --> 00:03:25,260
muchos pensamos solamente en GPT,
pero GPT no es ni muchísimo menos

66
00:03:25,260 --> 00:03:26,940
todo lo que hay en
Inteligencia Artificial ¿no?.

67
00:03:26,940 --> 00:03:30,600
Hay diferentes
tipos y diferentes aplicaciones.

68
00:03:30,600 --> 00:03:32,900
- Claro, saber los Transformer, los.

69
00:03:32,900 --> 00:03:35,580
LLMes
todo lo que está por detrás de los GPT

70
00:03:35,580 --> 00:03:36,560
que finalmente

71
00:03:36,560 --> 00:03:37,340
bueno, pues es todo

72
00:03:37,340 --> 00:03:38,120
Deep Learning

73
00:03:38,120 --> 00:03:41,720
son unas unas técnicas particulares
de Inteligencia Artificial. Pero como bien

74
00:03:41,720 --> 00:03:44,660
estás diciendo, Inteligencia Artificial
llevamos aplicando técnicas

75
00:03:44,660 --> 00:03:48,860
de las que decimos de caja blanca,
técnicas árboles de decisión, SVM,

76
00:03:49,040 --> 00:03:50,160
otras técnicas

77
00:03:50,160 --> 00:03:53,600
que realmente sirven también
para hacer esas, esos predictores, esas,

78
00:03:53,600 --> 00:03:57,440
esas clasificaciones,
esas segmentaciones, resolver problemas

79
00:03:57,440 --> 00:04:01,020
que en definitiva es lo que queremos
y no tenemos por qué tener siempre...

80
00:04:01,200 --> 00:04:04,900
O sea, no siempre hay que utilizar
vale, ni un GPT o el

81
00:04:05,060 --> 00:04:08,780
LLM que queramos utilizar, sino que podemos
recurrir a otras técnicas.

82
00:04:08,780 --> 00:04:11,780
Y lo más fundamental
que yo siempre me gustaría resaltar aquí

83
00:04:12,000 --> 00:04:14,780
que la técnica es importante,
pero que lo que necesitamos

84
00:04:14,780 --> 00:04:18,260
es calidad en los datos. Y los datos
es una de la parte,

85
00:04:18,260 --> 00:04:22,380
osea, cuando nos ponemos en un proceso
de big data, de ciencia de datos,

86
00:04:22,560 --> 00:04:26,040
realmente casi
que el 70% del tiempo del proyecto

87
00:04:26,260 --> 00:04:29,000
no es la aplicación de las técnicas
de Inteligencia Artificial,

88
00:04:29,000 --> 00:04:32,500
sino que es toda esa limpieza
de los datos del preprocesado

89
00:04:32,500 --> 00:04:35,700
para preparar esos datos
para que realmente cuando apliquemos esas

90
00:04:35,700 --> 00:04:39,660
técnicas saquemos
pues esos ese conocimiento, esos patrones,

91
00:04:39,900 --> 00:04:43,340
que es lo que queremos buscar, ese valor
que hay, que podría estar en los datos.

92
00:04:43,520 --> 00:04:44,700
- ¿Somos realmente conscientes

93
00:04:44,700 --> 00:04:47,840
las personas de la gran cantidad de datos
que generamos en nuestro día a día?

94
00:04:48,620 --> 00:04:51,740
- Pues yo creo que no somos conscientes
de todos esos datos que generamos

95
00:04:51,740 --> 00:04:53,640
en cualquier momento
con cualquier llamada de teléfono,

96
00:04:53,640 --> 00:04:56,180
cada vez que hacemos WhatsApp,
cuando nos movemos y entramos

97
00:04:56,180 --> 00:05:00,860
porque hay sensores casi en todas partes.
Entonces yo creo que no somos conscientes

98
00:05:00,860 --> 00:05:04,880
y no somos conscientes del valor
que tiene el análisis de esos datos.

99
00:05:04,880 --> 00:05:09,180
- Precisamente del análisis
de esos datos es de lo que os ocupáis

100
00:05:09,180 --> 00:05:12,860
o de una parte al menos de esos datos
en el grupo de investigación...

101
00:05:13,100 --> 00:05:14,100
No sé si nos puedes contar...

102
00:05:14,100 --> 00:05:18,900
MEDAL responde a las siglas
en inglés Medical Data Analytics,

103
00:05:19,200 --> 00:05:20,900
entonces no sé
si nos puedes contar un poquito

104
00:05:20,900 --> 00:05:24,300
qué es lo que hacéis en ese
grupo de investigación en informática.

105
00:05:24,440 --> 00:05:27,180
- Pues básicamente nos fuimos
al Centro de Tecnología Biomédica.

106
00:05:27,180 --> 00:05:29,760
Nosotros somos profesores de
de la Escuela Técnica Superior de

107
00:05:29,760 --> 00:05:32,760
Ingenieros Informáticos,
la gran mayoría

108
00:05:32,780 --> 00:05:37,920
Pero es verdad que un grupito
nos hemos ido al CTB

109
00:05:38,300 --> 00:05:40,500
que es el centro de Tecnología
Biomédica.

110
00:05:40,500 --> 00:05:44,780
Y bueno, pues
desde que nos fuimos hará casi 15 años

111
00:05:45,020 --> 00:05:48,660
pues es verdad que tuvimos mucha sinergia
con todo el sector médico,

112
00:05:48,660 --> 00:05:49,560
con hospitales,

113
00:05:49,560 --> 00:05:51,660
empezando por la región de Madrid
y luego bueno,

114
00:05:51,660 --> 00:05:53,640
pues ya hemos extendido a toda España,

115
00:05:53,640 --> 00:05:56,640
incluso con los proyectos europeos
fuera, fuera de España.

116
00:05:56,640 --> 00:05:57,360
¿Qué es lo que hacemos?

117
00:05:57,360 --> 00:06:01,220
Pues intentamos extraer conocimiento
y valor de los datos médicos.

118
00:06:01,380 --> 00:06:04,700
Claro, el dato médico
es un dato que requiere bueno, 

119
00:06:05,100 --> 00:06:07,320
toda la sensibilidad
que hay por detrás del dato,

120
00:06:07,320 --> 00:06:08,220
la privacidad.

121
00:06:08,220 --> 00:06:09,380
Pero también es un dato que

122
00:06:09,380 --> 00:06:13,020
por la manera en que está recogido,
pues es necesario procesarlo.

123
00:06:13,260 --> 00:06:17,040
Pensemos que estamos hablando de notas
clínicas, que estamos hablando de dato

124
00:06:17,040 --> 00:06:19,800
no estructurado
la gran mayoría de las veces, de imagen...

125
00:06:19,800 --> 00:06:23,480
Y entonces ese dato hay que estructurarlo.
Luego cuando queremos hacer estudios,

126
00:06:23,480 --> 00:06:26,240
multicéntricos
además que involucren a más de un hospital,

127
00:06:26,240 --> 00:06:27,680
ese dato hay que organizarlo.

128
00:06:27,680 --> 00:06:31,080
Ahora mismo estamos trabajando
en algunos proyectos que realmente

129
00:06:31,080 --> 00:06:34,800
lo que hacemos es esa estandarización
de los datos en modelos comunes de datos

130
00:06:36,000 --> 00:06:37,380
para permitir que

131
00:06:37,380 --> 00:06:41,480
que efectivamente se puedan hacer estudios
que involucren más a más de un hospital.

132
00:06:41,480 --> 00:06:42,300
Pero para eso

133
00:06:42,300 --> 00:06:45,960
esos datos tienen que estar previamente
en un modelo común de datos.

134
00:06:46,000 --> 00:06:50,120
- Claro, uno de esos proyectos es ELADAIS,
que lo habéis

135
00:06:50,480 --> 00:06:54,420
lo estáis llevando a cabo en este momento
se está centrando precisamente

136
00:06:54,420 --> 00:06:58,160
en hacer, por así decirlo, más accesible
esos datos a los profesionales médicos.

137
00:06:58,500 --> 00:07:01,980
- Claro. Lo que se ha hecho en ELADAIS sí
que justamente hemos terminado

138
00:07:01,980 --> 00:07:05,360
porque terminaba en junio,
el 30 de junio de este año 2025.

139
00:07:05,580 --> 00:07:09,080
Y precisamente lo que se trataba de hacer en ELADAIS es

140
00:07:09,500 --> 00:07:12,780
tenemos las tres capas. O sea, tenemos
una primera capa que lo que se ha hecho es

141
00:07:13,040 --> 00:07:16,340
toda esa capa de transformación
de los datos a un modelo común de datos.

142
00:07:16,640 --> 00:07:18,800
Eso no quiere decir
que los datos se muevan del hospital.

143
00:07:18,800 --> 00:07:23,220
Los datos siguen teniendo sus datos,
el dato primario sigue llevándose a sus

144
00:07:23,220 --> 00:07:27,020
bases de datos, la que quiera que sea,
y desde allí tenemos una capa de software.

145
00:07:27,020 --> 00:07:30,000
Vale, una ETL que se llama
que lo que hace es transformar los datos

146
00:07:30,000 --> 00:07:33,680
a ese modelo común de datos,
que en nuestro caso es el estándar OMOP.

147
00:07:34,040 --> 00:07:37,580
Una vez que los datos están en 0MOP,
lo que tenemos es que hemos desarrollado

148
00:07:37,580 --> 00:07:41,280
una capa de servicios, bueno,
en este caso en Python, que lo que permite

149
00:07:41,540 --> 00:07:42,780
son servicios de analítica

150
00:07:42,780 --> 00:07:45,780
de análisis de datos
para ese análisis secundario del dato.

151
00:07:45,840 --> 00:07:50,100
Y luego hemos desarrollado un dashboard
que permite visualizar esos datos a los

152
00:07:50,100 --> 00:07:54,660
a los a los a los médicos, a los clínicos,
a cualquier persona del hospital.

153
00:07:55,140 --> 00:07:58,440
Es más, como lo hemos desarrollado
en distintos hospitales, pues...

154
00:07:58,460 --> 00:08:01,580
Y es más, ese software lo
estamos preparando, o sea, eso es lo que

155
00:08:01,580 --> 00:08:04,580
ahora mismo estamos trabajando en
dejarlo de libre acceso,

156
00:08:04,740 --> 00:08:08,600
pues bajo con una licencia que estamos
viendo, obviamente con la universidad,

157
00:08:08,820 --> 00:08:10,220
pero que va a ser de libre acceso,

158
00:08:10,220 --> 00:08:14,060
pues obviamente lo que lo que se permite
es que los hospitales puedan utilizando

159
00:08:14,060 --> 00:08:17,220
ese software, poder transformar sus datos
a ese modelo común de datos

160
00:08:17,420 --> 00:08:20,540
y una vez que lo tienen, como digo,
los datos se quedan en el hospital

161
00:08:20,580 --> 00:08:26,400
de cada sitio y luego permitimos el
análisis yendo el análisis a los sitios.

162
00:08:26,520 --> 00:08:30,600
Con lo cual, bueno, pues de cara
a ese espacio de datos europeo que estamos

163
00:08:30,600 --> 00:08:35,700
siempre hablando del Espacio Europeo de
Salud, bueno, pues es un pasito hacia,

164
00:08:35,700 --> 00:08:40,080
hacia permitir esos esos análisis sin
que el dato se mueva, pero con un dato,

165
00:08:40,080 --> 00:08:42,780
Un dato estandarizado. 
- Claro, porque me imagino que esto hace también

166
00:08:42,780 --> 00:08:46,620
más fácil a los profesionales médicos,
pues luego a lo mejor buscar diagnósticos

167
00:08:46,880 --> 00:08:49,040
o hacer estudios clínicos.

168
00:08:49,040 --> 00:08:52,500
- Claro, no estamos pensando en el uso
primario que es para el día a día,

169
00:08:52,760 --> 00:08:57,080
pero que en a futuro
podría ser incluso parada para uso también

170
00:08:57,080 --> 00:09:01,760
primario.  Y un uso secundario,
pues permitiría ser capaz de analizar

171
00:09:02,020 --> 00:09:05,460
todos esos datos, ya no solo
de los pacientes que un profesional

172
00:09:05,460 --> 00:09:08,480
ha visto, sino de todos los datos
que están en el hospital.

173
00:09:08,480 --> 00:09:10,620
Y como digo, incluso con otros hospitales.

174
00:09:10,620 --> 00:09:14,240
Es más, tiene acceso,
o sea, se podría hacer y de manera anónima

175
00:09:14,460 --> 00:09:18,020
acceder a todos los datos
como como bien dices, no de diagnósticos

176
00:09:18,300 --> 00:09:21,060
de otros servicios
por los que por los que ha estado

177
00:09:21,060 --> 00:09:24,060
la persona
y juntar toda esa información de cara

178
00:09:24,380 --> 00:09:27,860
a extraer esos patrones,
que es lo que finalmente se quiere.

179
00:09:28,200 --> 00:09:31,200
- Otro de los proyectos
que tenéis en el grupo

180
00:09:31,380 --> 00:09:34,160
habla de reposicionamiento de fármacos
que para el que no lo sepa

181
00:09:34,160 --> 00:09:38,120
muy bien, pues es utilizar fármacos
ya existentes para buscarles

182
00:09:38,120 --> 00:09:41,100
aplicaciones a otras enfermedades. ¿Qué
papel juega el Big Data

183
00:09:41,100 --> 00:09:44,120
o las técnicas de análisis informático
en todo esto?

184
00:09:44,300 --> 00:09:46,200
- Sí, me imagino que
cuando estuvo Alejandro,

185
00:09:46,200 --> 00:09:49,640
Alejandro es quien lleva efectivamente
Alejandro Rodríguez es quien lleva

186
00:09:49,640 --> 00:09:53,480
toda la parte de reposicionamiento... Y
bueno, pues ahí los datos nuevamente

187
00:09:53,480 --> 00:09:57,180
juegan un papel muy importante,
porque lo que se hace ahí es coger datos.

188
00:09:57,440 --> 00:09:59,520
Todos los datos que hay
de todos los medicamentos

189
00:09:59,520 --> 00:10:03,720
y lo que se trata es en distintas capas
y a distintos niveles analizarlos,

190
00:10:03,960 --> 00:10:08,460
pues como las interacciones
entre esos medicamentos con los síntomas,

191
00:10:08,460 --> 00:10:09,620
con toda la capa
192
00:10:09,620 --> 00:10:13,260
toda la capa de proteínas que hay
por detrás, o sea, a las capas más bajas.

193
00:10:13,380 --> 00:10:16,380
Por eso también
hay biotecnólogos en el grupo como Lucía Prieto

194
00:10:16,560 --> 00:10:19,560
Y entonces, bueno, pues lo que se trata
de, juntando todos esos datos,

195
00:10:19,580 --> 00:10:23,880
ser capaces de encontrar cómo un medicamento
que surge para una determinada

196
00:10:23,880 --> 00:10:27,740
enfermedad se puede reposicionar,
vale en otra, en otra enfermedad.

197
00:10:28,020 --> 00:10:29,660
Eso reduciría el

198
00:10:29,660 --> 00:10:33,960
los tiempos que ahora mismo tienen claro
los ensayos que habría que hacer.

199
00:10:33,960 --> 00:10:37,920
Pero claro, tú ya tienes como que tú
ya te ha dado el análisis de todos esos

200
00:10:37,920 --> 00:10:40,920
datos, ya te ha dado
que hay ciertas moléculas, que hay ciertas

201
00:10:41,360 --> 00:10:44,000
combinaciones
que efectivamente que tiene un medicamento

202
00:10:44,000 --> 00:10:47,900
y que se podrían utilizar en otro, en otra
para otros síntomas

203
00:10:48,120 --> 00:10:52,280
o para otra enfermedad que no es para la
que primeramente surgió ese medicamento.

204
00:10:53,600 --> 00:10:53,940
- En el

205
00:10:53,940 --> 00:10:57,420
2014, la que entonces era comisaria
europea comentó

206
00:10:57,420 --> 00:11:01,320
que el Big Data iba a ser
como el nuevo petróleo de la era digital.

207
00:11:01,320 --> 00:11:02,100
No sé si ahora mismo

208
00:11:02,100 --> 00:11:05,720
compartes esa afirmación o aplicándolo
también a la inteligencia artificial.

209
00:11:06,020 --> 00:11:08,880
¿Qué proyección tiene ahora mismo
la inteligencia artificial

210
00:11:08,880 --> 00:11:11,520
en todo lo que es
el campo de la informática o el Big data?

211
00:11:11,520 --> 00:11:13,700
- Bueno, yo creo que eso sigue vigente hoy.

212
00:11:13,700 --> 00:11:14,940
Una de las preocupaciones de

213
00:11:14,940 --> 00:11:18,360
esa agenda europea del 2030

214
00:11:18,740 --> 00:11:21,740
que es hacia la digitalización
y en la que Europa se ha marcado,

215
00:11:21,860 --> 00:11:25,740
pues unos objetivos quizá ambiciosos,
pero bueno, que yo creo que está bien

216
00:11:25,920 --> 00:11:29,640
ponerse unos objetivos muy ambiciosos
porque pues efectivamente, o sea,

217
00:11:29,700 --> 00:11:31,380
vas a formar parte.

218
00:11:31,380 --> 00:11:35,060
O sea, yo creo que los LLM han llegado,
Deep Learning ha llegado para estar y no,

219
00:11:35,060 --> 00:11:36,420
no vamos para detrás.

220
00:11:36,420 --> 00:11:37,880
De alguna forma la pandemia

221
00:11:37,880 --> 00:11:41,720
marcó un antes y un después,
porque la digitalización ahí surgió ya...

222
00:11:41,780 --> 00:11:44,780
O sea,
se vio que tenía que ir mucho más rápido.

223
00:11:44,840 --> 00:11:45,680
Pero es verdad que yo

224
00:11:45,680 --> 00:11:49,080
creo que nos tenemos que plantear
como todas estas asignaturas, 

225
00:11:49,100 --> 00:11:52,100
de datos de inteligencia artificial,
todo lo que tiene que ver

226
00:11:52,260 --> 00:11:55,280
un poquito con el análisis de datos
tendría que estar, yo creo,

227
00:11:55,560 --> 00:11:59,040
a ver, es mi opinión, obviamente..
Pero como transversal en muchos grados,

228
00:11:59,040 --> 00:12:03,800
porque obviamente en esa, en ese objetivo,
Europa 2030 se están marcando.

229
00:12:04,680 --> 00:12:09,120
o sea, se ha visto cuál es el nivel
de analfabetismo digital, digámoslo así.

230
00:12:09,440 --> 00:12:13,560
Y claro, ahora las herramientas
vamos a tener los los chatbots para todo,

231
00:12:13,760 --> 00:12:15,860
vamos a tener herramientas digitales
para todo

232
00:12:15,860 --> 00:12:19,200
y entonces cuanto antes realmente, o sea,
porque vuelve a ser una revolución,

233
00:12:19,380 --> 00:12:22,020
o sea, es una revolución
como si fuera la revolución industrial.

234
00:12:22,020 --> 00:12:24,320
Entonces yo creo
que cuanto antes a la sociedad esté

235
00:12:24,320 --> 00:12:27,060
preparada para el uso
de todas estas tecnologías,

236
00:12:27,060 --> 00:12:30,500
pues toda esa fase que se vive 
de alguna forma en que la sociedad

237
00:12:30,500 --> 00:12:35,500
está dudosa, está con bueno,
pues no, incertidumbre pues,

238
00:12:35,660 --> 00:12:39,480
pero eso viene de la falta de formación,
o sea, igual que la revolución industrial.

239
00:12:39,480 --> 00:12:43,160
Uno de los factores que impulsaron
fue la educación,

240
00:12:43,380 --> 00:12:45,980
pues nuevamente
necesitamos poner un impulso ahí.

241
00:12:45,980 --> 00:12:49,880
Yo creo que ahí la universidad,
la Universidad Politécnica de Madrid,

242
00:12:49,880 --> 00:12:53,640
pues obviamente pienso que es clave
en todo esto para

243
00:12:53,640 --> 00:12:57,480
ayudar a la sociedad en ese,
cambio, en ese paso

244
00:12:57,600 --> 00:12:58,560
hacia la digitalización.

245
00:12:58,560 --> 00:12:59,120
- Sí, porque de hecho

246
00:12:59,120 --> 00:13:02,720
incluso Europa está pidiendo que se forme
a profesionales en este campo ¿no?

247
00:13:02,720 --> 00:13:06,900
Había un estudio hace un año,
así que se pedía casi 1 millón y medio de

248
00:13:07,380 --> 00:13:09,900
de personas formadas en perfiles
tecnológicos.

249
00:13:09,900 --> 00:13:11,940
- Sí, sí, 1 millón y medio.
Lo que le toca a España.

250
00:13:11,940 --> 00:13:12,720
O sea que...

251
00:13:12,720 --> 00:13:16,200
Y a los cinco años pues no hemos llegado
todavía a la mitad de ese objetivo.

252
00:13:16,500 --> 00:13:19,340
Pero bueno, pues ahí yo creo que se están
poniendo muchos esfuerzos.

253
00:13:19,340 --> 00:13:23,520
Pensemos que no tienen que ser solamente
los grados que también los grados,

254
00:13:23,520 --> 00:13:26,580
los másteres, los doctorados,
sino que tenemos que tener también bueno,

255
00:13:26,580 --> 00:13:29,520
pues eso, pildoritas ahora la tecnología
nos lo permite.

256
00:13:29,520 --> 00:13:32,900
Todas esas micro credenciales
en los cuales todos esos cursos pequeños

257
00:13:33,240 --> 00:13:35,520
para formar a todos los
a todos los profesionales,

258
00:13:35,520 --> 00:13:38,540
y no se nos olvide,
incluso a los informáticos, a los más,

259
00:13:38,540 --> 00:13:42,000
que estamos ahí, porque esta tecnología
está evolucionando tan rápido y

260
00:13:42,000 --> 00:13:46,300
necesitamos poder responder a la sociedad
y poder reciclarnos constantemente.

261
00:13:46,500 --> 00:13:48,560
Todos. O sea, yo la primera obviamente.

262
00:13:48,560 --> 00:13:52,080
- Y tú como docente, ¿qué le dirías ahora
mismo a un chico que está un poco dudoso,

263
00:13:52,080 --> 00:13:54,240
que no sabe si estudiar ingeniería
no estudiarla?

264
00:13:54,240 --> 00:13:57,560
¿Cómo le animarías a que viniera
realmente a estudiar aquí a la Politécnica

265
00:13:57,860 --> 00:13:59,160
y a estudiar ingeniería?

266
00:13:59,160 --> 00:14:02,160
Bueno, claro,
yo no soy objetiva porque quizá

267
00:14:02,340 --> 00:14:05,580
soy aquí veo... Osea, a mi
todos mis familiares

268
00:14:05,580 --> 00:14:09,120
me dicen "ya estamos con Ernestina y con
haz un módulo de informática".

269
00:14:09,480 --> 00:14:10,500
Yo creo que hay...

270
00:14:10,500 --> 00:14:15,320
O sea, si antes las ingenierías fueron
pues hoy es algo que está...

271
00:14:15,740 --> 00:14:18,960
Es más, es tan bonito estudiar ingeniería
hoy, es tan bonito

272
00:14:19,200 --> 00:14:21,960
todo, porque es tan vibrante,
todo lo que está cambiando.

273
00:14:21,960 --> 00:14:24,960
Ver un mundo que evoluciona
con esta digitalización

274
00:14:24,960 --> 00:14:28,040
tan rápidamente
y que van a ser bueno, van a estar ahí.

275
00:14:28,040 --> 00:14:30,900
O sea que van a vivir todo ese cambio,
que van a ser parte...

276
00:14:30,900 --> 00:14:34,320
Obviamente no es como, digámoslo así,
porque no es una tecnología asentada,

277
00:14:34,320 --> 00:14:35,220
sino que estamos...

278
00:14:35,220 --> 00:14:38,780
Toda esa digitalización está influyendo
en todas, en todas las ingenierías.

279
00:14:38,780 --> 00:14:42,300
No, no solo en informática, porque como
decía, es muy, muy transversal.

280
00:14:42,440 --> 00:14:45,660
Entonces ser parte de ese proceso a mí
me parece que es estupendo.

281
00:14:45,660 --> 00:14:47,540
Entonces, bueno, pues yo animaría sí

282
00:14:47,540 --> 00:14:51,260
a todos esos estudiantes que están
a lo mejor incluso empezando bachiller.

283
00:14:51,480 --> 00:14:53,880
que se vayan por el Tecnológico,

284
00:14:53,880 --> 00:14:57,660
porque los estamos esperando
aquí con muchas ganas. Como profesionales.

285
00:14:57,660 --> 00:15:01,000
nosotros también como entrenadores,
nosotros nos estamos entrenando,

286
00:15:01,020 --> 00:15:04,800
intentando
pues sí, que tengan todo para que puedan

287
00:15:05,040 --> 00:15:08,760
puedan estar con todas estas tecnologías
en las que estamos disfrutando,

288
00:15:08,760 --> 00:15:12,120
viendo como cambian y estamos haciendo
que cambien y que cambie.

289
00:15:12,120 --> 00:15:14,940
Bueno,
pues de alguna forma ayudar a la sociedad,

290
00:15:14,940 --> 00:15:18,260
no a que se adapte
cuanto antes a este cambio, este futuro.

291
00:15:18,540 --> 00:15:22,040
- Es una pregunta
que le hice también a Alejandro y que yo

292
00:15:22,080 --> 00:15:24,000
creo que va un poco hilado con esto
de que hablas,

293
00:15:24,000 --> 00:15:27,000
de la necesidad de formación,
de tener también un juicio crítico.

294
00:15:27,060 --> 00:15:30,320
¿Tú eres de las pesimistas que piensan
que la Inteligencia Artificial va a acabar

295
00:15:30,320 --> 00:15:33,320
destruyendo muchos empleos
y sustituyendo en prácticamente todo

296
00:15:33,560 --> 00:15:36,540
o eres más de las que piensan
que tiene que complementar

297
00:15:36,540 --> 00:15:39,480
a la labor que tiene
que seguir haciendo las personas?

298
00:15:39,480 --> 00:15:41,540
- Bueno, yo es que soy una persona
muy positiva, entonces

299
00:15:43,140 --> 00:15:44,460
no, pero

300
00:15:44,460 --> 00:15:47,400
nuevamente, o sea desde mi subjetividad,
o sea que

301
00:15:47,400 --> 00:15:50,400
obviamente no soy objetiva en esto.
Pues ya me gustaría ver

302
00:15:50,400 --> 00:15:51,220
Lo que estoy diciendo...

303
00:15:51,220 --> 00:15:54,220
O sea, cuanto antes todos pasemos
lo que nos tenemos que dar cuenta,

304
00:15:54,260 --> 00:15:58,020
todos estaremos contentos en este nuevo,
en este nuevo mundo 
-En este nuevo escenario.

305
00:15:58,020 --> 00:15:59,780
- Todas las revoluciones han cambiado...

306
00:15:59,780 --> 00:16:03,560
Los empleos, o sea,
pues se van a transformar

307
00:16:03,560 --> 00:16:05,420
y nosotros
nos tenemos que transformar con ellos.

308
00:16:05,420 --> 00:16:08,720
¿A mí cuando me dicen digo bueno, quién
usa un burro para arar hoy?

309
00:16:08,960 --> 00:16:11,760
Y no,
y eso lo hemos cambiado y no nos pareció,

310
00:16:11,760 --> 00:16:14,300
entonces que iba va a quitar el trabajo de
nadie... Van a surgir...

311
00:16:14,300 --> 00:16:17,300
A ver, obviamente va a haber empleos
que no van a ser necesarios,

312
00:16:17,360 --> 00:16:20,420
pero esa persona que estaba haciendo
ese empleo, pues se adaptará

313
00:16:20,420 --> 00:16:24,320
para hacer su empleo,
utilizando las nuevas tecnologías.

314
00:16:24,620 --> 00:16:27,720
Entonces yo creo que es más cómodo
cómo se hacen tareas del campo

315
00:16:27,720 --> 00:16:31,100
y digo del campo, posiblemente
yo vengo de La Mancha y he visto eso,

316
00:16:31,400 --> 00:16:34,680
pues creo que se hacen mejor ahora,
pero esos puestos de trabajo siguen ahí,

317
00:16:34,860 --> 00:16:37,940
simplemente han evolucionado
y han surgido empleos nuevos.

318
00:16:38,180 --> 00:16:41,180
Y como digo, pues en la formación
creo que está la clave,

319
00:16:41,400 --> 00:16:43,860
pues por eso cuanto antes pues estamos.

320
00:16:43,860 --> 00:16:45,540
la universidad está

321
00:16:45,540 --> 00:16:48,540
dando cursos tanto para ingenieros
como para no ingenieros.

322
00:16:48,560 --> 00:16:50,960
Pues intentemos cuanto antes hacer.

323
00:16:50,960 --> 00:16:55,160
Pues sí, un módulo como yo digo
y cuanto antes, pues favorecernos

324
00:16:55,400 --> 00:16:58,520
entre todos como sociedad
y disfrutar de esta nueva sociedad

325
00:16:58,740 --> 00:17:01,880
que sin duda estoy segura que
vamos entre todos hacerla mejor.

326
00:17:02,340 --> 00:17:05,280
- Pues con ese mensaje que además
es muy bonito, nos vamos a ir despidiendo.

327
00:17:05,280 --> 00:17:07,200
Pero antes te tengo que preguntar
como hacemos

328
00:17:07,200 --> 00:17:10,880
con todos nuestros invitados a ti
nominaron también a venir aquí 

329
00:17:11,280 --> 00:17:15,200
¿Quién es tu nominado o nominada para
venir a este podcast a contarnos un poco?

330
00:17:15,200 --> 00:17:18,200
- Pues también en qué
estás trabajando aquí dentro de la UPM.

331
00:17:18,620 --> 00:17:21,620
Pues yo me gustaría nominar a Javier Uceda

332
00:17:21,820 --> 00:17:25,640
porque me parece que es también
es una persona, me parece muy positiva.

333
00:17:26,000 --> 00:17:30,860
A mí me ayudó mucho y a ver todo, todo,
pues eso va a pensar que

334
00:17:31,020 --> 00:17:34,520
que esta Politécnica
podemos ir y construir y ayudar

335
00:17:34,680 --> 00:17:37,700
a esta sociedad y pues
sin duda lo que ellos están haciendo

336
00:17:37,700 --> 00:17:41,060
en el laboratorio.

337
00:17:41,060 --> 00:17:45,180
Me parece una labor estupenda y creo que
sería estupendo que lo podamos escuchar,

338
00:17:45,620 --> 00:17:49,020
- Pues con ese emplazamiento a Javier Uceda
venir aquí nos vamos a despedir.

339
00:17:49,020 --> 00:17:52,100
Ha sido un verdadero placer tenerte aquí
y arrojar un poquito de luz

340
00:17:52,340 --> 00:17:54,500
sobre estos temas
que a veces nos parecen un poco complejos,

341
00:17:54,500 --> 00:17:58,500
pero que como decimos ya están trasversal
en toda nuestra sociedad, atravesando

342
00:17:58,500 --> 00:18:00,540
todos los campos de nuestra vida.

343
00:18:00,540 --> 00:18:03,580
Y a todos vosotros, muchísimas
gracias por acompañarnos

344
00:18:03,580 --> 00:18:04,920
en un nuevo episodio de este

345
00:18:04,920 --> 00:18:08,840
Somos UPM, el Podcast Random
de la Universidad Politécnica de Madrid.