Un LLM puede generar SQL en segundos. El verdadero desafío empieza después: ¿cómo hacés para que entienda qué significa una métrica, elija la fuente correcta, respete permisos, use datos confiables, i… Ver más

Un LLM puede generar SQL en segundos. El verdadero desafío empieza después: ¿cómo hacés para que entienda qué significa una métrica, elija la fuente correcta, respete permisos, use datos confiables, interprete contexto de negocio y además pueda explicar de dónde salió su respuesta? Enterate cómo en Naranja X estamos abordando ese desafío con Aletheia, nuestro producto interno de GenBI, y qué problemas aparecen cuando intentás llevar esta experiencia mucho más allá de una demo de Text-to-SQL. Recorré con nosotros las decisiones de arquitectura, los desafíos de contexto semántico, gobierno y trazabilidad, y la evolución hacia una arquitectura multiagente con especialistas por dominio. Y sumate a pensar una pregunta que probablemente muchas organizaciones están empezando a enfrentar: ¿qué arquitectura necesitamos para que una IA no sólo consulte nuestros datos, sino que realmente entienda nuestro negocio? Sobre Marilina Trevisan: Data & AI Lead Advanced en Naranja X, con experiencia en ciencia de datos, inteligencia artificial, analítica y desarrollo de productos basados en datos. Es Licenciada en Ciencia Política, diplomada en Data Science y Machine Learning y actualmente cursa un Master in Management con orientación en Tech & Digital Business en la Universidad de San Andrés. También se desempeña como docente de Ciencia de Datos e IA, y forma parte de la comunidad internacional Women Applying AI. Sobre Jesica Romero: Jesica es Analytics Engineer en Naranja X, donde trabaja en la intersección entre datos, tecnología y negocio para transformar problemas reales en soluciones que generen impacto. Con más de 20 años de trayectoria en la compañía, recorrió distintos mundos —operaciones, procesos, Machine Learning, Data y Analytics— acompañando la evolución de la tecnología y construyendo una mirada integral sobre cómo los datos pueden transformar las organizaciones cuando se conectan con las necesidades reales del negocio y de las personas. Actualmente trabaja en proyectos de datos, hiperpersonalización y experiencia de cliente. Le interesa compartir aprendizajes sobre tecnología, datos y evolución profesional, desde una mirada que combina experiencia de negocio, conocimiento técnico y, sobre todo, mucho aprendizaje continuo. Ver menos

En Naranja X, la hiperpersonalización no es solo una meta, sino una capacidad estratégica construida sobre un framework sólido de Data & AI pensado para impactar a gran escala. En esta charla te vamos… Ver más

En Naranja X, la hiperpersonalización no es solo una meta, sino una capacidad estratégica construida sobre un framework sólido de Data & AI pensado para impactar a gran escala. En esta charla te vamos a mostrar el detrás de escena: exploraremos cómo pasamos de la estrategia a una plataforma viva que orquesta datos en tiempo real, habilita casos de uso de alto impacto y evoluciona con el negocio. Vamos a compartir aprendizajes reales: aciertos, errores y el impacto medible que logramos en la experiencia de millones de clientes. Si querés entender cómo construir (y escalar) un framework para hiperpersonalización, este es tu backstage pass. Sobre Marilina Trevisan: Data & AI Product Lead en Naranja X. Lic. en Ciencia Política y Diplo. en Ciencia de Datos y Aprendizaje Automático. Master in Managment - IA & Business Analytics Candidate. Sobre Gisele Andrea Cabrera: Magister en Data Science, cuenta con más de 17 años de experiencia en Data, Analytics e Inteligencia Artificial. A lo largo de su carrera lideró equipos de alta performance, resolviendo desafíos estratégicos a través del uso de los datos y la IA. Se destaca por su enfoque orientado a resultados y su capacidad para transformar problemas complejos en soluciones concretas que generan valor real. Está convencida de que el verdadero valor de los datos se alcanza cuando todas las personas en una organización pueden usarlos para generar impacto. Ver menos