,

Para utilizar la IA, debe reinterpretar sus problemas

Uno no simplemente "agrega IA" a su negocio. Como cualquier buen empleado, necesita aprender en qué es bueno y cómo comunicarse con él.

Bienvenido de nuevo al podcast The Digital Workplace. Hoy nuestro invitado es Sudha Jamthe. Es una futurista de la tecnología y enseña negocios de IA y AV en Stanford Continuing Studies. Hola, Sudha, ¿cómo estás?

Bien bien bien. Muchas gracias por invitarme, Neil. Estoy tan emocionado de hablar contigo.

Sí, sí. No, en realidad lo he estado rastreando durante mucho tiempo tratando de obtener su información sobre las cosas. Tienes muchas cosas que enseñarnos sobre la IA y muchas cosas en las que entrar. Pero primero, comencemos con nuestra pregunta de captura, ‘demuestre su humanidad aquí’. Entonces, Sudha, quiero que nombre a una persona con la que sea cercano y cómo le gustaría parecerse más a ella.

¡Guau, guau! No lo vi venir. Cualquiera que me conozca sabe que disfruto conocer a mucha gente y relacionarme con extraños. De hecho, una vez escribí esto en mi biografía de que tengo que conocer gente nueva y aprender algo nuevo. De lo contrario, me quemaré con cualquier cosa. Entonces, eso es mucha gente. De hecho, me gustaría ser más como mi perro, Lulu.

Tu perro. Bueno.

La conexión de solo humano a perro. De hecho, me gusta el hecho de que sea amable y empática. Porque creo que hagamos lo que hagamos, creo que eso es algo importante. Incluso en mis reflexiones sobre la IA, me pregunto, lo que sea que le enseñemos a la IA, ¿puede realmente enseñar a la IA a ser amable, no a emular a ser empático y amable? La otra cosa es que, cuando enseño aprendizaje automático, en realidad doy la imagen de Lulu y digo, Lulu es un perro de aprendizaje automático. Ella está aprendiendo constantemente. Ella sabe cuando cierro mi computadora portátil, si me voy a levantar. Cuando esté haciendo este podcast, ella no vendrá a molestar porque nota mi tono de voz cuando hablo en público. Y entonces, hay mucho aprendizaje y matices que ella conoce. Ojalá fuera tan inteligente como ella.

Wow eso es genial. Y es una respuesta muy humana decir, tu perro. No creo que pueda decir nada más que eso. Para mí, el abuelo de mi esposa acaba de fallecer en las últimas semanas. Y era un tipo muy interesante. Y realmente alguien a quien usaré aquí solo porque, en muchos sentidos, hizo todas las cosas que se suponía que tú no debías hacer. Fue muy extravagante en su vida, en el muy buen sentido. En su amor, daría mucho amor. Dale mucho dinero a la gente. Simplemente haga cosas que tal vez al principio no parecían de sentido común, pero las hicieron por amor y estaban dispuestas a actuar a los ojos de algunas personas de manera tonta. Y pensé que era algo genial. Y le sirvió bien y dejó un legado a su alrededor, y eso es realmente genial. Entonces esa es mi respuesta.

Una persona tan asombrosa. Y es genial que puedas recordar ese aspecto de él.

Si, seguro. Entonces, esta conversación que vamos a tener hoy es sobre inteligencia artificial y negocios, que creo que para la mayoría de nuestros oyentes, las personas que son empresas digitales líderes, ven esto como, ‘Sí, un día, puedo ver 10 años en en el futuro, usaremos IA ‘. Pero realmente no saben exactamente cómo se ve eso hoy. Qué necesitan hacer hoy para llegar allí y por qué tienden a fracasar en ese camino. Así que dénos un poco de antecedentes sobre su experiencia, por qué es una gran persona para hablar sobre este tema de llevar la IA a una empresa.

Soy un futurista de la tecnología. Lo que eso significa es que tengo muchas décadas de experiencia trabajando en la industria de la tecnología llevando tecnología a las empresas. Y miré hacia atrás y descubrí que siempre estoy trabajando con lo último en tecnología. Y la tecnología es más como ‘Doctor Who’. Tiene una nueva forma y se regenera cada temporada. Entonces, lo mantiene emocionante. Entonces, ahora lo que hago es que siempre estoy investigando lo último en tecnología, pero basado en algún tipo de operaciones comerciales para decir: ‘¿Esto generará nuevos ingresos? ¿Va a crear nuevos mercados? ¿Va a crear nuevos puestos de trabajo? Y luego escribo sobre ello, hablo sobre ello, enseño sobre ello. Así que ese es el lugar de donde vengo. Y específicamente, miro la brecha entre negocios y tecnología. Y miro a las personas que están en algún punto intermedio. No enseño a los científicos de datos. No le enseño a la persona que solo vende. Enseño a todos los que están en el medio a innovar. Y luego, la belleza es que todos pueden elegir cómo quieren hacerlo en función de lo que les apasiona y aportan habilidades transferibles del pasado. Entonces, hay tantos trabajos por crear, tantas formas diferentes de innovación que deben suceder. Y es muy personalizado, individualizado. Y eso es lo que disfruto enseñando.

Si. Eso es increíble. Cuando pienso en los directores ejecutivos que quieren meterse en esto, estoy seguro de que simplemente no saben por dónde empezar. Creo que eso es lo más importante. Tal vez puedan imaginarse: ‘La IA puede hacer esto o estoy seguro de que podría llegar allí’. Pero si intentas ir y tomas un curso en línea o algo por el estilo, es posible que te inunden: ‘Oh, esto está tratando de enseñarme cómo programar o cómo usar la IA. Pero estoy tratando de sentarme aquí pensando en cómo usarlo en mi negocio ‘. Entonces, ¿cuál es un buen lugar para que los líderes digitales comiencen a pensar en la IA?

Yo diría que pueden venir a mi sitio, Business School of AI , o yo hago muchas charlas y sesiones, que no se trata solo de dinero sino de tener una conversación entre pares. Entonces, creo que ese sería un punto de partida. Lo que ha dicho sobre cómo hay cursos que le están enseñando sobre IA o aprendiendo cómo hacerlo desde el punto de vista de la ejecución, pero no cómo hacer que funcione para usted. Creo que estamos en una brecha. Creo que es una oportunidad para que un individuo asuma el liderazgo personal. Entonces, todos los que escuchan esto están haciendo algún tipo de trabajo. Entonces, alguien está trabajando en marketing, alguien está haciendo algún tipo de gestión del éxito del cliente, alguien está haciendo servicio al cliente, gestión de productos, muchos trabajos diferentes.

Lo que pasa con la IA es que, en este momento, no es que esté comenzando de arriba hacia abajo y el CEO esté diciendo: ‘Está bien, ahora voy a hacer de esto un negocio habilitado para IA’, o no es de abajo hacia arriba y el ingeniero o alguien en el producto dice: ‘Oye, hemos creado esta nueva tecnología y ahora queremos implementarla y cambiar nuestra empresa’. De hecho, vi una investigación reciente que preguntaba a la gente, ¿quién está trayendo la IA a la empresa? Y todos dijeron, yo. Y terminaron dibujando este gráfico circular de diferentes roles y se dividió en partes iguales.

Entonces, existe una oportunidad de liderazgo para cualquiera que quiera traer IA. Y también creo que esa es una motivación personal que, debido a que es nueva, genial, de vanguardia y algo intrigante, le da la oportunidad a cada individuo de decir: ‘Oye, ¿cómo llevaré la IA a mi puesto de trabajo y haré que agregue? impacto comercial para mi empresa, con lo que mejoro mi carrera? ‘ Entonces, parece egoísta en cierto sentido, pero esa es una mejor motivación que pensar: ‘Oye, voy a tomar esta empresa y voy a convertir un negocio de IA en un negocio de mega mil millones de dólares’, lo que podría suceder eventualmente. . Pero ese detonante podría haber sido usted, que quiere cambiar de departamento.

Si. Creo que definitivamente es ahí a donde queremos llegar, si hablamos mucho sobre la asociación entre humanos y tecnología. Y cuando piense en equipos para reconocer que está trabajando con colegas ahora y llegar al punto en el que todos, todos los humanos de su equipo, estén pensando, está bien, ¿cómo puedo asociarme con este nuevo colega de IA y atraerlos? y luego podremos trabajar todos juntos. Y para reconocer, bueno, los mejores casos de uso de esta persona o esta tecnología aún no se están utilizando. Realmente no los hemos aprovechado todavía. Y la tecnología incluso podría decir lo mismo sobre los humanos. También podemos sacar mucho más provecho de ellos de otras formas. Así que ese es el objetivo final al que queríamos llegar. Danos algunos ejemplos de lo que están experimentando algunas personas, las formas en que han implementado con éxito la IA en sus empresas.

Entonces, uno de los temas que enseño es el negocio de los vehículos autónomos y usas la visión por computadora y construyes la forma en que el automóvil ve la carretera. Eso todavía diría que pertenece al ámbito de los científicos de datos. Mis estudiantes toman eso y dicen: ‘¿Cómo puedo construir un negocio AV, que consiste en encontrar datos en el automóvil, construir gemelos digitales en el automóvil, hacer que se conecte a todo tipo de otras posibilidades? Por lo tanto, podría ser el transporte automotriz que cambia, o simplemente podría tomar datos en el automóvil y conectarse a sistemas minoristas o sistemas de salud. Entonces, son varias industrias. Entonces, veo muchas posibilidades de IA en el automóvil en el que están trabajando mis estudiantes.

Recientemente, estoy viendo dos proyectos en un curso diferente llamado laboratorio de inteligencia artificial Capstone que ofrezco, donde los estudiantes tienen, permítanme elegir uno de ellos, ni siquiera dos, elija uno. Por lo tanto, los estudiantes trabajan con un socio comercial con datos reales de la industria. Y el socio comercial entra y dice: Tengo un problema comercial que resolver. Quiero llevar la IA a la empresa. Necesito empezar en alguna parte. Y aportan datos reales. Entonces, tengo un equipo de estudiantes de diferentes orígenes, ¿verdad? Entonces, tengo a alguien con experiencia en ingeniería de datos, alguien que es gerente de producto, gerente comercial, tal vez éxito del cliente o algo así. Podría ser cualquier tipo de función empresarial, ¿verdad? Tres o cuatro personas en un equipo, no más que eso. Trabajan y dicen, está bien, ¿cuál es el problema empresarial?

Entonces, un ejemplo que obtuvimos fue que querían aumentar los ingresos en un 10% al comprender el comportamiento del cliente. Parece muy sencillo y hay suficiente literatura y cursos que dicen que la IA puede aumentar los ingresos para usted, la IA puede ayudarlo a comprender el comportamiento del cliente. Todas esas cosas, ¿verdad? Empezaron con eso. Y les enseño cómo se toma el problema empresarial y lo convierte en un problema de ciencia de datos o en una declaración de problema que puede dárselo a los científicos de datos para que lo construyan. No es necesario que lo construya. Estas no son personas que son codificadores, ¿verdad? Fueron cuatro semanas increíbles. Mis alumnos pasaron por esto y dijeron: Está bien, ¿cómo resolvemos el problema? De hecho, podría tomar los mismos datos, comprender mejor a mi cliente y aumentar mi precio y obtener más dinero de los mismos clientes, o puedo traer más clientes similares a este perfil si los entendiera mejor, o simplemente puedo hacer la IA dígame si este cliente va a abandonar o quedarse conmigo. Son tres problemas de ciencia de datos diferentes.

Así es como yo diría, podría verlo como, oye, mi trabajo es asegurarme de que los clientes no abandonen, o mi trabajo es decir cuál es el mejor canal en el que mis clientes van a hacer clic y realizar conversiones. marketing, o mi trabajo es responsable de aumentar los ingresos de este negocio en particular. Y las tres son posibles direcciones que podrían tomar con este único problema empresarial en el que comenzaron. Así que esa es la pieza en la que han estado trabajando mis alumnos y estoy muy orgulloso de ella. Entonces, hacen cuatro semanas de planteamiento del problema y después de eso, miran los datos durante dos semanas y luego ajustan el modelo y lo construyen. Esto es como ciencia de datos para el usuario empresarial con NoCodeAI.

Me parece que el papel del líder empresarial es reinterpretar el problema empresarial en un lenguaje con el que los científicos de datos puedan hacer algo, ¿verdad?

Precisamente sí.

Creo que esa es la clave. Creo que todavía estamos en ese papel en este momento. Con suerte, tal vez haya muchas personas en la empresa que puedan comenzar a pensar en términos de eso y decir: Oye, este problema que tenemos, el problema al que estamos tratando de resolver, ¿es un problema de tecnología? ¿Es este un problema humano? ¿Cómo podemos solucionar eso? Entonces, ¿cuáles son algunos trucos o consejos útiles que puede dar a las personas para que reorienten su pensamiento y piensen: ‘Vaya, este problema al que me enfrento, debería buscar una solución tecnológica para eso’. ¿Hay algunas cosas clave que debería considerar para asegurarse de que ese es el camino correcto a seguir?

Entonces, escuché a usuarios comerciales llamarme y decirme: ‘Leí esto, la IA puede hacer predicciones y hacer algo por mí’, ¿verdad? Basado en lo que hemos visto para su industria y campo. Dirían: ‘Oye, tengo un equipo de científicos de datos o tengo un equipo de ingenieros que pueden aprender ciencia de datos. ¿Cómo lo hago? Ni siquiera pensarían en esto como un viaje. Simplemente piensan que hay una respuesta tecnológica para eso. Dirían, ¿hay un modelo de ciencia de datos que deberían usar? ¿Existe un algoritmo de IA? Esperan que la tecnología resuelva el problema. Entonces, una cosa que diría es, sea cual sea la tecnología que uses, y soy un amante de la tecnología, la tecnología no es tu respuesta. La tecnología es un facilitador si sabe lo que quiere. Por lo tanto, es importante saber lo que quiere y desglosarlo y luego tener esa conversación, no solo con la persona de tecnología. Tienes que tener la conversación con los científicos de datos, tienes que tener una conversación con todos los demás en el equipo multidisciplinario que la va a ejecutar. Entonces, está la pieza de estrategia, hay una pieza de tecnología y la pieza de ejecución. Necesita que los tres estén alineados.

Sudha, me mencionaste antes que, una estadística que diste fue que el 85% de los pilotos de IA fallan cuando están ahí fuera. ¿Por qué es tan alto?

Por lo tanto, las empresas se están volviendo muy exuberantes acerca de llevar la IA a sus negocios. Y así, comienzan de dos formas. Básicamente dicen, oye, tenemos muchos datos y dicen que los datos entrenan a la IA y comencemos. Y tratan de ir a los científicos de datos y decirles, quiero que resuelvan este problema. El científico de datos dice: Está bien, ajustaré un modelo e intentaré resolver el problema. Llegan a un modelo de ciencia de datos, pero no resuelve el problema del todo. Resuelve el problema, pero no es un modelo que funcione. Entonces, la forma en que funciona la ciencia de datos es que construyen un modelo predictivo. Y entonces, podría ser 99% seguro, o podría ser 20% seguro. Entonces, terminan atascados con un modelo. Tal vez sea un 50-60% seguro, pero no están seguros cuando se lo comunican al cliente si va a pasar o no. Y entonces, están atrapados en ese lugar.

O la otra cosa es que en realidad no comienzan con los datos. Empiezan por el problema empresarial. El caso anterior del que hablábamos. No lo descomponen en un problema de ciencia de datos adecuado. Y dicen: Oye, quiero reducir la rotación de clientes en un 10%. Vaya a los científicos de datos. Y el científico de datos dice: ‘¿Qué quieres que haga? ¿Quieres que te dé un modelo de regresión? ¿Quieres que te dé un modelo de agrupamiento? Hablan un idioma diferente. Y existe esta desconexión. Creo que la mayoría de los problemas están atrapados en eso, en el último caso donde existe esta desconexión del lenguaje. La cuestión es que comienzan con un piloto y luego sienten que no están obteniendo resultados y están un poco estancados. Si es un proveedor, dirán: ‘Oh, este proveedor no sabe lo que está haciendo. Déjame probar con otro ‘. O si lo intentan con el equipo de ciencia de datos, dirán: ‘Oye, no tenemos suficiente experiencia. Necesitamos contratar más científicos de datos ‘. Y no los veo detenerse y pensar: ‘Soy el guardián de mi negocio’. Soy responsable de esto. ¿Por qué no aprendo y hago lo correcto para traducir el problema empresarial en un problema de ciencia de datos y pasar por esto como un proceso iterativo?

Si. Eso parece ser fundamental para poder utilizar cualquier tecnología. Creo que nos hemos acostumbrado a lanzar tecnología a diferentes cosas sin comprender profundamente cuál es el problema que estamos tratando de resolver, y simplemente usamos las herramientas que están allí. E incluso como dijiste antes, incluso hacer una pregunta mejor que permitirá que la IA tenga éxito o que ese modelo tenga éxito en eso. Porque a veces el problema que tienes, como dijiste, tal vez sea un problema de pérdida de clientes. Pero cuanto más específico pueda ser con ese problema y más específico al que realmente pueda llegar, más útil será la IA para eso. ¿Correcto?

Si. Y lo que pasa con la IA es que la IA es predictiva. Por lo tanto, es posible que la IA no sea la respuesta que necesita. A veces, puede ser un problema muy prescriptivo. Solo tiene que hacer algunas cosas basadas en reglas y puede resolver el problema. No necesitas IA para eso. Por lo tanto, no siempre tiene que empezar con ‘Oye, quiero llevar la IA a la empresa’. Debería ser, ‘Quiero resolver un problema comercial. Parece que la IA es un problema porque mucha gente habla de ello así ‘. Y luego averigua si la IA es el problema. Y la IA tiene mucho potencial. Entonces, la IA podría ser tu solución.

Entonces, me parece que estoy tratando de resumir algunas cosas aquí. Primero, debe tener un problema bien definido, algo que sepa exactamente lo que quiere de esto. En segundo lugar, la respuesta al problema debe ser predictiva si desea utilizar la IA. Por lo tanto, tiene que ser algo que sugiera o prediga el resultado que resultará de esto. Y tercero, supongo que necesitará una gran cantidad de datos para poder ayudar a la IA a darse cuenta de una forma u otra. ¿Hay otras cosas que agregaría a esa lista de condiciones que hacen de la IA una gran solución?

Pensé que lo resumiste muy bien. Una cosa que agregaría es que necesita una combinación de personas de la empresa. Variedad de diferentes conjuntos de habilidades. Eso es necesario. No es solo el científico de datos y el propietario de la empresa quienes entran y dicen: ‘Oye, usemos la inteligencia artificial y solucionemos este problema’. Va a involucrar a mucha gente. Entonces, cuando construimos un modelo, un modelo solo hará una predicción. ¿Derecha? Según la predicción, deben tomar una acción, lo que significa que deben ejecutar. Por lo tanto, es mejor definir el problema de tal manera que sea procesable. Entonces, lo que les digo a mis estudiantes en este curso de ‘Ciencia de datos para usuarios comerciales’ es que piensen en la IA y digan: ‘Sí, va a resolver mi problema’. Ahora, cuando resuelve el problema y me da una predicción y dice, sí, este cliente va a abandonar o no; sí, este factor particular influye en el cliente; lo que sea que te esté diciendo, ¿verdad? Si vas a escucharlo, ¿qué vas a hacer con él?

Tiene que ser procesable. Si no es procesable, ese modelo se desperdicia. Si es procesable pero no tiene el poder para hacerlo en su empresa, tampoco es útil. Entonces, debes pensar si esto es procesable. Entonces, si va a crear más contenido por el cual su cliente pagará más dinero, ¿tiene los recursos? ¿Tiene personas que puedan ayudarlo a hacer eso? Si va a verificar un canal de marketing específico, entonces tiene el apoyo del departamento de marketing para actuar en función de la recomendación que le dará su IA. O si dice, está bien, puedes ir a este nuevo canal de ventas, ¿tienes el apoyo? Entonces, podrían ser diferentes partes dentro de la empresa.

Quiero decir que este es un problema antiguo en las empresas en las que estamos aislados y los datos se encuentran en diferentes silos. Y es lo mismo. Pero en un nivel fundamental, trabajará con varias personas que harán el trabajo. Entonces, todo lo que dijo sobre tomar el problema comercial, convertirlo en un problema de ciencia de datos, pero asegúrese de que sea procesable. Suponga que es procesable. Y luego dices: Bien, ahora entiendo la causa raíz, y la IA me dará una predicción y una recomendación. Ahora, ¿cómo actúo sobre la recomendación? ¿Quién me va a ayudar a permitirme incorporar a ese equipo? No después de que se construya la IA. Para que puedan contribuir a ello. Y ellos aportarían su perspicacia comercial y dirían, sabes qué, la forma en que estás viendo estos datos es incorrecta. Entonces, existe un concepto llamado ingeniería de características. Cuando observa los datos, es posible que tenga que agregar más columnas a los datos. Y en base a eso, la IA puede darte una respuesta más precisa que si no tuviera esa información.

Entonces, tengo otro caso de estudiantes en el que están buscando una compañía de conferencias y quieren predecir cuáles serían los precios de las entradas. Y todas las conferencias se han conectado a través de COVID. Y entonces, están planeando para el próximo año que será en persona. Eso es lo que esperan. Así que ahora, cuando miran los datos pasados y hacen predicciones, la IA puede decir: Oye, esta persona se registró la última vez que tiene propensión a firmar. Pero no hay garantía de que esa persona se registre y se presente en persona. Porque hay un factor que no considerarán. Si está en el mismo lugar donde está la persona, es probable que la persona se presente porque encuentra el valor de su conferencia. Ahora, si es una ubicación diferente, porque ahora tienes una audiencia global inscrita en línea para este año, ahora, si tienen que viajar, entonces tienen que agregarle el costo del viaje. ¿Derecha? Entonces, este es un pensamiento empresarial muy lógico.

Entonces, lo que los estudiantes han hecho es decir: ‘Oye, mira esto. Pero ahora la persona podría no venir si no está en el área local ‘. Entonces, el pensamiento fue, agreguemos otra columna y digamos, sí o no, ¿tienen propensión a venir? Pero entonces la IA no sabe por qué esa persona de negocios agregó esa columna. El razonamiento empresarial detrás de eso se pierde. En cambio, lo que terminaron haciendo fue agregar una columna que decía, cuál es la distancia entre el lugar donde se encuentra la persona y la ubicación de la conferencia. Si es cero, es probable que esa persona venga si todos los demás factores están bien. ¿Derecha? O si está muy lejos y están en Chennai y estamos dando una conferencia aquí en San José, no van a volar 10,000 millas. Eso será caro y se sumará al costo de la conferencia para ellos. Entonces, ese factor de ‘qué tan lejos está la distancia a la ubicación’ es un factor importante que proviene de la persona que simplemente piensa: ‘Tiene sentido comercial para nosotros dirigirnos a personas que son locales’. Y así, si no tuvieran ese factor, se habría perdido.

Por lo tanto, cuando involucra a varios equipos en la conversación justo en la etapa en la que toma el problema comercial y llega a la declaración del problema, diferentes personas pueden contribuir. Y el marketing diría, oye, voy a apuntar a la gente local. No voy a apuntar a personas de fuera. Pero entonces su lista podría tener un montón de personas que vinieron de afuera. Ahora esos datos son inútiles o tienes que idear una estrategia diferente.

Sudha, no estaba preparado para estar tan entusiasmado con la IA. Siempre es un tema que era como, Oh, sí, deberíamos estar haciendo eso. Deberíamos estar emocionados por eso. Pero la claridad que aportó a esta conversación fue realmente útil. E imaginando adónde podemos llegar con herramientas como estas. Y creo que va más allá de la IA. Solo hay una especie de principios para el uso de nuevas tecnologías, ya sea que estemos hablando de otros tipos de aprendizaje automático o IoT o blockchain. Creo que este marco que nos ha proporcionado es muy útil. Definitivamente recomendaría a todos que te visiten. Entonces, mencionaste algunas cosas hasta ahora, pero ¿a dónde deberían ir las personas si quieren aprender más sobre lo que estás haciendo?

Creo que lo más fácil es ir a mi enlace. Y si quieres ver mis clases, tengo dos ubicaciones. Una se llama Business School of AI y la otra se llama Driverless World School . Y de lo contrario, búscame en LinkedIn . Y me encanta hablar con la gente para ayudarles a descubrir qué quieren hacer. A veces, las personas piensan en orientar sus carreras hacia este espacio. A veces, simplemente están entusiasmados con las posibilidades de lo que pueden hacer en su trabajo. Y veo que todos somos soldados de infantería en empresas, y lo unimos, entonces es bueno para nosotros. Estamos creciendo en nuestra carrera y estamos haciendo un trabajo divertido. Entonces esa es mi recomendación. Si lo está pensando de cualquier manera, hábleme. Estoy feliz de poder ayudar.

Excelente. Bueno, muchas gracias por estar en el programa. Esperamos volver a conectarnos con usted pronto.

Muchas gracias, Neil. Fue un gran placer. Gracias.

Compartir:
Facebook
Twitter
Pinterest
LinkedIn
WhatsApp
Telegram
Email
Imprimir
también podrías leer:

Artículos relacionados

Reserva tu demo personalizado aquí

Deja tu información personal para agendar una demostración de Primera Base

Por favor, déjanos tu correo electrónico antes de ver el vídeo