Este documento resume varias tendencias tecnológicas clave para 2017, incluyendo la digitalización de más industrias, el crecimiento de la inteligencia artificial, la importancia de los datos y el machine learning, la arquitectura centrada en la nube y los microservicios, el pensamiento centrado en el usuario, y los nuevos retos para el testing de software.

1. TENDENCIAS V. 2017
Pedro Galván
Yux Xiang
https://unsplash.com/photos/AATLGHDZrJY

2. ADVERTENCIA:
HABRÁ FRASES CLICHÉ

3. ““No patines hacia donde está el puck,
patina hacia donde va a estar”.
–Wayne Gretzky

4. ¿DONDE ESTAMOS?
R: En algún punto entre la era de la
información y la era de la
inteligencia.

5. ¿TU INDUSTRIA YA FUE DIGITALIZADA?
Google —> Publicidad
Apple —> Experiencia
Amazon —> Retail
Uber —> Transporte (por ahora)
Netflix —> Entretenimiento
AirBnB —> Hospedaje

6. “Transformación digital:
(sustantivo femenino, buzz word).
Conjunto de acciones derivadas del pánico que cunde
en las empresas de que les apliquen un Uber / Netflix
/ Amazon.
-Pedro Galván Kondo

7. LAS ÚLTIMAS FRONTERAS DE LA DIGITALIZACIÓN
➤ Blockchain -> transacciones digitales
➤ https://www.cbinsights.com/blog/industries-disrupted-blockchain/
➤ AR/VR -> experiencias digitales
➤ http://www.marxentlabs.com/5-top-virtual-reality-augmented-reality-technology-
trends-2017/
➤ Digital twins -> simulación
➤ https://arc.applause.com/2016/11/23/digital-twins-iot-faq/
➤ Genoma

8. INTELIGENCIA
1. Inteligencia artificial y machine learning
Modelos predictivos ad-hoc
2. Apps inteligentes
Asistentes virtuales
3. Cosas inteligentes
Robots, drones, vehículos autónomos

9. “Gracias a la nube y el open source, la infraestructura
ya no es un cuello de botella para innovar.
Ahora el principal cuello de botella es la capacidad
para construir soluciones de software.
-Bernard Golden

10. THE SKILLS TO PAY THE BILLS
(versión 2017)

11. DATA IS IN THE HEART
➤ Data Scientist
➤ Define modelos predictivos aplicando
matemáticas, estadística y machine
learning. Los implementa en software
usando lenguajes como R o Julia y
librerías como TensorFlow.
➤ Data Engineer
➤ Diseña y construye arquitecturas para
la ingestión y procesamiento masivo de
datos. Usa tecnologías como Hadoop,
Spark, Python, SQL.

12. CLOUD NATIVE ARCHITECTURE
➤ Centrada en APIs
➤ Diseñada para escalar automáticamente y
recuperarse a fallas.
➤ Cumple con twelve-factor (https://
sg.com.mx/revista/52/aplicaciones-12-
factores)
➤ Basada en microservicios*
➤ Organizada en contenedores*

13. DESIGN THINKING
➤ TI evoluciona de ejecutar proyectos a
construir productos.
➤ Lo que antes eran requerimientos ahora
son hipótesis a validar.
➤ La experiencia de usuario juega rol
crucial.

14. LENGUAJES AL ALZA
➤ Front-end: Typescript.
➤ Back-end: Go, Elixir.
➤ System: Rust.
I’M TOO SEXY
FOR YOUR LANGUAGE

15. OTRAS CONSIDERACIONES

16. FILOSOFÍAS > METODOLOGÍAS
➤ Las metodologías se basan en roles, actividades y artefactos (ej. Scrum, RUP,
Crystal), mientras que las filosofías se basan en principios (Agile, DevOps).
➤ Las metodologías pueden servir como “rueditas de entrenamiento” para adoptar una
filosofía, pero no son importantes por sí solas. Son un medio para generar una
capacidad.
“No importa que metodología uses, siempre y cuando puedas
hacer continuous delivery.”

17. NUEVOS RETOS DE TESTING
➤ Internet of Things
➤ Factores físicos, integración, seguridad.
➤ Machine learning & predictive analytics
➤ ¿Cómo probar sistemas no deterministas?
➤ https://techbeacon.com/moving-targets-testing-software-age-machine-learning