Fernando Rodríguez-Villa '06 habla en el Intercambio de Innovación inaugural de RL

El 3 de diciembre, Roxbury Latin organizó su Intercambio de Innovación Inaugural con el orador principal Fernando Rodríguez-Villa '06. Fernando habló con los estudiantes y el profesorado a través de Zoom, compartiendo su viaje de estudiante de RL a cofundador de AdeptID. Los estudiantes pudieron participar en la tecnología de AdeptID durante un proyecto de grupo, seguido de una sesión de preguntas y respuestas.

"Una de las partes más valiosas de RL para mí", comenzó Fernando, "fue recibir una educación temprana sobre no ser la persona más inteligente de la sala. En RL, aprendes muy rápidamente que hay mucha gente que es inteligente en aspectos que tú no lo eres. El profesorado sabe que yo era un estudiante fuerte, bueno y poco notable en comparación con otros estudiantes con los que tuve la suerte de compartir el aula. Tanto si estaba en Dartmouth como en la banca o más allá, nunca me resultó extraño estar rodeado de personas increíblemente brillantes y con perspectivas y puntos de vista a los que no iba a llegar por mi cuenta".

Fernando es el fundador y director general de AdeptID, una empresa emergente con una plataforma basada en la inteligencia artificial que predice el éxito de las transiciones entre diferentes tipos de trabajos. En RL, Fernando participó activamente en el teatro y en Latonics y jugó en el equipo universitario de fútbol, baloncesto y atletismo. Tras su graduación, pasó un año en el Eton College antes de asistir a Dartmouth.

Fernando dejó la banca en 2014 para trabajar en Knewton, que utilizaba el aprendizaje automático para personalizar el aprendizaje, y desde entonces Fernando -que se autodenomina emprendedor en serie- ha dedicado su carrera a emprender empresas de aprendizaje automático en todo el mundo. En 2016, cofundó TellusLabs, una startup de análisis por satélite que fue rápidamente adquirida por Indigo. En Indigo, se desempeñó como Director de Estrategia Internacional.

"Me gustaba la banca", dice Fernando, "pero en un par de años tuve claro que probablemente no era lo que quería para mi trayectoria profesional a largo plazo. Empecé a ver el crecimiento de las empresas y la dirección de las mismas en el aspecto operativo como algo emocionante.

"Uno de nuestros clientes era un director general que había creado su empresa en el garaje de su casa con dos amigos. Había crecido hasta convertirse en una enorme e importante gestora de activos durante 25 años. Seguía siendo muy amigo de las personas con las que había emprendido ese viaje. Era muy querido por ese equipo, y en esa camaradería había mucho que me recordaba a RL. Era inspirador. 

"Simultáneamente, tuve la suerte de empezar a aprender de amigos fuera del trabajo, sobre algunas de las tendencias en tecnología. Me metí en lo que se llamaba big data, que ahora se conoce como IA o aprendizaje automático. Me enteré del potencial que tenía esta tecnología para generar predicciones o conocimientos a escala, para ponerlo en un software que pudiera, en tiempo real, responder a preguntas muy interesantes. Así que me obsesioné con una startup con sede en Nueva York llamada Knewton, que utilizaba la IA en los datos educativos".

Knewton dudó inicialmente en contratar a Fernando, un banquero de inversión sin experiencia profesional en IA o educación.

"'Tienes esta otra serie de habilidades', dijeron, 'y no pagaríamos ni de lejos lo que estás ganando ahora'", dijo Fernando. "Me costó bastante trabajo convencerles de que me entusiasmaba la misión y estaba preparado para afrontar la curva de aprendizaje de la tecnología. Hicieron falta varios intentos para que se sintieran cómodos contratándome".

Knewton puso a Fernando a cargo del desarrollo comercial internacional, enviándolo a España, Sudáfrica, India y Rusia para ampliar el alcance de la empresa con sede en Nueva York.

"Knewton fue un buen trampolín para entrar en el mundo del emprendimiento", dijo Fernando. "Dentro del mundo de las startups y la tecnología, hay muchas empresas en fase muy temprana; AdeptID, que hemos puesto en marcha este año, está en su fase de pre-semilla. A medida que las empresas se hacen más grandes, tienden a recaudar más dinero, consiguen más clientes y contratan a más gente. Knewton se encontraba en esta última etapa cuando me incorporé, por lo que había una buena cantidad de riesgo que se había eliminado".

Fernando sabía que quería participar en una empresa en fase inicial, así que dejó su trabajo y se trasladó a Boston con su ahora esposa, Emma.

"Esa búsqueda de trabajo no fue especialmente fácil ni cómoda", admite Fernando. "Tuve que ir a tomar muchos cafés para hacerme una idea de los equipos fundadores a los que quería unirme y de las ideas que podían entusiasmarme. Así fue como encontré TellusLabs, donde me emparejaron con dos grandes fundadores técnicos que habían creado algoritmos que podían predecir el rendimiento de las cosechas por hectárea con sólo mirar las imágenes de satélite de los cultivos. Ese tipo de predicciones sobre el suministro de alimentos era apasionante, pero el reto era convertir esa tecnología en un negocio."

En dos años, el trío fundador de TellusLabs se había ampliado a un equipo de 14 científicos e ingenieros de datos, lo que atrajo la atención de uno de sus socios, Indigo Ag, cuya tecnología encajaba casi a la perfección con la dirección que tomaba TellusLabs.

"Como éramos clientes suyos", explica Fernando, "se dirigieron a nosotros para preguntarnos si estábamos interesados en unirnos a su empresa. Al principio dijimos que no, porque queríamos crear nuestra propia empresa independiente, pero nos hicieron una oferta persuasiva". La mayoría de las personas que formaban parte de TellusLabs siguen trabajando en la empresa y siguen siendo felices allí. Yo también me alegré de haber pasado por eso, pero al trabajar para Indigo, una empresa de varios miles de personas, aprendí que me encantaba esa etapa inicial: un par de personas y una idea, una tecnología prometedora, y la construcción y la incertidumbre que conlleva."

Fernando dejó Indigo a principios de este año por su nueva startup, AdeptID, con el cofundador Dr. Brian DeAngelis, para centrarse en los problemas emergentes del mercado laboral.

"Parecía que había muchas dinámicas en los mercados laborales que parecían un problema de emparejamiento", dijo Fernando. "Eso es lo que el aprendizaje automático y la ciencia de los datos suelen hacer bien: resolver problemas de emparejamiento".

"Es increíblemente difícil cambiar de trabajo", añade Fernando, "pero algo que me ha facilitado personalmente es el hecho de tener esta educación de primera clase. He tenido muchos privilegios y ventajas gracias a ello. La gente ve mi historia y dice: 'Quizá no haya hecho esto, pero como ha ido a estas escuelas y tiene estos otros sellos' están dispuestos a apostar por mí."

Una gran parte de la mano de obra no tiene la educación y la formación que tiene Fernando, por lo que cambiar de trabajo es difícil. La transición entre sectores puede parecer casi imposible.

"Hay decenas de millones de personas desempleadas en este momento que entran en esta categoría", dijo Fernando. "Y también hay personas empleadas en sectores en declive estructural: pérdidas de empleo en la hostelería, el petróleo, el gas y el carbón. Calculamos que unos 35 millones de trabajadores tendrán que encontrar trabajo en algo muy diferente a lo que han hecho antes".

El reto empresarial para Fernando y Brian era encontrar el negocio para resolver ese problema. ¿Podrían entusiasmar a la gente con la oportunidad económica de tratar de resolver esos problemas?

"Hay ciertos sectores en los que el crecimiento o la demanda de empleo es más rápido que el ritmo al que se puede contratar para ellos", dice Fernando. "En sectores como la sanidad, las energías renovables y la fabricación avanzada -funciones como los maquinistas o los técnicos de farmacia-, los empresarios tienen dificultades para encontrar personas certificadas o preparadas para realizar estos trabajos."

Esa compleja dinámica de oferta y demanda es la que impulsa a AdeptID, que utiliza big data para examinar más a fondo a los trabajadores y sus aptitudes subyacentes a fin de encontrar posibles coincidencias profesionales entre sectores.

"El hecho de que hayas sido operador de una unidad de servicio para Chevron no significa que no puedas hacer uno de estos otros trabajos en crecimiento", dice Fernando. "De hecho, algunas de las habilidades que has adquirido son increíblemente relevantes y significan que tienes más posibilidades de encajar en estos nuevos roles. Esa era nuestra perspectiva anecdótica, pero tenía que salir y hacerla legible: tomar estas historias y ponerlas en un formato de datos que nos permita respaldar esa perspectiva desde el punto de vista del algoritmo."

Fernando y su cofundador de AdeptID, el Dr. DeAngelis, trabajan con empleadores y proveedores de formación profesional en Nueva Inglaterra, así como en el Medio Oeste y el Cinturón del Sol, para adquirir datos sobre patrones de contratación y tasas de colocación que ayuden a formar sus modelos. Durante la reciente sesión, los estudiantes de RL utilizaron datos de muestra de AdeptID, que trazaba la "distancia" entre los puestos de trabajo de una industria y los de otra en función de las competencias, para trabajar en proyectos de grupo.

"Lo que descubrimos cuando hacemos esto", dice Fernando, "es que hay algunos trabajos que son intuitivamente similares -por ejemplo, auxiliares de farmacia y técnicos de farmacia- y otros cuyas conexiones son un poco menos obvias, como un cajero o un trabajador del servicio de comidas con esa misma función de técnico de farmacia. Resulta que, en realidad, hay una buena cantidad de solapamientos. Si los datos empiezan a decir eso, decimos: 'Vale, ¿podemos confirmarlo?' Y los directores de contratación con los que hemos hablado en lugares como Boston Medical han estado de acuerdo".