En Amazon, el foco en nuestros clientes no es un principio vago, es la verdadera raíz de nuestro enfoque hacia la innovación. La misión de Amazon es ser la empresa en el planeta Tierra que más se centra en los clientes y el primero de nuestros 16 principios de liderazgo, Obsesión por el cliente, señala que: “Los líderes comienzan por el cliente y trabajan hacia atrás”. Trabajan enérgicamente para ganarse la confianza del cliente y mantenerla. Aunque los líderes prestan atención a los competidores, se obsesionan por los clientes”.
Existen algunos conceptos básicos en los principios de liderazgo que ayudan a Amazon a impulsar y sustentar la cultura centrada en los clientes. El primer concepto de “trabajar hacia atrás” es un modelo mental y un mecanismo de innovación que mantiene a los clientes como centro de todo lo que hacemos. Trabajar hacia atrás implica comenzar el proceso de innovación al pensar seriamente en el cliente, en los problemas constantes a los que se enfrentan y en sus necesidades a largo plazo.
Creemos que centrar los esfuerzos de innovación en nuestros clientes garantiza que no innovemos de manera aislada ni creemos tecnología o servicios porque sí. Permanecemos cerca de los clientes y nos enfocamos en los elementos que sabemos que valoran a largo plazo (p. ej., precio, selección y conveniencia en nuestras empresas minoristas, el rendimiento, la seguridad, la amplitud y la profundidad de las características y la funcionalidad y el rendimiento de los costos de los servicios en la nube de AWS). Y al adentrarnos en el contexto y en la situación donde se dan esas necesidades, estamos mejor capacitados para reaccionar y anticipar lo que sorprenderá y deleitará a los clientes al inventar para ellos.
Como ejemplo, el 90 % de lo que creamos en AWS está impulsado por lo que los clientes nos dicen que es más importante para ellos. Un ejemplo puede ser Amazon SageMaker, el servicio de machine learning (ML) más amplio que ayuda a preparar, crear, formar e implementar, con rapidez, modelos de ML de alta calidad. Cientos de miles de clientes (como la NFL, 3M, General Electric, T-Mobile y Vanguard) aman las capacidades integradas de Amazon SageMaker para la implementación de ML, lo que lo hace uno de los servicios con más rápido crecimiento en la historia de AWS. También les encanta lo rápido que itera. El año pasado conmemora el segundo año consecutivo en el que agregamos más de 50 características nuevas en doce meses. Lo hicimos mediante el pedido activo de la opinión de nuestros clientes y lo que podemos crear para ellos.
Un pedido frecuente era el de ayudar a que la preparación de datos para ML fuera más fácil. Esto es complejo para los clientes, que necesitan recopilar los datos adecuados de diferentes fuentes y en múltiples formatos, normalizar los datos para incorporarlos de manera correcta en modelos de ML, seleccionar y transformar las características más pertinentes para los algoritmos de modelo predictivo e incluso combinar distintas características. Todo esto es difícil y lleva mucho tiempo. Es necesario observar los datos faltantes o los valores atípicos para ver si la ingeniería de características funciona, antes de realizar transformaciones en el conjunto de datos.
Los clientes nos preguntaron si había una manera mejor de hacerlo. En función de estos comentarios, el año pasado lanzamos Amazon SageMaker Data Wrangler, la manera más rápida de preparar los datos para ML. Los clientes pueden simplemente apuntar Data Wrangler a sus almacenes de datos de AWS o de terceros, y DataWrangler cuenta con más de 300 conversiones y transformaciones que reconocen automáticamente los datos que entran, sugiere las transformaciones adecuadas para aplicar, facilita la combinación o creación de características compuestas en una sencilla consola, permite previsualizar y validar la transformación fácilmente en SageMaker studio y, a continuación, aplicarla fácilmente sin esfuerzo en todo el conjunto de datos. Este fue un punto de inflexión para los clientes en términos de la cantidad de tiempo ahorrado en la preparación de datos para machine learning.
Mientras que el 90 % de los productos, características y servicios provienen de los pedidos de los clientes, el otro 10 % de nuestras innovaciones surgen de las necesidades que los clientes quizás no expresan, pero al mantenernos cerca de ellos y enfocados en sus necesidades sin cesar, somos capaces de leer entre líneas y producir lo que necesitan.
Nadie, por ejemplo, nos pidió Echo, que lanzamos en 2014. Pero teníamos una visión de cómo un dispositivo inteligente y controlado por voz, que permitiera acceder a información, al clima, a las noticias o a escuchar música y que fuera un centro de control compatible con una amplia gama de dispositivos domésticos inteligentes y mucho más (todo completamente sin utilizar las manos), sería un asistente personal valioso para el hogar y facilitaría la vida de los usuarios. Siete años después, además de lanzar múltiples generaciones del dispositivo Echo, Echo Show con pantallas inteligentes, Echo Auto para los automóviles, dispositivos portátiles como Echo Loop y Echo Frames y un anfitrión de accesorios, la familia de dispositivos Echo es uno de los productos más populares en Amazon.