Actualización para inversionistas de Everpure, Inc.

Hola a todos. Bienvenidos a la reunión de analistas financieros de Everpure, que se celebra por primera vez aquí en nuestra sede central en Santa Clara. Tenemos una agenda completa para ustedes hoy. Esta mañana comenzaremos con análisis tecnológicos en profundidad sobre gestión de datos e IA. A continuación, tendremos una sesión de preguntas y respuestas centrada en tecnología. Luego haremos una pausa para almorzar y reanudaremos a las 12:00 P.M. con la sesión principal, en la que participarán Charlie, Tarek y Rob. Si alguien necesita información sobre temas como los baños o el Wi-Fi, hay personas en el pasillo que pueden ayudarles con cualquier pregunta. Cuando volvamos del almuerzo, Charlie sentará las bases con una descripción general de nuestra estrategia y de la oportunidad en expansión. En realidad, de nuestra oportunidad en expansión significativa. Rob hablará sobre nuestras ventajas fundamentales y nuestro derecho a ganar en cuatro áreas de mercado de alto crecimiento. Estas incluyen nuestro negocio principal y otras tres áreas de mercado de alto crecimiento.

Tarek concluirá con nuestras bases para el crecimiento futuro y nuestro marco financiero a largo plazo. Después, tendremos una sesión final de preguntas y respuestas con Charlie, Rob, Kaz, Tarek, Bill y Prakash. Después de la sesión final de preguntas y respuestas, quienes estén aquí en persona podrán asistir a una hora informal de cócteles. Antes de comenzar, les recordaré, como hago cada año en este evento, que el valor de todo lo que hacemos en Everpure proviene de nuestro software. Esto incluye nuestro negocio principal, así como nuestras otras tres áreas de mercado de alto crecimiento. En todas nuestras áreas de mercado de alto crecimiento, una vez más, siempre se trata de ¿qué?

El software. Bien, ahora le cedo la palabra a Charlie para que dé su bienvenida inicial.

Buenos días a todos y bienvenidos. A quienes están aquí entre el público, muchas gracias por venir. Sabemos que para la mayoría de ustedes el viaje fue largo, y realmente agradecemos que estén aquí en persona. También queremos agradecer a todos los que están en línea y nos acompañarán durante la conversación de hoy. Estamos muy entusiasmados. El equipo aquí está muy entusiasmado por hablarles de todo lo que estamos haciendo. Muchas cosas están cambiando. Obviamente, están cambiando muchas cosas en el mundo exterior y en nuestra industria, pero también están cambiando muchas cosas en Everpure, y es un gran momento para poder expresarles esto de muchas maneras. Una de ellas es que creemos que nuestro negocio está acelerándose.

Esperamos poder mostrárselo hoy con cifras. También se está expandiendo a varias áreas, y eso es, obviamente, a lo que aludió Paul y, como pueden ver en la agenda, les daremos bastante contexto sobre distintas áreas. Una cosa más: a quienes están aquí físicamente entre el público, les dejamos un documento sobre la mesa. Es una lectura algo extensa. Tiene unas doce páginas. Pero creemos que ofrece una perspectiva fundamental sobre cómo cambiarán radicalmente las arquitecturas de TI durante la próxima década. Creemos que esto, impulsado por la IA, está llevando a las organizaciones a organizarse en torno a los datos en lugar de las aplicaciones. Ese es un cambio muy fundamental en la forma en que se construyen las arquitecturas de TI.

Ese cambio fundamental abrirá oportunidades completamente nuevas que nosotros, en Everpure, estamos buscando aprovechar, y otros proveedores también están avanzando en esa dirección. Pero, si no entienden dónde estamos hoy y hacia dónde se dirige la industria, cómo está cambiando y avanzando hacia una arquitectura distinta y una relación diferente entre las aplicaciones y los datos, no podrán prever plenamente todos los cambios que ocurran. Así que les recomiendo mucho que, cuando tengan tiempo, lean ese documento y lo entiendan bien. Dicho esto, invitaré al escenario a nuestro primer expositor, Prakash Darji.

Muy bien. Gracias. Muy bien. Voy a profundizar en la primera área que mencionó Charlie: la idea de centralidad de los datos. A esto lo llamamos primacía de los datos. Es una inversión de la arquitectura de aplicaciones. Al hablar de nuestro negocio, realmente estamos hablando de cómo podemos ayudar a los clientes a maximizar el valor de los datos dondequiera que estén. Pure o no Pure. Nos enfocamos en gestionar el valor de los datos y sacarles el máximo provecho. Segundo, creemos que podemos hacerlo porque ya contamos con la confianza de los clientes respecto de muchos datos críticos para sus operaciones en todo su entorno, tanto estructurados como complementados con datos no estructurados. La tercera tesis que abordaremos aquí es por qué una empresa de almacenamiento tiene que hacerlo.

Porque, al pensar en los datos, ¿por qué el contexto debe acompañarlos y persistir en el almacenamiento? Si piensan en el mayor desafío actual de la gestión de datos, y retomo esto de mi experiencia anterior, trabajé 13 años en SAP desarrollando aplicaciones, tanto financieras como de bases de datos. En gran parte del mundo actual, los clientes compran aplicaciones y los departamentos de TI integran los datos entre ellas. Si consideran el gasto total, en realidad, entre 80%-90% de todo el gasto se destina al trabajo de integración entre todos los activos que tienen. Y esto se acumula a medida que crecen. En gran medida, los costos de integración de datos son el mayor costo asociado con operar una empresa hoy.

Si piensan en los agentes y su acceso a los datos, dónde están y dónde queda atrapado el contexto en las aplicaciones o en los lakehouses, etcétera, eso se disparará y los costos de integración crecerán de forma más exponencial. Estos silos de información que residen en aplicaciones, almacenes de datos, etcétera, necesitan un contexto compartido para poder hacer algo con la IA. Los agentes funcionan mejor directamente sobre los datos. Ese es un desafío que estamos viendo hoy en la industria.

Ahora bien, si las personas usan aplicaciones, verán la estrategia de SAP decir: «Oye, quieres aprobar órdenes de venta, así que trae todos tus datos de Salesforce a SAP». Salesforce dice: «Oye, deberías usar Agentforce y traer todos tus datos de SAP a Salesforce». Databricks dice: «Bien, trae todos tus datos a Databricks». Ahora mismo, todos tienen una parte del panorama del contexto, y eso lleva a que el contexto esté fragmentado entre las aplicaciones. Nuestro primer enfoque es cómo crear un contexto compartido con los datos dondequiera que estén. Aprovechar los datos donde están y entender cómo crear un contexto compartido. Segundo, en vez de trasladar los datos entre sistemas, ¿cómo permitir que se reutilicen donde están? Lo que esto hace con la complejidad de integración es invertir la forma de desarrollar aplicaciones. Históricamente, la aplicación era propietaria de los datos y los mantenía encapsulados.

Estos son mis datos financieros en mi aplicación financiera. Estos son mis datos de ventas en mi aplicación de ventas. Sí vemos un mundo de primacía de los datos en el que los flujos de trabajo de las aplicaciones se conectan y reutilizan datos entre varias aplicaciones. Es una forma diferente de construir y diseñar la arquitectura. En los primeros días de SAP, cuando trabajaba allí, intentábamos crear un gran esquema para manejar lo que consideraríamos un ERP de extremo a extremo. En gran medida, eso terminó convirtiéndose en silos y fragmentándose a medida que la gente empezó a comprar distintas aplicaciones sin consolidarlas en un único modelo de datos de referencia. Creemos que, en el mundo de la IA, esta idea de flujos de trabajo conectables permitirá reutilizar los datos donde están. Cuando contratas a un empleado nuevo, no necesitas copiar todos los datos de centros de costos financieros; puedes simplemente actualizar tus costos financieros.

La separación entre Recursos Humanos y Finanzas no debería ser tan amplia como lo es hoy. Veamos el tema: la primacía de los datos. Si adoptan este enfoque, se reduce la integración y la copia de datos, y aumenta la coherencia de los datos, es decir, la uniformidad de su significado en todo el entorno. Obviamente, una menor superficie de ataque cibernético siempre es mejor. Al hacerlo, también pueden optimizar el gasto en tokens, es decir, las entradas relevantes para los modelos. En vez de construir una fábrica de modelos de lenguaje grandes, un modelo de lenguaje pequeño (SLM) con los datos y el contexto adecuados les dará mejores resultados a menor costo. Lo hemos visto una y otra vez, y así es como se están construyendo los agentes. Se diseñan específicamente con datos seleccionados. Nuestras convicciones como proveedor. Primero, creemos que los datos estarán distribuidos. No habrá una sola cosa que genere datos en el planeta.