Con todo el “hype” que se le da, la IA puede parecer algo ya conocido, ya que prácticamente todas las organizaciones debaten cómo afecta a sus negocios. Pero en este momento, gran parte de este discurso no se corresponde con la realidad. La mayoría de las empresas no quieren admitirlo, pero siguen estancadas en una fase piloto. De hecho, una investigación de la iniciativa NANDA del MIT, reveló que el 95% de los programas piloto de IA fracasan, teniendo un impacto mínimo o nulo. En lugar de avanzar, la mayoría está luchando por demostrar valor, sin la confianza necesaria para innovar de verdad.
En el centro de este desafío se encuentran los datos. La magnitud, complejidad y sensibilidad de lo que se necesita para la IA pueden ser intimidantes. Y es comprensible, puesto que acceder, gestionar y proteger los datos en un mundo conducido por la IA es abrumador. Las medidas de resiliencia existentes a menudo parecen insuficientes; sin embargo, una buena gestión de datos sigue siendo esencial, e invertir en visibilidad y resiliencia desde el principio es la única manera de avanzar con confianza. De lo contrario, te quedarás estancado en la teoría, en lugar de pasar a la práctica.
Índice de temas
Un baño de realidad para la IA
Con gran parte del debate sobre la IA centrado en su potencial para la transformación empresarial, es fácil olvidarse de lo que realmente importa: los datos. La IA generativa (GenAI), los grandes modelos de lenguaje (LLM), la detección de anomalías, los modelos de predicción; todos se basan en datos, se entrenan con ellos y generan datos. Es una de las principales razones por las que se espera que este año creemos, capturemos, copiemos y consumamos 181 zettabytes de datos a nivel mundial, tres veces más que hace cinco años. Es difícil conceptualizar cifras tan grandes, pero, en esencia, hay muchos más datos de los que las organizaciones estaban preparadas para manejar antes.
El 95% de los programas piloto de IA fracasan, teniendo un impacto mínimo o nulo
La IA también está cambiando el panorama sobre la cantidad de datos que las empresas pueden realmente usar. Según Gartner, el 80% de los datos empresariales no están estructurados. Antes de la IA, esto significaba que la mayoría estaban almacenados, a menudo con la necesidad de ser conservados y protegidos, pero sin posibilidad de extraer valor de ellos. Con la IA, todo eso ha cambiado.
Hoy en día, la realidad de la IA es que las organizaciones tienen dificultades para analizar las crecientes montañas de datos y categorizar lo que ya tienen. Si añadimos un programa piloto de IA a esta lista, queda claro por qué tantos programas piloto fracasan.
Así que, aunque las organizaciones quieran afirmar que cuentan con una política de IA rigurosa, para la mayoría la TI en la sombra sigue siendo un problema muy real. Los programas piloto fallidos frenan a las organizaciones, obligando a los empleados a experimentar en segundo plano con herramientas de IA no autorizadas. Esto seguirá ocurriendo a menos que las organizaciones puedan escapar del pozo sin fondo de los datos para impulsar una verdadera innovación en IA.
Construir sobre los cimientos adecuados
La IA se puede entender como una “nueva era”, pero lo creas o no, esta “nueva era” debe construirse sobre los cimientos de la anterior. En pocas palabras, una buena higiene de datos seguirá siendo una buena higiene de datos, y no habrá necesidad de descartar las medidas de resiliencia ya existentes.
Esto significa seguir realizando evaluaciones de impacto de todos los datos, porque el primer paso para analizar las crecientes cantidades de datos es entender qué tienes. Solo entonces podrás identificar qué datos son realmente los más importantes para tu organización y gestionarlos adecuadamente. Obtener esta visibilidad es esencial para garantizar la resiliencia de tus datos a medida que crecen. De lo contrario, si ocurre un incidente, no sabrás qué datos necesitas realmente para volver a estar en funcionamiento, y no podrás identificar cuándo se produjo el último buen estado.
Esto no puede ser algo puntual. El flujo de datos no se va a detener de pronto, y es necesario controlarlo todo. Es fundamental que prácticas como la estandarización y validación de datos, así como las evaluaciones de impacto continuas, impidan que las organizaciones queden sepultadas bajo el flujo de nuevo.
Se espera que este año creemos, capturemos, copiemos y consumamos 181 zettabytes de datos a nivel mundial, tres veces más que hace cinco años
Con suerte, la mayoría de las organizaciones ya tienen estas medidas implementadas, por lo que no se trata tanto de implementar métodos completamente nuevos para aprovechar la IA, sino de expandir lo que ya se tiene en funcionamiento. Sentar las bases correctamente debe ser la prioridad. Porque lo cierto es que la IA puede ayudarte a realizar este trabajo preparatorio. Puedes usar la IA para ayudar en la clasificación de datos, mejorar su linaje y fortalecer tus medidas de resiliencia. En cierto modo, tu primer proyecto de IA debería ser simplemente cuidar tus datos. Haz que la IA cuide de tus datos y luego tus datos cuidarán de la IA.
Establecer esta sensación de control sobre tus datos es esencial para construir, no solo las bases, sino la confianza necesaria para innovar verdaderamente con IA y ofrecer programas piloto que realmente funcionen.
No corras antes de saber caminar
Suena obvio, pero en principio la solución es simple: empieza poco a poco. No necesitas ser el impulsor de una nueva idea, solo necesitas demostrar que tu organización puede innovar y generar valor manteniendo el control. En lugar de reinventar la rueda, comienza con una iniciativa viable donde la IA pueda aportar valor de forma segura y demostrar resultados. Con ese conocimiento, no sólo reforzarás tu propia confianza, sino también demostrarás a toda la organización que la innovación es posible. A partir de ahí, podrás avanzar hacia aplicaciones más grandes y transformadoras.
Pero durante todo el proceso, vuelve siempre a lo básico. Asegúrate de que el coste, el rendimiento y la resiliencia de tu modelo de IA estén alineados. De lo contrario, no podrás desarrollar procesos de negocio en torno a él sin comprometer tu resiliencia. En cada paso, debes poder explicar los procesos, y cuando no puedas, debes detenerlo y revertirlo, antes de que se descontrole.
Empezar poco a poco es la clave para superar el miedo al fracaso que impide a tantas organizaciones, no solo aprovechar el verdadero poder de sus datos, sino también usar la IA para generar valor empresarial real y transformador. Pero necesitamos asimilar una pequeña dosis de ese miedo durante todo el proceso para mantener ese crucial equilibrio entre control e innovación, manteniendo la resiliencia. Cuando se trata de IA, así es como finalmente se predica con el ejemplo.
