La gestión de datos y la gobernanza son clave para el éxito de la IA
La gestión de datos sólida y la gobernanza son fundamentales para el éxito de las iniciativas de IA, según expertos que participaron en una serie de tres seminarios web sobre hojas de ruta de IA, escalamiento y gobernanza.
Estos seminarios web, diseñados para ayudar a las organizaciones a enfrentar los desafíos en la optimización de sus iniciativas de IA, proporcionaron una hoja de ruta desde la adopción temprana hasta el escalado de la IA con confianza.
Construyendo la base para la IA
En el primer seminario de la serie, se destacó que el impacto de la IA en la sociedad y los negocios es significativo. Sin embargo, el éxito de cualquier iniciativa de IA depende de una base de datos robusta.
Se delinearon pasos clave para construir esta base, que incluyen la construcción de una estrategia de datos centrada en la IA, el establecimiento de una fuente única de verdad y la gestión, gobernanza y seguridad continua de los datos.
Activando operaciones más inteligentes
El segundo seminario abordó desafíos como la dificultad para convertir datos en perspectivas claras y accionables, escalando iniciativas de IA y demostrando el valor y el retorno de las inversiones en IA.
Se enfatizó que el éxito de la IA también depende de la madurez operativa, y se recomendó adoptar un enfoque estructurado de MLOps para reducir el fracaso de proyectos. Se sugirió comenzar con proyectos pequeños, validarlos desde el inicio y escalar en función del valor medible que generen.
Escalando el éxito de la IA
En el evento final de la serie, se discutió que la inversión en IA en EE. UU. ha superado los 100 mil millones de dólares, lo que indica la velocidad de adopción. Sin embargo, a medida que la tecnología avanza, los organismos reguladores deben ponerse al día con las políticas de gobernanza.
Se realizó una encuesta entre los asistentes donde solo el 5.56% tenía un marco de gobernanza completamente establecido para la IA, mientras que 44.44% estaba en progreso, 27.78% planeaba establecer uno y 22.22% no tenía una política y no la consideraba una prioridad.
Al abordar los desafíos de la calidad de los datos relacionados con la IA, el 38.89% citó la falta de estándares o propiedad como el mayor reto, mientras que otros mencionaron la integración de datos a través de silos y datos inconsistentes.
Riesgos potenciales y gestión de riesgos
Se destacó que muchas organizaciones utilizan herramientas como Copilot, aceptando términos que pueden permitir el acceso a datos sensibles. Se recomendó implementar un marco de gestión de riesgos de IA, como el de NIST, que ayuda a gestionar riesgos a lo largo del ciclo de vida de la IA.
El marco de NIST es flexible y permite incorporar otras políticas, como la de Sudáfrica. Se mencionó el uso de Microsoft Purview para implementar este marco y definir políticas de TI sobre el acceso a datos.
Se concluyó que sin las protecciones necesarias, las organizaciones corren un alto riesgo de incumplir regulaciones. Escalar la IA requiere estructura y gobernanza, y es esencial implementar prácticas éticas de IA dentro de las organizaciones.
Para más información, se puede ver la serie de seminarios web sobre IA a demanda.
