Persisten las preocupaciones sobre la integridad de los datos de IA
El cuarto informe sobre el Estado de la Integridad de los Datos y la Preparación para la IA ha sido publicado, revelando que las preocupaciones sobre la integridad de los datos persisten. Este problema se agrava porque las organizaciones a menudo sobrestiman su estado de preparación para la IA. Sin datos confiables, los proyectos corren el riesgo de retrasos y posibles fracasos.
La investigación muestra que la confianza en la IA no se traduce automáticamente en retorno de inversión (ROI). Las organizaciones se están moviendo rápidamente, pero muchas lo hacen sin las bases de datos gobernadas y confiables necesarias para escalar la IA de manera responsable. Esta desconexión representa lo que se denomina la «brecha de integridad de datos de IA agentic», que introduce riesgos significativos. A medida que los sistemas de IA se vuelven más autónomos, la integridad de los datos ya no es un lujo; es una necesidad empresarial.
Desconexión entre la dirección y la realidad
El informe destaca una desconexión significativa entre lo que se percibe en la dirección y la realidad en que opera el departamento de TI. Los niveles de confianza en su capacidad para implementar IA son extremadamente altos, con un 87% confiando en su infraestructura, un 87% en habilidades y un 86% en la preparación de datos. Sin embargo, el 42% señala que la infraestructura es un obstáculo, el 41% menciona las habilidades, y el 43% la preparación de datos.
Esto plantea una seria pregunta sobre por qué existe tal desconexión. ¿Es un temor a quedarse atrás? ¿Están tratando de mantenerse al día con la competencia? ¿Están dedicando demasiado tiempo a escuchar a los equipos de ventas de proveedores e ignorando a su propio personal?
Además, el informe cuestiona el significado de «preparado». Los encuestados afirman estar listos para la IA pero no definen lo que eso implica. La preparación básica no se traduce en una capacidad empresarial, ya que ignora la madurez de la IA, la calidad de los datos, la confianza en los datos y la capacidad de escalar.
La madurez de la IA no es algo que ocurra de la noche a la mañana
La madurez de la IA es un tema complejo. No se trata solo de tener los datos correctos y ser capaz de escalar; requiere procesos que aborden la calidad de los datos, la infraestructura, el uso comercial y la capacidad de monitorear el ROI. La falta de madurez en IA es evidente en varias respuestas; por ejemplo, el 71% admite que la IA no está alineada con los objetivos comerciales.
En términos de ROI, solo el 31% afirma tener métricas reales vinculadas a indicadores clave de rendimiento. Sin embargo, no está claro cuáles son esos indicadores o de dónde provienen. Además, el 32% espera un ROI positivo de la IA en un plazo de 6 a 11 meses, lo cual es poco realista dado la falta crítica de habilidades, gobernanza de datos y calidad de los datos.
La falta de madurez en IA es una preocupación significativa
La madurez de los datos es una disciplina bien establecida. El 83% de los encuestados tienen prácticas establecidas, pero esto plantea la pregunta de cómo se traduce en la madurez y gobernanza de la IA. Según los encuestados, el 63% de las organizaciones han establecido alguna forma de gobernanza de IA, aunque solo el 34% ha alcanzado etapas de monitoreo o optimización del rendimiento.
El informe también destaca que el 96% de las organizaciones están invirtiendo en inteligencia de ubicación, pero esto trae consigo preocupaciones sobre la precisión de los datos y la privacidad. El 41% la utiliza para marketing dirigido, el 40% para optimizar la entrega de productos y el 39% para la evaluación de riesgos.
Conclusión
La IA puede ofrecer beneficios significativos a una organización si se implementa correctamente. Sin embargo, para ser efectiva y escalable, debe ir más allá de unos pocos proyectos superficiales. Es necesario invertir en las bases sobre las que se construye la IA y establecer indicadores clave de rendimiento en los que se pueda confiar. Sin esto, la IA seguirá consumiendo presupuestos sin proporcionar un valor real. Las organizaciones necesitan preguntarse: ¿están ilusionadas con la IA o son realistas?
