Estamos en lo que se está denominando el ‘año del ROI de la IA’. Cuatro años después del auge de la IA, desencadenado por el lanzamiento de ChatGPT, muchas empresas ahora creen que están preparadas para la IA, utilizando como prueba las implementaciones exitosas de chatbots y copilotos en sus primeras etapas.
Sin embargo, existe una diferencia significativa entre experimentar con IA e integrarla en operaciones y procesos comerciales complejos.
La verdadera barrera para esta transformación se encuentra debajo de los modelos. Si bien la mayoría de las conversaciones relacionadas con los resultados de la IA se centran en el rendimiento del modelo, la GPU y la potencia informática, las organizaciones se están dando cuenta cada vez más de que esto está frenando sus proyectos de IA de infraestructura de datos.
Director de Producto de Nasuni.
Hasta ahora, las empresas han logrado gestionar con éxito sus entornos de archivos desconectados, su gobernanza de datos inconsistente y su información distribuida en múltiples repositorios.
Esto se debe a que, históricamente, se ha accedido a los datos de forma esporádica, principalmente por parte de empleados humanos que podían compensar los errores cuando los datos carecían de contexto o no estaban donde deberían haber estado.
En pocas palabras, no era necesario que la infraestructura de datos fuera perfecta, así que no lo fue. Sin embargo, ahora es imposible ignorar estos entornos de archivos fragmentados, ya que la IA exige acceso constante a la información las 24 horas del día, los 7 días de la semana, una administración sólida y datos confiables.
Esto deja a las empresas en una situación incómoda: bajo presión para implementar IA, pero sin las bases necesarias para tener verdadero éxito con proyectos de IA a escala.
La IA hace que el rompecabezas de los datos sea más complejo
Los entornos de archivos tradicionales se crearon para un mundo donde la información reside en ubicaciones separadas, equipos separados administran el acceso y solucionan las brechas en la gobernanza o la disponibilidad de datos.
Esto significa que las empresas ahora se enfrentan a datos fragmentados distribuidos en múltiples ubicaciones, con una gobernanza inconsistente y diferentes niveles de accesibilidad. Cuando los empleados humanos acceden principalmente a los datos, estas ineficiencias son una fuente de frustración en lugar de un obstáculo.
Aquí es donde la IA cambia las cosas. Los modelos dependen de un acceso rápido y confiable a la información. Si los datos son difíciles de encontrar, carecen de contexto o no se puede acceder a ellos de manera consistente, su valor disminuye rápidamente. En este ejemplo, las empresas tienen datos, pero son completamente inutilizables.
El exceso de confianza se produce a costa del éxito real.
La mayoría de las organizaciones se dan cuenta de que su infraestructura de datos está lejos de ser perfecta. Aún así, la presión para demostrar avances en IA es intensa. Si las empresas no invierten ni experimentan con la IA, se las considera atrasadas. Esto está creando un fuerte incentivo para implementar nuevos equipos lo más rápido posible.
El problema es que el aprendizaje de la IA en las primeras etapas de las organizaciones, si no el éxito total, está generando un exceso de confianza en su preparación y capacidad de escalar en el ámbito de la IA. Los chatbots y copilotos, que proporcionan una barrera de entrada baja para la IA, permiten a las organizaciones demostrar resultados tempranos y tangibles de la IA.
Cuando estos proyectos generan valor, las empresas comienzan a sentir que tal vez su infraestructura esté preparada para el futuro a pesar de la falta de esfuerzos sostenidos para abordar y resolver problemas estructurales más profundos relacionados con la accesibilidad, la gobernanza y la infraestructura de los datos. Estas mismas empresas luchan con la recuperación de datos después de un incidente cibernético; hay señales de advertencia, pero el exceso de confianza actual está borrando la realidad.
Como resultado, las empresas avanzan rápidamente en proyectos importantes de agencia, solo para encontrar retrasos, preguntas sobre el retorno de la inversión y, a menudo, una implementación que falla. La ironía es que la urgencia de implementar la IA en realidad está frenando el progreso a largo plazo.
Las organizaciones que implementan IA corren el riesgo de pasar por alto el profundo trabajo de gestión de riesgos y gestión de datos necesario para respaldarla, mientras que invertir en una base de datos sólida tiene más probabilidades de lograr un éxito sostenible a medida que crecen sus ambiciones de IA.
Transferir datos de costos a activos
La mayoría de las empresas no sufren de falta de datos; En todo caso, tienen el problema opuesto. Lamentablemente, todavía se lo considera un ciclo operativo impulsado por la planificación de la capacidad, los ciclos de actualización y los requisitos de expansión, en lugar de un activo estratégico. Las investigaciones de la industria muestran consistentemente que los equipos de TI todavía luchan por hacerse con sus datos no estructurados (donde residen la mayoría de sus activos de datos) a pesar de creer que la mayoría de sus configuraciones de datos de archivos son sólidas.
La diferencia ahora es que los sistemas de IA funcionan continuamente, basándose en datos generados hoy, ayer y, a veces, hace décadas. Para ofrecer resultados significativos, necesitan un acceso constante a datos confiables, un contexto rico y una gobernanza clara.
Esto significa que las organizaciones deben repensar su enfoque de la información empresarial. Cuando los datos se tratan únicamente como un desafío de actualización del almacenamiento, la IA revela rápidamente las limitaciones de ese enfoque. Sin embargo, cuando se trata como un activo estratégico, las organizaciones pueden crear entornos donde la información sea accesible, controlada y lista para comportarse como espera la IA.
Los C-Suites deberían aspirar a pasar de una capacidad de almacenamiento de estado estable a una utilidad de datos, creando un entorno centralizado con menos sistemas, donde los datos se puedan utilizar sin importar dónde se encuentren. Este cambio reduce la fragmentación, simplifica la gestión de datos y crea una visión unificada de la información empresarial, junto con el camino hacia una ventaja competitiva.
Cuantas menos barreras haya entre la IA y los datos que necesita, más fácil será pasar de avances aislados en IA a implementaciones significativas que beneficien la productividad y la eficiencia.
Arregla la base antes de escalar la IA.
El éxito de la implementación de Chatbot o Copilot no indica que la IA esté preparada. En cambio, se mide por la utilidad de los datos: si los datos subyacentes a las herramientas de IA son accesibles, seguros y adecuados para su propósito a escala.
Las organizaciones que tendrán éxito con la IA en los próximos años no son aquellas que tienen los modelos más avanzados o la mayor cantidad de agentes implementados, sino aquellas que pueden proporcionar a la IA un acceso consistente a datos confiables y bien gobernados.
Las juntas directivas que continúen invirtiendo en herramientas sofisticadas de inteligencia artificial sin actualizar su capa de datos y su gobernanza encontrarán que sus operaciones se verán obstaculizadas durante años por las mismas limitaciones subyacentes de acceso y gestión de datos.
Es hora de dejar de ver los datos como una carga operativa y comenzar a tratarlos como un activo estratégico, ayudando a las organizaciones a liberar su verdadera propiedad intelectual y potenciando sus capacidades de innovación. Construir una base de datos sólida hoy encaminará a las organizaciones hacia la realización del valor de la IA a largo plazo, descubriendo la línea en lugar de las ambiciones de la IA que superan su capacidad para respaldarlas.
Hemos destacado los mejores servicios de eliminación de datos..
Este artículo fue producido en parte Perspectiva profesional de TechRadarNuestro canal para mostrar las mejores y más brillantes mentes de la industria tecnológica actual.
Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí:
