La preparación de datos se convierte en un cuello de botella para la expansión de la inteligencia artificial en las empresas

2–3 minutos

Un estudio reciente de Iron Mountain revela que, a pesar del gran interés de las organizaciones en utilizar datos para mejorar sus resultados, la falta de una base de información confiable y accesible está retrasando o incluso cancelando iniciativas de inteligencia artificial. En los últimos doce meses, el 86 % de las empresas encuestadas experimentaron retrasos o interrupciones en proyectos de IA debido a problemas relacionados con los datos.

El tiempo dedicado a la preparación manual de los datos

La investigación muestra que el 40 % de las organizaciones destinan al menos el 41 % del tiempo de sus proyectos de IA exclusivamente a la preparación manual de los datos. Esta etapa implica localizar archivos dispersos, corregir inconsistencias e integrar información almacenada en diferentes entornos.

La fragmentación de los datos es uno de los principales obstáculos. Para el 56 % de los participantes, los datos distribuidos en sistemas desconectados o departamentos dificultan el avance de las iniciativas. Otros 53 % mencionan los formatos obsoletos y los archivos físicos como barreras adicionales.

Solo el 39 % de las organizaciones se consideran digitalizadas y estructuradas, con información centralizada, indexada y lista para su uso en análisis y aplicaciones de IA. El contraste es evidente: el 95 % de los encuestados consideran que el uso de datos para mejorar los resultados empresariales es una prioridad, pero muchas aún no logran aprovechar esta información de manera eficiente.

Los agentes de IA requieren mayor control sobre los datos

Con la expansión de los agentes de inteligencia artificial, capaces de ejecutar tareas e interactuar con diferentes etapas de un flujo de trabajo, la necesidad de datos precisos y actualizados se intensifica. Para operar de manera confiable, estas aplicaciones necesitan acceder a información correcta, respetar reglas de acceso y permitir que sus acciones sean rastreables.

Sin embargo, el 70 % de las organizaciones no logran rastrear de manera efectiva el origen o el recorrido de los datos utilizados por sus aplicaciones de IA. Sin este control, es más difícil identificar errores, investigar resultados y reducir riesgos de seguridad y cumplimiento. Además, la falta de registros claros dificulta la capacidad de explicar las conclusiones alcanzadas por una aplicación.

Pasos para fortalecer la gobernanza de datos

La preparación comienza con un mapeo detallado de la información disponible. Identificar dónde están almacenados los datos, quién es responsable de actualizarlos y qué equipos pueden acceder a ellos ayuda a establecer una base más confiable para nuevos proyectos.

Las empresas pueden empezar con los datos directamente relacionados con el objetivo de la iniciativa, verificar su calidad y definir criterios para monitorear los resultados. La gobernanza debe ser parte de este proceso: las reglas de acceso, actualización y uso de la información ayudan a reducir inconsistencias y a mantener el control sobre aplicaciones que comienzan a ejecutar tareas con mayor autonomía.

Aunque las cifras divulgadas por Iron Mountain corresponden a las organizaciones participantes del estudio y no representan una estimación universal, demuestran que la madurez en el uso de datos es un factor clave para determinar el ritmo de expansión de la inteligencia artificial en los negocios.