Las empresas no confían en la precisión de sus modelos de inteligencia artificial (IA) y aprendizaje automático (ML), según un nuevo informe. Este problema se debe en gran parte a que los datos que utilizan no están bien organizados. La investigación de Ataccama revela que el 42% de las organizaciones no confían en los resultados de sus modelos de IA/ML. Sin embargo, solo el 58% ha implementado o mejorado programas de observabilidad de datos.
La observabilidad de datos es importante porque permite monitorear la calidad de la información a lo largo de todo su ciclo de vida. Ataccama señala que muchas herramientas tradicionales de observabilidad no están diseñadas para manejar datos no estructurados, como documentos PDF e imágenes.
El informe también destaca que muchas empresas adoptan un enfoque reactivo, lo que lleva a una gobernanza fragmentada y a la creación de silos dentro de la organización. Un programa efectivo de observabilidad debe ser proactivo, automatizado e integrado en todas las etapas del ciclo de vida de los datos. Esto incluye controles automáticos de calidad de datos y flujos de trabajo para solucionar problemas antes de que afecten la producción.
Jay Limburn, CPO de Ataccama, explica que aunque las empresas han invertido en herramientas, no han logrado establecer confianza en sus datos. Para lograrlo, es esencial integrar la observabilidad desde la ingestión de datos hasta su uso en IA, permitiendo que los problemas se identifiquen y resuelvan antes de que lleguen a la producción.
A pesar de estos desafíos, como la falta de habilidades y presupuestos limitados, la adopción de IA generativa y RAG está aumentando, lo que genera más datos no estructurados. Actualmente, menos de una de cada tres organizaciones utiliza estos datos en sus modelos.
El informe concluye que los programas más avanzados están cerrando la brecha al integrar la observabilidad en sus marcos de ingeniería y gobernanza de datos. Con una buena observabilidad, las empresas pueden esperar una mayor fiabilidad de los datos, decisiones más rápidas y una reducción del riesgo operativo.
