En la década de 1960, la carrera espacial llevó a las grandes potencias a competir por desarrollar tecnologías superiores. Hoy en día, estamos viviendo una carrera similar, pero en lugar de conquistar el espacio, el objetivo es dominar la inteligencia artificial (IA). Los gobiernos están implementando estrategias nacionales audaces, mientras que organizaciones de todos los sectores están probando y escalando modelos de IA rápidamente. En el Reino Unido, el Plan de Acción de Oportunidades de IA del gobierno ha generado aún más impulso. Sin embargo, hay un problema fundamental que podría frenar este progreso: la falta de alineación entre las ambiciones de liderazgo y la realidad de la preparación en tecnología de la información y datos.
Los datos muestran que las empresas pueden estar sobreestimando su preparación. Aunque el 81% de las organizaciones globales ya están probando o escalando software de IA, solo el 44% de los líderes empresariales en el Reino Unido informan que la IA ha generado mejoras significativas. ¿Cuál es la razón de esta desconexión?
Un factor importante es la falta de alineación entre las ambiciones del liderazgo y la preparación real de la infraestructura de datos de la organización. La realidad es que la IA no funciona solo con ambición; necesita grandes volúmenes de datos limpios, organizados y accesibles. Sin embargo, en muchas organizaciones, los datos están aislados, duplicados o mal gestionados. Esto lleva a una desalineación y las expectativas se vuelven prematuras y potencialmente costosas. Cuando los equipos de liderazgo y de TI no están en la misma sintonía sobre la estrategia y gestión de datos, esto puede obstaculizar el éxito de las iniciativas de IA. Los datos de mala calidad introducen sesgos, debilitan el rendimiento del modelo y erosionan la confianza en los resultados. Los resultados inexactos o “alucinados” requieren corrección humana, lo que desperdicia tiempo y recursos. En el peor de los casos, pueden dañar las relaciones con los clientes, la reputación de la marca o la posición regulatoria.
No subestimes la infraestructura de datos. Los sistemas de IA son tan buenos como los datos con los que se entrenan, y esto también se aplica a la infraestructura que gestiona los datos a lo largo de su ciclo de vida. Después de todo, la IA no solo utiliza datos, también los crea. Por lo tanto, las organizaciones deben tener una estrategia clara sobre cómo se capturan, almacenan, aseguran, clasifican y eliminan esos datos. La capacidad de etiquetar información sensible, gestionar el control de versiones y asegurar la trazabilidad puede permitir a las empresas auditar cómo un modelo llegó a una decisión. Esto es un beneficio técnico útil, pero también un requisito para el cumplimiento regulatorio y la ética en la IA.
En cuanto a la sostenibilidad, una infraestructura robusta puede ayudar a gestionar el impacto ambiental del creciente volumen de datos. Esto podría incluir optimizar la eficiencia del almacenamiento y reducir el consumo de energía para datos no utilizados. Asimismo, tecnologías como la compresión de datos y el almacenamiento en diferentes niveles pueden disminuir la huella física del almacenamiento, lo que reduce los costos de energía y refrigeración asociados. Más de una cuarta parte de las empresas espera que su huella de datos crezca un 50% debido a proyectos de IA, por lo que una estrategia efectiva de gestión de datos es crucial para apoyar a las empresas en el logro de sus objetivos junto con sus ambiciones de IA.
Al implementar IA, no podemos pensar solo en el próximo trimestre o incluso en el próximo año. Para lograr el éxito a largo plazo, las consideraciones sobre la resiliencia en ciberseguridad y el cumplimiento regulatorio deben integrarse desde el principio. De lo contrario, se corre el riesgo de exponer datos sensibles, corrupción de datos o costosas brechas de seguridad. Todo esto puede socavar la salida de la IA y aumentar el riesgo regulatorio. Una infraestructura resiliente asegura que los sistemas de IA puedan recuperarse rápidamente de interrupciones y mantener su rendimiento, mientras que la preparación para el cumplimiento permite un despliegue seguro y escalable de la IA.
Si se construye correctamente, la infraestructura de datos también puede garantizar que las empresas no se limiten a responder a problemas de seguridad o requisitos regulatorios, sino que estén en una posición proactiva. A medida que las amenazas cibernéticas se vuelven más sofisticadas, el almacenamiento inteligente puede aislar y proteger conjuntos de datos críticos, mantener copias de seguridad inmutables y apoyar la recuperación rápida. Como resultado, las empresas están mejor preparadas para prevenir brechas de datos y son más resilientes ante tales incidentes. Cada vez más, esto también es un mandato, no solo un beneficio adicional. Por ejemplo, en la UE, las directrices DORA exigen que las instituciones financieras tengan las medidas necesarias para resistir, responder y recuperarse en caso de un ciberataque o fallo del sistema.
A diferencia de la década de 1960, esta carrera no se trata de quién será el primero en desplegar el modelo más grande o complejo. En cambio, se trata de quién construirá sistemas sostenibles, confiables y escalables que perduren en el tiempo. Todo comienza con los datos. Los líderes empresariales deben asegurarse de que estén alineados internamente en su estrategia de IA para lograr un éxito a largo plazo. Al comenzar con la consolidación de estrategias de gestión de datos, las empresas pueden asegurarse de comenzar la carrera de IA con el pie derecho.


