Los proyectos de IA se estancan cuando los cimientos de datos son débiles

Cuatro años después del auge de la IA provocado por ChatGPT, muchas empresas creen estar listas para el 'año del retorno de la inversión en IA'. Pero los despliegues tempranos y exitosos de chatbots y copilotos no significan que una organización esté preparada para integrar la IA en operaciones empresariales complejas.

Según el director de producto (Chief Product Officer) de Nasuni, el mayor obstáculo no es la calidad del modelo, el suministro de GPU ni la capacidad de cómputo bruta. Es la infraestructura de datos. Durante mucho tiempo, las empresas han logrado operar con entornos de archivos desconectados, gobernanza inconsistente e información dispersa en múltiples repositorios porque los empleados podían sortear esas deficiencias. Los sistemas de IA no pueden.

Los entornos de archivos tradicionales se diseñaron para un mundo en el que los datos residían en ubicaciones separadas, los equipos controlaban el acceso de forma independiente y las lagunas en la gobernanza eran tolerables. Eso cambia cuando la IA necesita un acceso fiable y permanente a la información. Si los datos son difíciles de localizar, carecen de contexto o no se pueden acceder de forma consistente, su valor cae rápidamente. En la práctica, las empresas pueden disponer de abundante información y aun así encontrarla inutilizable para la IA.

El artículo sostiene que las victorias tempranas en IA están generando exceso de confianza. Como los chatbots y los copilotos tienen una barrera de entrada relativamente baja, pueden producir resultados visibles rápidamente. Eso puede llevar a las empresas a asumir que su infraestructura está lista para despliegues mayores, incluso cuando persisten problemas más profundos relacionados con la accesibilidad, la gobernanza y la resiliencia.

Eso importa especialmente a medida que las empresas avanzan hacia proyectos de IA con agentes autónomos. Sin bases más sólidas, esos esfuerzos pueden sufrir retrasos, un ROI débil y fracasos en la implementación. Las mismas organizaciones, apunta el artículo, con frecuencia también tienen problemas con la recuperación de datos tras incidentes cibernéticos.

Recomendado

La IA de WordPress desató una polémica por el consentimiento que los proveedores de hostin

La receta es directa: tratar los datos como un activo estratégico, no solo como un problema de almacenamiento y capacidad. Eso implica crear entornos más centralizados con menos sistemas, reducir la fragmentación, simplificar la gestión y proporcionar a la IA un acceso consistente a datos confiables y bien gobernados.

Según este criterio, la verdadera preparación para la IA no es si una empresa ha lanzado un copiloto. Es si sus datos subyacentes son accesibles, seguros y adecuados para su propósito a escala.