Los datos no estructurados carecen de modelos y estrategias definidas, lo que limita su calidad y utilidad para entrenar de manera efectiva a las inteligencias artificiales. Sin importar cuántas tecnologías o desarrollos se implementen, los datos de calidad siguen siendo un insumo clave para obtener resultados precisos y confiables. Con un crecimiento superior al 100% en los volúmenes de datos proyectados para 2026, la falta de estrategias robustas en su gestión y procesamiento pone en jaque la viabilidad de los modelos de Inteligencia Artificial (IA).
Mientras que el desarrollo e implementación de IA busca transformar la manera en que las organizaciones gestionan sus operaciones, también conlleva nuevos retos. Uno de los más críticos es garantizar que los datos, el corazón de la IA, sean de calidad, precisos, accesibles y confiables.
Según el informe «Estado de la Infraestructura de Datos en 2024» de Hitachi Vantara, el 38% de las organizaciones reconoce que la disponibilidad de datos de alta calidad es el principal obstáculo para el éxito de sus proyectos de IA. Sin embargo, muchas empresas aún no cuentan con las infraestructuras necesarias para superar esta barrera.
El estudio, basado en una encuesta a 1200 directivos y profesionales de Tecnologías de la Información (TI) en 15 países, destaca que, si bien las empresas buscan aprovechar el potencial de la IA, gran parte de sus datos almacenados no están estructurados, lo que complica su uso eficiente.
De hecho, esta situación alcanza niveles críticos cuando el 74% de los especialistas de TI afirma que una pérdida significativa de datos sería catastrófica para sus operaciones, y el 73% teme que la IA pueda ser utilizada como una herramienta avanzada por hackers para llevar a cabo ciberataques.
Este panorama pone de manifiesto la importancia de invertir en infraestructuras robustas y resilientes que puedan responder a las crecientes demandas tecnológicas.
Calidad de los datos y sostenibilidad: pilares fundamentales
La calidad y la sostenibilidad de la gestión de datos se han convertido en prioridades estratégicas. Según el informe, el 74% de los datos almacenados por las empresas son no estructurados, lo que limita su utilidad para entrenar modelos de IA. Esta situación plantea riesgos significativos, como la generación de resultados imprecisos y la pérdida de confianza en los sistemas de IA.
Ante este escenario, Dan McConnell, Vicepresidente Senior de Gestión y Habilitación de Productos en Hitachi Vantara, enfatiza que cuando los datos centrales son una parte fundamental para desarrollar modelos de IA efectivos, “resulta imprescindible asegurar que toda esta información esté disponible para modelar la IA, donde quiera que se encuentre: en bloque, archivos u objetos, y que corran de manera rentable en chips de IA”. Sin embargo, garantizar esta disponibilidad de datos debe ir acompañada de una visión estratégica más amplia que incluya la sostenibilidad y el retorno de la inversión (ROI).
Actualmente, sólo el 33% de las organizaciones prioriza la sostenibilidad en sus proyectos de IA, mientras que apenas un 37% considera el ROI como un objetivo clave. Este enfoque desequilibrado no sólo limita el potencial de la IA, sino que también podría generar costos adicionales a largo plazo, especialmente si las infraestructuras necesitan ser rediseñadas para adaptarse a regulaciones futuras. La falta de una planificación integral amenaza con desviar recursos valiosos y comprometer la competitividad de las empresas en un entorno cada vez más exigente.
El rol de los socios tecnológicos en el futuro de la IA
La implementación exitosa de la IA no sólo depende de infraestructuras sólidas, sino también de la colaboración estratégica con socios tecnológicos. Según el informe, el 28% de los especialistas en TI necesita apoyo para gestionar datos redundantes, obsoletos y triviales (ROT), mientras que un 31% de los encuestados destaca la necesidad de capacitación para desarrollar modelos de IA efectivos y resilientes.
Además, el informe subraya que casi un 50% de los profesionales está adquiriendo habilidades en IA mediante la experimentación, mientras que un 35% recurre al autoaprendizaje. Este enfoque, aunque innovador, revela una brecha significativa en capacidades que podría limitar el impacto de la IA a largo plazo.
La capacitación continua y la colaboración con expertos son esenciales para cerrar esta brecha y acelerar el desarrollo de más competencias necesarias en el sector.
Preparándose para un futuro impulsado por datos
En un mundo cada vez más dependiente de los datos, las empresas deben priorizar la creación de plataformas de TI sostenibles y escalables que soporten las demandas de la IA. Hitachi Vantara concluye que establecer una base sólida en estrategias, calidad y sostenibilidad de datos, así como en infraestructura, es clave para garantizar resultados confiables y cumplir con las expectativas de los usuarios y reguladores.
Ante esta necesidad, la Nube Híbrida se posiciona como una solución estratégica para enfrentar los retos actuales en la gestión y procesamiento de datos. Su capacidad para combinar la escalabilidad y flexibilidad de las nubes públicas con la seguridad y personalización de las nubes privadas permite a las organizaciones almacenar y procesar datos de manera eficiente, reduciendo costos y maximizando la productividad.