El dato oculto emerge como clave para liberar el potencial empresarial de la IA.

La adopción de la inteligencia artificial (IA) en las empresas está encontrando un obstáculo significativo: la calidad y el gobierno de los datos. A medida que las compañías buscan ir más allá de la fase experimental de la IA y explorar formas de productizar y escalar agentes y otras aplicaciones, se enfrentan a desafíos relacionados con la intersección de la tecnología con las personas, los procesos y el diseño.

Según expertos en el sector, las empresas deben considerar una variedad de complejidades relacionadas con la exposición de datos, presupuestos de IA por persona, permisos de acceso y formas de gestionar riesgos externos e internos. Un ejemplo claro de cómo abordar estos desafíos es el uso de modelos de lenguaje grandes (LLMs) para analizar millones de opiniones sobre la pérdida de clientes, quejas sobre productos y comentarios positivos, lo que ha permitido descubrir conocimientos que no eran posibles hace unos años con el procesamiento de lenguaje natural (NLP).

La clave para desbloquear el valor de la IA en las empresas es comenzar con los datos que han sido ignorados. Los datos no son monolíticos; existen desde registros de transacciones hasta documentos, comentarios de clientes y datos de trazabilidad generados durante el desarrollo de aplicaciones, entre otros tipos de datos. La mejora en la preparación de datos para la IA es crucial para la adopción de proyectos de IA en las empresas.

Una encuesta realizada por Gartner a más de 500 directivos de tecnología de empresas medianas encontró que más de la mitad espera que la adopción de infraestructuras preparadas para la IA acelere y flexibilice los procesos de datos. Sin embargo, se prevé que el 60% de los proyectos de IA sean abandonados para 2026 debido a la falta de datos preparados para la IA.

Además, las empresas deben considerar las oportunidades y desafíos de las aplicaciones basadas en la nube, en las instalaciones y en entornos híbridos. Las aplicaciones de IA habilitadas para la nube permiten probar diferentes tecnologías y escalar de manera más abstracta, pero las empresas deben considerar problemas de infraestructura como la seguridad y el costo.

Las decisiones sobre los proveedores de nube se han vuelto más complejas que hace unos años. Aunque existen opciones más económicas, muchas empresas probablemente implementarán la IA donde ya residen sus datos, lo que hará que los cambios importantes en la infraestructura sean menos probables.

En última instancia, las empresas deben encontrar un equilibrio entre la exploración de las posibilidades de la IA y la necesidad de solucionar problemas específicos. La colaboración y la planificación estratégica son fundamentales para superar los desafíos y aprovechar al máximo el potencial de la IA.