La compañía Denodo ha presentado los resultados de su nuevo estudio “The AI Trust Gap Report”, donde se revela que el 58% de las compañías en España considera que la IA solo es fiable cuando los datos son accedidos en tiempo real. A su vez, un 20% exige datos con una latencia inferior a un minuto.
Esto demuestra que la inmediatez de los datos es una condición indispensable para que los sistemas de IA puedan generar resultados precisos que permitan escalar hacia casos de uso más avanzados y autónomos basados en datos de calidad.
El informe de Denodo, que analiza la brecha de confianza entre lo que las organizaciones necesitan para llevar la IA a producción y lo que hoy son capaces de ofrecer en términos de datos, también expone que la IA es una realidad operativa en las organizaciones españolas, con un 68% que ya cuenta con iniciativas de IA en producción y un 32% que planifica nuevos proyectos basados en esta tecnología y en el uso intensivo de datos.
Sin embargo, a medida que la IA evoluciona de chatbots pasivos a agentes capaces de tomar decisiones independientes y desencadenar flujos de trabajo operativos, la importancia de la precisión de los datos nunca ha sido tan alta. Ahora bien, esta exigencia sobre la calidad de los datos pone de relieve los desafíos a los que se enfrentan las empresas para sacar adelante este tipo de iniciativas impulsadas por datos.
La importancia de la gestión del dato para una IA fiable
Uno de los principales retos identificados tiene que ver con la elevada dispersión de los datos. El 44% de las iniciativas de IA en España se apoya en entre 250 y 549 fuentes de datos distintas, y un 16% trabaja con más de 1.000 fuentes de datos procedentes de múltiples sistemas. Esta realidad complica el acceso a la información necesaria para los proyectos de IA, hasta el punto de que el 32% de las organizaciones considera muy difícil o difícil conectar y acceder a datos distribuidos entre distintos entornos.
A ello se suma la dificultad para mantener una visión coherente de los datos. El 38% de las compañías encuentra problemas para estandarizar metadatos que difieren entre sistemas, mientras que un 30% señala dificultades para identificar con claridad qué sistema actúa como fuente de referencia fiable para sus datos en iniciativas de IA.
«La IA está pasando rápidamente de sistemas que simplemente responden preguntas a sistemas que toman acciones autónomas, y esta transición cambia por completo el requisito de datos», afirma Dominic Sartorio, vicepresidente de Marketing de Producto en Denodo. «Cuando un agente de IA activa un resultado empresarial, no hay espacio para datos obsoletos o no controlados. Para escalar la IA agéntica con confianza, las empresas deben ir más allá de los silos de datos estáticos y adoptar una base de datos real, gobernada y relevante para el contexto».
Gobernanza, calidad y cumplimiento
El informe señala que, más allá del acceso a los datos en tiempo real, la confianza en la IA en España también depende de la capacidad de las organizaciones para garantizar una gobernanza sólida, la calidad de los datos y el cumplimiento normativo. En este sentido, un 38% de los equipos de IA identifica el cumplimiento normativo como su principal desafío en materia de datos, mientras que otro 38% reconoce dificultades para asegurar la calidad y la limpieza de los datos utilizados por la IA. A ello se suman los retos en materia de seguridad de los datos, ya que un 26% considera muy difícil o difícil garantizar un control de accesos adecuado sobre la información sensible.
Las empresas deben ir más allá de los silos de datos estáticos y adoptar una base de datos real, gobernada y relevante para el contexto
Estos resultados refuerzan la idea de que la brecha de confianza en la IA es de carácter estructural y no responde a una limitación de los modelos, sino a la forma en que las organizaciones gestionan y gobiernan sus datos. Solo mediante una combinación de acceso a datos en tiempo real con gobernanza, control y calidad aplicados de forma transversal, las organizaciones podrán pasar de iniciativas de IA experimentales a un uso escalado y fiable en entornos de automatización y toma de decisiones basados en datos.
