A pesar de un entusiasmo mundial por la GenAI, un estudio reciente de IDC, patrocinado por Qlik, un líder en soluciones de integración de datos, analítica e IA/ML, destaca una brecha significativa entre la ambición de las empresas y su preparación efectiva para estas tecnologías. Aunque el 89% de las organizaciones han revisado su estrategia de gestión de datos en respuesta a la aparición de la IA generativa, solo el 26% ha implementado soluciones GenAI a gran escala, y solo el 12% considera tener una infraestructura adecuada para los flujos de trabajo de IA agente.
Según el informe "The Global Impact of Artificial Intelligence on the Economy and Jobs: AI will Steer 3.5% of GDP in 2030" publicado por Qlik en agosto de 2024, se espera que la IA contribuya con 19,900 mil millones de dólares a la economía mundial para 2030, representando el 3.5% del PIB mundial. 
Ante esta oportunidad sin precedentes, las empresas están acelerando sus inversiones para integrar la IA en sus operaciones: el 41% de ellos están dedicados a la GenAI, el 16% a la IA agente. Sin embargo, a pesar de estos esfuerzos, los resultados de la encuesta de IDC destacan sus deficiencias, subrayando su falta de preparación.

Una adopción ralentizada por desafíos estructurales

Uno de los principales desafíos identificados por el estudio es la gestión y gobernanza de los datos.
Como señala Stewart Bond, Research VP for Data Integration and Intelligence en IDC :
"Para asegurarse de explotar flujos de trabajo de IA que generen un valor duradero y escalable, las empresas deben enfrentar desafíos fundamentales como aquellos relacionados con la exactitud y la gobernanza de los datos."
Las organizaciones que adoptan el modelo de "Data as a Product" son siete veces más propensas a implementar la IA a gran escala, lo que demuestra la importancia de una estructuración rigurosa de los datos. Este modelo, que consiste en gestionar los datos como un producto en sí mismo, implica altos estándares de calidad y accesibilidad. Sin embargo, aunque el 94% de las organizaciones integran o planean integrar funcionalidades de analítica en sus aplicaciones, solo el 23% de ellas lo logra efectivamente.
Gobernanza de datos e infraestructura: el nervio de la guerra
Para cerrar esta brecha, las empresas deben ir más allá de la experimentación y centrarse en establecer bases sólidas:
  • Una gobernanza de datos estricta: asegurar la calidad, exactitud y seguridad de la información explotada por la IA.
  • Una infraestructura adecuada y escalable: las organizaciones deben invertir en sistemas capaces de soportar procesos de toma de decisiones autónomos.
  • Una integración eficaz de la analítica: transformar los datos en insights aprovechables para crear valor y fomentar una toma de decisiones informada.
James Fisher, Chief Strategy Officer en Qlik, insiste en la importancia de esta transformación: 
"El potencial de la IA depende de la eficacia con la que las organizaciones gestionen e integren su cadena de valor de IA. Las empresas que no logren desarrollar sistemas que permitan obtener conocimientos fiables y aprovechables serán rápidamente superadas."
El informe de IDC destaca una realidad simple: el entusiasmo no es suficiente, especialmente cuando se traduce en acciones concretas. La adopción exitosa de la GenAI depende de la capacidad de las empresas para estructurar y explotar eficazmente sus datos, un activo estratégico cuyo potencial permanecería subexplotado sin ello.

Traducido de GenAI : selon Qlik, combler l’écart entre ambition et réalité organisationnelle devient urgent pour les entreprises

Para entender mejor

bfQue9 es el modelo 'Data as a Product' y por que9 es importante para la adopcif3n a gran escala de la IA?

El modelo 'Data as a Product' trata los datos como productos, asegurando que se gestionen con altos este1ndares de calidad. Esto es crucial para la IA, ya que garantiza el acceso a datos precisos y fiables, esenciales para decisiones impulsadas por IA.

bfCue1les son los principales desafedos regulatorios asociados con la adopcif3n de IA generativa y agentica?

Los desafedos regulatorios incluyen la proteccif3n de datos, la transparencia de los modelos de IA y la responsabilidad por decisiones incorrectas automatizadas. Los reguladores buscan garantizar el cumplimiento de la IA con los este1ndares e9ticos y legales.