En la apurada carrera de las empresas por desplegar IA, la realidad incómoda que muchas descubren no es la tecnología en sí, sino los sistemas heredados que sostienen sus operaciones durante décadas.

Aunque la IA promete aumentos de productividad, automatización y decisiones más acertadas, las plataformas legadas no fueron diseñadas para soportar la accesibilidad de datos, la interoperabilidad y la inteligencia en tiempo real que la IA moderna exige.

De hecho, la infraestructura heredada sigue siendo uno de los obstáculos más significativos para la adopción exitosa de la IA en la actualidad.

El verdadero desafío no es si las organizaciones deben adoptar IA, sino si sus cimientos tecnológicos existentes pueden soportarla a gran escala.

Las empresas que no modernicen sus sistemas subyacentes pueden verse atrapadas en un ciclo de costos crecientes, flujos de trabajo fragmentados y resultados de IA poco satisfactorios, lo que dificulta competir y obtener un retorno de inversión significativo.

A pesar de las importantes iniciativas y las grandes inversiones en transformación digital durante las últimas décadas, el recorrido aún no ha concluido. Según una investigación de Synergy Labs, el 62% de las organizaciones en Estados Unidos siguen dependiendo de software desactualizado en 2026, y el mantenimiento consume hasta el 80% de los presupuestos de TI.

Con suma sorpresa, McKinsey señala que hasta el 70% del software empresarial utilizado por las empresas Fortune 500 fue desarrollado hace más de 20 años. En resumen: las empresas están perdiendo colectivamente 370 millones de dólares anuales por deuda técnica, y abordarla se está convirtiendo en una imperativa empresarial más que en un simple proyecto de TI.

Con la IA convirtiéndose rápidamente en una ventaja competitiva que las organizaciones no pueden ignorar, la pregunta es si sus cimientos tecnológicos actuales pueden soportarla a escala.

Los riesgos de la IA añadida de forma superficial

Para evitar el arduo proceso de una modernización completa, muchas organizaciones están recurriendo a superposiciones de IA de terceros y soluciones puntuales desconectadas que presentan mejoras incrementales pero añaden complejidad, costo y deuda técnica en el proceso. En muchos casos, estas integraciones por parches se comercializan como capacidades transformadoras de IA, alimentando una creciente ola de “IA de fachada” que corre el riesgo de decepcionar y frustrar a empleados, clientes e inversores por igual.

Las herramientas de IA que no están completamente re-arquitectadas deben ser evaluadas con cuidado. Aunque estas soluciones pueden demostrar bien, la IA añadida típicamente se ubica fuera de la arquitectura de datos central y actúa como una capa separada adherida a un flujo de trabajo existente, obligando a los usuarios a cambiar de contexto entre el sistema principal y la interfaz de IA. La promesa de la IA es agilizar el trabajo, pero cuando se trata de un complemento o módulo separado, tiende a generar fricción en lugar de eliminarla, ya que los equipos deben abandonar su flujo de trabajo para interactuar con la capa de IA y traer los resultados de vuelta manualmente.

Como resultado, la calidad y el contexto de los datos se ven comprometidos. Los sistemas heredados no fueron diseñados con IA en mente, por lo que las capas añadidas a menudo trabajan con exportaciones de datos incompletas o mal estructuradas en lugar de conjuntos de datos completos y en tiempo real. Eso significa que las recomendaciones basadas en una visión filtrada o sesgada de la realidad pueden representar un riesgo significativo en industrias reguladas como servicios financieros y salud. La IA nativa, por el contrario, puede extraer información del conjunto completo del sistema, incluyendo datos en tiempo real, registros digitalizados, comportamiento del usuario y datos históricos.

Desventajas adicionales

Tres desventajas adicionales de la IA no nativa incluyen:

Mayor carga de mantenimiento: cuando la plataforma central se actualiza, la capa de IA puede fallar o quedarse atrás, creando problemas de confiabilidad que erosionan la confianza de los usuarios con el tiempo. Mantener la conexión estable requiere esfuerzos continuos de ingeniería y coordinación entre dos proveedores diferentes, independientes de cualquier nueva capacidad que cada uno esté desarrollando.

Brechas de seguridad y cumplimiento: los sistemas heredados fueron construidos mucho antes de las amenazas cibernéticas modernas. Añadir IA a esa infraestructura de TI expone vulnerabilidades antiguas a nuevos vectores de ataque, complican las trazas de auditoría y tensan a los equipos de seguridad que ya están al límite gestionando sistemas apenas documentados, y mucho menos modernizados.

Profundidad de capacidad limitada: por lo general, la IA añadida puede hacer solo lo que expone la API o la capa de integración; sin embargo, no puede razonar a través de todo el sistema ni activar acciones profundas dentro de la plataforma. La IA nativa, entrenada con el conjunto de datos propietarios completo, puede observar patrones longitudinales y actuar de forma nativa. Esto representa un nivel de inteligencia fundamentalmente diferente frente a la IA añadida, que ofrece una visión estrecha y limita su capacidad de personalizar, predecir o automatizar de manera significativa.

Barreras y estrategias para lograr una transformación real

Existe mucho diálogo sobre el encierro de proveedores como principal obstáculo para la modernización real, pero esa no es toda la historia. El encierro de proveedores es una limitación real, pero tiende a ser más un acelerante de otros problemas que una causa raíz. Formatos de datos propietarios, APIs cerradas y contratos a largo plazo elevan el costo de cambio, pero las organizaciones a menudo descubren que incluso cuando pueden abandonar a un proveedor, la complejidad interna de hacerlo es el problema más difícil.

En realidad, la deuda técnica suele ser la verdadera barrera. Los sistemas heredados acumulan décadas de personalizaciones, soluciones temporales y dependencias que nadie entiende completamente ya, y la complejidad de la migración de datos suele subestimarse. Mover décadas de datos estructurados y no estructurados a un nuevo sistema, manteniendo la integridad y la continuidad, es enormemente difícil y costoso.

Comenzar con la modernización de datos puede ser el mejor enfoque para las empresas aún dependientes de la infraestructura heredada, porque los datos fragmentados, aislados e inaccesibles son un punto de dolor muy común. Las organizaciones que migran a un lago de datos o que crean acceso a datos existentes a través de APIs sin impactar los sistemas centrales desbloquearán capacidades de IA. Este enfoque también impulsa el impulso interno al permitir que los equipos obtengan victorias tempranas y tracen el camino para proyectos de modernización más amplios.

La re-arquitectura es necesaria para obtener un verdadero retorno de IA

La IA añadida puede demostrar bien, pero rara vez entrega las ganancias operativas o de productividad que las organizaciones esperan. En muchos casos, los sistemas heredados y la deuda técnica son los culpables silenciosos. Cuando la IA se coloca sobre una infraestructura desactualizada, con pipelines de datos fragmentados y décadas de soluciones improvisadas, hereda todas las limitaciones de esos sistemas.

Hasta que se reconozca y aborde la deuda técnica subyacente, las organizaciones seguirán enfrentando los mismos desafíos: integraciones lentas, calidad de datos inconsistentes y sistemas que no fueron diseñados para apoyar los bucles de retroalimentación que la IA moderna requiere.

Las organizaciones que aceleran los proyectos de modernización para adaptarse al ecosistema empresarial impulsado por la IA de hoy cosecharán recompensas: mejoras operativas y de productividad que constituirán la base del éxito durante décadas.

Hemos destacado el mejor software de automatización de TI.

Este artículo se produjo como parte de TechRadar Pro Perspectives, nuestro canal para presentar a las mentes más brillantes de la industria tecnológica actual.

Las opiniones expresadas aquí son de autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí: https://www.techradar.com/pro/perspectives-how-to-submit

from Latest from TechRadar https://ift.tt/ZC92nqE
via IFTTT IA