El apetito por la IA en el mercado nunca ha sido tan alto. Según Gartner, más del 90 por ciento de los CIOs a nivel global están aumentando la financiación en IA, convirtiéndola en la área de gasto tecnológico empresarial de más rápido crecimiento. A medida que las organizaciones buscan integrar flujos de trabajo impulsados por IA, desde analítica en tiempo real hasta experiencias personalizadas para el cliente, esta ambición acelera la inversión en iniciativas de datos.

Investigaciones adicionales muestran que las empresas destinan ahora un promedio de 29,3 millones de dólares anuales a programas de datos, lo que abarca movimiento, ingesta y preparación de datos, costos recurrentes de ingesta y cómputo en la nube, y la capacidad interna de ingeniería necesaria para mantener en funcionamiento los pipelines.

Aunque este cambio de gasto refleja las demandas de escalar la IA (las organizaciones con iniciativas de IA exitosas invierten hasta cuatro veces más en fundamentos de datos y analítica), presupuestos mayores no se traducen automáticamente en datos de alta calidad. Muchas empresas continúan perdiendo el impacto transformador de la IA, frenadas por debilidades subyacentes en su arquitectura de datos que ralentizan la entrega y limitan los rendimientos.

Casi dos tercios de las iniciativas de datos tienen un rendimiento inferior

A pesar de niveles de inversión sin precedentes, la mayoría de las iniciativas empresariales de datos siguen rindiendo por debajo de lo esperado: el 73 por ciento de las organizaciones reportan que sus iniciativas de datos no cumplen las expectativas. Al mismo tiempo, casi el 62 por ciento informa bajos niveles de madurez de datos, apuntando a una brecha persistente entre lo que las organizaciones desean que sus iniciativas de datos e IA entreguen y lo que su infraestructura puede soportar.

Las bases de datos débiles restringen la innovación y tienen consecuencias medibles para el rendimiento empresarial. En grandes organizaciones, el tiempo de inactividad causado por fallos en los pipelines de datos supera las 60 horas al mes, interrumpiendo la productividad y costando un impacto comercial estimado en £50,000 por hora. Los equipos de datos también se ven afectados, ya que dedican más de la mitad de su capacidad de ingeniería al mantenimiento de pipelines, en lugar de avanzar nuevos casos de uso.

La Infraestructura de Datos Abierta como base para la IA

Más allá de los costos diarios de inactividad y mantenimiento, el impacto más profundo de fundamentos de datos poco fiables es la interrupción sostenida de las iniciativas de IA. Para que los sistemas de IA prosperen, las organizaciones necesitan programas de datos democratizados, interoperables, donde el acceso a los datos sea rápido, gobernado y fiable. En respuesta, la Infraestructura de Datos Abierta (IDA) ha emergido como la base para la IA.

La IDA es un enfoque arquitectónico que otorga a las organizaciones un mayor control sobre cómo se accede a los datos, se mueven y se utilizan, permitiendo que herramientas y plataformas trabajen juntas a través de estándares abiertos compartidos. En lugar de depender de sistemas propietarios fuertemente acoplados, la IDA se apoya en una base modular y basada en estándares que separa el almacenamiento del cómputo, permitiendo que cada capa evolucione de forma independiente.

A medida que las cargas de trabajo de datos e IA crecen, esto crea un entorno de datos unificado donde la analítica y la IA pueden escalar con mayor eficiencia.

La IDA también está emergiendo como un desafío directo al encierro de proveedores. La industria está viendo un giro hacia la restricción de los datos, tanto técnica como comercialmente. A menudo, estas restricciones se manifiestan como costos ocultos o dependencias que empujan a las empresas hacia ecosistemas cerrados y “jardines amurallados”.

Este problema se acentúa cuando las entidades de IA se convierten en los principales usuarios de datos de una organización. De hecho, estudios sugieren que las entidades no humanas están presentes en las empresas modernas en una proporción de 82:1 en comparación con los humanos.

Para que los agentes de IA trabajen eficazmente junto a los usuarios humanos, es esencial una fuente única de verdad. Los paneles de control, flujos de trabajo operativos, modelos de aprendizaje automático y agentes de IA pueden extraer de la misma fuente de datos subyacente, pero a menudo operan en entornos separados con definiciones y modelos diferentes.

Cuando esas definiciones se desvían, el resultado son decisiones desalineadas, salidas de IA poco fiables y una sobrecarga de ingeniería adicional. La IDA ayuda a abordar esto al proporcionar a cada sistema, ya sea humano o automatizado, una vista coherente del negocio.

Además, los agentes de IA generan exponencialmente más consultas que los humanos, pero los ecosistemas cerrados suelen enrutar esas consultas a través de la misma infraestructura de cómputo costosa. Los agentes solo pueden optimizar costos cuando las arquitecturas abiertas les permiten elegir. Y las consideraciones de costo no se limitan a ello.

Las organizaciones que utilizan sistemas heredados pagan significativamente más por cada pipeline de datos, y al multiplicarlo por cientos de pipelines a escala empresarial, el gasto continuo se vuelve significativo.

Gestión moderna de datos: flexible, portátil, confiable

A medida que la inversión en herramientas de IA continúa aumentando, las organizaciones deben pensar en anticiparse para aliviar la presión tanto en presupuestos como en recursos de ingeniería. Deben asegurar que los sistemas de IA tengan acceso consistente a datos frescos, confiables y contextualmente ricos, manteniendo el control de sus datos y de su arquitectura para evitar el encierro.

Aquellos que priorizan fundamentos abiertos crearán las condiciones adecuadas para la innovación y permitirán que sus equipos de datos se enfoquen en entregar valor real para el negocio, desde la modelización predictiva y analítica en tiempo real hasta una producción de agentes más rápida.

El impacto se refleja, en última instancia, en los resultados de rendimiento. Investigaciones muestran que las organizaciones con fundamentos de datos modernos, gestionados y abiertos tienen casi el doble de probabilidades de superar sus objetivos de ROI en comparación con las que dependen de sistemas heredados, evidenciando la correlación directa entre madurez de datos y el éxito medible de las iniciativas de IA.

Este artículo forma parte de TechRadar Pro Perspectives, nuestra vía para presentar a las mentes más brillantes de la industria tecnológica hoy.

from Latest from TechRadar https://ift.tt/1aSutli
via IFTTT IA