74% de los datos en empresas no tienen estructura, peligrando el futuro de la IA

Informe de Hitachi Vantara advierte que la IA puede generar resultados imprecisos y pérdida de confianza, ya que gran parte de la información en las organizaciones no se almacena en bases de datos estructuradas.

Foto: cortesía Hitachi Vantara. Portal ERP México.

Informe global de Hitachi Vantara advierte que la Inteligencia Artificial (IA) puede generar resultados imprecisos y pérdida de confianza, ya que gran parte de la información en las organizaciones no se almacena en bases de datos estructuradas. México fue uno de los países seleccionados para la encuesta, con 72 líderes de IT de empresas con ingresos globales anuales mínimos de USD$100 millones. El 49% de estos líderes declaró que sus organizaciones almacenan entre 50 y 100 Petabytes de información actualmente.

Muchos líderes de tecnología dicen que necesitan apoyo para manejar datos innecesarios, prepararlos o procesarlos correctamente. Estos pasos son importantes para que las empresas crezcan y usen la inteligencia artificial de manera efectiva. En este aspecto, las organizaciones en México van a la delantera. Son mejores que el promedio global en mantener versiones claras de los datos que usan para entrenar IA (81% en México frente al 67% global) y en etiquetar sus datos para usarlos de manera más flexible y eficiente (69% en México frente al 62% global).

Te puede interesar: ¿Cómo aumentar el ROI en proyectos de Inteligencia Artificial?

Por otro lado, casi el 50% de los profesionales de todos los países encuestados, adquiere habilidades en IA mediante la experimentación, y un 35% a través del autoaprendizaje, evidenciando una brecha en la capacitación continua. La falta de modelos y estrategias para gestionar datos no estructurados limita su calidad y utilidad en el entrenamiento de IA. A pesar de los avances tecnológicos, contar con datos de calidad sigue siendo esencial para obtener resultados confiables. 

Con un crecimiento proyectado de más del 100% en los volúmenes de datos para 2026, la falta de estrategias robustas en su gestión pone en riesgo la viabilidad de los modelos de IA. Aunque la IA busca transformar la gestión operativa de las organizaciones, enfrenta el reto clave de garantizar datos de calidad, precisos, accesibles y confiables. El 38% de las organizaciones identifica la disponibilidad de datos de alta calidad como el principal obstáculo para el éxito de sus proyectos de IA, pero muchas aún carecen de la infraestructura necesaria para superarlo.

El estudio, basado en una encuesta a 1,200 directivos y profesionales de TI de 15 países, revela que, aunque las empresas buscan aprovechar la IA, el gran volumen de datos no estructurados dificulta su uso eficiente. El 74% de los especialistas en TI considera que la pérdida significativa de datos sería catastrófica para sus operaciones, y el 73% teme que la IA pueda ser utilizada por hackers para ciberataques avanzados. 

La calidad y sostenibilidad en la gestión de datos son ahora prioridades estratégicas. Según el informe, el 74% de los datos almacenados por las empresas son no estructurados, lo que limita su utilidad para entrenar modelos de IA y genera riesgos como resultados imprecisos y pérdida de confianza.

Solo el 33% de las organizaciones prioriza la sostenibilidad en proyectos de IA, y apenas el 37% enfoca sus esfuerzos en el ROI. Este desequilibrio limita el potencial de la IA y puede aumentar costos a largo plazo si las infraestructuras deben adaptarse a regulaciones futuras. Una planificación integral es esencial para optimizar recursos y mantener la competitividad en un entorno exigente.

Preparándose para un futuro impulsado por datos e IA

El éxito de la IA requiere tanto infraestructuras sólidas como colaboración con socios tecnológicos estratégicos. Según el informe, el 28% de los especialistas en TI necesita apoyo para gestionar datos redundantes, obsoletos y triviales (ROT), y el 31% señala la falta de capacitación para desarrollar modelos de IA efectivos y resilientes.

Casi el 50% de los profesionales adquiere habilidades en IA mediante la experimentación, y un 35% mediante autoaprendizaje, lo que evidencia una brecha significativa en capacidades que podría limitar el impacto de la IA a largo plazo. Para superar estos desafíos, es fundamental invertir en capacitación continua y colaborar con expertos, acelerando así el desarrollo de las competencias clave para el sector.

La Nube Híbrida se presenta como una solución estratégica, al combinar la escalabilidad y flexibilidad de las nubes públicas con la seguridad y personalización de las privadas. Esta tecnología permite gestionar y procesar datos de forma eficiente, reduciendo costos y mejorando la productividad.