![Yu Seok-geun, Vicepresidente Ejecutivo de Cloudera Korea [Foto=Cloudera]](https://image.ajunews.com/content/image/2026/08/10/20260810142906727990.png)
A medida que la inteligencia artificial y las técnicas analíticas avanzadas se expanden rápidamente, los criterios de competencia empresarial también están cambiando. Ahora, más importante que la adopción de IA es que las empresas cuenten con un entorno donde la inteligencia artificial pueda generar valor empresarial real basándose en datos confiables. En otras palabras, la clave de la competitividad empresarial en la era de la IA radica en la 'preparación de datos (Data Readiness)'.
Aunque muchas empresas reconocen la importancia de los datos e intensifican sus inversiones en IA, la realidad no es tan prometedora. Según una encuesta reciente realizada por Cloudera entre aproximadamente 1.200 líderes de TI en 14 países, incluida Corea del Sur, el 89% de los encuestados a nivel global (93% en el mercado local) respondieron que los ejecutivos reconocen la infraestructura de datos para la expansión de la IA como una tarea crucial.
Además, el 86% ha establecido una estrategia de datos vinculada a objetivos empresariales, y el mismo porcentaje de empresas indicó que está ampliando sus inversiones en infraestructura de datos y nube. Este resultado demuestra que los datos ya no son un activo exclusivo del departamento de TI, sino que se han convertido en una cuestión central de la gestión empresarial.
Sin embargo, la inversión y el interés no se traducen automáticamente en competitividad de datos. El obstáculo más importante es la existencia de silos de datos dentro de las organizaciones y la baja accesibilidad a los datos. Según los resultados de la encuesta, solo el 30% de las empresas respondieron que sus datos están completamente integrados, mientras que más de la mitad indicó que los datos están solo parcialmente conectados.
En el caso de las empresas coreanas, la situación es aún más grave: el 80% de las empresas encuestadas respondieron que sus datos aún no están completamente conectados. La mayoría de los datos se encuentran dispersos por sistema, lo que dificulta su aprovechamiento en toda la organización.
Esta falta de preparación de datos conduce a un desempeño deficiente. Según el informe 'Superando la complejidad de la preparación de datos para IA' de Cloudera y el Servicio Analítico de Harvard Business Review, el 73% de los líderes empresariales experimenta dificultades en la preparación de datos necesaria para la IA, y citan como causas: silos de datos y dificultades de integración de fuentes (56%), ausencia de estrategia de datos (44%), problemas de calidad y sesgo (41%), y regulaciones sobre uso de datos (34%).
De hecho, una investigación de la corporación RAND también mostró que aproximadamente el 80% de los proyectos de IA no alcanzan los resultados empresariales esperados, una cifra que duplica aproximadamente la tasa de fracaso de proyectos de TI convencionales.
Los casos internacionales ilustran bien cuán fatal puede ser la insuficiente preparación de datos. La plataforma inmobiliaria estadounidense Zillow impulsó ambiciosamente su negocio 'Zillow Offers', que predice precios de viviendas con su propio modelo de IA llamado 'Zestimate' para compra y reventa.
Sin embargo, después de la pandemia, el modelo no reflejó a tiempo los cambios rápidos en los datos del mercado, continuó sobreevaluando los precios de las viviendas y, finalmente, registró pérdidas de 421 millones de dólares solo en el tercer trimestre de 2021, abandonando el negocio y reduciendo su personal en un 25%. Demuestra que incluso los algoritmos más sofisticados pueden ser contraproducentes sin datos frescos y confiables.
Por el contrario, existen casos de empresas que han logrado resultados invirtiendo primero en la integración de datos. El banco de inversión global Standard Chartered construyó un tejido de datos empresarial para gestionar eficientemente datos dispersos en varios países y entornos regulatorios divergentes. Integró la gestión desde la recopilación de datos hasta los permisos de acceso, políticas de seguridad y linaje de datos, y estableció una base para utilizar datos empresariales en análisis e IA mientras cumplía con la soberanía de datos y regulaciones financieras según el país. Los canales de datos estandarizados acortaron el ciclo de desarrollo de canales de datos en aproximadamente un 40%, mejorando significativamente la velocidad de utilización de datos y la eficiencia operativa.
El problema no termina aquí. A medida que las empresas adoptan rápidamente la IA, ha surgido un nuevo desafío: el fenómeno de los 'silos de IA', donde cada departamento invierte de manera redundante en herramientas diferentes. Cuando herramientas dispares proliferan en diferentes departamentos, se pierde la consistencia de datos y modelos, y la gobernanza se vuelve más compleja. Los expertos aconsejan que este problema se puede resolver construyendo una plataforma integrada de datos e IA en toda la organización.
La IA solo puede producir resultados cuando se basa en datos de alta calidad. Si los datos están dispersos en múltiples sistemas, y los permisos de acceso y la gobernanza son insuficientes, resulta difícil obtener los resultados esperados incluso con modelos de IA sobresalientes. En última instancia, el núcleo de la preparación de datos no radica en cuántos datos posea una empresa, sino en contar con un sistema para integrar datos, gestionarlos de manera confiable y utilizarlos de forma segura cuando sea necesario.
La competencia en IA ya no es una competencia de modelos, sino una competencia de datos. Las empresas no deben limitarse a almacenar datos, sino que deben establecer una base para conectar datos dondequiera que se encuentren como un único activo y utilizarlos libremente en entornos de IA y análisis.
El punto de divergencia entre el fracaso de Zillow y el éxito de Standard Chartered es en última instancia uno solo: cuán confiablemente se gestionaron los datos como activo. Solo las empresas que construyan esta 'plataforma de datos preparada para IA (AI-Ready Data Platform)' serán capaces de crear nuevo valor empresarial y asegurar una ventaja competitiva sostenible en un mercado que cambia rápidamente.
* Este artículo ha sido traducido por IA.