La calidad de los datos y la ciberseguridad, principales frenos para el éxito de la inteligencia artificial en las empresas españolas

8 de cada 10 organizaciones están probando y ajustando sus soluciones de IA en tiempo real sin utilizar entornos controlados y 6 de cada 10 desarrollan sus habilidades de IA a través de la experimentación.

Con la rápida adopción de la inteligencia artificial (IA) en multitud de industrias, las empresas españolas señalan la ciberseguridad (33%) y la falta de calidad de datos para entrenar la IA (32%) como sus principales preocupaciones al implementar proyectos en este ámbito. Sin embargo, pocas compañías están adoptando medidas para mejorar la calidad de los datos, lo que limita el éxito de sus iniciativas de IA.

Según el informe The State of Data Infrastructure Sustainability de Hitachi Vantara, subsidiaria de Hitachi especializada en almacenamiento de datos, infraestructura y gestión de nube híbrida, revela que la infraestructura y la gestión de datos son determinantes para garantizar la calidad necesaria que impulsa proyectos de IA con resultados empresariales positivos.

En este marco, los responsables de tecnologías de la información (TI) en las empresas identifican dos factores clave para el éxito de los proyectos de IA:  el uso de datos de alta calidad (35%) y una adecuada gestión del proyecto (39%). Estos resultados destacan la importancia de contar con datos bien gestionados y de calidad, además de profesionales capacitados liderando estas iniciativas.

A pesar de la importancia reconocida de la calidad de los datos en el éxito de los proyectos de IA, el informe revela que los datos necesarios están disponibles en el momento y lugar requeridos apenas en el 30% de las ocasiones. Además, los modelos de IA desarrollados por las empresas logran precisión sólo en un 32% de los casos. Estos resultados destacan los retos críticos que enfrentan las organizaciones para optimizar el uso de la IA y maximizar su impacto empresarial.

En un contexto donde un tercio de las empresas encuestadas manifiesta preocupación por la calidad de sus datos, resulta sorprendente que pocas organizaciones estén adoptando medidas concretas para abordar este desafío. Solo el 28% trabaja activamente para mejorar la calidad de los datos mediante un entrenamiento preciso de los modelos de IA. Además, el 23% no revisa la calidad de los datos utilizados, y un significativo 39% no los etiqueta adecuadamente, una práctica fundamental para mejorar el gobierno de los datos, ya que facilita su organización, trazabilidad y accesibilidad, lo que optimiza su valor en la toma de decisiones estratégicas.

Retorno de la inversión y sostenibilidad

En cuanto a la revisión de las estrategias de IA, el estudio muestra que muchas empresas carecen de un análisis de parámetros tan relevantes como el retorno de la inversión (ROI) o la sostenibilidad. El 65% no considera la sostenibilidad como una prioridad a la hora de implementar sus planes de IA. Pero tampoco parece que haya un especial foco en el resultado económico, puesto que el 63% de las compañías no prioriza el ROI a la hora de implementar soluciones.

Con la sostenibilidad como un desafío clave en la era digital, resulta llamativo que en España el 86% de las organizaciones están enfocadas en el desarrollo de LLMs (modelos de IA generales de mayor tamaño), en lugar de optar por modelos especializados más pequeños. Está demostrado que estos grandes modelos a escala consumen hasta 100 veces más energía. Este enfoque de grandes modelos es significativamente superior al promedio europeo, donde representa el 64%.

Seguridad y velocidad, aspectos clave

Por otro lado, los responsables de tecnología encuestados destacan cómo se llevan a cabo los planes de implementación de IA en las empresas, señalando que casi la mitad de las organizaciones prioriza dos aspectos clave como la seguridad (46%) y la velocidad (45%) en sus proyectos.

En este contexto, la seguridad se ha convertido en una prioridad debido a los riesgos asociados. El 75% reconoce que una pérdida significativa de datos podría ser catastrófica para sus operaciones. Además, el 79% de los encuestados expresa preocupación por el uso de la IA para proporcionar herramientas avanzadas a los hackers.

“La adopción de la IA depende en gran medida de la confianza de los usuarios en el sistema y en los resultados. Si sus primeras experiencias se ven empañadas, se empañan sus capacidades futuras”, afirma Antonio Espuela, Director Technical Sales EMEA West. “Mucha gente se está lanzando a la IA sin un plan holístico o una formación adecuada porque no quieren quedarse atrás, pero el éxito de la IA depende de la confianza en el resultado, y eso significa que los datos deben ser revisados para garantizar su exactitud, deben ser codificados y etiquetados adecuadamente, y el retorno de la inversión debe ser priorizado como un medio para guiar la estrategia de implementación. Además, ignorar la sostenibilidad supone un gran riesgo para las empresas. A largo plazo, es probable que las infraestructuras construidas sin tener en cuenta la sostenibilidad deban reconstruirse para cumplir las futuras normativas sobre sostenibilidad”.

El papel de la infraestructura de datos en el éxito de la IA

A pesar de reconocer la calidad de los datos como uno de los principales factores para el éxito de la IA (33%), muchas organizaciones carecen de la infraestructura necesaria para respaldar normas coherentes de calidad de datos.

Un desafío importante radica en que el 79% de las empresas están probando y ajustando sus soluciones de IA en tiempo real sin utilizar entornos controlados, lo que aumenta los riesgos de vulnerabilidades y posibles fallos de seguridad. Solo un 7% asegura emplear entornos aislados para la experimentación con IA, lo que genera preocupaciones sobre la posibilidad de brechas de seguridad y resultados defectuosos debido a datos poco fiables.

Las infraestructuras modernas pueden ofrecen una solución a este problema, ya que no solo son más eficientes desde el punto de vista energético, sino que también mejoran el rendimiento mientras reducen la huella de carbono. Al adoptar una infraestructura sostenible y avanzada las empresas pueden mejorar la calidad de los datos, reducir los riesgos y avanzar hacia un crecimiento de la IA responsable con el medio ambiente.

“Las compañías buscan aliados que les ayuden a crecer, les ayuden a ser más eficientes o a reducir el riesgo. Nosotros podemos ayudarles a abordar ese riesgo”, afirma Octavian Tanase, Chief Product Officer de Hitachi Vantara. “Proporcionamos simplicidad operativa, para que las empresas sean más eficientes. Si obtienen más información de los datos, eso les ayudará a competir y crecer. La ausencia de una infraestructura robusta para la calidad de los datos y las pruebas socava el potencial de la IA, por lo que es esencial que las organizaciones prioricen una base de datos sólida antes de escalar las iniciativas de IA”.

El valor de contar con un socio de confianza

A medida que las organizaciones avanzan en las iniciativas de IA, todos los líderes de TI encuestados reconocen que el apoyo de terceros es esencial para abordar áreas críticas como:

•   Hardware: La eficacia del hardware depende de su seguridad, disponibilidad 24/7 y eficiencia para cumplir con los objetivos de sostenibilidad. El 20% de los líderes de TI identifican la necesidad de ayuda para desarrollar soluciones de hardware escalables y preparadas para el futuro.

•   Soluciones de almacenamiento y procesamiento de datos: Las soluciones de datos eficaces acercan los datos a los usuarios y priorizan la seguridad y la sostenibilidad. La encuesta reveló que el 29% de los líderes de TI necesita ayuda con el almacenamiento de datos ROT (redundantes, obsoletos o triviales).

•   Software: Un software seguro y resiliente es clave para protegerse contra ciberataques y garantizar el acceso continuo a los datos. El 27% de los líderes de TI requiere experiencia externa para desarrollar modelos de IA y soluciones de virtualización de datos.

•   Personal cualificado: La falta de cualificación sigue siendo un obstáculo importante, ya que el 60% de los líderes TI desarrollan sus habilidades de IA a través de la experimentación y el 38% confía en el autoaprendizaje, lo que subraya la necesidad de formación especializada y apoyo externo.