El despliegue de nuevas tecnologías, como la inteligencia artificial, demanda de las compañías un manejo más efectivo y claro de sus datos. Sin embargo, según Accenture, solo el 25 por ciento de las organizaciones tienen verdadera conciencia del potencial que atesoran.
En ese sentido, la consultora estadounidense insta a las empresas a contemplar los datos como su cuarto activo más importante, al mismo nivel que el capital humano, intelectual y financiero.
El estudio A new dawn for dormant data (en español, Un nuevo amanecer para los datos latentes) considera para ello imprescindible hacer una integración transversal y en la nube de todas las informaciones con las que cuentan actualmente las empresas.
De esa forma, conforme explican sus autores, estas podrán de verdad tener una visión completa y coherente de su desempeño, al tiempo que hacer correlaciones y análisis de tendencias realmente útiles. Con todo ello, por tanto, podrán tomar decisiones inteligentes y diferenciales.
Los tres aspectos claves que se requieren, pensando en estrategias avanzadas de inteligencia artificial y aprendizaje automático, son:
- Plataforma de datos. Las empresas deben aplicar estrategias cuidadas de migración de datos -preferentemente a “almacenes integrados”-, dotarse de plataformas adecuadas en la nube y asegurarse de tener grupos de “productos de datos” de confianza, democratizados y reutilizables. Eso implica, entre otras prácticas, sacar lo datos de los silos., tratar los datos como un producto, adoptar la mentalidad “dato como código” o hacer accesibles a todo el mundo los datos.
- Base en inteligencia artificial. Explotar los nuevos servicios de IA en la nube elaborados por terceros y que ofrecen modelos ya entrenados a falta, solo, de ajustarse a necesidades más específicas.
- Insertar la inteligencia artificial. El reto último es crear impacto exponencial e insertar la inteligencia de datos en el ADN digital de la compañía. Para ello, es preciso experimentar con la IA y el aprendizaje automático, habilitar vías de producción y un enfoque totalmente maduro para obtener, deserrollar, refinar, guardar y desplegar los datos. Por ejemplo, la inteligencia artificial generativa tiene la capacidad de crear contenidos similares a los que producen los humanos, lo que transformará la manera en que accedemos a la información, realizamos el trabajo, servimos las necesidades de los clientes y gestionamos los negocios.
Cada uno de estos objetivos complementa al anterior y añaden valor tangible en cada etapa. Con todo, lo fundamental es tener los datos adecuados en el lugar y momento justos. Eso quiere decir poner el foco en el reto fundamental: extraer el valor intrínseco de los datos.
Cuando los datos de la empresa se hacen accesibles a una escala realmente amplia, con un dominio específico, las aplicaciones y plataformas basadas en inteligencia artificial ofrecen hallazgos y propuestas diferenciales para la toma de decisiones.
Barreras más características
Los datos se han convertido en una palanca imprescindible para acometer una transformación realmente profunda de las organizaciones. Es decir, para llevar a las empresas a un nivel nunca antes conocido de desarrollo y excelencia operativa.
La cuestión es que ese activo es algo cada vez más estratégico pero, también, más difícil de gestionar. Ese hecho, a su vez, amenaza con bloquear el potencial que promete el uso de nuevas tecnologías como la inteligencia artificial.
Y hay varias razones que explicarían, a juicio de Accenture, esa brecha:
- Hay “demasiados” datos. En 2025 se producirá en el mundo el equivalente a 6.500 años de vídeos de alta resolución.
- Los datos son más complejos. Ya no surgen de los sistemas de la compañía sino de fuentes tan diversas como los propios usuarios, los objetos conectados de la ciudad o de las interacciones dentro de entornos virtuales inmersivos.
- Los datos siguen almacenados en silos, dispersos y sin conexión entre sí por multitud de sistemas tanto propios como de proveedores. El 55 por ciento de los directivos consultados por la citada consultora reconoce ser incapaz de trazar la ubicación de los datos desde donde se producen hasta donde se consumen.
- Los datos van muy rápido. Para aplicaciones de inteligencia artificial y aprendizaje automático, donde se modelan predicciones y se toman decisiones de futuro, es crucial poder utilizar datos en tiempo real de, por ejemplo, sensores. Sin embargo, apenas un 31 por ciento de las empresa se consideran preparadas para ello.
- Lo crítico es compartir los datos. Se necesita rapidez, seguridad y flexibilidad para trasladar los datos a un número cada vez mayor de aliados y socios. Pero, por eso mismo, se requiere simultáneamente tener claro quiénes los gobiernan y qué políticas de calidad o qué derechos de uso se aplican. A pesar de eso, únicamente el 12 por ciento de los directivos consideran su empresa “sobradamente preparada” para esa conectividad e interoperabilidad.
Fotografía de h heyerlein en Unsplash
