Durante décadas, empresas de todos los tamaños han reconocido el valor significativo de los datos disponibles para mejorar las experiencias de usuarios y clientes, así como para desarrollar planes estratégicos basados en evidencia empírica.
A medida que la IA se vuelve cada vez más accesible y práctica para aplicaciones empresariales del mundo real, el valor potencial de los datos disponibles ha crecido exponencialmente. Adoptar la IA con éxito requiere un esfuerzo considerable en la recopilación, la curación y el preprocesamiento de datos. Además, aspectos importantes como la gobernanza de datos, la privacidad, la anonimización, el cumplimiento normativo y la seguridad deben abordarse cuidadosamente desde el principio.
En una conversación con Henrique Lemes, líder de la Plataforma de Datos para América en IBM, exploramos los desafíos que enfrentan las empresas al implementar la IA práctica en diversos casos de uso. Comenzamos examinando la naturaleza de los datos en sí, sus diversos tipos y su papel en la habilitación de aplicaciones eficaces basadas en IA.
Henrique destacó que referirse a toda la información empresarial simplemente como «datos» subestima su complejidad. La empresa moderna se desenvuelve en un panorama fragmentado de diversos tipos de datos y calidad inconsistente, particularmente entre fuentes estructuradas y no estructuradas.
En términos simples, los datos estructurados se refieren a información organizada en un formato estandarizado y de fácil búsqueda, que permite un procesamiento y análisis eficientes por parte de los sistemas de software.
Los datos no estructurados son información que no sigue un formato ni un modelo organizativo predefinidos, lo que dificulta su procesamiento y análisis. A diferencia de los datos estructurados, incluyen diversos formatos como correos electrónicos, publicaciones en redes sociales, videos, imágenes, documentos y archivos de audio. Si bien carecen de la organización clara de los datos estructurados, los datos no estructurados contienen información valiosa que, cuando se gestiona eficazmente mediante análisis avanzados e IA, puede impulsar la innovación y fundamentar decisiones estratégicas de negocio.
Henrique afirmó: «Actualmente, menos del 1 % de los datos empresariales se aprovechan mediante IA generativa, y más del 90 % de esos datos no están estructurados, lo que afecta directamente la confianza y la calidad».
La confianza en los datos es fundamental. Los responsables de la toma de decisiones en una organización necesitan tener la firme convicción de que la información a su disposición es completa, fiable y se ha obtenido correctamente. Sin embargo, existe evidencia de que menos de la mitad de los datos disponibles para las empresas se utilizan para IA, y los datos no estructurados a menudo se ignoran o se dejan de lado debido a la complejidad de procesarlos y examinarlos para garantizar su cumplimiento, especialmente a gran escala.
Para facilitar la toma de mejores decisiones basadas en un conjunto más completo de datos empíricos, es necesario convertir la información de fácil consumo en una manguera contra incendios. La ingesta automatizada es la respuesta en este sentido, afirmó Henrique, pero las reglas de gobernanza y las políticas de datos aún deben aplicarse, tanto a los datos estructurados como a los no estructurados.
Henrique describió los tres procesos que permiten a las empresas aprovechar el valor inherente de sus datos. «Primero, la ingesta a escala. Es importante automatizar este proceso. Segundo, la curación y la gobernanza de datos. Y tercero, [es] cuando se pone esto a disposición para la IA generativa. Logramos más del 40% de retorno de la inversión (ROI) en comparación con cualquier caso de uso convencional de RAG».
IBM ofrece una estrategia unificada, basada en un profundo conocimiento de la transformación de la IA de la empresa, combinada con soluciones de software avanzadas y experiencia en el sector. Esto permite a las organizaciones transformar de forma eficiente y segura datos estructurados y no estructurados en activos compatibles con IA, todo ello dentro de los límites de los marcos de gobernanza y cumplimiento existentes.
«Reunimos a las personas, los procesos y las herramientas. No es intrínsecamente sencillo, pero lo simplificamos alineando todos los recursos esenciales», afirmó.
As businesses scale and transform, the diversity and volume of their data in
El enfoque de IBM consiste en comprender a fondo la experiencia de cada cliente en IA, creando una hoja de ruta clara para lograr el retorno de la inversión (ROI) mediante una implementación eficaz de IA. «Priorizamos la precisión de los datos, ya sean estructurados o no, junto con la ingesta, el linaje, la gobernanza, el cumplimiento de las normativas específicas del sector y la observabilidad necesaria. Estas capacidades permiten a nuestros clientes escalar en múltiples casos de uso y aprovechar al máximo el valor de sus datos», afirmó Henrique.
Como cualquier aspecto valioso en la implementación de tecnología, se necesita tiempo para implementar los procesos adecuados, encontrar las herramientas adecuadas y tener la visión necesaria de cómo debe evolucionar cualquier solución de datos.
IBM ofrece a las empresas una gama de opciones y herramientas para habilitar cargas de trabajo de IA incluso en los sectores más regulados, a cualquier escala. Con bancos internacionales, entidades financieras y multinacionales globales entre sus clientes, hay pocos sustitutos para las grandes empresas en este contexto.
