De acuerdo con el estudio Panorama de la inteligencia artificial en México,[1] la gestión de datos y la automatización son los principales procesos en los que una empresa hace uso de la inteligencia artificial (IA; 69% y 64% respectivamente), seguidos de la gestión de negocios (34%), la gestión avanzada de riesgos (29%), la adopción, implementación e iteraciones de aplicaciones de IA o machine learning (ML; 27%), y el financiamiento o definición de inversiones (24%).
Consulte la publicación Inteligencia artificial generativa para la gestión del talento
Lo anterior comprueba que la gestión de datos continúa siendo uno de los problemas básicos que se buscan resolver habilitando el uso de IA, lo que a su vez confirma que las organizaciones se encuentran en un estado incipiente de transformación digital. Si este fuera más avanzado, se esperaría que la herramienta funcionara de manera autónoma, aprendiendo de procedimientos anteriores para resolver dudas y problemas futuros, es decir, fungiendo como un coach para el usuario.
En el mismo sentido, las estrategias que implementan las compañías para aprovechar la gestión de datos son diversas: 34% la utiliza de manera aislada dentro de diferentes equipos, con una orientación central inconsistente y una limitada implementación de mejores prácticas; 33% la maneja con un enfoque que se caracteriza por ser limitado, sin principios ni procesos centrales de gestión, y 33% la aprovecha de manera centralizada e integrada por una arquitectura eficaz conectada en todas las partes del negocio.
Aunque manejar una gestión de datos de forma orquestada e integrada es, sin duda, lo más conveniente, vemos que casi siete de cada diez empresas se esfuerzan para preparar la información con la que alimentan a la IA, probablemente con cautela, porque todavía no confían del todo en que sea suficiente, lo que también indica un nivel de preparación limitado en su uso.
En cualquier caso, lograr una buena gestión de datos es vital para las organizaciones de cualquier industria o sector. Algunas están más avanzadas que otras, como puede ser el caso de compañías pertenecientes al sector financiero; no obstante, todas deberían aspirar a alcanzar un nivel alto de madurez en la materia.
En este sentido, las prácticas de gestión que comúnmente aplican las empresas son la comprobación de la calidad de datos (65%), el uso de herramientas o plataformas de manera centralizada para presentar información a partir de los mismos (63%), la sistematización de forma estandarizada e integrada para la recopilación y almacenamiento de información (53%), y la definición de la propiedad o responsabilidad de esta (51%).[2]
En conclusión, implementar IA sin antes definir los procesos de gobernanza de datos representa un riesgo alto para las organizaciones, de ahí que la gran mayoría emplee datos únicamente para visualizar y presentar información y reportes. Garantizar su fiabilidad es fundamental para cualquier estrategia basada en tecnologías de IA. Asimismo, asignar responsables de los procesos de gobernanza es crucial para establecer uno que sea exitoso y, por ende, que garantice la calidad de la información.
*Todos los servicios profesionales son prestados por firmas miembro independientes, licenciadas y registradas de KPMG International.
[1] Panorama de la inteligencia artificial en México. Retos y oportunidades para liderar la transformación, KPMG México, 2024.
[2] Idem.
