CLAVES DE TECNOLOGÍA, INNOVACIÓN Y ESTRATEGIA PARA LÍDERES DE LATAM
Hola. Semana de premios Nobel. Mucha ciencia, pero ¿dónde quedó IT?
Hace poco, revisando la información que hemos acumulado durante años sobre nuestra propia comunidad, me vi sentada en una mina de datos en bruto sin poderlos explotar. Sabíamos quiénes eran nuestros lectores, qué contenidos consultaban, a qué eventos asistían, qué temas les interesaban y cómo habían interactuado con nosotros.
El problema era otro: esa información vivía en distintos lugares y convertirla en una respuesta sencilla requería demasiado trabajo. Éramos data rich, pero todavía no completamente data driven.
Sospecho que no somos los únicos. Durante años, las organizaciones invirtieron en data lakes, herramientas de BI, dashboards y plataformas capaces de almacenar cantidades crecientes de información.
Ahora agregamos AI a la ecuación y esperamos que modelos cada vez más poderosos encuentren inteligencia dentro de todo aquello. Pero esta tecnología no convierte mágicamente datos deficientes, fragmentados o desactualizados en buenas decisiones. Incluso puede hacer más evidente el problema.
¿Cuándo puede una empresa llamarse realmente data driven? No cuando posee más terabytes, dashboards o modelos, sino cuando sus datos son confiables, accesibles, integrados, gobernados y, sobre todo, utilizados sistemáticamente para decidir.
Para cualquier CIO o CDO, quizá el siguiente desafío no sea construir otra plataforma de datos, sino cerrar la distancia entre tener información y conseguir que cambie una decisión. De eso hablamos esta semana en Next Thinking.
Contexto Las herramientas de BI y los dashboards facilitan el análisis, pero no resuelven por sí solos los problemas de calidad, integración y acceso a los datos. Para los equipos IT, el reto es conseguir que la información disponible responda a las preguntas del negocio y pueda utilizarse en decisiones concretas. La llegada de AI vuelve más visible esa necesidad.
Datos objetivos En una conversación entre líderes IT de grandes empresas en México sobre los retos de la AI agéntica, 50% identificó los datos como el principal obstáculo operativo y 38% señaló la arquitectura. El caso de Grupo Mexicano de Seguros lo ilustra: la empresa no capturaba la identidad del conductor, un dato necesario para investigar posibles fraudes en siniestros de transporte de carga.
¿Por qué es importante? El caso de Flood Hub, la plataforma de Google para predecir inundaciones, muestra que aprovechar los datos puede requerir construir información que no estaba disponible. Ante la escasez de registros históricos sobre inundaciones repentinas, Google utilizó Gemini para identificar eventos en cinco millones de reportes periodísticos publicados durante 20 años y en 80 idiomas. Con esa información creó el conjunto de datos Groundsource, utilizado para entrenar modelos que permiten anticipar inundaciones repentinas hasta 24 horas antes. El valor no estaba en acumular más registros, sino en convertir fuentes diversas en información útil para anticipar un riesgo.
¿Qué significa realmente? Una organización data driven utiliza información confiable y accesible para orientar decisiones de manera sistemática. La inteligencia de negocio generativa (GenBI) busca facilitar ese proceso al permitir que los usuarios consulten y analicen datos mediante preguntas en lenguaje natural, sin depender de especialistas para cada consulta. Pero facilitar el acceso no resuelve por sí solo los problemas de calidad ni de gobierno. El marco The Frame, presentado por BBVA para crear y gestionar agentes de AI, aborda precisamente parte de ese reto al definir permisos y controles para operar con datos y sistemas corporativos.
El trasfondo La confianza en las decisiones automatizadas sigue siendo un desafío. En un estudio de FICO y Corinium Global Intelligence con 1,004 líderes de siete industrias, apenas 5.2% manifestó plena confianza en su capacidad para explicar decisiones de AI a clientes o reguladores. Aunque el dato no mide la madurez data driven de las organizaciones, apunta a una condición importante: poder justificar cómo se llega a una decisión.
Nuestra visión Para el CIO y el CDO, el siguiente paso no necesariamente es invertir en otra plataforma, sino identificar dónde se pierde el valor de los datos que la organización ya tiene. ¿Qué decisión de negocio podría tomar mejor si esa información estuviera disponible, integrada y lista para utilizarse?
ENCUESTA
¿Qué aspecto frena en mayor medida el escalamiento de agentes de AI y automatizaciones en las organizaciones?
*|SURVEY: Falta de confianza en la AI|*
*|SURVEY: Costos de infraestructura e IT|*
*|SURVEY: Resistencia del área Legal|*
*|SURVEY: Procesos no estandarizados|*
NEXT TIPS
MESA REDONDA
AI agéntica: Datos y arquitectura frenan la autonomía de procesos, reconocen líderes IT
Señalan que la falta de gobernanza, los costos y la calidad de la información impiden escalar agentes autónomos en las empresas.
Si le reenviaron este correo y quiere suscribirse, hágalo aquí. Si le gusta nuestro newsletter, no dude en recomendarlo y compartirlo.
Nextwork360 Latam es la red más grande en Hispanoamérica de revistas y medios de comunicación digitales B2B sobre temas de transformación digital e innovación empresarial. Su misión es difundir la cultura digital y emprendedora en las organizaciones de América Latina.
Boletín
Este correo fue enviado porque te has suscrito a el boletín informativo de Next Thinking que hace parte de Nextwork360.
Este mensaje ha sido enviado a *|EMAIL|*.
Si deseas eliminar tu dirección de correo de nuestra lista de envíos haz clic aquí.
