La calidad de los datos y la ciberseguridad frenan la IA en España

Pese a 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, como señala el informe The State of Data Infrastructure Sustainability de Hitachi Vantara, pocas compañías están adoptando medidas para mejorar la calidad de los datos, lo que limita el éxito de sus iniciativas de IA.

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.

Aspectos clave

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.

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.

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.

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.