Calidad de los datos y ciberseguridad, principales frenos para el éxito de la IA en empresas españolas

Según el informe The State of Data Infrastructure Sustainability de Hitachi Vantara, la infraestructura y la gestión de datos son vitales para garantizar la calidad que da impulso a proyectos de IA con resultados positivos en las empresas. Además, para las empresas, las principales preocupaciones al implementar proyectos con IA son la ciberseguridad (33%) y la calidad de datos para entrenar la IA. En concreto, su falta, un problema para el 32% de los encuestados para la realización del informe.

A pesar de ello, hay pocas empresas que estén adoptando medidas para mejorar la calidad de los datos, lo que limita el éxito de sus proyectos de Inteligencia Artificial. En efecto, para que los proyectos de IA tengan resultados favorables, hay dos factores clave: el uso de datos de alta calidad (35%) y una gestión adecuada de los proyectos (39%). En ambos casos es muy importante contar con información de calidad y bien gestionada, además de con profesionales capacitados al frente de los proyectos.

Pero los datos necesarios solo están en el lugar requerido, y cuando se les necesita, en el 30% de los casos. Además, los modelos de Ia desarrollados por empresas solo consiguen precisión en un 32% de las ocasiones. A pesar de esto, solo un 28% de las compañías trabaja en la mejora de la calidad de los datos con un entrenamiento preciso de los modelos de IA. El 23% no revisa la calidad de los datos empleados, y un 39% no los etiqueta de manera adecuada, algo básico para mejorar su gobernanza.

El informe muestra también que muchas empresas no tienen un análisis de parámetros como el ROI o la sostenibilidad. De hecho, el 65% no considera esta última prioritaria cuando implementa sus planes de IA. Otro 63% tampoco prioriza el ROI al implementar soluciones. Por otra parte, un 86% de las empresas en España están centradas en el desarrollo de modelos grandes de lenguaje en vez de optar por modelos más pequeños y especializados. El enfoque en modelos grandes es notablemente superior al promedio de Europa, fijado en el 64%.

Frente a la escasa prioridad de estos dos parámetros, están otros como la seguridad (46%) y la velocidad (45%), que reciben más atención por parte de las empresas. En este contexto, la seguridad es prioritaria por los riesgos que conlleva. Un 75% de organizaciones reconocen que perder una cantidad significativa de datos podría tener efectos catastróficos en sus operaciones. Además, un 79% de los encuestados están preocupados por el uso de la IA para ofrecer herramientas avanzadas a los hackers.

En cuanto a los datos, a pesar de que un 33% de entidades reconocen que es uno de los principales factores para que la IA tenga éxito, muchas no tienen la infraestructura necesaria para respaldar normas coherentes relacionadas con su calidad.

Un 79% de empresas prueban y ajustan sus soluciones de IA en tiempo real y sin emplear entornos controlados. Esto sube el riesgo de que haya vulnerabilidades y fallos de segurida. Solo el 7% asegura usar entornos aislados para experimentar con IA, lo que lleva a dudas sobre la posibilidad de que se den brechas de seguridad y de que haya resultados defectuosos por utilizar datos poco fiables.

Por otra parte, a medida que las empresas avanza en iniciativas de IA, los encuestados para la elaboración del informe reconocen que el apoyo de terceros es esencial para trabajar en áreas críticas. Como el hardware, cuya eficacia depende de su seguridad, disponibilidad 24/7 y eficiencia para cumplir con los objetivos de sostenibilidad. Un 20% de los encuestados creen que la ayuda es necesaria para desarrollar soluciones de hardware escalables y preparadas para el futuro.

Además, un 29% de los responsables de TI necesita ayuda externa con el almacenamiento de datos ROT (redundantes, obsoletos o triviales), y un 27% necesita también apoyo para el desarrollo de modelos de IA y soluciones de virtualización de datos. En cuanto a la falta de cualificación, otro obstáculo importante para el éxito de la IA en las empresas, un 60% de responsables de TI desarrollan sus habilidades de IA a través de la experimentación y el 38% mediante autoaprendizaje.