La Inteligencia Artificial (IA) está en boca de todos, pero su implementación efectiva en las empresas mexicanas se enfrenta a un desafío inesperado: la dificultad para acceder y aprovechar sus propios datos. Lejos de ser un problema tecnológico, la clave reside en superar los silos de información que mantienen los datos empresariales dispersos y aislados.
Datos: El Nuevo ‘Petróleo’ Estancado en México
En el contexto actual, los datos se han convertido en el activo más valioso para las empresas. Enrique Pérez, country manager de Databricks en México, describe estos datos como el nuevo “petróleo del mundo”, una “mina de oro” sin explotar. Las empresas mexicanas buscan en la IA una herramienta para aumentar ventas, reducir costos operativos e innovar en sus productos y servicios.
Sin embargo, el 95% de la información crucial para la IA permanece oculta en sistemas de gestión empresarial (ERP), aplicaciones de CRM y data warehouses, según Pérez. Esta fragmentación de datos, sumada a los silos organizacionales –departamentos que operan de forma aislada–, genera ineficiencia, duplicación de esfuerzos y dificulta la innovación.
Más Allá de la Inversión: Transformar la IA en Impacto Real
Un estudio de Epam Neoris revela que, aunque un 49% de las empresas a nivel global se consideran avanzadas en IA, solo un 5% ha logrado convertir esa madurez en innovación disruptiva. Rubén Pérez, VP en Epam Neoris, señala que muchas empresas invierten en IA, pero pocas la utilizan como motor de crecimiento o para mejorar la experiencia del cliente, donde reside el verdadero valor de esta tecnología.
El Poder de los Datos Internos y la IA Personalizada
Marcos Grilanda, VP para América Latina de Databricks, explica que el verdadero potencial de la IA se libera al conectar modelos de lenguaje grandes (LLM) personalizados con los datos internos de la empresa. A diferencia de los modelos públicos como Anthropic, ChatGPT o Llama –que ofrecen las mismas respuestas a las mismas preguntas–, los LLM personalizados permiten obtener información y predicciones directamente relacionadas con el negocio, como la facturación reciente o las necesidades de inventario futuro.
Superando los Silos: Un Enfoque Integral
El proceso para superar los silos requiere una solución integral que abarque la extracción, el formateo, la limpieza, la homologación y el linaje de los datos. Esto implica crear un data lakehouse, una arquitectura unificada que permite almacenar y analizar datos de diversos tipos en una única plataforma.
Databricks ha experimentado un crecimiento del 150% en México, lo que demuestra el interés por estas tecnologías. Sin embargo, la adopción generalizada sigue siendo baja, alrededor del 4%. Para acelerar la adopción, las empresas deben centrarse en identificar los casos de uso que generen mayor valor económico y desarrollar el conocimiento interno necesario para aplicar la tecnología de manera efectiva.
El Conocimiento Interno: Clave para el Éxito a Largo Plazo
Si bien la tecnología avanza rápidamente, la capacidad de las empresas para desestructurar y aplicar su propio conocimiento interno será el factor determinante para el éxito a largo plazo, según Grilanda. En lugar de simplemente “jugar” con la IA, las empresas deben enfocarse en aplicaciones que generen un retorno de inversión claro.
Conclusión
El futuro de la IA en México no depende tanto de la tecnología en sí, sino de la capacidad de las empresas para romper las barreras internas y liberar el potencial de sus datos. Al superar los silos de información y enfocarse en aplicaciones que generen valor real, las empresas mexicanas podrán aprovechar el “petróleo digital” y obtener una ventaja competitiva en la era de la Inteligencia Artificial.
Fuente: Expansión Tecnología
Leave a Comment