A pesar de la creciente proliferación de iniciativas de inteligencia artificial en las empresas, una preocupante mayoría no logra traducir esta actividad en un valor tangible y significativo. La pregunta que surge en las salas de juntas y sesiones de estrategia de datos es precisamente esta: ¿por qué tantas iniciativas de IA generan actividad sin generar valor? Este patrón ha sido observado por Arsalan Tavakoli — Shiraji, cofundador y Vicepresidente Senior de Ingeniería de Campo en Databricks, en cientos de conversaciones con empresas, posicionándose en la intersección de la arquitectura técnica y la estrategia de negocio de la IA. Su visión resalta que, si bien la actividad de IA es abundante, el valor real derivado de ella es escaso en la mayoría de las organizaciones.
El desafío principal reside en fallos arquitectónicos fundamentales que impiden que los sistemas agénticos de IA escalen desde la experimentación hasta la producción. Tavakoli — Shiraji identifica que, en la mayoría de los casos, los datos están dispersos en docenas de lugares diferentes, encerrados en formatos propietarios que no se comunican entre sí. Esta fragmentación de la información obstaculiza la conectividad esencial para que los agentes operen eficazmente. Además, el gobierno de datos a menudo se considera una ocurrencia tardía, y la infraestructura subyacente fue construida para análisis de datos y creación de cuadros de mando, no para la toma de acciones, lo que genera una desconexión crítica cuando los sistemas de IA necesitan actuar de forma autónoma y rápida.
Esta falta de una base arquitectónica sólida conduce a un "despliegue descontrolado de IA", donde la mera experimentación y automatización de tareas específicas — como la generación de copias, la transcripción de notas o la capacidad de hacer preguntas a los datos — se confunde con la creación de valor real. Mientras que muchas organizaciones se encuentran en las etapas iniciales de experimentar con modelos y ejecutar proyectos piloto, o en la automatización de tareas aisladas, un grupo mucho más pequeño y exitoso diseña desde cero con las capacidades de IA en mente. Este grupo logra un valor significativo porque comienza con el resultado deseado — mayor productividad, una nueva capacidad de negocio o reducción de riesgos— y trabaja a la inversa, en lugar de empezar por la tecnología.
La selección de un modelo de IA de alta calidad es, paradójicamente, la parte más sencilla del problema. La verdadera complejidad radica en todo lo que subyace a la infraestructura: la conectividad a datos distribuidos, un gobierno robusto y el entendimiento semántico profundo. Cuando los agentes comienzan a vincularse a los datos de una organización, se necesita un gobierno serio que no solo supervise los datos en sí, sino que también comprenda las acciones, permisos y conexiones de múltiples agentes entre diferentes sistemas. Para actuar como "trabajadores virtuales" que ejecutan en nombre de la organización, los agentes requieren un conocimiento claro de qué constituye un buen resultado, cuáles son las definiciones y métricas clave, y el contexto empresarial exacto.
Las arquitecturas tradicionales, como los paneles de control y las tuberías de procesamiento por lotes, resultan intrínsecamente inadecuadas para las demandas de los sistemas agénticos modernos. Los paneles de control, a menudo construidos para responder una pregunta específica en un momento dado, se convierten rápidamente en "cementerios de paneles" difíciles de interrogar para seguir el rastro de una anomalía o evento en profundidad. Esta latencia, al requerir la extracción manual de datos subyacentes y análisis adicionales para responder a preguntas de seguimiento, es incompatible con la velocidad que exigen los entornos actuales.
Para superar estos desafíos, los Directores de Datos (CDOs) y los Directores de Tecnología (CTOs) necesitan una base de datos transaccional diseñada específicamente para el mundo agéntico. Esto implica no solo la implementación de la tecnología correcta, sino también tener una visión clara de cómo se ve el éxito antes de iniciar la construcción de cualquier solución.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
