Publicado: mayo 5, 2026, 8:00 pm
<![CDATA[
Boston, EU. La promesa de la inteligencia artificial en las empresas no se está frenando por falta de modelos, sino por un problema menos llamativo y mucho más difícil de resolver. Los datos siguen dispersos, incompletos o encerrados en sistemas heredados. Para Arvind Krishna, CEO de IBM, esa es la diferencia entre las compañías que sólo prueban herramientas de IA y aquellas que empiezan a cambiar la forma en que trabajan. Durante su keynote en Think 2026, el directivo planteó que la pregunta es “qué tan profundamente está integrada la IA en sus procesos de negocio”. “La IA no puede vivir como un experimento lateral. Para generar valor, necesita entrar al corazón de la operación”, precisó el directivo.
Tener datos mal estructurados es como pedirle a un chef que prepare un menú sofisticado con ingredientes guardados en frascos sin etiqueta, algunos caducados y otros repetidos en varias alacenas. La IA puede ser una cocina de última generación, pero si no sabe qué ingredientes tiene enfrente, el resultado puede ser inconsistente e incluso peligroso. Gartner encontró que 63% de las organizaciones no tiene las prácticas correctas de gestión de datos para usar IA. Además, predice que hasta 2026 las empresas abandonarán 60% de los proyectos de IA que no estén soportados por datos preparados para este tipo de tecnología. “Las empresas que se adelantan no están desplegando más IA, están rediseñando cómo opera su negocio, o sea diseñan un sistema nuevo”, dijo el CEO de IBM. Entre 2023 y 2024, muchas compañías corrieron a probar asistentes, chatbots y generadores de texto, pero en 2026, la discusión empieza a moverse hacia qué procesos concretos cambian, qué costos bajan. El problema es que ninguna de esas promesas funciona si los datos no están listos, ya que una IA que responde con información vieja puede afectar la relación con un cliente o un agente que opera con bases incompletas puede sugerir una decisión equivocada.
Ante este panorama, IBM presentó nuevas herramientas de IA y también empujó una narrativa sobre datos en tiempo real, nube híbrida y gobierno. Uno de sus anuncios fue IBM Data Gate for Confluent, una solución que busca llevar datos de sistemas IBM Z hacia flujos de información en tiempo real. En palabras más simples, la firma quiere ayudar a que datos críticos, como transacciones financieras, alertas de fraude o información operativa de transporte, dejen de estar atrapados en procesos lentos y puedan alimentar aplicaciones e IA en el momento. “Cuando los clientes escalan, tienen que usar los datos de sus sistemas internos”, preciso Krishna. Esto explica por qué IBM compró Confluent y por qué insiste en que la capa de datos será clave para la siguiente etapa de la IA empresarial. “La mala calidad de datos también explica por qué tantas iniciativas se quedan en presentaciones atractivas, pero no llegan a producción. Un chatbot puede parecer útil en una demostración controlada, donde las preguntas son previsibles y la información está seleccionada, pero en la realidad el sistema necesita conectarse con inventarios y reglas internas”, señaló Jay Kreps, CEO de Confluent. Krishna insistió en que muchas organizaciones usan herramientas para mejorar una tarea aislada, pero no transforman el negocio. La diferencia aparece cuando la empresa cambia sus procesos alrededor de la IA, sus datos y sus decisiones. De ahí su llamado a ser una compañía “AI-first”, no sólo una empresa con funciones de IA añadidas.
]]>
