La falta de visibilidad sobre la información y la ausencia de estrategias de gobernanza frenan el desarrollo de muchas compañías y elevan los riesgos de seguridad y cumplimiento en las organizaciones.
Cada 16 de julio se conmemora el Día de la Apreciación de la IA, una fecha que surgió de manera informal en la comunidad tecnológica y que hoy sirve como punto de referencia para medir qué tan preparadas están las empresas para aprovechar la Inteligencia Artificial de forma responsable. Esta edición llega en el que la conversación se ha desplazado de las capacidades de los modelos hacia un problema más de fondo: la calidad y el control de los datos que los alimenta.
Cada vez más negocios y corporaciones incorporan sistemas automatizados de análisis y toma de decisiones basados en Inteligencia Artificial en sus operaciones diarias, con la promesa de procesos más rápidos y decisiones mejor informadas. Sin embargo, un número creciente de organizaciones reconoce que todavía no tiene un panorama completo de las herramientas que ya funcionan puertas adentro.
Esa brecha coincide con los hallazgos del informe ‘Data Trust and Resilience Report 2026‘, elaborado por Veeam: el 42% de las empresas consultadas admite tener una visibilidad limitada de todos los modelos y programas que utiliza en su operación. El equipo especialista de la firma señala que, ese dato confirma que muchas organizaciones siguen implementando soluciones de Inteligencia Artificial sin una estrategia sólida de datos detrás, lo que amplía la distancia entre la velocidad de la adopción y la capacidad real de garantizar su seguridad y confiabilidad.
Tomada de la página de Veeam
Índice de temas
¿De dónde viene el punto ciego en los datos empresariales?
Según el informe, buena parte del problema se explica por la acumulación de información redundante, obsoleta o de poco valor dentro de las bases de datos corporativas, lo que en el sector se conoce como datos ROT (por sus siglas en inglés: redundant, obsolete, trivial).
La situación se agrava cuando las organizaciones no saben dónde está esa información, quién tiene acceso a ella o qué aplicaciones de Inteligencia Artificial la están utilizando. Esa falta de trazabilidad multiplica los riesgos de filtraciones, incumplimientos regulatorios y vulnerabilidades de ciberseguridad.
Cuando esos datos no se identifican ni se depuran a tiempo, terminan alimentando los mismos modelos que las empresas usan para tomar decisiones, con consecuencias que van desde respuestas imprecisas hasta cuellos de botella que frenan proyectos que en un inicio parecían prometedores.
Javier Castrillón, gerente regional de ventas en Veeam, resume el diagnóstico de la siguiente manera: “La IA no genera conocimiento por sí sola; depende completamente de la calidad de los datos que consume. Sin una base confiable, los resultados pueden ser inexactos y, en algunos casos, representar un riesgo para la organización”.
¿Cómo pueden las organizaciones ganar visibilidad y reducir riesgos?
Para los expertos, el éxito de estas iniciativas dependerá menos de la sofisticación de los algoritmos y más de la confianza que las organizaciones logren construir alrededor de sus datos. “Antes de escalar proyectos de Inteligencia Artificial, es fundamental que las organizaciones comprendan qué datos tienen, cuál es su calidad y cómo están siendo utilizados. La visibilidad es el primer paso hacia una IA confiable”, añade Castrillón.
El reto no está únicamente incorporar la Inteligencia Artificial a los procesos empresariales, sino en hacerlo sobre una base de información confiable, gobernada y segura.
¿Cuál es el panorama de adopción de IA frente a la regulación?
A medida que la regulación se endurece y los riesgos evolucionan al mismo ritmo que la tecnología, la gestión de los datos se posiciona como un factor estratégico y decisivo. Esa misma tendencia se refleja en la agenda regulatoria de países como Colombia, donde el Proyecto de Ley 043 de 2025 Senado y 324 de 2025 Cámara plantea exigencias de trazabilidad y calidad de datos para los sistemas de Inteligencia Artificial.
La brecha de gobernanza de datos en el mercado global
El debate ocurre en medio de una expansión que ya no se limita a un solo sector: del financiero al de salud, cada vez más industrias aplican Inteligencia Artificial para optimizar procesos internos. Encuestas globales como el State of AI de McKinsey han documentado un patrón similar en los últimos años: la mayoría de las empresas consultadas dice usar Inteligencia Artificial en al menos una función del negocio, aunque solo una fracción menor asegura haber adaptado sus procesos de gobernanza de datos al mismo ritmo.
Para las firmas que participaron en la encuesta de Veeam, la respuesta sigue siendo parcial. Con casi la mitad de las compañías reconociendo puntos ciegos en su propia infraestructura, el reto de ordenar y controlar los datos podría convertirse en uno de los factores que definan qué organizaciones logran aprovechar estas tecnologías de forma segura y cuáles quedan expuestas a errores, filtraciones o sanciones regulatorias.
