Los agentes de IA están convirtiendo los silos de datos en un problema existencial de infraestructura

Las empresas han diseñado sus sistemas de datos pensando en las personas, pero los agentes de IA necesitan una infraestructura totalmente nueva. Investigaciones independientes de Cloudera y Google/MIT revelan que, como era de esperar, existe un gran interés empresarial por los agentes de IA, pero la infraestructura subyacente tiene dificultades para seguir el ritmo. Las implementaciones siguen viéndose obstaculizadas, y en ocasiones incluso se abandonan, debido en gran medida a problemas relacionados con el acceso a los datos, el contexto y la gobernanza.

“La adopción empresarial de la IA agentiva está a punto de experimentar una aceleración extraordinaria”, señala el informe de Google/MIT. “A medida que las organizaciones buscan ampliar la IA agentiva en toda la empresa, no pueden ignorar sus sistemas de datos”. Resolver los cuellos de botella en los datos debería ser, por tanto, una prioridad inmediata.

El informe de Cloudera, elaborado en colaboración con Wakefield Research, describe la necesidad de una “gran reestructuración de la IA”. De los 1500 arquitectos empresariales y responsables de infraestructura en la nube encuestados, un sorprendente 95 % afirma haber retrasado o cancelado proyectos de IA —en algunos casos, seis o más— durante el último año, debido a problemas relacionados con la gobernanza de datos, el cumplimiento normativo o cuestiones regulatorias.

Una amplia mayoría también señal que las integraciones de IA han cambiado sus prácticas de almacenamiento de datos y arquitectura, que las cargas de trabajo de IA han incrementado los costes de infraestructura y que la arquitectura de datos actual requiere una “reestructuración significativa” para cumplir los objetivos de IA.

“Aunque las empresas estén preparadas para utilizar la IA, muchas se están dando cuenta de que la infraestructura básica en la que se sustenta no lo está”, señala el informe.

Del mismo modo, más de la mitad de los 300 ejecutivos de TI y responsables de producto, TI, datos e IA que respondieron a la encuesta de Google/MIT afirmaron que han pausado o retrasado el despliegue de agentes de IA para abordar problemas fundamentales relacionados con los datos, como los silos o la falta de contexto. Además, más de la mitad señaló que los sistemas de datos heredados les impiden escalar la IA agentiva y están teniendo un “impacto negativo significativo” en el retorno de la inversión en IA. La alta latencia también ha impedido que la IA tome decisiones a “alta velocidad”.

“Para tomar buenas decisiones y actuar de forma eficaz, los sistemas de IA agentiva necesitan una base de datos que sea multimodal, sensible al contexto y esté disponible al instante”, señala el informe. “Los sistemas de datos heredados tienen dificultades para satisfacer esas exigencias, lo que, en última instancia, compromete la fiabilidad de la IA”.

Google y el MIT identifican varias razones por las que a las empresas les cuesta implementar agentes de IA, entre las que destacan:

• Silos arraigados: los datos se encuentran en sistemas desconectados o están “repartidos” en diferentes departamentos sin una capa de integración; también podrían estar en formatos obsoletos, en plataformas de gestión o registros antiguos, o en dispositivos de Internet de las Cosas, IoT obsoletos. • Datos de difícil acceso: los datos “ocultos” o no estructurados se presentan en diferentes formatos, como imágenes, vídeos o archivos PDF. • Acceso insuficiente a datos en tiempo real: las arquitecturas heredadas de procesamiento por lotes pueden dificultar la toma de medidas a tiempo. • Falta de contexto: los agentes suelen recibir metadatos básicos en lugar de semántica específica de la empresa, por lo que les cuesta establecer conexiones o hacer sugerencias relevantes. “Sin esta comprensión profunda, los datos no pueden ser altamente relevantes para casos de uso específicos”, señala el informe.

Eso no quiere decir que las empresas no estén implementando la IA; más bien al contrario. Casi todos los encuestados (98 %) en la encuesta de Google/MIT ya utilizan IA de tipo “agente” o tienen previsto hacerlo pronto. Uno de cada diez la utiliza de forma generalizada y casi tres cuartas partes la han implementado de manera limitada.

Los usos más habituales de los agentes de IA en la actualidad se dan en la atención al cliente (derivación de solicitudes y resolución de problemas), la gestión de sistemas de TI (gestión del acceso de los usuarios y respuesta a incidentes) y la seguridad de TI (detección de anomalías y análisis de amenazas). Según la encuesta, en un futuro próximo las empresas también tienen previsto utilizar agentes de IA en recursos humanos, finanzas y cadenas de suministro.

“Es fácil comprender por qué las empresas están deseosas de poner en marcha los agentes de IA, señala el informe. Los agentes pueden potenciar enormemente la productividad y la eficiencia, de modo que los empleados puedan dedicarse a tareas más estratégicas.

Las empresas que están obteniendo mayores éxitos son las que Google y el MIT denominan “líderes en datos”, es decir, aquellas que dan acceso a los sistemas de IA a más del 70 % de sus datos. Los “rezagados en datos”, por el contrario, comparten solo el 30 % o menos de sus datos con la IA. Curiosamente, el 100 % de los directivos en datos afirman que sus agentes toman decisiones precisas y relevantes “en su mayoría” o “de forma constante”, mientras que solo el 22 % de los rezagados en datos dicen tener esa confianza.

Los agentes necesitan lo que el informe denomina “acceso sin fricciones” a los sistemas operativos, a los datos multimodales y al contexto, lo que les ayuda a comprender cómo se relacionan los datos con los objetivos de los distintos equipos. “La iniciativa más importante para permitir la escalabilidad entre todos los encuestados es mejorar el acceso a los datos estructurados y no estructurados para los agentes de IA”.

Para escalar con éxito los agentes, el informe recomienda que los líderes empresariales den prioridad a varias iniciativas relacionadas con los datos. En primer lugar, mejorar el acceso a los datos; descubrir, inventariar y clasificar los datos, tanto estructurados como “ocultos” o no estructurados. Una vez aplicados los principios de gobernanza, la información puede extraerse y conectarse a los agentes de IA.

A continuación, “dar prioridad al contexto” proporcionando a los agentes datos específicos de la empresa. Sustituir también el procesamiento por lotes por flujos de trabajo en tiempo real y basados en eventos.

Por último, hay que pensar en términos de “nativo de IA“. “Los sistemas nativos de IA están diseñados para funcionar en un entorno de IA y se crean desde el principio para aprovechar la IA en la gestión de datos y la toma de decisiones”, señala el informe.

La IA necesita una gran cantidad de datos que, a menudo, se encuentran dispersos entre sistemas locales y entornos en la nube, SaaS y de borde. De hecho, el 97 % de los encuestados por Cloudera afirmó que transfiere datos entre entornos mensualmente, y casi un tercio lo hace a diario.

Sin embargo, casi tres cuartas partes (73 %) afirmaron que la integración de la IA complica la gobernanza de los datos. “Las empresas contaban con buenos sistemas de gobernanza cuando los seres humanos eran los únicos que accedían a los datos de forma manual”, señala el informe. “Pero cuando miles de agentes prestan asistencia a empleados, clientes o socios, la situación cambia y la gobernanza requiere otra dimensión”.

Esto hace que la IA privada y la soberanía de los datos sean fundamentales, según Cloudera. Las empresas deben contar con una base de datos unificada que permita controlar el 100 % de los datos de la organización, independientemente de dónde se encuentren. También deben tener en cuenta dónde se ejecutan las cargas de trabajo de IA, sin dejar de mantener el control sobre los datos sensibles y sin perder de vista el control de costes y la flexibilidad.

Una tendencia destacada que Cloudera ha puesto de manifiesto es el “resurgimiento” de los entornos locales y de nube privada. En los últimos 12 meses, el 66 % de los encuestados trasladó las cargas de trabajo de IA de la nube pública de vuelta a entornos locales o de nube privada. Además, el 25 % afirmó que tiene previsto dar más importancia a un enfoque que priorice la nube híbrida, el 24 % señaló que planea aumentar el gasto en entornos locales y el 22 % tiene previsto aumentar el gasto en el perímetro.

“Los responsables de TI están dando más importancia al traslado de las cargas de trabajo a los entornos más adecuados para ellas, en función del rendimiento, el coste, la latencia, la gobernanza, la disponibilidad y la accesibilidad”, señala el informe.