ztevenreal
En 2025, para tomar prestada una frase: la revolución de la IA ya está aquí; simplemente no está distribuido uniformemente. Si perfectamente los individuos ven ganancias en productividad gracias a los LLM o a los nuevos sistemas de agencia, los proyectos más grandes tienen dificultades.
Si observamos el panorama, veremos que por cada historia de éxito de ingenieros que “codifican por traqueteo” aplicaciones complejas por sí solos, vemos muchos proyectos piloto empresariales que se estancan.
Cofundador y director ejecutante de RecordPoint.
Los pronósticos de la industria y la investigación advierten constantemente que entre el 60% y el 90% de los proyectos de IA corren el aventura de fracasar para 2026, y el fracaso se define como el descuido antiguamente de la implementación, la imposibilidad de entregar un valía comercial mensurable o la anulación total.
Los proyectos de IA no son un problema de maniquí: es un problema de datos y gobernanza. Sin bloqueo, tiene alternativa y, al resolverlo, las organizaciones no sólo pueden hacer más viables sus esfuerzos de IA sino asimismo acortar el aventura organizacional.
¿Por qué las organizaciones tienen dificultades con la IA?
Es tentador culpar a cosas como la opción del maniquí, el ajuste de parámetros o la selección de proveedores por el estancamiento de las pruebas de concepto. Se comercio de una tecnología nueva, por lo que la respuesta patente en presencia de un piloto fallido es “debes estar haciéndolo mal”. En sinceridad, el problema más global es más fundamental: enredado datos resultantes de una yerro de gobernanza.
La orientación de Gartner es clara: para 2027, el 60% de las organizaciones no lograrán obtener el valía que esperaban de los casos de uso de IA porque su gobernanza es incohesiva. Incluso si incluye funciones, es posible que aún no logre resultados sin un ámbito de gobernanza coherente y datos que no estén “preparados para la IA”.
Los problemas subyacentes de gobernanza de datos asimismo son la causa fundamental de problemas como los sobrecostos y la IA en la sombra: sin barreras de uso, permisos e higiene de retención, los costos de computación pueden aumentar y el aventura se expande.
Gobernanza de datos contra gobernanza de IA
Ayer de explorar cómo se relaciona cada uno con una implementación exitosa de la IA, definamos ambas formas de gobernanza.
La gobernanza de datos es el trabajo de encontrar, clasificar, fijar, retener y monitorear datos a lo holgado de su ciclo de vida. Crea un ámbito sobre quién puede consentir a los datos, cómo se recopilan, almacenan y utilizan, y asigna responsabilidades para certificar la coherencia, precaver problemas y respaldar una mejor toma de decisiones en toda la empresa.
La gobernanza de la IA, una disciplina relativamente nueva, complementa la gobernanza de datos al delinear el uso de la IA por parte de una ordenamiento, garantizando que opere internamente de los límites legales y éticos y se alinee con los títulos y las normas sociales de la ordenamiento.
Gobernanza de datos: de una idea de postrer momento a un habilitador de la IA
Tradicionalmente, la gobernanza de datos se ha considerado principalmente en términos de cómo puede ayudar a las organizaciones a evitar resultados adversos. Las organizaciones sólo han abordado las fallas en la gobernanza de datos como una ocurrencia tardía, a raíz de una equivocación de cumplimiento o una violación de datos, o cuando tienen datos tan poco confiables que obviamente están tomando malas decisiones.
Se pensaba que con una gobernanza de datos sólida se pueden certificar que se preserven los registros de auditoría. Los datos se conservan de acuerdo con las regulaciones, para evitar una auditoría fallida y una puro regulatoria perjudicial. Y puede proteger mejor sus datos administrando el camino y eliminando datos cuando esté obligado, para acortar la probabilidad y el impacto de una violación de datos.
Con la aparición de la IA, la gobernanza de datos tiene ahora otro atractivo comercial: puede permitir una viejo innovación. La IA necesita datos de la misma forma que un motor necesita unto. De una idea de postrer momento para muchas organizaciones, la gobernanza se ha convertido en un facilitador.
Las organizaciones que priorizan una gobernanza de datos sólida pueden proporcionar a sus plataformas de IA datos auténticos, confiables, libres de sesgos y errores y que respeten las vidas de las personas. privacidad.
Cuando las brechas de gobernanza se hacen públicas
En el caso de detención perfil del año pasado que involucró a Air Canada, el Tribunal de Resolución Civil de Columbia Británica encontró a la aerolínea responsable posteriormente de que un sitio El chatbot proporcionó orientación engañosa sobre el tratamiento del duelo.
El problema subyacente se debió a que el maniquí confundió dos políticas similares (reales) y alucinó un vínculo entre las dos. La escarmiento no es que “la IA es peligrosa”; es que las políticas deben tratarse como contenido facultado y versionado, y los robots de IA deben recuperar solo de fuentes aprobadas con demostración humana para reclamos confidenciales.
¿Cómo se ve el perfectamente?
Para las organizaciones que quieran estar en la parte de los proyectos de IA que tengan éxito el próximo año, el camino comienza con establecer una gobernanza de datos sólida, certificar que sus datos estén preparados para la IA y centrarse en el cumplimiento.
Establecer datos listos para la IA: procedencia, contexto y confiables
El punto de partida para una buena gobernanza de datos es desarrollar una comprensión de sus datos, tanto estructurados como no estructurados, para que pueda entregarse en manos en ellos, fijar su procedencia y certificar que estén “preparados para la IA”.
Los datos listos para la IA están gobernados, observables y autorizados. Esto puede ser más hacedero decirlo que hacerlo, ya que diferentes sistemas tienen diferentes ontologías o modelos de metadatos, y es necesario comprobar de que se proporcione suficiente contexto para que un LLM o un sistema agente proporcione respuestas valiosas a las consultas.
Debe hacer esto de forma continua y a escalera. La propiedad clara, los canales repetibles y las pruebas continuas garantizan que los datos fluyan de forma segura al espacio correcto. La preparación no es una útil, es un proceso.
Centrarse en el cumplimiento
Una vez que sepa lo que tiene, puede tomar medidas para que cumpla con las normas, sea seguro y esté vacante de errores. Comience por eliminar el ROT, los datos redundantes, obsoletos y triviales que obstruyen sus sistemas.
ROT dificulta el cumplimiento de las regulaciones de privacidad o de registros, hace que una filtración de datos sea más dañina y, sí, significa que sus modelos de IA pueden proporcionar resultados deficientes o que no cumplan con las normas. Para los datos que quedan, aplique programas de retención y minimice (elimine) los datos confidenciales de acuerdo con las regulaciones pertinentes.
Auditar el camino y el intercambio de datos
No hay forma más obvia de demostrar la conexión entre los datos y la gobernanza de la IA que una revisión holística de la gobierno de camino de una empresa. ¿Ha auditado recientemente el camino de sus empleados a los datos? Es necesario hacerlo antiguamente de introducir un maniquí de IA como Microsoft Copilot, que puede realizar como acelerador de cualquier problema existente con usuarios con permisos excesivos o datos compartidos en exceso.
Un estudio de Concentric encontró que el 15% de los bienes críticos para el negocio corrían el aventura de compartirse en exceso. Las plataformas de inteligencia fabricado como Copilot y ChatGPT Teams heredan configuraciones de camino a datos, por lo que incorporarlas a una ordenamiento sin la preparación adecuada puede gestar consecuencias no deseadas, asimismo conocidas como “objetivos propios”.
Si un empleado puede consentir a archivos específicos, su Copilot asimismo puede hacerlo, por lo que un favorecido con permisos excesivos puede pedirle a Copilot el salario del CEO o solicitar registros confidenciales de desempeño de los empleados, violando las políticas de privacidad y generando un caos interno. Y si un favorecido con permisos excesivos fuera pirateado, un actor de amenazas podría hacerlo mucho peor.
Establecer un centro centralizado de gobernanza de la IA
Establezca un plano de control delgado que se ubique por encima de sus fuentes de datos, servicios de inteligencia fabricado e interfaces de favorecido para decidir políticas una vez y aplicarlas en todas partes, de forma consistente, mensurable y con un seguimiento de auditoría.
Las empresas que escalarán la IA en 2026 no son las que tienen las demostraciones más llamativas; son ellos quienes gobiernan sus datos y su IA con la misma disciplina que aplican a las finanzas o la seguridad.
Administre continuamente sus metadatos para certificar que sus entradas sean confiables y conformes. Establezca un plano de control de gobernanza para que sus modelos se comporten de forma predecible y responsable. Haga perfectamente esas dos cosas y no solo entregará más IA, sino que entregará IA que funciona, con un perfil de beocio aventura.
Hemos presentado el mejor creador de sitios web con IA.
Este artículo se produjo como parte del canal Expert Insights de TechRadarPro, donde presentamos las mejores y más brillantes mentes de la industria tecnológica presente. Las opiniones expresadas aquí son las del autor y no son necesariamente las de TechRadarPro o Future plc. Si estás interesado en contribuir, descubre más aquí: https://www.techradar.com/news/submit-your-story-to-techradar-pro
