Impulsa la innovación con IA y datos no estructurados: ¿Estás listo?

Adopción variable según países e industrias

La adopción de IA no es uniforme en todo el mundo. Nuestra investigación destaca diferencias claras por país y por industria.

• Por país: Francia lidera la adopción de IA, con organizaciones que la utilizan en un promedio de seis áreas, lo que supera el promedio mundial de cinco. Por el contrario, el Reino Unido se queda atrás, con un promedio de solo cuatro áreas operativas. Esta disparidad puede vincularse con el apoyo de políticas estratégicas, como la Estrategia Nacional integral de IA de Francia, que ha creado un entorno fértil para su adopción generalizada. El enfoque más cauteloso del Reino Unido ha dado como resultado un retraso en la adopción y menos casos de uso.

• Por industria: los sectores de energía, seguros y manufactura son los que tienen más probabilidades de utilizar IA en una cantidad de áreas mayor que el promedio, específicamente seis, en comparación con el promedio mundial de cinco. Esto se debe a su necesidad de optimizar las operaciones y ahorrar costos a través de aplicaciones como el mantenimiento predictivo y la detección de fraudes. Por el contrario, las organizaciones de servicios bancarios y financieros tienden a utilizar IA en cuatro áreas operativas.

El desafío de los datos no estructurados

A pesar del uso generalizado de la IA, una de las mayores barreras para alcanzar su máximo potencial es el desafío constante de gestionar y aprovechar datos no estructurados. Estos datos, que incluyen texto, imágenes, audio y video, representan un recurso vasto y sin explotar.

Si bien la mayoría (96 %) de los responsables de la toma de decisiones creen que los datos no estructurados son fundamentales para el éxito de las estrategias de IA de sus negocios, solo una fracción de las organizaciones los utilizan de manera rutinaria. La razón principal de esta brecha es la falta de herramientas y estrategias adecuadas destinadas a controlar los datos no estructurados, protegerlos y prepararlos eficazmente para aplicaciones de IA.

Aquí es donde existen las mayores brechas:

• Solo el 27% de las organizaciones consideran que son muy eficaces para controlar los datos no estructurados, protegerlos y garantizar el cumplimiento de las normas de auditoría de estos.
• Solo el 28% es altamente eficaz en la gestión de datos no estructurados a escala con capacidades avanzadas.
• Solo el 25% considera que destaca por hacer accesibles los datos no estructurados.

Hay mucho en juego. Si las organizaciones utilizan datos no estructurados que no son confiables, esto puede generar información inexacta, un rendimiento deficiente del modelo y una pérdida de confianza de las partes interesadas.

Orientarse en el viaje de maduración de la IA

Las organizaciones en diferentes etapas de su madurez de la IA requieren estrategias diferentes. Nuestra investigación indica que las organizaciones que inician su proceso de adopción de la IA deben centrarse en los elementos fundamentales, mientras que aquellas que están más avanzadas necesitan perfeccionar sus estrategias existentes.

Para las organizaciones que se encuentran en las primeras etapas de madurez de la IA, las prioridades son las siguientes:

• Ampliar las capacidades de TI para gestionar y procesar grandes volúmenes de datos (40%).
• Proporcionan una visión y una estrategia claras para las iniciativas de IA (37 %).
• Establecen marcos integrales de gobernanza de datos y modelos (37 %).

• Ampliar las capacidades de TI para gestionar y procesar grandes volúmenes de datos (53 %).
• Obtención y preparación de datos de alta calidad para el entrenamiento y análisis de IA (52 %).
• Asignar más recursos a la experiencia en IA y al desarrollo de proyectos (48 %).

La conclusión: un Imperativo Estratégico

El panorama global para la adopción de la IA es desigual, pero la dirección es clara: las organizaciones deben ir más allá de las eficiencias operativas fundamentales para impulsar una verdadera innovación con IA. Esto requiere un enfoque proactivo hacia los datos no estructurados y un compromiso para perfeccionar las estrategias de datos, invertir en gobernanza y gestión del ciclo de vida y alinear la IA con los objetivos empresariales.

En Iron Mountain, creemos que convertir la información en conocimiento es la clave para estar preparados para la IA. Nuestras soluciones, como

InSight® Digital Experience Platform (DXP), ofrecen una forma ampliable e integral de automatizar procesos manuales, garantizar el cumplimiento de las normas de auditoría y hacer que la información sea accesible y útil. Con nuestro enfoque en una estrategia de activos unificada, ayudamos a las organizaciones a aprovechar al máximo el poder de los datos no estructurados para lograr un éxito sostenible basado en datos.

Para profundizar en los datos, lee nuestros artículos sobre la situación de las industrias de atención médica y de servicios bancarios y financieros (BFS, del inglés Banking and Financial Services) en su proceso de adopción de la IA.

Para obtener más información sobre cómo Iron Mountain puede ayudarte a convertir la información en conocimiento, visita nuestro centro de recursos.

Sobre la investigación:

Iron Mountain encargó al especialista independiente en investigación de mercados Vanson Bourne que realizara esta investigación. El estudio incluyó una encuesta a 1400 responsables de la toma de decisiones de TI y datos que tienen conocimiento o responsabilidad sobre la estrategia de IA en su organización. Las organizaciones de los encuestados debían tener 250 empleados o más en los siguientes países: Estados Unidos, Reino Unido, Francia, Alemania, India y Australia. Las organizaciones provienen de varios sectores públicos y privados, pero hubo un fuerte enfoque en servicios bancarios y financieros, seguros, atención médica y ciencias de la vida, medios de comunicación y entretenimiento, el sector público (sin incluir la atención médica) y la energía.