Sin embargo, a pesar de la disponibilidad de la tecnología, existe una barrera significativa para explotar este activo, ya que, según Pérez, el 95% de la información que necesita consumir la inteligencia artificial está guardada en sistemas de gestión empresarial, aplicaciones de CRM y data warehouses (archivos digitales donde se recopilan y almacenan grandes volúmenes de datos).
Otro problema, detalla, son los silos organizacionales, es decir, las barreras que surgen cuando los departamentos o equipos de una empresa operan de forma aislada, con poca comunicación y colaboración entre sí y pueden generar ineficiencia, duplicación de esfuerzos, falta de innovación y una visión de la empresa dividida.
Según cifras del reporte From Hype to Impact: How Enterprises Can Unlock Real Business Value with AI , de la consultora de Epam Neoris, un 49% de las empresas a nivel global ya se considera avanzada en materia de IA, pero solo un 5% ha logrado transformar esa madurez en innovación verdaderamente disruptiva.
Este panorama, señala Rubén Pérez, VP en Epema Neoris, demuestra que “las compañías invierten en IA, pero pocas la usan como motor de crecimiento de ingresos o como una herramienta para mejorar la experiencia del cliente. Y es allí donde yace el verdadero valor de esta tecnología”.
El verdadero valor: datos internos y aplicaciones específicas
El verdadero poder de este "petróleo digital" no se desata cuando las empresas usan modelos públicos con sus propios datos internos y exclusivos. De acuerdo con Marcos Grilanda, VP para América Latina de Databricks, esos sistemas que utilizan toda la data disponible en internet ya quedaron rebasados para fines empresariales. “Si dos usuarios hacen la misma pregunta a estos modelos públicos (como Anthropic, ChatGPT o Llama), obtendrán la misma respuesta”, comenta.
El gran valor, explica Grilanda, emerge cuando se conectan los LLM personalizados con los datos de la compañía. Esto permite a las empresas obtener una ventaja competitiva al generar respuestas e inferencias directamente relacionadas con su realidad de negocio, como la facturación de los últimos tres meses o el nivel de inventario necesario para la facturación futura, información que no está disponible en internet.
“El proceso para superar el problema de los silos requiere una solución de punta a punta”, según Pérez, “que incluye la extracción, el formateo, la limpieza, la homologación y el linaje de los datos (saber quién es el dueño del dato y cómo se usa) hasta llegar a un data lakehouse (una arquitectura unificada que permite almacenar y analizar datos de diversos tipos en una única plataforma)”.
Este enfoque ha impulsado un crecimiento notable en el sector. De acuerdo con Pérez, Databricks reportó un aumento del 150% de su negocio en México del 2024 a este año, lo que demuestra entusiasmo por la adopción de estas tecnologías, pues cuentan con proyectos con alrededor de las 40 empresas más grandes del país en sectores como el financiero, productos de consumo, telecomunicaciones y manufactura.
No obstante, a pesar del interés, la adopción se mantiene baja, pues las propias cifras de Databricks revelan que la penetración de datos e inteligencia artificial en las compañías está alrededor de solo el 4%, algo que otras fuentes también han reportado, como el reporte de Epam Neoris.
A pesar de ello, los especialistas apuntan que para que esta adopción se acelere más allá de la penetración actual, las empresas deben superar dos retos principales. Uno es escoger los casos de uso que agregan el mayor valor.
En este sentido Pérez apunta a una necesidad por parte de los directivos de identificar qué aplicaciones realmente van a generar valor económico, como crecer las ventas en cierta región o reducir los costos de materia prima, en lugar de simplemente "jugar" con la tecnología.
Y, por otra parte, el segundo reto es el conocimiento para aplicar la tecnología. Al respecto, Grilanda es conciso al decir que la diferencia se basa en tener gente que conoce y gente que tiene la competitividad necesaria para destacar. “Aunque la tecnología evoluciona muy rápido”, concluye el ejecutivo, “el factor determinante para el éxito a largo plazo será la capacidad de las empresas para desestructurar y aplicar su propio conocimiento interno”.
