Informe: La IA avanza más rápido que la confianza en los datos
Veeam Software dice que la adopción de la IA empresarial está avanzando más rápido que los controles de gobernanza, visibilidad y recuperación de datos necesarios para respaldarla, creando lo que la empresa llama una «brecha de confianza entre los datos y la IA».
La compañía dio a conocer los hallazgos en su nuevo informe Data & AI Trust Gap, basado en una encuesta global a 600 altos ejecutivos de diversas industrias. El hallazgo central de Veeam es que la adopción de la IA en sí misma no es el problema principal: el 88% de las organizaciones ya están utilizando o poniendo a prueba agentes de IA, pero sólo el 7% califican como «verdaderamente listas para la IA» y el 95% dice que los desafíos de los datos ya han ralentizado el progreso de la IA.
«La mayoría de las organizaciones no tienen un problema de adopción de IA; tienen un problema de confianza en la IA», dijo Anand Eswaran, CEO de Veeam, en un comunicado. «La primera fase de la IA se definió por la inversión en infraestructura, la experimentación y la aceleración. La siguiente fase se definirá por la confianza. Con la adopción generalizada de agentes autónomos de IA que operan a la velocidad de la máquina, la pregunta pasa de si se puede usar la IA a si se puede garantizar que todos sus datos sean seguros, gobernados, compatibles y resilientes. Y si algo sale mal, ¿se puede recuperar con precisión? Así es como se acelera la IA segura a escala sin acelerar el riesgo operativo y de reputación».
Cuando la IA falla, puede que no parezca un tiempo de inactividad
Para los equipos de nube e infraestructura, el hallazgo más significativo desde el punto de vista operativo del informe es la advertencia de Veeam de que las fallas de la IA pueden no parecerse a las interrupciones tradicionales. A medida que los sistemas de IA se vuelven más autónomos, la compañía dijo que el riesgo está pasando de un tiempo de inactividad generalizado del sistema a fallas a nivel de datos que son más difíciles de detectar, explicar y contener.
Esto tiene implicaciones para las estrategias de protección y recuperación de datos. Si un agente de IA cambia datos, expone información confidencial, desencadena un flujo de trabajo incorrecto o influye en una decisión empresarial, la recuperación puede requerir algo más que restaurar una máquina virtual, una base de datos o un entorno de aplicaciones. Puede requerir saber qué datos se utilizaron, a qué sistemas se accedió, qué acciones se tomaron y en qué decisiones se influyó.
Veeam descubrió que, entre las organizaciones que ya ejecutaban IA, solo el 22 % podía identificar en cuestión de minutos qué datos utilizaba el sistema. El veintinueve por ciento pudo identificar a qué sistemas accedió, el 25% pudo identificar qué acciones tomó y el 24% pudo identificar en qué decisiones influyó. Sólo el 40% de los líderes dijeron que tienen mucha confianza en que pueden aislar y revertir con precisión una falla de la IA agente.
Ese hallazgo conecta el debate sobre la IA directamente con la resiliencia de los datos. Veeam dijo que los errores de velocidad de la máquina pueden superar la detección, lo que requiere que la resiliencia evolucione desde una recuperación amplia hacia una recuperación de precisión, restaurando solo lo que está afectado en lugar de retroceder entornos completos.
Un pequeño grupo preparado para la IA informa resultados mensurables
El informe define la preparación de la IA en torno a tres pilares: ambición, visibilidad y gobernanza. Las organizaciones necesitan objetivos claros para los datos y la IA, una visión confiable de qué datos tienen y dónde residen, y estructuras de gobernanza que permitan que los datos se utilicen de forma segura y conforme a las normas.