Empresas aceleran IA sin capacidad para gobernarla
Veeam lanzó un nuevo modelo de madurez para ayudar a las organizaciones a medir si realmente están preparadas para operar IA de forma confiable y escalable.
La rápida expansión de la inteligencia artificial dentro de las empresas está comenzando a exponer una brecha creciente entre la adopción tecnológica y la capacidad real de gobernar, controlar y auditar los sistemas impulsados por IA.
Veeam Software anunció el lanzamiento de su Modelo de Madurez de Confianza en Datos e IA, un marco diseñado para ayudar a las organizaciones a evaluar qué tan preparadas están para gestionar inteligencia artificial en entornos empresariales donde los agentes autónomos ya operan sobre datos críticos a velocidad y escala crecientes.
La compañía señaló que muchas organizaciones ya superaron la etapa inicial de adopción de IA, pero aún enfrentan dificultades para operacionalizarla de manera segura, consistente y demostrable ante auditorías, juntas directivas y entornos regulatorios.
Un estudio realizado por Emerald Research Group en nombre de Veeam identificó que las empresas han avanzado más rápido en la implementación de IA que en la construcción de controles relacionados con identidad, gobernabilidad, resiliencia y gestión de datos.
Según la investigación, el desafío ya no radica únicamente en usar inteligencia artificial, sino en comprender, validar y controlar las decisiones que estos sistemas comienzan a tomar de forma autónoma.
De acuerdo con Anand Eswaran, CEO de Veeam:
“El Modelo de Madurez de Confianza en Datos e IA brinda a los líderes una forma clara y objetiva de comprender su situación real, identificar deficiencias en la ejecución y priorizar las capacidades necesarias para operacionalizar la confianza en la IA”.
La firma explicó que el modelo evalúa la madurez organizacional en 12 dimensiones y mide el progreso en cinco etapas, desde niveles ad hoc hasta escenarios de liderazgo avanzado.
El objetivo es identificar dónde existen controles, dónde fallan bajo condiciones reales y qué debe priorizarse para fortalecer gobernabilidad, confianza y resiliencia frente a entornos impulsados por IA.
Un estudio evidencia una brecha creciente en confianza y preparación.
El modelo se basa en una investigación desarrollada con 300 altos directivos responsables de tecnología, seguridad, datos y riesgos empresariales.
Los principales hallazgos del estudio incluyen:
La IA ya no es experimental. Casi siete de cada diez empresas informan que la inteligencia artificial ya está integrada en múltiples funciones empresariales o es fundamental para sus operaciones, lo que implica que los sistemas y agentes de IA interactúan diariamente con datos sensibles, registros de clientes y flujos de toma de decisiones.
La confianza de los ejecutivos es alta. El 80% de los líderes afirma tener confianza en su capacidad para escalar IA de forma segura durante los próximos dos años.
La confianza suele carecer de fundamento. Casi la mitad de los ejecutivos reconoce que su confianza se basa más en intuición que en evidencia demostrable y auditable.
A medida que la IA se expande, aumentan los desafíos de ejecución. El 52% de las organizaciones redujo iniciativas de IA durante los últimos 18 meses, cuatro de cada diez experimentaron retrasos y el 28% suspendió proyectos por completo.
Las barreras para avanzar son principalmente operativas. Entre ellas aparecen la falta de conocimientos especializados en IA y machine learning (43%), las dificultades de integración con sistemas existentes (33%), la incertidumbre regulatoria (25%), limitaciones en calidad de datos (20%) y preocupaciones relacionadas con explicabilidad (19%).
La gobernabilidad sigue rezagada frente a la implementación. Aunque casi nueve de cada diez empresas afirman tener políticas formales de IA, solo una de cada tres asegura poder generar evidencia de auditoría completa de manera inmediata.
En conjunto, los hallazgos muestran que la implementación de inteligencia artificial avanza más rápido que la madurez operativa necesaria para sostenerla en entornos críticos.
De la adopción a la confianza demostrable.
Veeam señaló que el modelo busca mover la conversación desde la simple implementación hacia la capacidad de demostrar confianza operativa en condiciones reales.
Para ello, la compañía estructuró el marco sobre cuatro pilares:
Comprensión: visibilidad y contexto sobre datos, activos de IA y riesgos.
Seguridad: controles de identidad, privacidad y protección de datos.
Resiliencia: respaldo, recuperación y continuidad operativa para entornos impulsados por IA.
Potenciación: preparación de datos confiables para impulsar adopción responsable de inteligencia artificial.
Krista Case, analista principal de theCUBE Research, analiza:
“El éxito de la IA depende de la solidez de la base de datos, pero es precisamente ahí donde las empresas se encuentran expuestas”.
La analista agregó que, aunque muchas organizaciones ya cuentan con implementaciones maduras de IA, menos de una tercera parte respalda al menos la mitad de los datos generados por estos sistemas, lo que incrementa riesgos asociados a inferencia, corrupción, envenenamiento, exfiltración y ataques sobre la capa de datos.
Veeam indicó que el modelo será implementado mediante una Evaluación de Madurez de Confianza en Datos e IA, un servicio de consultoría que entregará perfiles comparativos, recomendaciones priorizadas, roadmaps de fortalecimiento y herramientas de seguimiento para auditorías y juntas directivas.
La compañía presentó oficialmente la iniciativa durante VeeamON 2026 Nueva York y anunció que la evaluación estará disponible globalmente hacia finales de este año.
|
|
| Recomendados | ||
|
|
| Debes saber esto | ||
