Jaime Figueres Ulate
Chief AI Officer y Consultor en Transformación Digital
Jaime Figueres Ulate
Chief AI Officer y Consultor en Transformación Digital
La conversación sobre inteligencia artificial ha avanzado más rápido que la capacidad de muchas organizaciones para adoptarla correctamente. Hoy, la mayoría de las empresas no está fallando por falta de tecnología. Está fallando por falta de fundamentos. Y el principal de ellos es claro: no se puede construir una estrategia real de inteligencia artificial sin una gobernanza de datos sólida.
Uno de los errores más comunes que veo en organizaciones es intentar implementar IA sin haber resuelto primero cómo gestionan sus datos.
Esto no solo limita los resultados, sino que introduce riesgos importantes.
Durante años, la IA predictiva funcionó sobre datos estructurados, con modelos relativamente controlados y comportamientos más deterministas.
Pero eso cambió.
Hoy estamos trabajando con modelos generativos que:
- Utilizan datos estructurados y no estructurados
- Operan con contexto dinámico
- Generan resultados no deterministas
- Interactúan con múltiples sistemas y fuentes externas
En ese contexto, intentar aplicar modelos tradicionales de gobernanza no funciona.
Lo digo de forma directa: la gobernanza de datos diseñada para IA predictiva no sirve para IA generativa.
Y si intentan usarla, van a fallar en ambas.
El problema real: la mayoría de los datos no está gobernada
Cuando analizamos cómo están distribuidos los datos dentro de una organización financiera, la realidad es clara.
Solo entre un 10% y 20% de los datos están estructurados y correctamente gobernados.
El resto está disperso en múltiples capas:
Datos no estructurados en correos, documentos y chats
Interacciones con clientes que rara vez se gobiernan
Conocimiento tácito en las personas
Datos en ecosistemas externos y plataformas digitales
Esto significa que la mayor parte del valor potencial de la IA está en datos que no están preparados para ser utilizados de forma segura ni eficiente.
Y ahí es donde está el verdadero desafío.
Otro punto crítico es cómo medimos el impacto de la inteligencia artificial.
El ROI tradicional no es suficiente.
Por eso hablo de Return on Intelligence.
Porque cuando evaluamos IA, no solo debemos considerar ingresos y costos. También debemos incorporar:
- Supervisión humana
- Riesgo del modelo
- Costos de operación e inferencia
- Calidad de los resultados
La IA sí genera valor.
Pero solo cuando se implementa con estructura, disciplina y gobernanza.
La ventana competitiva ya está definida
Hay otro elemento que no podemos ignorar: el tiempo.
La ventana de ventaja competitiva en el sector financiero se está cerrando rápidamente y, en muchos casos, lo hará hacia 2027.
Las organizaciones que construyan hoy sus capacidades de gobernanza de datos podrán:
- Desplegar IA con mayor velocidad
- Reducir riesgos
- Escalar casos de uso
- Generar ventajas sostenibles
Las que no lo hagan, simplemente llegarán tarde.
Lo que realmente es (y no es) una estrategia de IA
|
Lo que no funciona
|
Lo que sí funciona
|
|---|---|
|
|
|
|
|
|
|
|
Este modelo permite avanzar rápido, sin perder gobernanza.
La inteligencia artificial no es el punto de partida.
Es el resultado de haber hecho bien lo más importante: la gestión y gobernanza de los datos.
Las organizaciones que entiendan esto no solo adoptarán IA. La convertirán en una ventaja competitiva real. Las demás seguirán experimentando… sin resultados.
