Este artículo se publicó por primera vez en Fortified Quarterly, primer trimestre de 2026. Descarga el número completo.
Lo que cuatro expertos de Ondaro quieren que los líderes comprendan sobre los fundamentos de los datos
Ponentes: Christine Morris, directora sénior de Innovación en Servicios Técnicos · Angi Williams, consultora empresarial principal · Ian Cahall, director asociado y arquitecto principal · Eric Smith, vicepresidente de Consultoría de Soluciones Globales
Este equipo no se reunió para hablar de las funciones de la IA. Hablaron de las disciplinas, las decisiones y las concesiones que los líderes deben acertar si quieren que la IA aporte valor a gran escala.
¿Son los fundamentos de datos un proyecto de limpieza puntual?
Los fundamentos de datos no son un proyecto de limpieza. Uno de los mayores mitos que el panel desmontó fue la idea de que el trabajo con datos es un esfuerzo puntual. Unas bases de datos sólidas se comportan más bien como una disciplina operativa continua. Requieren responsabilidad, normas y un mantenimiento constante, especialmente a medida que los volúmenes de datos se disparan y las plataformas se expanden. «La plataforma no puede resolver todos los problemas», afirmó Morris. «Es algo que hay que hacer bien y luego mantener».
¿Más datos significan mejores datos?
Más datos no significa mejores datos. Smith compartió una lección que aprendió al principio de su carrera gracias a un cliente que cargó decenas de millones de elementos en su CMDB. El resultado fue deuda técnica, no información útil. Los buenos datos no consisten en tenerlo todo. Se trata de relevancia, fiabilidad y facilidad de uso. «Los buenos datos son aquellos con los que realmente se puede gestionar el negocio», afirmó Morris. No tienen por qué ser perfectos. Solo tienen que ser coherentes, claros y comprensibles para toda la organización.
¿Cómo responde la IA a unas bases de datos débiles?
La IA amplifica tanto los puntos fuertes como los débiles. Unas bases de datos débiles no solo limitan la IA, sino que la socavan activamente. La IA obtiene información analizando tus datos. Si los datos son de mala calidad, la información obtenida no será útil. La dirección no confiará en ellos. Pero cuando se cuenta con una base de datos fiable, los equipos dejan de preguntarse dónde aplicar la IA y empiezan a preguntarse qué resultados están optimizando.
¿Existe una lista de verificación universal para que los datos estén «preparados para la IA»?
La preparación de los datos depende del contexto, no es universal. No existe una lista de verificación única para los datos «listos para la IA». «La preparación de los datos de gestión de activos es muy diferente a la de IRM o SPM», explicó Cahall. La claridad de la intención importa más que las puntuaciones generales de madurez.
¿Es la gobernanza un obstáculo o un acelerador?
La gobernanza es un acelerador, no un obstáculo. Sin una propiedad clara y sin derechos de decisión, las plataformas se expanden sin control y las prioridades se inclinan hacia las voces más fuertes. «¿Qué datos permites que vean los modelos de IA? ¿Qué datos nunca deben exponerse? Esas son cuestiones de gobernanza», afirmó Smith. Si se aplica correctamente, la gobernanza no ralentiza el proceso. Hace que el progreso sea duradero.
¿Cómo se perfilan los próximos tres a cinco años?
De cara al futuro, el panel coincidió en que los datos pasarán de ser una necesidad de cumplimiento normativo a convertirse en un auténtico activo competitivo. La IA aportará claridad donde antes reinaba la ambigüedad. Y lo más importante: la IA potenciará lo que hace única a cada organización, siempre que los datos reflejen esa singularidad.
Descarga el número completo
