Los CIO deben prestar atención a la brecha de confianza en sus propios datos

En lo que respecta a muchos ejecutivos de alto nivel y directivos de TI, los datos de sus empresas están en muy buen estado, son capaces de impulsar la toma de decisiones y de impulsar soluciones basadas en la inteligencia artificial.

Sin embargo, cuanto más cerca están los responsables de TI de esos datos, menos confianza tienen en su calidad, según una reciente encuesta de la consultora de TI Softserve, que reveló que casi la mitad de los ejecutivos de alto nivel de las grandes empresas, incluidos los responsables de TI, creen que los datos de su organización están completamente maduros, mientras que solo el 37% de los directores de datos y responsables de IA opinan lo mismo.

Esta brecha de confianza en los datos entre los comités de dirección y los líderes de TI a nivel de vicepresidente y director podría dar lugar a problemas importantes a la hora de formar modelos de IA o poner en marcha otras iniciativas basadas en datos, advierten los expertos.

Además, el 68% de los vicepresidentes responsables de la IA o la gestión de datos ya consideran que sus empresas toman decisiones basadas en datos erróneos la mayor parte del tiempo o siempre, frente al 47% de los líderes de TI de nivel C.

No es de extrañar que existan diferencias cuando los ejecutivos de alto nivel suelen recibir resúmenes de los problemas de TI, incluida la calidad de los datos, en formato PowerPoint, afirma Timothy Bates, profesor de la Facultad de Innovación y Tecnología de la Universidad de Míchigan.

“Los ejecutivos ven paneles de control limpios, agregados y pulidos”, afirma Bates. “Los directores ven el backend: tuberías rotas, definiciones incoherentes, alertas sin contexto”.

Bates, antiguo director de Tecnología de Lenovo y General Motors, observó perspectivas muy diferentes sobre los problemas de TI en el gigante fabricante de vehículos, donde los responsables de TI a nivel directivo solían señalar problemas que los altos directivos no podían ver.

“Los directores no eran pesimistas, sino que veían las lagunas que los paneles de control no mostraban”, afirma. “Los directores suelen ser más precisos en sus evaluaciones de confianza, porque están inmersos en los sistemas, no solo revisando resúmenes”.

Estrategias de datos en equilibrio

Además de la falta de visibilidad de los datos entre los distintos niveles de gestión de TI, los problemas de calidad suelen provenir de una infraestructura de TI fragmentada, ya que muchas empresas utilizan productos de múltiples proveedores de TI para lograr la funcionalidad deseada, afirma Anant Agarwal, cofundador y director de Tecnología de Aidora, desarrollador de software de recursos humanos basado en inteligencia artificial.

Para ejecutar una herramienta interna, una empresa puede utilizar los servicios en la nube de un proveedor, las API de bases de datos de otro, un servicio de almacenamiento en caché de un tercero, una herramienta de IA de un cuarto y un servicio de inicio de sesión de un quinto, explica.

“Básicamente, se combinan múltiples piezas de software más pequeñas propiedad de diferentes proveedores para crear el producto”, añade. “Todos estos sistemas generan sus propios datos, y se requiere un esfuerzo consciente para que todos los datos generados fluyan hacia un lago de datos centralizado con las anotaciones adecuadas, de modo que se puedan determinar los permisos”.

A continuación, una vez finalizado el servicio interno, los equipos de TI pasan a la siguiente tarea, explica Agarwal.

“Tan pronto como se desarrolla la funcionalidad, los equipos marcan el proyecto como completado y envían correos electrónicos de anuncio, y no hay ningún incentivo para garantizar que todos los datos fluyan correctamente para permitir su uso futuro”, añade. “Los equipos tienden a dar prioridad a los beneficios a corto plazo frente a las perspectivas a largo plazo”.

Ese énfasis puede erosionar la base de datos de una organización con el tiempo. La falta de financiación adecuada para las estrategias de gestión de datos y el énfasis en las iniciativas digitales frente a las de datos son solo algunos de los otros problemas que descarrilan los proyectos basados en datos en la mayoría de las organizaciones.

La prisa por la IA

Los problemas de calidad de los datos se han agravado en los últimos dos años, ya que muchas empresas se han apresurado a adoptar herramientas de IA generativa, afirma Rodion Myronov, vicepresidente adjunto de Big Data y Análisis de Softserve.

“Cuando la junta directiva pregunta a los altos directivos sobre esta tecnología, es natural que se sientan obligados a aportar algo”, afirma. “No se puede decir: ‘No, no sé qué podemos hacer con eso’”.

Muchas empresas iniciaron proyectos de IA generativa sin definir el problema que intentaban resolver y sin limpiar los datos necesarios para que los proyectos tuvieran éxito, afirma. En algunos casos, los datos internos siguen dispersos en numerosas bases de datos, ubicaciones de almacenamiento y formatos.

Cuando las empresas lanzan proyectos de IA sin recopilar y limpiar sus datos, se exponen a alucinaciones de la IA que pueden dar lugar a enormes errores empresariales, afirma Ram Palaniappan, director de Tecnología de TEKsystems, proveedor de soluciones de TI.

“Si tengo un informe de ingresos basado en IA y lo presento en la sala de juntas y, por alguna razón, se me pasa una región, la gente va a tener menos confianza en tu informe”, añade.

El bombo publicitario inicial en torno a la IA generativa dio lugar a muchos proyectos apresurados que no utilizaron los datos adecuados, afirma. “Las relaciones públicas de la IA están alcanzando a los niveles C y VP”, añade Palaniappan. “Cuando se trata de la ejecución real, los directores y gerentes que están en primera línea de la ejecución ven todas estas lagunas y ahora las están señalando”.

Problemas con datos erróneos

La falta de datos de calidad puede dar lugar a varios problemas, afirma Agarwal, de Aidora. Los ejecutivos de alto nivel, incluso los CIO, pueden exigir que se creen nuevos productos cuando los datos no están listos, lo que hace que los responsables de TI parezcan incompetentes porque retrasan repetidamente los plazos, o que estos trasladen la carga a sus empleados.

“Los equipos pueden verse presionados para crear el siguiente conjunto de elementos para los que quizá no estén preparados”, afirma. “Esto puede dar lugar a iniciativas fallidas, retrasos significativos en la entrega o equipos agotados”.

Para solucionar esta falta de confianza en la calidad de los datos, las empresas deben centrarse en ser más transparentes en sus organigramas, aconseja Palaniappan. Los responsables de TI de nivel inferior pueden ayudar a los directores de informática y a los altos directivos a comprender las necesidades de preparación de datos de su organización creando hojas de ruta detalladas para las iniciativas de TI, incluyendo un calendario para solucionar los problemas de datos, afirma.

“Adopte un enfoque de ‘gatear, caminar, correr’ para impulsar esto en la dirección correcta y establezca una hoja de ruta”, afirma. “Analice la madurez de sus datos para ejecutar su hoja de ruta y, a continuación, mejórela poco a poco”.

Las empresas necesitan bases de datos sólidas, incluidas estrategias de datos centradas en casos de negocio, accesibilidad de los datos y seguridad de los datos, añade Myronov, de Softserve.

Las organizaciones también deben contratar a personas escépticas para que señalen los posibles problemas de datos durante los proyectos de IA y otros proyectos basados en datos, sugiere.

“Si se analiza cualquier POC (prueba de concepto), sin hablar siquiera de IA, y el equipo que lo lleva a cabo, se encontrarán personas comprometidas, que creen que se logrará el resultado”, afirma. “No se encontrarán personas que desempeñen el papel de control de calidad en el desarrollo de software, personas que intenten encontrar las imperfecciones”.

Sin un empleado que desempeñe el papel de escéptico de la prueba de concepto, las empresas pueden dedicar demasiado tiempo y dinero a proyectos que finalmente fracasan, afirma. Fracasar rápidamente es un mejor resultado.

“Hay desarrolladores que solo ven escenarios optimistas”, afirma. “Los buenos desarrolladores se centran en crear algo que funcione, pero debería haber un papel completamente independiente que se centre únicamente en encontrar lo que no funciona”.