Durante la sexta edición de Data Driven Day, el encuentro de referencia en Madrid, organizado por IKN Spain, más de 400 directivos y expertos debatieron sobre gobernanza, calidad del dato e inteligencia artificial responsable.
“El sector público y el sector privado tenemos que trabajar aún más juntos. La mayoría de los desafíos que enfrentamos son similares, y de esta forma podemos avanzar en cooperación y gobernanza de los datos”, señaló Ruth del Campo, del Ministerio de Transformación Digital.
Leslie Rodríguez, responsable de Data en IBM para España, destacó la creciente complejidad del panorama empresarial en materia de datos y privacidad.
Detalló que más del 80 por ciento de las empresas de todo el mundo se enfrentarán a requisitos modernos de privacidad y protección de datos, lo que eleva de manera significativa el nivel de exigencia en términos de cumplimiento, trazabilidad y transparencia.
Al respecto, Carmen López, Data Protection Officer de Allianz Partners España, subrayó que ya no se trata solo gobernar el dato, sino todo el ciclo de vida del modelo de IA:
“La trazabilidad y la transparencia se han convertido en principios básicos. Tenemos que poder explicar por qué un modelo ha tomado una decisión y no otra”, anotó.
Otro de los puntos críticos abordados en el evento fue la dificultad de escalar proyectos de inteligencia artificial generativa.
Según datos compartidos durante, el 95 por ciento de los proyectos piloto corporativos de IA generativa fracasan, lo que evidencia la brecha existente entre la experimentación y la implantación real en producción.
Los especialistas coincidieron en que la causa principal no es tecnológica, sino estructural: ausencia de gobernanza sólida, baja calidad del dato, falta de contexto y carencia de alineación con el negocio. Sin una estrategia clara y una gran base de datos, la IA generativa difícilmente puede generar valor sostenible.
Los expertos coincidieron en que la IA no puede operar de forma fiable sin una base sólida de calidad, clasificación y jerarquización del dato. Cuando estos elementos no están bien definidos, los modelos pueden incurrir en errores, amplificar sesgos o tomar decisiones difíciles de explicar ante clientes y reguladores.
La conclusión fue contundente: la IA necesita datos de calidad y necesita contexto para ofrecer resultados fiables, trazables y útiles para el negocio.
mem/ft
