HPE entre los líderes de almacenamiento de Gartner
Los Directores de Datos (CDAO) se consolidan como una figura esencial para la innovación de las empresas.
Ahora que la Inteligencia Artificial (IA) está en el foco de las organizaciones, estos especialistas deben transformar la IA: de promesa a realidad.
Una de las más antiguas tradiciones de las grandes empresas es que, cada vez que surge una nueva tecnología, se buscan especialistas que las desplieguen en sus sistemas.
En sus inicios, el CTO fue el responsable de la primera etapa: la gestión de equipos y sus softwares operativos.
Con el tiempo, el CIO se transformó en el responsable de gestionar, no solo los equipos electrónicos sino, también, los de las personas que realizan el despliegue dentro de la organización.
Cada día, su equipo de especialistas crece porque, a diferencia de lo que ocurría 30 años atrás, es casi imposible encontrar una sola persona que cuente con real experticia en todas las tecnologías.
¿Significa esto que, en la era de la Inteligencia Artificial, se precisa de un nuevo gerente o líder responsable? Hay debate sobre esto, lo cual es usual con las tecnologías emergentes.
Según el Informe de Gartner de 2024, solo el 34% de las empresas han logrado implementar IA en producción. Esto evidencia los obstáculos persistentes para transformar el entusiasmo inicial en resultados significativos.
Data y Análisis, una responsabilidad emergente
No obstante y pese a tan pico avances, la misma Gartner ha recomendado no apresurarse a buscar un Responsable de Inteligencia Artificial (IA).
¿Por qué? Pues porque lo que urge es tener una estrategia de qué se necesita hacer con esta tecnología para crear una agenda. Y crear estrategias de innovación tecnológica es la responsabilidad del CIO.
No obstante, las cifras de Gartner nos muestta cómo la IA se constituye en un desafío para el CIO.
La consultora encontró en su investigación que:
- 87% de las organizaciones más avanzadas en IA cuentan con equipos dedicados
- Esto contrasta con el 75% de las organizaciones con menor madurez en su adopción
La pregunta es: ¿necesitan estos equipos dedicado PPS un líder especializado? Todo parece indicar que las empresas lo creen.
Una reciente publicación de MicroStrategy apunta, también, las estrategias clave para que los Chief Data and Analytics Officers (CDAO) puedan liderar de manera efectiva la adopción de IA en sus organizaciones.
En este punto hay que destacar que la figura del CDO fue muy popular años atrás, aunque terminó desplazada por el Científico de Datos.
La propuesta del CDAO muestra cómo la Inteligencia Artificial (IA) y los datos que recoge, por ejemplo, la Internet de la Cosas (IoT), han terminado confluyendo en esta nueva posición.
Alcanzar la madurez
En la reciente publicación de MicroStrategy, la empresa subraya la importancia de una estructura organizativa alineada, equipos multidisciplinarios y el desarrollo de habilidades específicas para convertir la IA en un motor de valor tangible.
Igualmente, la empresa puntualizar sobre los tres principales desafíos que tales equipos deben encarar, junto con el CDAO y el CIO. Estos son:
1.- Escasez de habilidades y talento
La demanda de expertos en IA aún supera la oferta disponible.
Aunque este desafío ha disminuido en importancia, sigue siendo un factor crítico para el éxito.
2.- Alineación con el valor comercial
La dificultad para demostrar el retorno de inversión en IA destaca la necesidad de una planificación y ejecución estratégicas que aseguren valor tangible.
3.- Estructura organizacional
La elección de un modelo organizativo adecuado es esencial para respaldar la madurez en IA.
Un diseño ineficiente puede frenar la innovación y dificultar el avance.
Recomendaciones de MicroStrategy para el Éxito de los CDAO
MicroStrategy enfatiza las recomendaciones de Gartner para que los CDAO superen estos obstáculos y logren el éxito en la integración de IA:
Fomentar la colaboración multidisciplinaria: Crear “equipos de fusión” que combinen perspectivas de negocio y tecnología en todas las fases del ciclo de vida de IA.
Adoptar modelos organizativos flexibles: Adaptar la estructura organizativa según la fase de adopción de IA para potenciar la innovación y mejorar la eficiencia.
Construir equipos de alto rendimiento: Cubrir roles críticos como ingenieros de datos y expertos en IA, asegurando una implementación eficaz.
Promover la alfabetización en IA: Fomentar el entendimiento de la IA en toda la organización, maximizando su valor y reduciendo riesgos.
