Hitachi Vantara potencia el almacenamiento híbrido en Azure
US$ 108 mil millones perdidos en proyectos de IA por infraestructura.
Hitachi Vantara revela casos de perdidas mil millonarias en proyectos IA por infraestructura de datos deficiente.
Las organizaciones globales desperdician más de US$ 108 mil millones anuales en proyectos de inteligencia artificial que fracasan antes de generar valor. El problema no radica en los modelos de IA sino en la infraestructura de datos que los sustenta, según revela el State of Data Infrastructure Global Report 2025 de Hitachi Vantara.
El estudio, realizado entre 1,244 profesionales de TI en 15 mercados globales —incluyendo América Latina— en organizaciones con más de 1,000 empleados, expone una contradicción: mientras las empresas planean aumentar inversión en IA un 70% y contratación especializada un 68% en los próximos dos años, 37% aún no puede medir el retorno de sus inversiones en inteligencia artificial.
Citando investigaciones del MIT, el informe señala que 95% de organizaciones no obtiene beneficios de sus inversiones en IA generativa —estimadas entre US$ 30,000 y US$ 40,000 millones— debido a infraestructuras tecnológicas incapaces de soportar las demandas crecientes de almacenamiento, gobernanza y procesamiento de datos.
Brecha de madurez: tres niveles operativos
La adopción de IA es casi universal: 98% de organizaciones la utiliza, prueba o explora. Sin embargo, la preparación para generar valor varía radicalmente.
La investigación clasifica a las organizaciones en tres niveles de madurez según capacidades de infraestructura de datos:
- Optimizadas (41%): Cuentan con infraestructura resiliente, datos limpios y retornos medibles. Tienen el doble de probabilidades de citar calidad de datos como factor clave de éxito comparadas con organizaciones emergentes.
- Definidas (35%): Han progresado en adopción tecnológica pero carecen del talento y estrategia para escalar operaciones de IA.
- Emergentes (24%): Dependen de procesos manuales, muestran aversión al riesgo y permanecen rezagadas en capacidades de infraestructura.
La diferencia competitiva no está en el tamaño de la organización ni en si usan IA, sino en la combinación de visión clara sobre la tecnología, alineación de liderazgo y entornos de datos estructurados y gobernados.
“Las empresas Optimizadas tienen el doble de probabilidades de citar la calidad de los datos como el factor clave de su éxito en comparación con las empresas Emergentes,” explica Octavian Tanase, Chief Product Officer de Hitachi Vantara. “El 94% de las organizaciones reconoce que necesita ayuda de terceros para gestionar su infraestructura de datos y cerrar las brechas de capacidad.”
Ciberseguridad: amenazas internas se equiparan a externas
El reporte alerta sobre un cambio significativo en el panorama de riesgos tecnológicos. La preocupación por brechas de seguridad originadas en IA interna saltó de 31% a 41% en el último año, igualando casi a las amenazas externas que permanecen en 43%.
Las cifras evidencian vulnerabilidad operativa:
- 57% de profesionales tecnológicos admite que pérdida de datos sería catastrófica para su negocio
- 55% señala que la complejidad actual de TI dificulta la detección de ataques
- La IA generativa amplió la superficie de ataque en las organizaciones
La creciente complejidad de infraestructuras de datos fragmentadas no solo reduce la visibilidad sobre amenazas sino que limita la capacidad de respuesta rápida ante incidentes de seguridad.
El costo invisible de infraestructuras obsoletas
Las organizaciones continúan operando sistemas de datos que no fueron diseñados para las demandas de IA moderna. Estos sistemas heredados generan tres problemas críticos:
- Capacidad insuficiente: Los volúmenes de datos se duplicarán hacia 2026, pero las infraestructuras actuales no pueden escalar adecuadamente. Las organizaciones almacenan datos sin estrategia clara: 75% guarda todo y nunca utiliza la mitad.
- Gobernanza deficiente: La falta de limpieza, catalogación y estructuración de datos impide que los modelos de IA accedan a información confiable. Sin gobernanza robusta, incluso los mejores algoritmos producen resultados cuestionables.
- Visibilidad limitada: La complejidad de entornos híbridos con múltiples proveedores reduce la capacidad de monitorear, controlar y optimizar infraestructuras de datos.
“A medida que la IA se vuelve central para la operación de todos los negocios, los líderes empresariales deben tratar las bases de datos como un requisito estratégico, no solo como una preocupación técnica,” afirma Sheila Rohra, Chief Executive Officer de Hitachi Vantara. “Este informe deja claro que la IA tiene éxito cuando los datos que la sustentan son confiables, bien gobernados y resilientes.”
América Latina en el contexto global
Aunque el estudio no desglosa datos específicos por región, América Latina enfrenta desafíos particulares en modernización de infraestructuras tecnológicas. Las organizaciones latinoamericanas operan con presupuestos más ajustados y enfrentan brechas significativas de talento especializado en gestión de datos e IA.
El estudio revela que 94% de organizaciones globalmente reconoce necesitar ayuda externa para gestionar infraestructura de datos. En mercados latinoamericanos, esta dependencia de terceros podría ser aún mayor debido a limitaciones de recursos internos y acelerada transformación digital post-pandemia.
Camino hacia infraestructuras resilientes
Para organizaciones que buscan evitar desperdiciar inversión en IA, el reporte sugiere cinco acciones inmediatas:
- Auditar calidad de datos: Evaluar qué porcentaje de datos organizacionales está limpio, catalogado y accesible para sistemas de IA.
- Simplificar arquitecturas: Reducir complejidad eliminando sistemas redundantes y consolidando proveedores de infraestructura.
- Implementar gobernanza robusta: Establecer políticas claras sobre almacenamiento, acceso, seguridad y retención de datos.
- Automatizar operaciones: Adoptar herramientas de AIOps para monitoreo predictivo y gestión automatizada de infraestructuras.
- Asociarse estratégicamente: Reconocer cuándo la experticia externa es necesaria para cerrar brechas de capacidad.
La investigación demuestra que el éxito en IA no depende de modelos más avanzados sino de fundamentos sólidos: datos confiables, infraestructura resiliente y gobernanza efectiva. Las organizaciones que continúen ignorando estas bases seguirán desperdiciando recursos en experimentos tecnológicos sin retorno tangible.
