Alejandro Valles plantea un triángulo de datos para escalar la IA generativa

La adopción de soluciones de Inteligencia Artificial generativa abrió una brecha en numerosas organizaciones: la infraestructura y la arquitectura de datos no siempre están preparadas para sostener ese salto. En ese contexto, Alejandro Valles, arquitecto empresarial y de datos en Ingenia, plantea que el resultado no depende solo de decisiones técnicas, sino de un esquema de trabajo que articule estrategia, tecnología y cultura.

El planteo parte de una idea central: una arquitectura robusta se apoya en un “triángulo imprescindible” y descuidar cualquiera de sus vértices puede ralentizar el progreso y afectar el sistema de valor. La propuesta busca llevar la discusión más allá de la implementación de modelos, para enfocarla en cómo se producen, organizan, auditan y usan los datos que alimentan esas herramientas.

El primer vértice es la estrategia. Valles señala que el objetivo debería ser convertir los datos en valor y no en costos. Sin una visión alineada a metas de negocio, los repositorios tienden a degradarse con el tiempo y pierden utilidad operativa. En esa línea, advierte que, sin dirección, los “lagos de datos” pueden transformarse en “basureros digitales”. Como referencia, cita un dato de Forrester: el 68% de las empresas aún no logra monetizar sus datos. La recomendación es vincular cada componente técnico con un KPI de negocio específico, con ejemplos como reducir el time-to-market o mejorar la personalización.

El segundo vértice es la cultura organizacional, definida como un “sistema inmunológico contra el fracaso”. La comparación apunta a la adopción interna: invertir en tecnología sin preparar a la organización equivale a “comprar un superauto y entregárselo a quien no sabe conducir”. En el diagnóstico, se incorpora un dato del MIT: el 65% de las implementaciones de IA no producen valor debido a la resistencia humana, la persistencia de silos departamentales y la desconfianza en los algoritmos.

El tercer vértice combina tecnología y ética. La tesis es que la infraestructura no es neutral porque refleja decisiones pasadas en los datos y en los modelos. El texto ejemplifica un riesgo: datos obsoletos pueden inducir discriminación, como “denegar créditos según un código postal incorrecto”. Para mitigar ese tipo de fallas, se propone sostener auditorías constantes que reduzcan las “alucinaciones” y aseguren datos frescos y curados.

Como proyección, se incorpora una estimación de McKinsey: solo las empresas que alinean tecnología, cultura y estrategia en torno a sus datos capturarán el 80% del valor de los próximos cinco años. En esa lectura, la tecnología representaría apenas el 30% del éxito, mientras que el 70% restante se apoya en la estrategia y el compromiso de las personas.