El gobierno empresarial se ha considerado durante mucho tiempo una cuestión de requisitos de cumplimiento —una lista de tareas pendientes para ajustarse a las políticas de la organización. Pero, con la escala actual de las cargas de trabajo de IA, esa conversación ha cambiado.
La IA está impulsando un replanteamiento completo de la forma en que las organizaciones abordan sus arquitecturas de datos, o a lo que el report de la encuesta más reciente de Cloudera se refiere como una gran re-arquitectura de la IA.
Ahora, las cuestiones de gobierno han pasado de ser un mero trámite a convertirse en un facilitador crucial de la IA. De hecho, la encuesta La gran re-arquitectura de la IA de Cloudera reveló que el 95 % de los encuestados tuvieron al menos un proyecto de IA planificado que acabó retrasándose o cancelándose en los últimos 12 meses debido exclusivamente a problemas de gobernanza de datos, conformidad o normativas.
Este hecho está llevando a las organizaciones a aceptar que los enfoques tradicionales de gobernanza de datos están quedando rápidamente obsoletos en la era de la IA. La misma encuesta de Cloudera reveló que el 75 % de los encuestados afirmaron que las integraciones de IA ya habían provocado cambios moderados o significativos en las prácticas de almacenamiento de datos y arquitectura de sus organizaciones.
Cuanto más se adentra la IA en las cargas de trabajo de la organización, más complejo se vuelve el panorama del gobierno. ¿Qué significa esto para el estado actual del gobierno y para el futuro? Analicémoslo.
El gobierno da forma a la implementación de la IA desde el principio
El gobierno no es solo una cuestión de seguridad y cumplimiento normativo. Es un elemento clave a la hora de decidir qué datos se pueden usar, dónde se pueden usar, cómo se almacenan y, en última instancia, a qué modelos de IA pueden acceder. Y como las cargas de trabajo de IA hacen que las organizaciones tengan que mover datos entre entornos con más frecuencia, unas buenas prácticas de gobierno son fundamentales para garantizar que los datos que alimentan la IA sean, desde el principio, de alta calidad y fiables.
Así que no es de extrañar que un número considerable de líderes empresariales esté empezando a ver el gobierno como un motor de la IA a gran escala. Para ser exactos, el 42 % de los líderes empresariales identificaron la seguridad de los datos, el gobierno y los requisitos de cumplimiento normativo como un factor clave para la IA. Esto convierte al gobierno en un elemento de diseño, no solo en una capa de control.
Mantener el gobierno como un proceso de última etapa conlleva el riesgo de que los equipos tengan que revisar las decisiones de arquitectura, acceso o implementación cuando el trabajo ya está en marcha.
La madurez de la IA aumenta la complejidad del gobierno
La importancia del gobierno está clara, pero gestionarlo de forma eficaz se ha vuelto mucho más complejo. Casi tres cuartas partes (73 %) de las organizaciones afirmaron que la integración de la IA ha hecho que el gobierno sea más difícil de mantener.
Este desafío se intensifica por el hecho de que los datos se mueven cada vez más entre entornos: el 97 % de las organizaciones encuestadas mueven datos entre entornos al menos mensualmente, mientras que el 31 % lo hace a diario. A medida que los datos se mueven, las organizaciones deben gestionar el acceso de forma coherente, proteger los datos confidenciales, aplicar políticas de seguridad y mantener el cumplimiento normativo en cada etapa.
La normativa, sobre todo en materia de privacidad y soberanía de los datos, es otro gran obstáculo para escalar la IA. El 54
% de los encuestados la situaron entre los tres principales obstáculos de su organización. La IA aumenta esta complejidad, ya que los datos empresariales suelen moverse entre distintos entornos y traspasar fronteras geográficas durante la implementación. Las organizaciones deben hacer un seguimiento de la ubicación, el movimiento y el acceso a los datos, al tiempo que cumplen con todas las jurisdicciones pertinentes.
La flexibilidad híbrida depende de un gobierno coherente
El 66 % de las empresas trasladaron al menos algunas cargas de trabajo de IA de la nube pública a entornos locales o de nube privada durante el último año. Para un tercio (34 %) de los encuestados, este cambio no fue algo puntual, ya que afirmaron haber trasladado un número significativo de cargas de trabajo de IA de la nube pública a entornos locales o de nube privada durante el último año.
Este movimiento no es tanto una crítica a los entornos de nube pública, sino que refleja una tendencia más amplia hacia estrategias híbridas. Sobre todo porque las empresas buscan ubicar las cargas de trabajo de IA en el entorno que mejor se adapte a sus necesidades.
Estas cargas de trabajo y los datos que las respaldan pueden abarcar la nube pública, la nube privada, entornos locales y entornos soberanos, por lo que el gobierno debe extenderse a toda la arquitectura. El modelo híbrido solo funciona cuando las mismas reglas se aplican a los datos y las cargas de trabajo allá donde vayan.
El gobierno definirá el futuro de la IA empresarial
La gran reestructuración de la IA está cambiando mucho más que el lugar donde las organizaciones ejecutan las cargas de trabajo de IA. Está redefiniendo el papel que desempeña el gobierno en la arquitectura empresarial. La necesidad de cambio ya está muy extendida: el 72 % de los encuestados afirman que su arquitectura de datos actual requiere una revisión importante para cumplir con los futuros requisitos de IA.
El gobierno seguirá siendo esencial para la seguridad y el cumplimiento, pero esas responsabilidades ahora solo representan una parte del panorama. A medida que la IA se integra en toda la empresa, el gobierno determina si las organizaciones pueden acceder a los datos de forma segura, trasladar cargas de trabajo entre entornos y ampliar la IA hasta ponerla en producción.
Las organizaciones mejor posicionadas para ampliar la IA en los próximos años integrarán el gobierno en la forma de gestionar, trasladar y acceder a los datos en todos los entornos.
Descargue La gran re-arquitectura de la IA para explorar los resultados completos y descubrir cómo los líderes empresariales están adaptando sus arquitecturas de datos para dar soporte a la IA a gran escala.
