Seis de cada diez proyectos de inteligencia artificial fracasan o no alcanzan sus objetivos no por fallas en los modelos, sino por problemas en la gestión de los datos que los alimentan, según advirtió Gartner. La cifra pone en el centro del debate una capacidad que muchas organizaciones latinoamericanas todavía tratan como tarea pendiente: la gobernanza de datos.
El diagnóstico de Gartner no es nuevo en su dirección, pero sí en su magnitud. Cuando una empresa decide implementar un modelo de lenguaje, un sistema de recomendación o cualquier herramienta de analítica avanzada, el supuesto implícito es que los datos de entrenamiento y operación son confiables, están bien catalogados y tienen un propietario claro. En la mayoría de las organizaciones de la región, ese supuesto es falso. Los datos llegan de silos desconectados, sin linaje trazable, con definiciones inconsistentes entre áreas y sin un data steward —responsable temático del dato— que garantice su calidad antes de que el modelo los consuma.
Por qué el dato roto destruye al modelo, no al revés
Un modelo de inteligencia artificial es, en términos operativos, una función matemática que generaliza patrones a partir de datos históricos. Si esos datos contienen duplicados, valores ausentes sin criterio de imputación, o categorías definidas de forma distinta en cada sistema de origen, el modelo aprende esos errores y los amplifica. El fenómeno tiene nombre en la industria: garbage in, garbage out. Lo que Gartner señala es que ese “garbage” no es un accidente técnico: es el resultado predecible de organizaciones que invierten en infraestructura de IA antes de haber resuelto su arquitectura de gobierno del dato.
El marco DAMA-DMBOK identifica once áreas de conocimiento en gobernanza de datos —desde la arquitectura y el modelado hasta la calidad, la seguridad y el ciclo de vida del dato—. Las organizaciones que lanzan proyectos de IA sin haber madurado al menos las áreas de calidad de datos, catálogo y linaje están operando sin los cimientos mínimos. El EDM Council, a través de su certificación CDMC (Cloud Data Management Capabilities), también establece que la trazabilidad del dato —saber de dónde viene, cómo fue transformado y quién lo aprobó para uso analítico— es una capacidad de nivel básico, no avanzado.
Cuándo aplica esta advertencia / cuándo NO
La advertencia de Gartner aplica directamente a proyectos de IA que operan sobre datos internos de la organización: modelos predictivos de riesgo crediticio, sistemas de detección de fraude, motores de recomendación, analítica de clientes o automatización de procesos con datos históricos. El riesgo es más alto cuando los datos provienen de múltiples sistemas legados con escasa integración. En cambio, el problema es menos crítico —aunque no inexistente— en implementaciones que usan modelos fundacionales pre-entrenados con datos propietarios externos, donde el riesgo de dato roto se desplaza al proveedor del modelo. Tampoco aplica de la misma forma a proyectos de IA que operan sobre datos sintéticos o en entornos de laboratorio sin implicancias operativas.
El estado de la gobernanza de datos en América Latina
En la región, la brecha es estructural. Muchos bancos colombianos y mexicanos que reportan ante la Superintendencia Financiera de Colombia o la CNBV operan con modelos de scoring crediticio cuya trazabilidad de datos es, en el mejor caso, parcial. En Brasil, la LGPD (Lei Geral de Proteção de Dados, Ley 13.709/2018) obliga a las empresas a documentar el tratamiento de datos personales, lo que ha empujado a algunas organizaciones a construir catálogos de datos reactivamente —para cumplir con la ley— sin integrarlos a una estrategia de gobernanza más amplia. En Argentina, la Ley 25.326 de Protección de Datos Personales está en proceso de modernización, y el debate sobre su reforma incluye requisitos de documentación de tratamientos que, si se aprueban, tendrán el mismo efecto de forzar estructuras mínimas de gobierno del dato.
La paradoja regional es que la presión regulatoria de privacidad está creando, como efecto secundario, las condiciones para una gobernanza de datos más sólida. Las organizaciones que construyen sus registros de actividades de tratamiento (RAT) para cumplir con LGPD o con la normativa de la AAIP argentina están, sin saberlo, construyendo un inventario de datos que puede convertirse en el punto de partida de un catálogo de datos institucional.
Tres capacidades que un CDO debe tener antes de aprobar un proyecto de IA
Si el número de Gartner tiene alguna utilidad práctica, es como criterio de evaluación previa. Antes de aprobar el presupuesto de un proyecto de IA, un Chief Data Officer debería poder responder afirmativamente a tres preguntas concretas: primero, si los datos de entrenamiento tienen un data steward identificado que pueda certificar su calidad y origen; segundo, si existe linaje documentado que permita rastrear cada campo crítico desde su fuente hasta el modelo; y tercero, si hay un proceso de monitoreo de calidad de datos en producción, no solo en el momento del entrenamiento inicial. Si alguna de esas tres respuestas es negativa, el proyecto tiene una probabilidad estadísticamente documentada —según Gartner— de estar entre el 60% que no cumplirá sus objetivos. La decisión de avanzar de todas formas es legítima, pero debe tomarse con esa información sobre la mesa.
Para profundizar en los marcos de madurez aplicables, el DAMA-DMBOK2 y el framework CDMC del EDM Council son los estándares de referencia que cualquier equipo de gobernanza puede usar como línea de base antes de comprometer recursos en IA.
