Las opiniones expresadas por los contribuyentes de Entrepreneur son propias.
Conclusiones clave
- La mayoría de los proyectos de IA fracasan debido a la mala calidad de los datos, los marcos de gobernanza inadecuados y el valor empresarial poco claro.
- El liderazgo en calidad es el verdadero diferenciador: las empresas que se centran en construir bases de datos confiables en lugar de perseguir la velocidad de implementación obtendrán una ventaja competitiva duradera.
- Los directores de IA, ejecutivos centrados en la gobernanza de la IA, los estándares de calidad de los datos y la responsabilidad del retorno de la inversión, son la solución.
Dirijo operaciones tecnológicas para LambdaTest y, durante los últimos diez años, hemos creado sistemas que procesan miles de millones de pruebas de software en más de 2 millones de usuarios. Mis equipos han implementado modelos de aprendizaje automático, automatizado flujos de trabajo centrales y migrado infraestructuras completas a plataformas en la nube.
Estos antecedentes son importantes porque lo que voy a compartir contradice casi todo lo que la industria tecnológica ha estado diciendo sobre la inversión en IA.
En este momento, las empresas están derrochando dinero en proyectos de inteligencia artificial que nunca generarán retornos. Las empresas estadounidenses invirtieron Entre 35.000 y 40.000 millones de dólares en iniciativas internas de IA, sin embargo, el 95% no ha obtenido un retorno de la inversión (ROI) o un impacto medible en las ganancias.
No veo esto como un problema tecnológico, sino claramente como un problema de liderazgo de calidad.
Relacionado: Casi el 95 % de las empresas obtuvieron un rendimiento nulo de las inversiones internas en IA, según un nuevo estudio del MIT: ‘Poco o ningún impacto mensurable’
¿Por qué los proyectos de IA están fracasando a un ritmo récord?
Los proyectos de IA fracasan en 70% a 85% tasas, duplican la tasa de fracaso de los proyectos de TI tradicionales, porque las organizaciones priorizan la implementación sobre las bases de datos. La mala calidad de los datos, los marcos de gobernanza inadecuados y el valor empresarial poco claro crean una tormenta perfecta en la que la mayoría de las iniciativas nunca van más allá de la prueba de concepto.
La proporción de empresas que descartan iniciativas de IA también aumentó a 42% este año desde el 17% del año pasado, un aumento del 147% en 12 meses.
El patrón es claro cuando se examinan los datos. Gartner predice 30% de los proyectos de IA generativa se abandonarán después de la prueba de concepto para fines de 2025 debido a la mala calidad de los datos, los controles de riesgo inadecuados y el valor comercial poco claro.
¿Cuánto cuesta realmente la mala calidad?
La mala calidad cuesta a las organizaciones 12% de sus ingresos anuales, lo que se traduce en una pérdida de 12 millones de dólares por cada 100 millones de dólares de ingresos debido a pronósticos inexactos, campañas fallidas y trabajos correctivos. Los costos ocultos son más profundos: los empleados gastan dos horas diarias Al buscar información relevante, los científicos de datos pierden el 40% de su tiempo buscando datos limpios. 67% de las organizaciones no confían en sus datos para la toma de decisiones.
Cuando los científicos de datos dedican el 40% de su tiempo a buscar datos limpios en lugar de crear modelos, no se enfrenta a un problema de productividad: se enfrenta a una falla de calidad sistémica. noventa y nueve por ciento de los proyectos de IA y ML encuentran problemas de calidad de los datos, lo que significa que esencialmente todos los proyectos chocan contra este muro.
¿Qué hace que el liderazgo de calidad sea diferente?
El liderazgo de calidad se centra en construir bases de datos confiables y marcos de gobernanza antes de escalar las iniciativas de IA, en lugar de perseguir la velocidad de implementación.
sesenta y nueve por ciento de los directores ejecutivos dicen que el éxito depende de mantener líderes que comprendan profundamente la estrategia y tengan la autoridad para tomar decisiones críticas. Los líderes de tecnología tradicionales optimizan la velocidad de implementación y la precisión del modelo, sin tener en cuenta las bases de calidad que determinan si algo de eso ofrece valor.
Las iniciativas de IA en toda la empresa lograron un retorno de la inversión de apenas 5,9% incurriendo en un 10% de inversión de capital. El problema surge de menos de uno de cada cinco empresas que rastrean los KPI para soluciones de IA generativa.
Relacionado: Los gobiernos recurren a la IA agente, pero la falta de datos frena el progreso
¿Es un director de IA la solución?
Sí. Un director de IA actúa como ejecutivo estratégico centrado en la gobernanza de la IA, los estándares de calidad de los datos y la responsabilidad del retorno de la inversión, a diferencia de los CTO que se centran en la implementación técnica.
treinta y cinco por ciento de las grandes organizaciones tendrán un director de IA que reportará al director ejecutivo o al director de operaciones este año, con 61% de las CAIO que controlan el presupuesto de IA de su organización.
El número de CAIO triplicado en los últimos cinco años porque las empresas se dieron cuenta de que construir sistemas sobre cimientos poco confiables produce resultados poco confiables. Mientras que los CTO se centran en la construcción de sistemas, los CAIO garantizan que esos sistemas se basen en bases de calidad.
¿La gobernanza realmente genera una ventaja competitiva?
Las organizaciones con marcos de gobernanza maduros implementan IA tres veces más rápidocon tasas de éxito un 60% más altas que las de la competencia que aún abordan problemas fundamentales de calidad.
Además, 62% de las organizaciones citan la gobernanza de datos como la mayor barrera para la adopción de la IA. Todavía, 71% ahora cuentan con programas de gobernanza, en comparación con el 60% en 2023.
¿Qué hacen realmente las organizaciones que priorizan la calidad?
Las organizaciones que priorizan la calidad evalúan la preparación de los datos antes de dar luz verde a los proyectos de IA, establecen marcos de medición que rastrean tanto el desempeño técnico como los resultados comerciales e incorporan puntos de control de calidad en cada equipo de producto con protocolos de escalamiento claros.
sesenta y tres por ciento de las organizaciones carecen o no están seguras de tener las prácticas adecuadas de gestión de datos para la IA.
Los directores de IA reportan un retorno de la inversión promedio de 14%pero las empresas con mejor rendimiento obtienen rendimientos de hasta 10,3 veces. ¿Qué separa lo promedio de lo excepcional? Disciplina de medición.
La calidad no puede permanecer centralizada cuando las organizaciones utilizan 11 modelos generativos de IA y planeamos utilizar 16 para fines de 2026. Se deben integrar puntos de control de calidad en cada equipo de producto con rutas de escalamiento claras cuando no se cumplen los estándares.
La división competitiva está con el 4% de las empresas que logran retornos significativos con un liderazgo de calidad, priorizando la calidad y la gobernanza de los datos antes del escalamiento, y el 96% restante de las empresas desperdician recursos en iniciativas construidas sobre bases poco confiables.
Relacionado: Sus iniciativas de IA fracasarán si no aborda primero este componente crucial
¿Qué deberían hacer ahora los líderes tecnológicos?
Los líderes tecnológicos deberían anticipar la inversión en infraestructura y gobernanza de datos antes de escribir el código del modelo, crear equipos de ingeniería de calidad dedicados que trabajen junto con los equipos de ciencia de datos y medir los indicadores de confianza con tanta rigurosidad como el rendimiento del modelo. Según DataIQ, 90,5% de las organizaciones ven las inversiones en datos e inteligencia artificial como una máxima prioridad, pero la asignación importa más que el compromiso.
En 2025, 77,6% de las organizaciones implementaron salvaguardias de IA responsable, en comparación con el 62,9% en 2024. Y 65% de los directores ejecutivos dice que la confianza del cliente afectará el éxito más que cualquier característica del producto.
Creo firmemente que la economía recompensará a las organizaciones que implementen primero un liderazgo de calidad. Entonces la pregunta es ¿serías uno de los primeros?
Conclusiones clave
- La mayoría de los proyectos de IA fracasan debido a la mala calidad de los datos, los marcos de gobernanza inadecuados y el valor empresarial poco claro.
- El liderazgo en calidad es el verdadero diferenciador: las empresas que se centran en construir bases de datos confiables en lugar de perseguir la velocidad de implementación obtendrán una ventaja competitiva duradera.
- Los directores de IA, ejecutivos centrados en la gobernanza de la IA, los estándares de calidad de los datos y la responsabilidad del retorno de la inversión, son la solución.
Dirijo operaciones tecnológicas para LambdaTest y, durante los últimos diez años, hemos creado sistemas que procesan miles de millones de pruebas de software en más de 2 millones de usuarios. Mis equipos han implementado modelos de aprendizaje automático, automatizado flujos de trabajo centrales y migrado infraestructuras completas a plataformas en la nube.
Estos antecedentes son importantes porque lo que voy a compartir contradice casi todo lo que la industria tecnológica ha estado diciendo sobre la inversión en IA.
En este momento, las empresas están derrochando dinero en proyectos de inteligencia artificial que nunca generarán retornos. Las empresas estadounidenses invirtieron Entre 35.000 y 40.000 millones de dólares en iniciativas internas de IA, sin embargo, el 95% no ha obtenido un retorno de la inversión (ROI) o un impacto medible en las ganancias.
El resto de este artículo está bloqueado.
Únase al emprendedor+ hoy para acceder.
