Infraestructura obsoleta, el freno silencioso de la IA empresarial, la inteligencia artificial se ha convertido en una de las grandes apuestas estratégicas de las organizaciones a nivel global. Presupuestos en alza, equipos especializados en expansión y discursos corporativos centrados en la innovación parecen confirmar que la IA ya no es una promesa futura, sino una prioridad presente. Sin embargo, detrás de este entusiasmo se esconde una realidad preocupante: más de US$108 mil millones se desperdician cada año en proyectos de inteligencia artificial que no logran cumplir sus objetivos, no por fallas en los modelos, sino por una causa mucho más estructural y menos visible: infraestructuras de datos obsoletas.
Así lo revela el “State of Data Infrastructure Global Report 2025”, un estudio global realizado por Hitachi Vantara entre más de 1.200 profesionales de Tecnologías de la Información (TI), incluyendo empresas de América Latina con más de 1.000 empleados. El informe deja en evidencia una contradicción clave del momento actual: mientras las compañías planean incrementar su inversión en IA en un 70% y la contratación de talento especializado en un 68% durante los próximos dos años, gran parte de esas inversiones no está generando valor real debido a limitaciones estructurales en la gestión de datos.
Vea también: Oficinas premium, menos vacancia, más valor en 2026
El entusiasmo por la IA choca con una realidad técnica ignorada
En los últimos años, la inteligencia artificial y especialmente la IA generativa ha capturado la atención de líderes empresariales, inversionistas y áreas de innovación. Automatización, eficiencia operativa, personalización de servicios y toma de decisiones basada en datos son algunos de los beneficios más citados. Sin embargo, el estudio de Hitachi Vantara advierte que el entusiasmo está avanzando más rápido que la capacidad real de las organizaciones para sostener estas tecnologías.
Uno de los datos más reveladores del informe es que el 37% de las empresas aún no puede calcular el retorno de inversión (ROI) de sus proyectos de IA. Esto no solo evidencia una falta de métricas claras, sino también una desconexión entre la estrategia de negocio y la base tecnológica que debería soportarla.
La causa principal no está en los algoritmos ni en la falta de casos de uso, sino en infraestructuras de datos anticuadas, diseñadas para un mundo previo a la explosión de datos, la analítica avanzada y la necesidad de procesamiento en tiempo real.
US$108 mil millones perdidos: el costo oculto de no modernizar los datos
El reporte estima que más de US$108 mil millones se pierden anualmente a nivel global en proyectos de IA que fracasan o no generan los beneficios esperados. Esta cifra incluye iniciativas que nunca pasan de la fase piloto, modelos que no pueden escalarse o soluciones que terminan abandonadas por falta de confiabilidad en los datos.
Investigaciones citadas del MIT refuerzan este diagnóstico: el 95% de las organizaciones no obtiene beneficios reales de sus inversiones en IA generativa, estimadas entre US$30.000 y US$40.000 millones, no porque los modelos sean deficientes, sino porque la infraestructura tecnológica no soporta las exigencias de almacenamiento, gobernanza, seguridad y procesamiento que la IA moderna requiere.
En otras palabras, las empresas están intentando construir soluciones de última generación sobre cimientos diseñados para el pasado.
La adopción es masiva, pero la madurez es desigual
Uno de los hallazgos más interesantes del estudio es que la adopción de la IA es casi universal: el 98% de las organizaciones ya la utiliza, la está probando o la explora activamente. Sin embargo, esta cifra es engañosa si no se analiza junto a otro dato clave: no todas las empresas están igualmente preparadas para convertir esa adopción en valor tangible.
La diferencia no está en el tamaño de la organización ni en si utiliza o no inteligencia artificial, sino en cómo la integra dentro de una visión estratégica respaldada por datos confiables, gobernados y accesibles. Para explicar esta brecha, el informe clasifica a las organizaciones en tres niveles de madurez.
Tres niveles de madurez en infraestructura de datos
1. Organizaciones Optimizadas (41%)
Este grupo representa a las empresas que han logrado alinear su estrategia de IA con una infraestructura de TI resiliente. Cuentan con:
-
Datos limpios y bien gobernados
-
Plataformas escalables
-
Procesos claros para medir retornos
-
Resultados tangibles y medibles
Estas organizaciones tienen el doble de probabilidades de señalar la calidad de los datos como el factor clave de su éxito, en comparación con las empresas menos maduras.
2. Organizaciones Definidas (35%)
Han avanzado de forma significativa, pero enfrentan barreras para escalar. Sus principales limitaciones son:
-
Falta de talento especializado
-
Estrategias de datos incompletas
-
Infraestructura que no crece al ritmo de la demanda
Aunque muestran progreso, corren el riesgo de estancarse si no realizan inversiones estructurales.
3. Organizaciones Emergentes (24%)
Este grupo depende en gran medida de procesos manuales, infraestructuras heredadas y una cultura reacia al riesgo. Como resultado:
-
Los proyectos de IA avanzan lentamente
-
La experimentación es limitada
-
El impacto en el negocio es marginal
Estas empresas son las más expuestas a desperdiciar recursos en iniciativas que nunca llegan a producción.
Latinoamérica: ambición tecnológica con retos estructurales
Aunque el estudio es global, sus conclusiones tienen una relevancia particular para América Latina, donde muchas organizaciones combinan ambición digital con infraestructuras tecnológicas que no siempre han sido modernizadas de forma integral.
En la región, la adopción de IA suele convivir con:
-
Sistemas heredados críticos para la operación
-
Silos de información entre áreas
-
Falta de políticas claras de gobernanza de datos
Esto genera un escenario en el que la IA se implementa como una capa adicional, en lugar de integrarse de manera profunda al núcleo del negocio, limitando su impacto real.
Ciberseguridad: cuando la amenaza viene desde adentro
Otro de los grandes focos de alerta del informe es el cambio en el panorama de riesgos de ciberseguridad. Tradicionalmente, las amenazas externas dominaban la preocupación de los líderes tecnológicos. Hoy, esa percepción está cambiando.
El estudio revela que:
-
La preocupación por brechas de seguridad originadas por IA interna pasó del 31% al 41% en un solo año
-
Las amenazas externas se mantienen en un 43%, lo que deja a ambas casi al mismo nivel
Además, el 57% de los profesionales de TI reconoce que una pérdida de datos sería catastrófica para su negocio, mientras que el 55% afirma que la complejidad actual de la infraestructura tecnológica dificulta la detección de ataques.
Este contexto es especialmente crítico en entornos de IA, donde grandes volúmenes de datos sensibles son procesados, almacenados y compartidos entre múltiples sistemas.
La complejidad tecnológica como enemigo silencioso
Paradójicamente, muchas organizaciones han sumado capas de tecnología para innovar, sin simplificar ni modernizar la base existente. El resultado es una arquitectura compleja, fragmentada y difícil de gestionar, que incrementa los riesgosho riesgos operativos y reduce la visibilidad sobre lo que realmente ocurre con los datos.
En este escenario, la IA no solo pierde efectividad, sino que amplifica las debilidades de la infraestructura subyacente, exponiendo a las empresas a errores, sesgos, interrupciones y brechas de seguridad.
La voz de los líderes: datos como activo estratégico
Octavian Tanase, Chief Product Officer (CPO) de Hitachi Vantara, resume el desafío con claridad:
“En este mercado, para ser relevante hay que actuar con una agilidad sin precedentes. 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. Además, el 94% de las organizaciones reconoce que necesita ayuda de terceros para gestionar su infraestructura de datos y cerrar las brechas de capacidad”.
Por su parte, Sheila Rohra, CEO de Hitachi Vantara, enfatiza un cambio de mentalidad necesario:
“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. La IA solo tiene éxito cuando los datos que la sustentan son confiables, bien gobernados y resilientes”.
De la experimentación al impacto real
El mensaje del informe es contundente: invertir en IA sin modernizar la infraestructura de datos es una receta para el fracaso. Las organizaciones que logren cerrar esta brecha serán las que realmente capitalicen el potencial de la inteligencia artificial en los próximos años.
Esto implica:
-
Modernizar infraestructuras heredadas
-
Simplificar arquitecturas tecnológicas
-
Priorizar gobernanza, seguridad y calidad de datos
-
Alinear tecnología con objetivos de negocio
La IA no es solo una herramienta, sino un sistema que depende profundamente de la solidez de los datos que la alimentan.
Vea también: Ahorro y experiencia, llega Bodegazo al Parque a Fabricato
Un punto de inflexión para la estrategia digital
A medida que la inteligencia artificial se integra en procesos críticos desde la atención al cliente hasta la toma de decisiones estratégicas, las organizaciones enfrentan un punto de inflexión. Seguir apostando por soluciones avanzadas sin resolver las bases estructurales puede seguir costando miles de millones de dólares en proyectos fallidos.
El verdadero desafío para los próximos años no será quién adopta la IA más rápido, sino quién logra construir las bases de datos más sólidas, seguras y escalables para sostenerla.
