Los ejecutivos utilizan 3 estrategias para construir fundamentos de datos fuertes para la integración de IA

Los líderes empresariales son plenamente conscientes de que contar con bases sólidas es crucial cuando se trata de aprovechar el poder de la inteligencia artificial (AI). Sumergirse en proyectos de AI sin una estrategia de datos sólida es una receta para el desastre. Como dice el viejo refrán, "basura entra, basura sale"—y esto no podría ser más cierto en el caso de la AI.

Entonces, ¿cómo pueden los profesionales sentar las bases para asegurar que su organización pueda usar la AI de manera segura y efectiva? Aquí, tres líderes empresariales comparten sus mejores consejos para diseñar una estrategia exitosa para aprovechar la tecnología emergente.

1. Prioriza a tu gente

Claire Thompson, directora de datos y análisis del grupo en el gigante de seguros L&G, enfatiza que un enfoque estratégico hacia la información es vital para cualquier empresa que busque innovar. "Siempre digo que las bases de datos son importantes para lo que hagas a continuación," le dijo a ZDNET. Thompson destaca la necesidad de conectar las reglas y regulaciones con resultados financieros tangibles.

"Deja claro cómo la estrategia de datos generará valor tangible—¿por qué es importante, por ejemplo, que tus direcciones de correo electrónico estén actualizadas y sean precisas para que puedas realizar comunicaciones digitales dirigidas?" pregunta. Thompson comprende que no todos están entusiasmados por sumergirse en un plan estratégico a largo plazo que detalle la tecnología, los procesos, las personas y las reglas necesarias para gestionar los activos de información. Sin embargo, insiste en que la etapa de planificación es crítica para aprovechar los beneficios de tecnologías como la AI.

"Entiendo por qué la gente podría decir que la gobernanza es aburrida," admite. "Pero en las organizaciones digitales de hoy, donde las personas quieren realizar un procesamiento directo, se vuelve aún más crítico que tus datos sean de buena calidad. Así que, todos los caminos conducen a la gobernanza."

Una parte clave de la estrategia de Thompson en L&G es fomentar una relación de trabajo cercana entre su equipo de datos y el departamento de TI. La colaboración efectiva depende de la claridad sobre las habilidades que cada parte aporta. "Necesitas una asociación mano a mano. La tecnología es enormemente importante para lo que hacemos en el espacio de datos, y no podemos realizar nuestro trabajo sin los entornos de nube, el almacenamiento de datos y las herramientas. Los datos están en todas las aplicaciones que el equipo de TI mantiene," explica.

Thompson también destaca la importancia de integrar la calidad de datos por diseño en los sistemas principales. "Cuanto más hagas ese trabajo, más evitarás el efecto dominó de una mala calidad de datos más adelante y prevendrás cualquier esfuerzo de corrección," dice. Este enfoque allanará el camino para experiencias de cliente mejoradas, como aplicaciones móviles personalizadas y operaciones automatizadas respaldadas por AI.

2. Domina tus datos transaccionales

Jon Grainger, director de tecnología en la firma legal DWF, cree que ahora es el momento perfecto para desarrollar una estrategia de datos. Enfatiza que los líderes empresariales astutos deben centrarse en los elementos fundamentales del uso de datos mucho antes de considerar cómo aprovechar la AI y el aprendizaje automático. "Siempre digo que el mejor momento para una estrategia de datos fue hace cuatro años," bromea. "Es un trabajo de gran envergadura. En última instancia, no hay muchos atajos. Hay una opinión que dice, 'Bueno, si va a tomar tanto tiempo, ¿para qué molestarse?' Y creo que por eso mucha gente no ha podido lidiar con sus datos."

El objetivo de Grainger es ayudar a su firma a construir una reputación por ofrecer grandes experiencias a través de la transformación digital—una estrategia de datos es un componente crucial de este enfoque. Desde que se unió a DWF a finales de 2022, ha implementado una nueva estrategia centrada en productos de software como servicio (SaaS) basados en la nube e interfaces de programación de aplicaciones (API) abiertas.

Los datos en DWF abarcan varias entidades, como casos, socios, clientes y procesos comerciales internos, incluyendo facturación y finanzas. "La estrategia de datos se trata de asegurar que los datos transaccionales—la fuente de la verdad—sean dominados en esas secciones," explica Grainger. El objetivo es ayudar a la organización a moverse rápidamente sin comprometer la calidad o el costo.

"Cada producto SaaS tiene una identidad clara en el mapa empresarial," dice, detallando las sutilezas de su estrategia de datos. "Esa identidad está impulsada por los datos que dominas en cada área." Grainger enfatiza que el "requisito mínimo absoluto" para integrarse en la arquitectura objetivo de la firma son APIs bien desarrolladas que DWF pueda acceder y usar.

Señala que la tecnología SnapLogic juega un papel clave para asegurar una conexión sólida y confiable entre servicios, APIs y usuarios. "Invariablemente, obtendrás 15 ortografías diferentes de una dirección en particular, y la tecnología puede ver ese patrón y corregirlo," dice. "También puede hacer algo llamado enriquecimiento. Así que podría tomar la referencia de alguien, ir a una API, regresar y decir, 'Esta es la información correcta.'"

Grainger también señala que la estrategia de datos se centra en los modelos que DWF crea para responder preguntas comerciales clave. Al combinar esto con el enfoque de la firma en productos SaaS y APIs, DWF tiene bases sólidas para explorar tecnologías emergentes. "Resulta que te estás preparando bastante bien para la AI generativa si tienes todos esos elementos en tu estrategia de datos," concluye.

3. Colabora con tus pares de la industria

Nic Granger, directora corporativa y CFO de la North Sea Transition Authority (NSTA), cree que una gran estrategia de datos va más allá de las prácticas internas y abarca las fronteras organizativas. La NSTA recopila datos del sector del petróleo y el gas, y el equipo de Granger ha desarrollado plataformas digitales que permiten a la industria, el gobierno, la academia u otras partes interesadas acceder a los datos de manera abierta.

Como parte de este esfuerzo, preside el Offshore Energy Digital Strategy Group (DSG), un organismo especializado formado a finales de 2022 para fomentar la colaboración entre los organismos públicos del Reino Unido involucrados en la recolección de datos en petróleo, gas y energías renovables. "Se reconoció que necesitábamos una estrategia de datos digitales cohesiva en el sector de energía marina," le dijo a ZDNET. "Había buenos focos de excelencia en la gestión de datos y tecnologías digitales en la industria, pero no necesariamente estaban comunicándose entre sí. Así que esa fue una gran prioridad para nosotros."

El DSG cuenta con el apoyo de colaboradores, incluidos los departamentos del gobierno del Reino Unido, el Open Data Institute y el Technology Leadership Board. Granger dice que este enfoque colaborativo ha sido fructífero: "Ahora tenemos la estrategia de datos, y se trata de trabajar en tres flujos clave de trabajo."

El primer flujo se centra en datos, estándares y principios: "Asegurarnos de que la calidad subyacente de los datos sea buena porque todos trabajamos en la misma base," explica. El segundo flujo busca crear kits de herramientas de datos comunes y garantizar la interoperabilidad. "No debería importar si trabajas en una empresa de energía marina o en un proyecto en una compañía de petróleo y gas, deberías tener datos que sean utilizables en todas las plataformas. Ese trabajo se trata de, '¿Cómo haces que los datos pasen de A a B sin duplicación?'"

El tercer flujo de trabajo se centra en la digitalización intersectorial: "Se trata de asegurar que los datos y las habilidades digitales estén presentes en toda la industria, y garantizar que el sector cumpla con las mejores prácticas de ciberseguridad," dice Granger.

Con estas bases de datos en su lugar, es mucho más fácil comenzar a pensar en cómo aprovechar al máximo las tecnologías emergentes. "Nuestro enfoque está en asegurar que los datos sean accesibles y estén en los formatos adecuados para que otros usen la AI y el aprendizaje automático," concluye Granger.