Los frenos invisibles que están bloqueando tus proyectos de IA 

La implantación de la Inteligencia Artificial en las organizaciones ya no es una cuestión de innovación, sino de competitividad. Sin embargo, la IA solo es tan buena como los datos que la alimentan. Sin un dato fiable, accesible, gobernado y alineado con el negocio, cualquier iniciativa de IA —desde modelos predictivos hasta asistentes generativos— queda limitada, sesgada o directamente inutilizada.

Hoy, las compañías quieren aprovechar el potencial de la IA para personalizar experiencias, automatizar tareas y tomar decisiones más inteligentes. Pero antes de conseguirlo, deben resolver la base de todo: su estrategia de datos. No se trata de tecnología, sino de estructuras, gobernanza, calidad, procesos y visión conjunta. Y, sobre todo, de evitar caer en la tentación de lanzar proyectos de IA aislados sin comprender si el dato está preparado para soportarlos.

Con esta reflexión como punto de partida, celebramos nuestro evento “¿Tus datos frenan o impulsan tu negocio?”, donde reunimos a expertos para entender cuáles son los principales obstáculos que encuentran las empresas cuando quieren construir un Plan Director de Datos que realmente habilite la IA.

A partir de las conversaciones posteriores al evento, identificamos los principales frenos con los que hoy se encuentran las empresas a la hora de desarrollar un Plan Director de Datos. A continuación, detallamos los más relevantes y cómo impactan directamente en la implantación de una estrategia de datos e IA:

1. Falta de homogeneización y diccionario del dato

Uno de los frenos más repetidos fue la existencia de criterios distintos entre departamentos, lo que impide que los datos puedan compararse, integrarse o explotarse correctamente.

“La principal dificultad que le veo yo al dato es la homogeneización… ese diccionario de datos, ese homogeneizar realmente el dato es una dificultad que frena el poder utilizarlo de la manera más provechosa”

– Jaime López (Global Head of IT en FAES Farma)

Además, la sobreproducción de datos poco útiles añade ruido:

“Generamos muchísimo dato… que al final no es útil y nos genera ruido”

– Endika Eibar (Director de IT en KAEFER Servicios Industriales)

2. No tener claro cuáles son los datos críticos

Muchas compañías generan grandes volúmenes de información sin haber definido antes qué datos son realmente necesarios para sus procesos:

“Tener claro cuáles son los datos principales que necesitan los procesos… es lo imprescindible para poder partir y poder explotar esa información de forma lógica”

– Endika Eibar (Director de IT en KAEFER Servicios Industriales)

Cuando no existe esta claridad, se dificulta la generación de valor y la definición de modelos analíticos.

3. Problemas de existencia, accesibilidad y adecuación del dato

Varios expertos incidieron en una idea clave: muchas veces el problema no es la tecnología, sino el propio dato.

“Los principales problemas… primero su existencia, luego su accesibilidad y luego su adecuación a los procesos de análisis que queremos realizar”

– Alfonso González (Director de Sistemas en Esergui – AVIA)

Sin datos accesibles, completos y preparados, cualquier proyecto de analítica o IA nace con debilidades estructurales.

4. Ausencia de una estrategia clara antes de integrar IA

La llegada de la IA generativa ha acelerado iniciativas… pero también ha puesto en evidencia un gran freno:

“Actualmente… cuando se intenta integrar la inteligencia artificial… no se tiene claro el porqué, la expectativa del proyecto, y se intenta hacer casos aislados”

- Lucas Viladomiu (Responsable de Datos, IA y Automatización en h&k)

La IA tiene impacto real solo cuando se integra en procesos ya establecidos, no cuando se ejecuta como experimentos inconexos.

5. Falta de alineación entre departamentos

Otro freno relevante es la descoordinación interna: cada área quiere avanzar en datos e IA, pero con diferentes objetivos.

“Cada departamento… puede tener objetivos diferentes… y no piensan en una estructura general. Es importante que la estrategia se defina desde el comité de dirección”

 – Ana Alcón (Directora Comercial de h&k)

Sin gobernanza central, cada área avanza a distinta velocidad y se generan silos difíciles de recomponer.

6. No definir el origen del dato y su modelo de gobierno

A menudo se habla de tomar decisiones basadas en datos, pero sin haber resuelto antes lo esencial:

“El gran problema aparece en la definición: ¿desde dónde sale el dato?, ¿cómo se puede gestionar?, ¿qué modelo de gobierno hay que dar?”

– Ignacio Franquesa (Director de Consultoría de h&k)

Y se recuerda algo fundamental:

“El dato ha de estar gestionado por un equipo… que ponga una hoja de ruta clara”

– Ignacio Franquesa (Director de Consultoría de h&k)

7. Pensar que la estrategia de datos es solo tecnología

Un freno muy común: confundir estrategia de datos con stack tecnológico.

“Los mayores frenos técnicos… es pensar que la estrategia del dato solo pasa por la parte del stack tecnológico. Es solo una parte más.”

 – Brain Estévez (Data Lead en h&k)

La gobernanza, los roles, la calidad y los procesos son tan importantes como las herramientas.

8. Información comercial no recogida ni procesada

Un buen ejemplo con el que nos encontramos es la enorme cantidad de información comercial que hoy se pierde:

“Las conversaciones comerciales generan muchísima información… y toda esa información se pierde porque no se recoge, no se estructura ni se procesa”

– Carlos Gutierrez (GTM Director en h&k)

Además, la IA podría habilitar una segmentación y personalización muy potente:

“La inteligencia artificial te habilita la posibilidad de conocer muy bien a tu cliente y hacer una oferta incluso súper personalizada”

 – Carlos Gutierrez (GTM Director en h&k)

9. Datos distribuidos, seguridad e integración de sistemas: la visión de los expertos de Microsoft

Uno de los frenos más destacados durante el evento vino directamente de la mano de expertos de Microsoft, quienes compartieron cómo viven estas barreras en su día a día con clientes de múltiples sectores.

En concreto, Ainara Arnaiz, Partner Solution Sales en Microsoft Azure, subrayó que estos retos no son casos aislados, sino una realidad constante dentro de Microsoft:

“Las empresas se encuentran con retos: datos distribuidos, control de seguridad y la integración de sistemas legales”

Ainara destacó que esta es exactamente la visión que tienen desde Microsoft cuando acompañan a organizaciones en sus procesos de modernización: sin resolver estos frenos estructurales, es imposible construir una base sólida que permita escalar proyectos de analítica e IA.

Y añadió cómo la plataforma Azure está diseñada para desbloquear estos puntos críticos: “Microsoft Azure está aquí para ayudar a quitar estos frenos y modernizar aplicando IA generativa de forma controlada”

¿Listos para desbloquear el potencial de vuestros datos?

La reflexión final es clara: la Inteligencia Artificial solo genera impacto real cuando se construye sobre una base sólida de datos. Sin homogeneización, sin gobierno, sin accesibilidad y sin una estrategia común, cualquier iniciativa de IA —por ambiciosa que sea— se queda corta.

Los frenos que identificamos tras el evento ponen de manifiesto que el reto no está en la tecnología, sino en ordenar, alinear y preparar los datos para que la IA pueda escalar con garantías. Os dejamos aquí el enlace al vídeo completo donde se profundiza en todos estos frenos de forma estructurada: https://youtu.be/WEAHlpvYZu8 

En h&k ayudamos a las organizaciones a crear una base de datos sólida, gobernada y preparada para habilitar casos de uso reales de IA que aporten valor al negocio.

¿Quieres saber cómo sacar el máximo partido a tus datos?