REPORTE 2026: DATOS E IA Reporte 2026: datos e IA 1

REPORTE 2026: DATOS E IA Resumen del reporte Introducción: la (gran)
desconexión La brecha creciente entre la ambición de la IA y la realidad
operativa en las industrias Las principales tendencias de datos e IA
para 2026 1. El éxito de la IA en 2026 dependerá de la infraestructura
de datos, no de nuevos modelos Por qué una infraestructura de datos
moderna, y no el último modelo de IA, genera el mayor ROI para las
empresas 2. Las organizaciones pasan de la experimentación general a
casos de uso específicos y de alto valor Del hype al enfoque: las
aplicaciones probadas y medibles reemplazan la experimentación sin
dirección 3. La IA evoluciona del proof-of-concept al despliegue a
escala empresarial De los ensayos y pilotos a la adopción estratégica y
lista para la producción en múltiples industrias 4. Las compañías
replantean sus estrategias de IA de corto plazo y "tech-first" que no
escalan Cómo las organizaciones aprenden de los errores iniciales 5. El
modelado semántico, la inteligencia conversacional y la gobernanza se
vuelven diferenciadores críticos TLos habilitadores "ocultos" que
definen la escalabilidad, confianza y adopción responsable de la IA 6.
Las empresas priorizan la gestión del ciclo de vida de los datos, la
modernización y la capacidad humana Las prioridades estratégicas que
marcarán los próximos 18 meses de transformación impulsada por la IA 7.
Las compañías de alto desempeño alinean datos, personas y propósito para
escalar la IA de forma responsable Qué comprenden las organizaciones
exitosas sobre sí mismas, sus datos y su gente Tendencias por industria
para 2026 Pronósticos para aerolíneas, retail, medios, salud y
tecnología, y cómo la IA está redefiniendo las operaciones, la
innovación y el talento Cómo prepararse para 2026 Acciones clave para
generar readiness y evitar errores comunes Conclusión: la base determina
el futuro Tres caminos posibles y por qué las bases sólidas definen cuál
tomar 2

REPORTE 2026: DATOS E IA

Reporte DataArt 2026: datos e IA Insights de expertos de DataArt sobre
dónde la IA realmente funciona, los fallos más comunes que frenan a las
compañías y las prioridades que definirán el éxito en los próximos 18
meses.

Introducción: la (gran) desconexión

Existe una brecha fundamental entre lo que las organizaciones esperan de
la IA y lo que se necesita para entregarla. Los decisores buscan
victorias transformacionales a bajo costo mientras descuidan el trabajo
fundacional que las hace posibles. Esta división aparece en todas las
industrias. Las empresas anuncian iniciativas de IA en comunicados de
prensa mientras sus equipos de finanzas copian datos manualmente entre
sistemas. Los ejecutivos promueven la toma de decisiones basada en datos
y luego desestiman la analítica cuando contradice su intuición. Los
departamentos de tecnología operan como proveedores offshore más que
como socios estratégicos, generando un entendimiento fragmentado e
interfaces lentas que frenan la innovación. El sector cultural, por
ejemplo, evidencia bien este desacople. Las organizaciones adoptan con
entusiasmo herramientas de IA y realidad extendida para la experiencia
del visitante, pero el 82% carece de marcos de gobernanza de datos y
habilidades internas para llevarlas a producción. La industria musical
reconoce que los datos son un activo clave, pero sigue limitada por la
fragmentación y la falta de estandarización de metadatos. Los servicios
financieros cuentan una historia similar. GenAI domina las
conversaciones sobre productividad, posibles recortes y ventajas
competitivas. Sin embargo, la implementación real ocurre principalmente
en equipos de tecnología y analítica avanzada. Funciones core en
finanzas, riesgos y gestión de fondos siguen dependiendo de archivos
Excel cargados manualmente desde bases legadas de los años \`90 o
principios de 2000. Lo que hoy se considera adopción de IA en muchas
empresas se reduce a empleados usando ChatGPT para búsquedas y redacción
de correos electrónicos. La adopción real es usar la IA para automatizar
procesos, habilitar nuevas capacidades y atender necesidades específicas
del negocio y de los clientes. La distinción entre transformación y
modernización se pierde. Muchas empresas hablan de transformación
cuando, en la práctica, están modernizando: arreglan sistemas legados,
limpian datos o integran herramientas que no se comunican. Ese trabajo
es necesario, pero no es una transformación.

Aunque las compañías aseguran abrazar la innovación de vanguardia,
muchos de sus flujos siguen intactos. No se trata de adoptar GenAI, sino
de modernizar las herramientas del día a día."

3

REPORTE 2026: DATOS E IA

La verdadera transformación ocurre cuando la tecnología cambia cómo se
toman las decisiones, cómo trabaja la gente y cómo los clientes viven la
marca. Eso exige un cambio cultural más profundo, no solo un stack
nuevo.

Principales tendencias de datos e IA para 2026

1 1. El éxito de la IA en 2026 estará impulsado por la infraestructura
de datos, no por nuevos modelos

Si 2025 fue el año de la experimentación con IA, 2026 será el año de la
verdad: el momento en el que las empresas deberán enfrentar las bases
sobre las que construyen sus iniciativas. Hoy, la inversión tecnológica
con mayor retorno (ROI) no está en el modelo más avanzado de IA, sino en
la infraestructura de datos. Construir pipelines sólidos, definir una
estrategia clara de gestión de datos a nivel organizacional y hacerlos
accesibles y casi en tiempo real representa la mejor iniciativa de ROI
para cualquier empresa. A partir de ahí, la implementación de analítica
e IA puede generar beneficios financieros sustanciales. Las inversiones
más impactantes se están enfocando en plataformas de AI Adoption Layers
datos descentralizadas, especialmente en arquitecturas data mesh y
stacks modernCos adepparosveeddeoreas cdomoopScnoiówfnlakde,
eDaItaAbricks y los principales clouds. Estas plataformas ofrecen
arquitecturas rápidas, accesibles y basadas en APIs, que fomentan la
agilidad, democratizan el acceso a los datos y

Las inversiones que las compañías hicieron en plataformas de computación
en la nube son las que más resultados de negocio generan hoy por su
madurez y escala de impacto, una escala que la IA, por ahora, aún no
iguala"

CAaIpAadsodpetioandoLapyceiórns de IA

PGileontoAsI dPeiloGtse&nAPIOyCPsOCs

Donde se enfocan las empresas

APruotcoemsas tAizuatcoimónatdioenp&roAcensaolystiycsanalítica Pilotos
de GenAI y POCs

Implementación inconsistente

PDAlaautttaaodmoPlaramttizfaoasrcmdióesn&ddaGetoopsvryoercSneoasbnoecsreynaannzaalítiBcaase
crítica, a menudo ausente

Platadormas de datos y Sobernanza

4

REPORTE 2026: DATOS E IA

sientan las bases para la integración con GenAI. Son verdaderos
facilitadores estratégicos de innovación, velocidad y ventaja
competitiva. Las empresas que invirtieron en plataformas cloud hace
tres - cinco años están viendo los frutos ahora, en una escala que la IA
aún no puede igualar. Las plataformas de datos que habilitan analítica
de autoservicio con gobernanza clara siguen siendo la prioridad. La
tecnología ya existe; lo que resta es que las compañías la implementen
antes de correr en busca de características más sofisticadas. La
gobernanza de datos merece atención especial. Varias organizaciones
implementaron herramientas como Microsoft Copilot sin permisos ni
controles adecuados, lo que derivó en la exposición accidental de
información sensible. Este no es un problema de IA, sino de gobernanza.
Los marcos sólidos de gobernanza deben ser prioridad antes de avanzar
con la IA. El patrón se repite en todos los sectores: Las aerolíneas
necesitan plataformas de datos compartidas que habiliten la colaboración
con terceros. En medios y entretenimiento, integrar la IA con una
gestión de datos sólida genera resultados tangibles: experiencias
hiperpersonalizadas, analítica avanzada de audiencias y nuevos modelos
de monetización. 2 Las organizaciones pasan de la experimentación
general a casos de uso específicos y de alto valor La IA genera
verdadero valor empresarial cuando se aplica a casos de uso concretos y
bien definidos. En contextos amplios o difusos, sigue siendo
experimental. Las victorias más claras provienen de la automatización
inteligente. El camino más corto hacia el valor tangible para la mayoría
de las organizaciones consiste en entrenar agentes de IA que gestionen
procesos manuales realizados completamente en sistemas digitales. Estos
agentes ya se usan con éxito en áreas como la gestión del ciclo de
ingresos (revenue cycle management). La automatización inteligente
mediante agentes de IA tiene un valor comercial evidente. Las
herramientas de productividad para desarrolladores han alcanzado una
adopción casi universal. Soluciones como Cursor ya son estándar. Además,
hay una fuerte tracción en el procesamiento de documentos no
estructurados: tareas de extracción, resumen y validación cruzada
limitada se han vuelto rutinarias y confiables. Diversas áreas ya
muestran cómo la IA ofrece impacto medible: aumento de la eficiencia,
automatización de procesos, automatización documental, atención al
cliente, educación, creación de contenidos y desarrollo de software. Las
soluciones AI-first son lo suficientemente maduras como para generar
resultados tangibles en la mayoría de los sectores. El desarrollo de
software representa tanto el mayor éxito como la mayor complejidad para
la IA. Las mejoras en productividad gracias a copilotos de

Creo firmemente que mejorar la gestión de datos es esencial para todo lo
que hacemos con nuestros clientes. No se puede avanzar si los datos de
la empresa están aislados, son difíciles de modificar o acceder, o están
gobernados de manera tal que se convierten en un cuello de botella." Los
datos son el combustible que impulsa la IA; las empresas deben enfocarse
en su gestión para obtener el verdadero valor que encierran" Sigue
siendo experimental cuando las compañías persiguen una transformación
genérica sin un caso de negocio definido: chatbots sin propósito,
pilotos sin dueño o experimentos con modelos de lenguaje desconectados
de las operaciones".

5

REPORTE 2026: DATOS E IA

código varían significativamente según la experiencia del desarrollador
y el contexto del proyecto. En equipos con poca madurez técnica o
seniority limitado, el uso de copilotos puede ofrecer resultados mixtos.
La IA sigue siendo mayoritariamente experimental en ámbitos como la toma
de decisiones y la generación de alfa, especialmente en industrias
reguladas donde la confianza, la transparencia y el cumplimiento son
esenciales. El sector salud ofrece un anticipo del futuro: la FDA ha
aprobado de forma limitada el uso de agentes de IA para mejorar la
precisión de navegación en tiempo real durante biopsias pulmonares, y se
espera una ampliación significativa en 2026. A medida que estas
aplicaciones clínicas demuestran beneficios reales, los organismos
reguladores a nivel mundial emitirán nuevas guías que acelerarán la
innovación basada en IA médica. Entonces, ¿qué separa el éxito del
fracaso? La especificidad. Las empresas que comienzan con problemas
concretos obtienen retornos nítidos. En retail, por ejemplo, la IA
entrega un ROI claro en pronóstico de demanda, precios dinámicos,
automatización del servicio al cliente y optimización de la cadena de
suministro. Estas áreas generan resultados tangibles en cuestión de
meses, no años. Las soluciones de IA listas para usar (out-of-the-box)
para problemas comunes brindan un valor más consistente que los
desarrollos personalizados, ya que son más enfocadas, accesibles e
inmediatamente aplicables. Son relativamente económicas y sirven como
campo de prueba y herramienta educativa para los equipos. En cambio, las
soluciones a medida se vuelven necesarias cuando se busca una ventaja
diferenciadora alineada al modelo de negocio. Los chatbots ya no son la
noticia del día. El valor real está en resolver problemas específicos y
ofrecer impacto medible.

La IA puede potenciar enormemente el desarrollo de software, pero la
mayoría de los equipos aún lucha por usarla de forma eficaz. A veces, el
marketing supera lo que la IA realmente puede ofrecer, por eso es
crucial aplicar la tecnología donde aporta más valor. Con el enfoque
correcto, los beneficios son enormes".

MIlnMoavutaerditrxrsIinixsofhrsnoahewsostwrienuingcntguArAIevI
avlauleuebybyusuesecacsaese Inivnefrsatmesetnrutsctura en la nube

AlmGaeneración de Genaelfraation

BUSINESS IMPACT Impacto en el negocio

InteAlliugteonmt atización Autionmtealitgioennte DocPuromceenstamiento
Procdeessdiongcumentos

CusStoemrveicrio al Sercvliiceente

DecIAisiopna-rMa atokminagde AI decisiones

DevHeelorrmaemrcientas para Toolds esarrolladores

??

MadTEuCrHezMtAeTcUnRoITlYógica 6

REPORTE 2026: DATOS E IA

3 La IA evoluciona de la prueba de concepto al despliegue a escala
empresarial La adopción de la IA en 2026 será fundamentalmente distinta
del enfoque experimental actual. El paso del concepto a la producción ya
comenzó. En los últimos años, las empresas realizaron una enorme
cantidad de pruebas de concepto (POC), en parte porque el entorno
tecnológico y los modelos evolucionaban muy rápido, y porque las
personas necesitaban tiempo para adaptarse. Ese período de aprendizaje
inicial está terminando: ahora la IA comienza a mostrar beneficios
reales en ciertos conjuntos de casos de uso. Tal vez las ganancias no se
multipliquen por 10, pero incluso mejoras del 10­20% son materiales y
significativas. Las herramientas de IA de propósito general darán paso a
aplicaciones agentic especializadas. Para 2026, un número creciente de
empresas líderes migrará de herramientas generalistas hacia aplicaciones
más especializadas, donde los agentes empresariales operan en entornos
complejos que demandan una gobernanza madura. Una vez que la IA
generativa (GenAI) esté incorporada en toda la organización, crear
agentes que automaticen procesos de negocio se convertirá en el paso
lógico y más poderoso. Ese será el gran foco de 2026: la IA pasará de la
asistencia pasiva a la orquestación activa de flujos de trabajo. El
ciclo de hypede la IA muestra señales de haber alcanzado su punto
máximo, aunque los expertos difieren sobre el momento exacto. Algunos
creen que la burbuja ya está comenzando a desinflarse, a medida que las
empresas reconocen que el hype inicial no produjo una transformación
Evolución de la adopción de IA Evolución de la adopción de IA

Cada vez más empresas están adoptando enfoques estratégicos para la
adopción de IA: abordan las debilidades de la infraestructura y el
camino hacia la producción, y ajustan su estructura organizacional para
considerar a la IA como un catalizador clave en la estrategia de
desarrollo empresarial y organizacional". La sorpresa será que la IA no
se sentirá futurista. Se sentirá cotidiana y esencial, igual que el
Excel en su momento".

2024 2024

3 202x 3 202x

202zPrase 202zPrase

202} 202}

202 202

E'perimentos Ea'mppelrioims entos amplios

Pilotos Pdcceeooisselttonnrrbaatssoattttrrééssuuggecciicccciiooóóssnnyy
de base

Despliegue en
pDpodorrrereqqoosauddupgeeuulisseccettccnaagiitccóóueiiennaóónneyyn de
agentea

Operaciones
ppamvaOvuuuoouapeemmrriellnvvIIeerAAseeanntrnncttsseaaeeiaoddmnaaesss
mainstream

Capacidades
dCnttdiinnooeeeattddeegpIIooggoAAarrceeaacmmilloidddaaaaaddssduueeerrnnaasss
negocio

7

REPORTE 2026: DATOS E IA

inmediata. Otros sostienen que este patrón aún tiene dos o tres años
antes de llegar a una corrección. La IA dejará de sentirse como una
iniciativa aislada. Para 2026, la adopción pasará de pilotos a MVPs y
producción en las empresas que hayan construido las bases adecuadas.
Muchas aún están en fase de prueba, pero esto está cambiando
rápidamente. La IA se integrará en los flujos de trabajo cotidianos a
través de herramientas, plataformas y agentes especializados por
dominio. Se hablará menos de "proyectos de IA" y más de equipos
aumentados por IA, donde planificadores, ingenieros y marketers utilicen
asistentes y agentes inteligentes como parte natural de su rutina
diaria. El foco se desplazará de crear modelos a gobernar, integrar y
medir el valor a escala. Varios sectores experimentarán cambios
operativos radicales. En el retail, por ejemplo, para 2026 la IA
gestionará silenciosamente buena parte de las operaciones, mucho más de
lo que la gente percibe. Desde la fijación de precios y la planificación
de surtido hasta el marketing y la cadena de suministro, una porción
significativa de las decisiones diarias será ejecutada por agentes
autónomos o semi-autónomos. Los equipos humanos no desaparecerán, pero
su enfoque pasará de la ejecución a la toma de decisiones, el análisis y
la creatividad. En el sector salud, continuará el progreso regulatorio.
La aprobación de la FDA para el uso de agentes de IA en la mejora de la
navegación en tiem-

"La mayoría de las empresas tiene brechas en capacidades centrales, como
plataformas de datos modernas, flexibles y potentes que les permitan
moverse rápido con IA y agentes. Además, las prácticas y tecnologías
para manejar el riesgo y la gobernanza en IA apenas están emergiendo.
Fuera de casos internos de bajo riesgo, esa es la mayor barrera para
pasar a producción

Factdres ie éxntd ei nincnatnvas ie IA

¿Casd ie iegdcnd iefinido

Sí

FALLA

¿Calniai ie iatds sYfcneiteo

Sí

FALLA

¿gdueriaiza nvpleveitaiao

Sí

FALLA

Avaizar al pnldtd

Avaizar al pnldtd

8

REPORTE 2026: DATOS E IA

po real durante biopsias pulmonares se ampliará en 2026, abriendo camino
a nuevas aplicaciones clínicas. Una predicción contraria destaca:
mientras la mayoría de las organizaciones se concentran exclusivamente
en implementaciones de IA en la nube, se espera un crecimiento en la
adopción de PCs con capacidad de IA para ingeniería y otros casos
internos. Hoy, muchas compañías dependen de modelos alojados en la nube
por su potencia de cómputo, pero eso conlleva costos y desafíos de
cumplimiento y seguridad. El surgimiento de computadoras personales con
capacidad de IA permitirá trasladar ciertos casos a modelos open-source
locales, que están evolucionando rápidamente y serán lo suficientemente
buenos para muchos usos. La industria de la IA está madurando. Surgen
nuevos estándares, protocolos, herramientas y servicios. Pasamos de la
experimentación rápida a una ingeniería disciplinada. La experimentación
ágil y continua será la nueva norma, especialmente en industrias
competitivas, complejas y reguladas. Las compañías que adopten esta
mentalidad estarán un paso adelante de sus competidores. 4 Las empresas
están replanteando las estrategias de IA de corto plazo y "tech-first"
que no escalan Estos son los cinco errores críticos que más limitan el
progreso: Error 1: La tecnología primero, el problema después El error
más frecuente es tratar a la IA como un proyecto tecnológico, esperando
que los equipos de IT inventen casos de uso en aislamiento. Error 2:
Construir sobre arena Las compañías quieren ser "data-driven", pero con
frecuencia la calidad de los datos es baja. La dirección suele
entenderlo, aunque muchas veces solo toman decisiones "basadas en datos"
cuando los resultados coinciden con su intuición o sus deseos. Error 3:
Sobreestimar las capacidades, entregar resultados de menor valía y
cuantía que los esperados El mayor problema hoy es que muchas
organizaciones aseguran tener una estrategia de datos clara y cohesiva,
cuando en realidad solo cubren una parte. Es como afirmar que se tiene
una estrategia de negocio integral y mirar únicamente el área de
recursos humanos. Usar ChatGPT internamente no convierte a una empresa
en "AI-driven". El uso puntual por parte de empleados no equivale a una
adopción real orientada al cliente o al negocio.

Las empresas inteligentes adoptan un enfoque diferente: habilitan el
acceso amplio a la IA en toda la organización, fomentan la
experimentación, comparten casos, crean bibliotecas de prompts y la
integran en el trabajo diario. Cuanto más diversos los usuarios, "Dejen
de intentar implementar IA con datos deficientes. Creen un centro de
innovación que ayude a priorizar, entender qué casos deben descartarse y
cuáles vale la pena investigar, conceptualizar y luego escalar".

9

REPORTE 2026: DATOS E IA

Error 4: Pensamiento táctico, negligencia estratégica El fracaso en
conectar proyectos con ROI desde el inicio es común. Contratar un
científico de datos y adquirir información puede funcionar para un
primer piloto, pero sin estructura, el esfuerzo no se sostiene.
Enfocarse tácticamente en una lista de casos sin pensar estratégicamente
en cómo habilitar el camino a producción es un error. Las empresas
necesitan una estrategia de IA a 3­5 años, que incluya un mapeo de valor,
ajustes en el modelo de negocio, la tecnología requerida y las
capacidades organizacionales necesarias para escalar. Error 5:
Malinterpretar la naturaleza de la IA El error más fundamental es asumir
que la IA funciona con lógica determinista. En realidad, la IA trabaja
con probabilidades: un resultado del 90 % puede ser considerado "bueno".
Y los modelos generativos no comprenden la lógica, sino que aprenden
patrones de probabilidad Cuando todos lanzan cien proyectos de IA y la
mayoría fracasa, la lección es clara: hay que comprometerse con uno y
hacerlo funcionar. No se trata de usar IA en todo, sino en lo que
realmente importa. 5 El modelado semántico, la inteligencia
conversacional y la gobernanza se están convirtiendo en diferenciadores
críticos

Un error común en la adopción de la IA es comenzar por la tecnología en
lugar del problema. En el actual ciclo del hype, muchas compañías lanzan
pilotos solo porque está de moda, sin caso de negocio claro, sin datos
listos y sin un plan de escalamiento. Lo más eficaz es comenzar con un
caso de alto valor (reducir churn, mejorar pronósticos o automatizar
tareas rutinarias), demostrar ROI rápido y luego escalar".

Mientras la mayoría de las organizaciones concentra su atención en los
grandes modelos de lenguaje (LLM) y las aplicaciones generativas más

PPoorr qquuéé ffaallllaann llooss pprrooyyeeccttooss ddee IIAA

3300%%

2255%%

2200%% 1155%% 1100%%

ProbPlreomblaesmdaes de impilemmpleentmaecintianciin técntiéccanica

Defniciin

ddDeeffnccneiiieegcnnioittceenioddeell

caso caso

de negocio

CiCnaasulliifddcaaieddnddteee

datos datos

insufciente

Falta de mgFmaoaalbtrracceoordnsseaddneeza gobernanza

Recursos/ cRcinooeammcduppersrrcoooummsa/diissooos inadecuados

10

REPORTE 2026: DATOS E IA

visibles, existen tecnologías y enfoques esenciales que siguen
subvalorados, a pesar de su importancia decisiva para el futuro de la
adopción empresarial de la IA..

Tecnologías de base de datos Modelado semántico y gráficos de
conocimiento La simplificación y unificación de las plataformas de
datos, junto con la eliminación de silos, son claves para garantizar una
gobernanza consistente, trazabilidad, gestión de metadatos, seguridad y
calidad en todo el patrimonio de datos de una organización. Los enfoques
sistemáticos de gestión del conocimiento, los gráficos de conocimiento
(knowledge graphs) y los modelos semánticos serán habilitadores
esenciales para los casos de uso impulsados por LLMs y agentes
inteligentes. Capacidades de IA y agentes dentro de las plataformas de
datos Las principales plataformas de datos y analítica, como Snowflake,
Databricks, AWS, GCP y Azure, están a la vanguardia en el desarrollo de
capacidades integradas de IA y agentes. Gran parte de la experimentación
con IA y agentes hoy ocurre a nivel del workflow, pero no siempre se
integra adecuadamente con los conocimientos y datos empresariales
existentes. Para la mayoría de los casos de uso de IA y agentes, en
especial aquellos que requieren datos, analítica o ejecución de
transacciones automatizadas, las plataformas integradas serán la opción
más sólida. Inteligencia conversacional y consultas en lenguaje natural
La inteligencia conversacional ayudará a las empresas en la generación
de reportes y permitirá que los usuarios de negocio accedan fácilmente a
los datos. La implementación de almacenes de datos con capacidad de
consulta en lenguaje natural en todas las áreas de una organización
sería beneficiosa para todos los clientes. Gobernanza y monitoreo de IA
Gobernanza, monitoreo y observabilidad de IA: estas capacidades siguen
estando subestimadas, a pesar de su importancia crítica para los
despliegues de IA en producción. IA para la gestión de procesos de
negocio (BPM): la IA aplicada al BPM existe, pero está subutilizada. Su
implementación adecuada requiere una extensa limpieza y preparación de
datos. Capacidades de IA de próxima generación Modelos generativos con
razonamiento: entrenar modelos generativos a partir de secuencias de
acciones y razonamiento aún es experimental, pero representa el futuro.
Optimización del ciclo de vida del desarrollo de software (SDLC) y
marcos de trabajo con agentes de IA: resulta llamativo que todavía no

Los proyectos como los agentes automatizados del ciclo de vida del
desarrollo de software (SDLC) siguen siendo impulsados principalmente
por entusiastas, con una demanda limitada o inexistente por parte de los
clientes. La fluidez en IA aún no se rastrea como una habilidad
diferenciada en la gestión de proyectos, lo que indica que la industria
todavía no está preparada para la era del desarrollo de software
mejorado con IA".

11

REPORTE 2026: DATOS E IA

exista un desarrollo centralizado de algo similar a un framework de
"granjas de agentes de IA" para automatizar el SDLC. Este ciclo es
bastante estándar en muchos aspectos, predefinido y conocido. Contar con
agentes de IA en los puntos adecuados podría automatizar porciones
significativas y potencialmente reducir el tamaño de los equipos. Por
ahora, esto refleja una creencia a nivel ejecutivo, pero la tecnología
está avanzando rápidamente para alcanzarlo. Las organizaciones deberían
pensar en sus propios modelos para ciertas tareas: ¿Qué rutinas podrían
automatizar con IA? ¿Qué tan difícil sería ajustar uno de los modelos
existentes para cumplir con ese propósito? 6 Las empresas están
priorizando la gestión del ciclo de vida de los datos, la modernización
y la capacidad humana Las recomendaciones de los expertos de DataArt
para los próximos 18 meses son consistentes y convergen en cinco grandes
prioridades estratégicas. Prioridad 1: Invertir en datos a lo largo de
todo su ciclo de vida Los datos son el activo más importante y el área
de inversión más crítica. Esto incluye la adquisición, el
almacenamiento, la gobernanza, la analítica y el acceso.La forma en que
una empresa gestiona sus datos influye directamente en todas las demás
decisiones que toma. Adoptar IA, construir agentes o mejorar las
capacidades de autoservicio se vuelve mucho más fácil y escalable con
una infraestructura de datos moderna e integrada. El primer paso es
alinear la estrategia de datos con la estrategia de negocio y luego
construir una plataforma eficiente, efectiva y económica que habilite la
entrega futura de soluciones de IA. Esto requiere una combinación de
modernización y soluciones nuevas para impulsar el crecimiento. A veces
la respuesta será la IA, pero no siempre: se necesita una visión
integral de inversión, donde la IA sea parte de un ecosistema de
transformación. Prioridad 2: Modernizar las plataformas legadas ahora La
recomendación es clara: invertir más en modernizar las plataformas de
datos legadas, y hacerlo ya. Cuanto más se demore, más complejo y
costoso será el proceso. La simplificación de arquitecturas mediante
tecnologías modernas en la nube y open-source es esencial. Una base
sólida en gestión de datos, gobernanza, ingeniería y operaciones, junto
con la interoperabilidad entre plataformas, equipos y tecnologías,
permite adoptar IA y agentes de manera sistémica y sostenible. Prioridad
3: Formar personas, no solo modelos

Es difícil exagerar la importancia de los productos de datos y la
democratización de la información. Las organizaciones tienen éxito
cuando sus empleados pueden explorar y analizar datos bajo demanda, y
cuando los modelos de datos fundamentales son completos, fáciles de
entender y diseñados para un uso amplio".

12

Plataformas modernas integradas

REPORTE 2026: DATOS E IA

Capacidades de IA/ML

Plataformas de datos

Orquestación de agentes

Empezar a capacitar a las personas, no solo a los modelos. La mayoría de
las empresas deberían comenzar a tratar la adopción de la IA como un
cambio organizacional, no como un proyecto tecnológico. Es necesario
invertir en la calidad de los datos, en habilidades interfuncionales y
en la alfabetización interna en IA. Ayuda a que cada empleado entienda
cómo trabajar con la IA, no a pesar de ella. Hoy, muchas áreas de
dirección no comprenden la tecnología de IA en profundidad, lo que
reduce drásticamente su integración en los procesos de negocio. Los
desarrolladores de IA, en muchos casos, pasan más tiempo convenciendo a
la gerencia de la viabilidad de ciertas soluciones que implementándolas.
La brecha de competencias entre el management y los equipos técnicos
crece y amenaza con convertirse en el principal cuello de botella.
Prioridad 4: Crear planes de IA reales y accionables Tener una "idea
socializada" de la IA no es suficiente. Las organizaciones necesitan
planes concretos y medibles, con casos de uso claros, asignación de
recursos y metas verificables. La planificación temprana de proyectos de
transformación de gran escala en datos, back office y front office es
crítica. Si bien los ejecutivos suelen habilitar iniciativas, pocas
empresas dedican el tiempo necesario a planificar su implementación real
y medir el ROI que esos proyectos deben generar. El modelo de workshops
de aerolíneas ofrece un ejemplo exitoso: Entrevistar a cada departamento
para identificar puntos de dolor. Crear una lista de posibles proyectos
de IA para resolverlos. Priorizar casos por ROI y fact-

La transformación sostenible depende tanto de las personas y la cultura
como de la tecnología. La mayor barrera a la adopción no suele ser la
herramienta, sino la falta de la mentalidad, las habilidades y la
confianza adecuadas. Sin estos elementos, incluso las mejores
plataformas fallan en generar un cambio duradero". 13

REPORTE 2026: DATOS E IA

ibilidad. Evaluar los fundamentos técnicos antes de iniciar. Ejecutar un
piloto con métricas claras. Escalar los casos exitosos a toda la
organización. Prioridad 5: Habilitar la experimentación estructurada
Crear un hub de innovación permite a la organización priorizar y
entender cuáles casos de uso descartar, probar o escalar. Resolver los
problemas de datos Piensa en adquirir los datos relevantes que falten y
en establecer una ontología de datos adecuada. Comienza con soluciones
de IA listas para usar. Educa a tu equipo. Crea un entorno sólido que
incluya seguridad, escalabilidad y cumplimiento para que tu empresa
pueda avanzar con la IA. Facilita la adopción de IA entre los equipos de
ingeniería El uso de modelos y herramientas de IA en ingeniería,
incluyendo ingeniería de datos y otras tareas relacionadas, genera
mejoras significativas en productividad. El enfoque correcto para la
adopción de IA en el desarrollo de software debería implementarse en
todas las empresas. Invertir en innovación (IA y datos) y en
ciberseguridad Ambas áreas deben avanzar en conjunto. De lo contrario,
la huella tecnológica será desproporcionada, generando más riesgos que
valor. 7 Las empresas de alto desempeño están alineando datos, personas
y propósito para escalar la IA de forma responsable

Las empresas deben elegir entre asumir el riesgo de experimentar
temprano con nuevas herramientas y ser pioneras, o quedarse atrás. Ser
seguidor también es riesgoso porque limita la capacidad de adaptarse a
un mercado que cambia rápidamente".

Camino hacia el éxito con IA

Escalar casos de uso exitosoq

Piloto con métricas claras Evaluación de la base

Priorización de casos de uso por ROI Identifcación de puntos de dolor
por departamento 14

REPORTE 2026: DATOS E IA

Los expertos de DataArt completaron la frase: "Las empresas que
prosperarán en 2026 son aquellas que comprenden..." Autoconocimiento a
escala organizacional Las empresas que prosperarán en 2026 serán
aquellas que se comprendan a sí mismas; cuanto más profundo sea ese
entendimiento, mayor será su capacidad de adaptación, innovación y éxito
sostenible. Esto implica romper la división tradicional entre tecnología
y negocio, construir bucles de retroalimentación internos más ágiles y
democratizar el acceso a los datos, de modo que cada persona dentro de
la organización pueda explorar, analizar y actuar sobre ellos. El
verdadero autoconocimiento organizacional: entender cómo se toman
decisiones, cómo se crea valor y cómo la tecnología puede amplificarlo,
será el rasgo que distinga a las empresas exitosas del resto.

Puntos críticos de comprensión organizacional Las empresas que mejor se
desempeñarán en 2026 serán aquellas que comprendan: · El valor de los
datos y el concepto de los datos como producto. · Cómo interpretar los
datos para generar impacto en el negocio y detectar oportunidades no
explotadas. · La cadena de valor de la IA de punta a punta: desde la
infraestructura y la gobernanza hasta la alfabetización en IA y la
generación de valor real. · Cómo convertirse en una organización
verdaderamente AI-first en los procesos centrales del negocio · Entender
que el negocio, en esencia, es simple: ser mejores que la competencia al
momento de servir a los clientes. · Reconocer que las personas deben
evolucionar con la misma velocidad que la tecnología. · Asumir que la IA
no reemplaza al talento humano, sino que amplifica el valor de un
profesional bien preparado. · Adoptar la IA no como una herramienta
aislada, sino como una estrategia central del negocio: integrando
decisiones en tiempo real impulsadas por IA dentro de los flujos de
trabajo críticos, mejorando la eficiencia y la precisión, con una
gobernanza de datos sólida y una alineación profunda con las necesidades
del cliente. · Uso responsable de la IA que trabaja junto a las personas
para impulsar decisiones más rápidas e inteligentes · Cómo aplicar la IA
en línea con sus objetivos y fortalezas · Las posibilidades y
limitaciones de las soluciones de IA generativa · Es un cambio
generacional, no una moda pasajera · Que los verdaderos ingenieros, con
la ayuda de la IA, pueden reemplazar a grandes equipos de personas

Las empresas que prosperarán son aquellas que saben interpretar los
datos para impulsar el éxito del negocio y descubrir nuevas
oportunidades. El éxito no depende de la cantidad de datos recopilados,
sino de la capacidad de comprender lo que realmente significan". 15

REPORTE 2026: DATOS E IA

Predicciones por industria para 2026 Los expertos de DataArt también
compartieron predicciones específicas por sector sobre cómo evolucionará
el impacto de la IA en distintas industrias. Aerolíneas: la
experimentación rápida será obligatoria El entorno de las aerolíneas
seguirá siendo altamente competitivo, complejo y regulado. Para mantener
la ventaja, las compañías deberán adoptar la experimentación continua
como práctica estructural. Aquellas que abracen esta mentalidad ágil y
basada en aprendizaje constante se posicionarán por delante de sus
competidores. Retail: la IA se vuelve invisible Para 2026, la IA operará
en una porción mucho mayor de las operaciones del retail de lo que la
mayoría imagina, actuando silenciosamente detrás de escena. Desde la
fijación de precios y el surtido, hasta el marketing y la cadena de
suministro, una gran parte de las decisiones diarias será gestionada por
agentes autónomos o semi-autónomos. Los equipos humanos no
desaparecerán, pero su rol cambiará: dejarán la ejecución mecánica para
enfocarse en la creatividad, el juicio y la mejora continua. Medios:
revertir la tendencia al aislamiento En el sector de los medios existe
un interés creciente por revertir la tendencia hacia el aislamiento en
el consumo de contenido. El streaming eliminó las clásicas reuniones
para ver episodios o escuchar los nuevos álbumes entre Predicciones 2026
por industria

Salud Retail Aerolíneas Tecnología Medios

Los tratamientos personalizados impulsados por IA se vuelven estándar en
grandes sistemas hospitalarios Las tiendas adoptan IA generativa para
pricing dinámico y curación de productos en tiempo real La IA predictiva
reduce drásticamente los retrasos mediante reencaminamiento dinámico Los
sistemas de IA agntica gestionan de orma autónoma la inraestructura
cloud y optimizan código El contenido generado por IA representa el 50%
de la producción de medios

16

REPORTE 2026: DATOS E IA

amigos, y hoy comienzan a aparecer señales de un deseo por recrear esa
experiencia social en el mundo real. Salud: la claridad regulatoria
impulsa la innovación Contrario a las predicciones de que la IA
reemplazaría al outsourcing o a los desarrolladores, lo que se observa
es un renacimiento de la demanda por talento técnico calificado. La IA
puede generar código o automatizar tareas, pero no elimina la necesidad
de ingeniería; la amplifica. Las organizaciones que combinen IA
generativa + ingenieros experimentados lograrán el mayor salto de
productividad y calidad. Salud: la claridad regulatoria impulsa la
innovación La aprobación por parte de la FDA de agentes de IA para
mejorar la navegación en tiempo real durante biopsias pulmonares marcará
el inicio de un cambio regulatorio más amplio en 2026. A medida que se
multipliquen los casos de IA con impacto clínico comprobado, los
organismos regulatorios globales emitirán guías más claras y favorables,
abriendo paso a una ola de innovación médica. Otras predicciones
relevantes · La adopción generalizada de agentes de IA ocurrirá primero
en organizaciones con prácticas de datos maduras y casos de uso bien
definidos. · La computación cuántica comenzará a ganar visibilidad real.
· Se expandirá el uso de AI PCs para ingeniería y procesos internos,
usando modelos open-source locales. · Se hablará menos de IA:
prevalecerá un enfoque más pragmático y orientado a resultados. · La IA
se consolidará como una herramienta habilitadora, no una solución
mágica. · Aún subestimamos el impacto social que la transformación en
datos e IA tendrá sobre el trabajo, la educación y la economía. · Los
robots humanoides incrementarán su presencia en la industria de
servicios, abriendo nuevos espacios para el desarrollo de aplicaciones.
· Es posible que se produzca una corrección en el crecimiento del sector
tecnológico y de IA: no necesariamente una caída, pero sí una
desaceleración natural tras años de expansión desproporcionada frente al
resto de la economía.

Las empresas deberían reconsiderar la prisa por implementar innovaciones
de IA sin una base sólida en gobernanza de datos y preparación del
personal. Los ejemplos de 2025 mostraron que adoptar IA solo por moda es
riesgoso y, a menudo, inefectivo. La implementación debe estar guiada
por marcos éticos, transparencia, colaboración humano-IA y una cultura
alineada con los objetivos de la organización. Además, la dependencia de
datos fragmentados, no estandarizados o en silos, frecuente en sectores
como la música y el arte, debe resolverse antes de avanzar. Sin
priorizar la gobernanza de datos, la transparencia y la capacitación
humana, los proyectos de IA corren el riesgo de generar sesgos,
desinformación y pérdida de confianza".

17

REPORTE 2026: DATOS E IA

Cómo prepararse para 2026 Una práctica extendida que las empresas
deberían revisar. Dejar de separar la tecnología del negocio La
tecnología no es una bala de plata. Si los procesos o las personas están
rotos, la tecnología solo hará que los problemas escalen más rápido
Poner fin a la gobernanza de casillas de verificación La gobernanza
basada en marcar casillas debe desaparecer. La gobernanza debe generar
valor y actuar como un facilitador, no como un obstáculo. La mayoría de
las estrategias fracasan porque tratan a la tecnología como la respuesta
y a las personas como el problema. Dejar de sobrepersonalizar todo
Demasiadas organizaciones siguen reconstruyendo lo que ya existe listo
para usar, desde ERPs hasta data pipelines, desperdiciando tiempo y
presupuesto. Para 2026, la ventaja estará del lado de quienes
estandaricen, integren e innoven sobre lo existente, en lugar de
reinventar la rueda cada vez. Dejar de implementar "compañeros de IA" en
lugar de integraciones reales El desarrollo de AI companions significa
que las soluciones de IA no se están incorporando verdaderamente a los
procesos centrales del negocio. Esto es problemático: las organizaciones
no logran utilizar la IA en los procesos cotidianos para facilitar las
tareas. En cambio, la implementan en funciones más vistosas o de cara al
público, solo para poder decir que la están usando. Replantear la
obsesión por las apps móviles El uso de aplicaciones móviles para todo
está sobredimensionado. Los usuarios no necesitan una app distinta en su
teléfono para cada evento, entrada de teatro o pago. Basta con hacerlo
más simple desde el navegador. Lo mismo aplica para usuarios
corporativos: ofréceles una sola aplicación para la mayoría de las
tareas (el navegador) y dale un respiro a las tiendas de apps. Dejar de
correr hacia la IA sin la infraestructura adecuada En resumen: Para
2026, toda estrategia de IA o tecnología debe ser integrada, con
gobernanza primero y centrada en las personas.

Una práctica extendida que las empresas deberían revisar antes de 2026
es la separación persistente entre los equipos de tecnología y el resto
del negocio. En muchas organizaciones, el área tecnológica opera de
manera remota, a veces completamente offshore o en otra región, y se
trata más como un proveedor de servicios que como un socio estratégico.
Esta desconexión crea interfaces lentas, estructuras demasiado
formalizadas y una comprensión fragmentada de los desafíos del negocio.
También limita la automatización esencial y genera relaciones
ineficientes entre tecnología y negocio. Esta separación, física y
organizacional, debe desaparecer. El negocio y la tecnología deben
integrarse y operar como una sola unidad".

Evitar el uso inapropiado de la IA en el desarrollo de software

18

REPORTE 2026: DATOS E IA

Implementar la IA en el desarrollo sin la madurez técnica necesaria
puede ser contraproducente. Construir plataformas internas para consumir
agentes de IA con la experiencia, los conocimientos y las mejores
prácticas de la empresa cuando las capacidades básicas aún no están
listas es problemático. El desafío del messaging La capacidad de hablar
en términos de negocio, y no únicamente en lenguaje técnico, es
fundamental para ganar nuevos clientes y generar impacto. Muchas
organizaciones son excelentes entregando tecnología, pero no logran
comunicar el valor en términos que resuenen con el negocio. El mensaje
debe alinearse con la audiencia objetivo y traducir capacidades técnicas
en resultados tangibles. La justificación del ROI sigue siendo esencial
En sectores como el aeronáutico, el desafío no es la falta de casos de
uso, sino justificar financieramente cada proyecto. Las iniciativas que
demuestran incremento de ingresos suelen obtener prioridad; los ahorros
de costos también son importantes, aunque a menudo menos visibles, y las
mejoras en la experiencia del cliente (CX) se consideran igualmente
valiosas. La clave será medir y comunicar el retorno en términos de
negocio desde la etapa de diseño. El principio "Crawl ­ Walk ­ Run" Sigue
la máxima gatear, caminar, correr para lograr un éxito duradero y El
modelo de madurez de IA 2026

Alto

Seguidores rápidos Eyterimentan con IA, limitados tor los datos

Líderes Estrategia de IA y datos completamente integrada

Progreso de adopción de IA

En riesgo Datos desconectados, avance mínimo en IA

Constructores de base Datos s©lidos, §ase inicial de IA

Débil

Fuerte Fortale)a de la base de datos 19

Bajo

REPORTE 2026: DATOS E IA

asegurarte de que tu equipo se mantenga con los pies en la tierra, no en
el hype pasajero. Traducir el negocio al lenguaje digital Muchas
organizaciones aún no comprenden cómo sus procesos internos impactan
directamente en el valor entregado a clientes y stakeholders.
Digitalizarlos requiere entender los requerimientos reales y obtener
retroalimentación ágil del mundo físico. Otro obstáculo es la falsa
adopción del agile: abundan los frameworks "pseudoágiles", pero pocas
compañías están dispuestas a aceptar el error como parte del
aprendizaje. La cultura del "fracaso no es opción" sigue siendo
antiágil. Consideraciones de timing Las organizaciones que todavía no
hayan invertido en capacidades de datos fundamentales enfrentarán
grandes dificultades para lograr una adopción significativa de la IA
antes de 2026. La ventana de oportunidad para construir la
infraestructura base se está cerrando rápidamente. Actuar temprano será
la diferencia entre liderar o quedar rezagado.

El C-suite proclamará victorias en inversión de IA sin resultados
materiales, mientras se expone a una ola de ciberataques potenciados por
IA. La clave está en reentrenar y redistribuir a la fuerza laboral".

Conclusión: la base determina el futuro Las evidencias reunidas por los
expertos de DataArt son claras: El 2026 estará definido por aquellas
organizaciones que hayan construido las bases más sólidas.Después de dos
años de euforia experimental, el mercado se aproxima a un punto de
inflexión. Las empresas con infraestructura de datos robusta, marcos de
gobernanza maduros y una fuerza laboral alfabetizada en IA acelerarán su
camino hacia la producción. Aquellas que todavía persiguen titulares
mientras sus operaciones centrales dependen de sistemas legados se
chocarán con la realidad. La brecha entre el discurso y la práctica de
la IA no puede sostenerse por mucho más tiempo. Firmas financieras
hablan de IA generativa mientras gestionan fondos en bases de datos de
los \`90. Museos implementan realidad extendida sin habilidades
digitales internas. Minoristas lanzan chatbots mientras sus cadenas de
suministro siguen manuales. Esa distancia se cerrará, de un modo u otro.

Tres caminos posibles para 2026 Camino 1: éxito basado en fundamentos
Las compañías que invirtieron en plataformas de datos, gobernanza y
preparación organizacional durante los últimos 18 meses pasarán con de-
20

REPORTE 2026: DATOS E IA

cisión de los pilotos a la producción. Desplegarán agentes de IA para
automatizar procesos, integrarán la IA en los flujos de trabajo diarios
y obtendrán ganancias medibles en productividad. Sus equipos usarán
asistentes de IA con la misma naturalidad con la que hoy usan planillas,
haciendo que la tecnología parezca parte orgánica del día a día. Camino
2: corrección y reinicio Las empresas que persiguieron el hype sin
construir bases sólidas retrocederán tras obtener resultados
decepcionantes. Las altas tasas de fracaso en proyectos de IA obligarán
a una recalibración estratégica. Algunas usarán este "reset" como una
oportunidad para invertir por fin en calidad de datos, gobernanza y
talento. Otras se convertirán en casos de advertencia o incluso en
blancos de adquisición. Camino 3: estancamiento estratégico Las
organizaciones que no construyeron fundamentos ni aprendieron de los
errores seguirán avanzando lentamente. Aún hablarán de "unificar los
datos", seguirán "migrando a la nube" y apenas estarán "empezando con la
IA". Su huella tecnológica se volverá desproporcionada, generando más
riesgo que valor, y la brecha competitiva se ampliará. El factor común
entre los tres escenarios es inequívoco: las empresas con bases sólidas
de datos, inversión en talento y estrategias integradas superarán con
claridad al resto. Las personas importan tanto como las plataformas. En
el próximo año, triunfarán las organizaciones capaces de adaptarse,
experimentar y escalar nuevas ideas rápidamente, entendiendo la adopción
de la IA como un cambio cultural transversal, no como un proyecto
tecnológico aislado dentro de IT. La separación entre tecnología y
negocio debe desaparecer. Cuando la tecnología está integrada en las
operaciones, con bucles de feedback rápidos y resolución colaborativa de
problemas, las organizaciones superan ampliamente a aquellas donde IT
sigue operando como un proveedor distante. La especificidad vence el
hype. Las empresas que aplican IA a problemas concretos y medibles
(pronóstico de demanda, revenue cycle management, procesamiento de
documentos, productividad en ingeniería) ven retornos en meses, no en
años. Las que persiguen "transformaciones genéricas" sin casos de
negocio claros desperdician recursos en experimentos inconexos. La
predicción que más sorprenderá: Para 2026, la IA no se sentirá
revolucionaria, sino ordinaria. Agentes de precios en retail tomarán
miles de decisiones diarias. Sistemas de navegación médica guiarán
procedimientos clínicos. Herramientas de ingeniería amplificarán la
productividad de los desar-

En la mayoría de las empresas, la \`adopción de IA' se limita a que
algunos empleados usen chats para buscar o escribir correos. La adopción
real ocurre cuando la IA automatiza procesos, habilita nuevas
capacidades y se adapta al negocio y a sus clientes".

21

REPORTE 2026: DATOS E IA rolladores senior. Asistentes de marketing
ayudarán a los equipos a trabajar más rápido. La sorpresa será que la IA
se volverá tan cotidiana y esencial como el Excel: integrada, invisible
y esperada. Un experto de DataArt lo resumió con precisión: "El negocio
es simple: ser mejor que tus competidores en servir a tus clientes. Todo
lo demás, IA, plataformas de datos, agentes, automatización, existe para
cumplir ese propósito". La ventana de inversión en infraestructura se
está cerrando. Quienes todavía no estén abordando la calidad de los
datos, la gobernanza y la preparación organizacional tendrán
dificultades para alcanzar a los líderes. Pero para quienes estén
dispuestos a hacer el trabajo menos glamoroso (limpiar datos, modernizar
plataformas, capacitar personas, alinear estrategia y fortalecer la
gobernanza), la oportunidad sigue siendo enorme. La IA no es una moda ni
un ciclo del hype: es un cambio generacional. La pregunta es si tu
organización estará lista cuando la tecnología termine de madurar. Sobre
este reporte Este reporte sintetiza las ideas de entrevistas realizadas
con los principales expertos en datos, IA y tecnología de DataArt, que
representan múltiples industrias: aerolíneas, servicios financieros,
medios, salud, retail y sector cultural. Los colaboradores incluyen
especialistas en arquitectura de datos, estrategia de IA, transformación
empresarial e implementación tecnológica a gran escala. Su experiencia
colectiva abarca décadas de entrega de soluciones de datos e IA a
clientes corporativos inmersos en procesos de transformación digital.
Metodología: DataArt condujo entrevistas estructuradas con líderes
tecnológicos y expertos temáticos en septiembre y octubre de 2025,
utilizando preguntas idénticas sobre tendencias, desafíos de
implementación y predicciones para 2026. El reporte preserva la voz
auténtica y los insights específicos de esas conversaciones, organizados
en temas accionables para la toma de decisiones empresariales.
Agradecimientos: DataArt expresa su sincero reconocimiento a Alexander
Makeyenkov, Alexei Miller, Alexey Utkin, Alistair Wandesforde, Andrey
Ivanov, Anna Serebryannikova, Daniel Piekarz, Denis Baranov, Dmitry
Butalov, Doron Fagelson, Ed Simmons, Georgina Gill, Ilya Aristov, Marcos
Mauro, Matt Ambrogi, Pavel Khrulev, Pavel Smirnov, Paul McDonald, Raman
Sidarenka, Russell Karp, Tim McMullen, Yuri Gubin y Yury Kabrits por sus
valiosas contribuciones. Sus perspectivas y conocimientos fueron
esenciales para dar forma a este informe. 22

REPORTE 2026: DATOS E IA

Sobre DataArt DataArt es una firma global de ingeniería de software que
desarrolla plataformas de datos, analítica e inteligencia artificial
para las organizaciones más exigentes del mundo. Como partner for
progress en la era digital, nuestros equipos combinan escala global,
experiencia técnica profunda y visión progresiva, junto con Labs,
frameworks y aceleradores avanzados, para resolver los desafíos más
complejos de nuestros clientes. Desde su fundación en Nueva York en
1997, DataArt ha crecido hasta reunir a más de 6.000 expertos en 40+
ubicaciones en Estados Unidos, Europa, Latinoamérica, India y Medio
Oriente. Entre sus clientes se encuentran marcas globales líderes como
Priceline, Ocado Technology, Legal & General y Flutter Entertainment.
Reconocida por Newsweek como Most Loved Global Workplace 2023 y 13 veces
en el ranking Inc. 5000 Fastest Growing Private Companies, DataArt se
enorgullece de su reputación como un gran lugar para trabajar y un socio
estratégico confiable.

24 expertos entrevistados 40 Más de citas destacadas incluidas en el
informe 6 industrias cubiertas: Aerolíneas, Retail, Medios, Salud,
Tecnología, Servicios Financieros

23