La realidad detrás de los datos Reporte 2025 sobre la adopción de datos e IA / Una investigación exclusiva de DataArt Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Resumen ejecutivo Cuando el entusiasmo por la IA se encuentra con la realidad: tres hallazgos clave Nuestra investigación, basada en entrevistas con asesores del sector y 16 expertos en mercados globales de DataArt, revela una desconexión considerable entre las ambiciones en IA y la capacidad real de ejecución. Aunque el 89% de las organizaciones están explorando activamente iniciativas con IA, solo el 11% de las pruebas de concepto llegaron a instancias de producción en 2024; una mejora leve frente al 4% registrado en 2023. Hallazgo #1: gobernanza como punto de partida ineludible El 73% de los expertos identificó la calidad y gobernanza de los datos como el principal obstáculo para implementar la IA de forma exitosa. Las organizaciones que se lanzan a adoptar la IA sin contar con una base sólida en gobernanza de datos están destinadas al fracaso. Hallazgo #2: transformación del rol tecnológico El 68% de los líderes del sector anticipa una transformación profunda: se pasará de roles centrados en la programación a funciones de asesoramiento estratégico apalancadas por la IA en los próximos 18 meses. Ya se observan mejoras de productividad del 30 al 50% en generación de código en organizaciones líderes. Hallazgo #3: brecha real en el nivel de preparación A pesar del interés generalizado, el 82% de las empresas no cuenta con la madurez de datos, los marcos de gobernanza ni la preparación cultural necesaria para escalar la IA en producción. Metodología: este reporte reúne insights de entrevistas estructuradas con asesores externos del sector y conversaciones en profundidad con líderes globales de verticales de DataArt en sectores como viajes, automotriz, salud, finanzas y tecnologías emergentes. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 2 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Metodología y perfil de los expertos Enfoque de investigación DataArt diseñó e implementó una investigación que incluyó entrevistas con asesores de la industria y expertos internos, abarcando 20 países y más de 10 verticales de negocio. El enfoque combinó cuestionarios estructurados con entrevistas exploratorias para captar tanto tendencias cuantitativas como insights cualitativos. Perfil de los expertos Asesores externos: · Mike Peterson ­ CTO y asesor · Ed Simmons ­ Asesor senior · George Roukas ­ President, GAIPAN LLC · Kevin Shea ­ Head of Quality, CellPort Software Expertos internos de DataArt (16 líderes de práctica y directores técnicos): · Data Engineering y analistas (4 expertos) · Implementación de AI/ML (3 expertos) · Arquitectura empresarial (3 expertos) · Prácticas específicas (6 expertos) Cobertura geográfica: América del Norte, Europa, América Latina y Asia-Pacífico, asegurando una perspectiva diversa tanto a nivel regulatorio como de mercado. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 3 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Principales tendencias 1 La realidad detrás de la IA generativa: pilotos vs. producción Estado actual: entusiasmo frente a desafíos de ejecución La IA generativa ha dominado la conversación tecnológica en los últimos 24 meses, pero nuestra investigación revela una brecha significativa entre la experimentación y la implementación real en producción. Tal como señaló Mike Peterson: "En los últimos dos años y medio, la IA se ha convertido en la punta de lanza de la innovación. Todos corren detrás de ella porque nadie quiere quedarse afuera". Statistical Findings 89% solo 11% 67% 45% de las organizaciones tiene programas piloto activos con IA de las pruebas de concepto llegaron a producción en 2024 (frente al 4% en 2023) de las iniciativas se detienen por problemas de calidad de datos menciona la gobernanza como principal barrera. El entusiasmo es claro, pero la realidad en la implementación cuenta otra historia. Perspectiva del asesor externo ­ Ed Simmons, Senior Advisor Muchas empresas están haciendo prototipos, pero no están construyendo soluciones realmente preparadas para escalar a nivel empresarial. Es una brecha organizacional. Las compañías corren a implementar la IA sin tener una base sólida de integración de datos. Veo clientes luchando con algo tan básico como la gestión de metadatos, mientras intentan desplegar modelos sofisticados. El resultado es predecible: pilotos que funcionan en aislamiento, pero no pueden escalar". Perspectiva de DataArt ­ Greg Abbott, Head of Travel, Transportation & Hospitality Practice En 2023, solo el 4% de las pruebas de concepto de IA llegaron a producción; en 2024 subió al 11%. Si bien es una mejora, sigue demostrando que estamos en una etapa muy temprana de transformación de experimentos en valor real de negocio. Las empresas que están logrando resultados son las que parten de una base clara de datos y expectativas realistas, no las que corren detrás de cada nueva tendencia de IA". Esta tendencia refleja un patrón más amplio en la industria, donde la presión del mercado y la ansiedad por quedarse atrás impulsan decisiones de inversión en IA antes de estar realmente preparados. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 4 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro La paradoja de la productividad Donde la IA se implementa correctamente, los resultados se notan Perspectiva del asesor externo ­ George Roukas, President, GAIPAN, LLC Muchas de las empresas con las que hablo sobre IA generativa todavía están en una etapa muy inicial: intentando que su gente entienda qué es y qué puede hacer. Y eso está bien, es el paso correcto. Pero cuando dan el siguiente paso y desarrollan soluciones más avanzadas, suelen lanzar iniciativas aisladas, sin pensar en cómo conectarlas entre sí. Walmart (en retail) y Goldman Sachs (en finanzas) son grandes ejemplos: entrenaron a su personal y crearon un núcleo centralizado con modelos GenAI, agentes, RAG, datos, etc., sobre el cual otras áreas pueden construir rápidamente. Requiere preparación inicial, pero genera enormes ganancias de productividad a largo plazo". Advertencias importantes sobre estos beneficios Perspectiva de DataArt ­ Anna Velikoivanenko, Head of Employer Brand Estamos viendo un cambio profundo en lo que los clientes valoran. Después del COVID, buscan innovación, experimentación y desarrollo basado en hipótesis. Lo interesante es que, mientras la IA automatiza tareas repetitivas, las habilidades que más valor cobran son la creatividad, la resiliencia y el liderazgo --soft skills que no se pueden medir fácilmente, pero que son clave para una transformación real. Las empresas que entiendan esta paradoja van a construir los equipos más sólidos". Mike Peterson también advirtió: "La codificación asistida por IA probablemente aumente la productividad de los desarrolladores entre un 20 y un 50%, pero eso no significa necesariamente que los costos bajen". 2 Gobernanza de datos: la base del éxito en IA La crisis de gobernanza A pesar de que hace años se habla sobre la importancia de la gobernanza de datos, nuestra investigación confirma que sigue siendo la barrera más significativa para el éxito de la IA. Datos destacados 73% 61% 58% 52% de los expertos identificó la gobernanza como el principal obstáculo para implementar la IA de las organizaciones no tiene estructuras claras de responsabilidad sobre los datos. reporta sistemas inadecuados para la gestión de metadatos tiene dificultades para medir y monitorear la calidad de los datos. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 5 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Perspectiva de asesor externo ­ Mike Peterson, CTO and Advisor La gobernanza de datos es absolutamente crítica, pero muchas veces se pasa por alto porque se percibe como algo \`aburrido'. Cuando una organización extrae datos de múltiples sistemas dispares, no hay garantía de que esos sistemas estén bien mantenidos o que los datos sean confiables. Mientras tanto, la IA se ha convertido en una prioridad de inversión urgente en los últimos dos años y medio. Pero esta carrera ocurre sin una actualización real de capacidades, lo que deja a muchas empresas sin claridad sobre los roles y conocimientos que realmente necesitan. Cloud computing, data privacy y security siguen siendo prioridades secundarias... y estamos, literalmente, abriendo la caja de Pandora en términos de riesgos". Esta percepción genera un ciclo riesgoso en el que las organizaciones invierten en capacidades avanzadas de IA mientras descuidan la base de calidad de datos que define el éxito o el fracaso de esos proyectos. Perspectiva de experto de DataArt ­ Alexey Utkin, Head of Data and Analytics Lab Antes de que la IA pueda ayudar realmente a mejorar los datos, va a haber una etapa de desilusión, causada por la complejidad y el ruido que introducen los contenidos generados por la IA. Las cargas de trabajo de la IA consumen mucha energía, y si llegara a reemplazar al software tradicional de forma masiva, nuestra infraestructura podría no estar a la altura. Pero ahí está la oportunidad: la IA puede hacer que la gobernanza y el control de calidad sean más escalables y menos costosos para las organizaciones. Las que saldrán ganando son las que usen la IA para resolver los desafíos de gobernanza que la propia IA plantea." La importancia del cumplimiento regulatorio Curiosamente, la presión regulatoria se está convirtiendo en una fuerza positiva para mejorar la gobernanza. Perspectiva del cliente ­ Kevin Shea, Head of Quality, CellPort Software En CellPort, nuestro enfoque inmediato está en reducir riesgos de cumplimiento regulario en los datos no estructurados, especialmente la entrada accidental de PII en campos de texto libre, lo que representa un riesgo importante frente a la HIPAA. No estamos corriendo a adoptar la IA, pero sí estamos construyendo un modelo de gobernanza que nos permita avanzar con intención. Eso incluye SOPs, prácticas de trazabilidad y marcos de validación que escalen junto con la complejidad del sistema. El cierre de 2025 marca un hito clave dentro de nuestro roadmap de tres años: para entonces, nuestro objetivo es contar con algunos casos de uso de IA operativos, en los que la auditoría, la clasificación de riesgos y el control de cambios estén completamente integrados. Para nosotros, la IA responsable no es solo una cuestión técnica, sino una combinación de cumplimiento normativo y confianza del cliente". 3 La transformación de las habilidades: del desarrollo a la asesoría La evolución de los roles Nuestra investigación revela un cambio profundo en la forma en que las organizaciones piensan el talento tecnológico y sus asociaciones estratégicas. Perspectiva del asesor externo ­ Ed Simmons, Senior Advisor Debes hacer las cosas de forma distinta. Asegúrate de que los datos estén integrados y sean confiables. Deja que la IA se ocupe de la experimentación. El modelo de colaboración con IA generativa puede ser una gran oportunidad para muchas empresas. Construye ecosistemas de datos a los que los clientes se puedan conectar. Las herramientas impulsadas por la IA están mejorando la eficiencia en la generación de código, pero no hay que depender únicamente de la IA. Tenemos que asesorar sobre el proceso, no solo sobre el código". La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 6 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Datos sobre la transformación de las 68% 42% 55% 34% habilidades predice cambios significativos en los roles tecnológicos en los próximos 18 meses de las organizaciones está reentrenando activamente a sus equipos técnicos reporta una mayor demanda de servicios de asesoría en la integración de la IA planea reducir los roles de codificación tradicional y expandir los perfiles estratégicos en tecnología Perspectiva del asesor externo ­ George Roukas, President, GAIPAN, LLC Ya hemos vivido otras revoluciones tecnológicas. La revolución industrial cambió la forma en que funcionaban las fábricas, pero muchos otros sectores siguieron igual. Lo distinto con la IA generativa es que va a impactar en todo lo que hacemos.Y mientras otras revoluciones tomaron décadas, esta avanza a toda velocidad. Mira todo lo que pasó desde que salió ChatGPT a fines de 2022... ¡y la velocidad sigue aumentando!". Este patrón de transformación acelerada en alcance y ritmo es consistente en todo el panel de expertos. Perspectiva de experta de DataArt ­ Olesya Khokhulia, Head of Enterprise Accounts Esto es lo que estoy viendo con clientes empresariales: ya empecé a bromear con que la IA no va a reemplazar a los ingenieros, sino a los managers tácticos, y lo va a hacer en cinco años. Hoy los clientes esperan velocidad, eficiencia y flexibilidad desde el primer día, pero también quieren que los ayudemos a convertir ideas abstractas en estrategias concretas. Tenemos \`conversaciones sobre conversaciones' como parte de lo esperado. La propuesta de valor cambió por completo: ahora se trata de construir una alianza estratégica y resolver problemas complejos en conjunto, no solo de ejecutar tareas." La necesidad del human-in-the-loop A pesar de los avances en automatización, la experiencia humana se vuelve más valiosa, no menos. El enfoque se traslada de la ejecución de tareas al acompañamiento estratégico, aseguramiento de calidad y supervisión de la integración. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 7 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro 4 Cloud-Native Infrastructure: The New Baseline La infraestructura como fundamento de la IA La adopción de la nube ha pasado de ser una ventaja competitiva a un requisito básico para las organizaciones habilitadas para la IA. Nuestra investigación muestra que las arquitecturas cloud-native son esenciales para soportar las demandas computacionales y los requerimientos de escalabilidad de las cargas de trabajo modernas de la IA. Métricas de adopción cloud 84% 76% 63% 71% de las implementaciones exitosas de la IA se basan en infraestructuras cloud-native reporta a Snowflake y Databricks como plataformas de datos preferidas menciona que la orquestación y gestión de flujos de trabajo son desafíos persistentes planea aumentar la inversión en infraestructura cloud durante 2025 Perspectiva del asesor externo ­ Mike Peterson, Chief Technology Advisor Cloud computing, data privacy y security siguen siendo prioridades clave justo detrás de la IA. El rápido impulso hacia la IA sin una gobernanza sólida de datos podría introducir serios riesgos en seguridad y privacidad. Proveedores de nube como Amazon, Google y Microsoft son habilitadores clave de la IA gracias a su infraestructura escalable, pero las empresas deben entender que la infraestructura por sí sola no resuelve los desafíos más amplios de adopción de la IA". Perspectiva de experto de DataArt ­ Tim McMullen, Head of Aviation Travel Practice Las aerolíneas están en diferentes etapas de adopción de la IA: algunas gatean, otras caminan e, incluso, algunas hasta corren; pero la calidad de los datos es la base de todo. Vi cómo Southwest Airlines desarrolló una herramienta de IA en capas después de la tormenta invernal de 2022 para gestionar proactivamente las interrupciones usando datos históricos. La lección es clara: la nube es hoy la tecnología base para liberar capacidades de IA y datos, pero hace falta conocimiento específico del dominio para que funcione realmente. El despliegue genérico en la nube no alcanza cuando se manejan desafíos operativos complejos en tiempo real". El desafío de la integración Aunque las plataformas cloud proveen capacidades necesarias, la integración entre sistemas sigue siendo problemática. Las organizaciones frecuentemente enfrentan silos de datos, políticas de seguridad inconsistentes y requerimientos complejos de orquestación que limitan la efectividad de la IA. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 8 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro 5 Analítica self-service: el objetivo persistente La promesa de democratización La analítica self-service sigue siendo un objetivo clave para muchas organizaciones, pero lograr una verdadera democratización de los datos continúa siendo un desafío. Nuestra investigación muestra que, aunque las herramientas son cada vez más sofisticadas, persisten barreras organizacionales y de calidad de datos. Datos sobre analítica self-service 79% solo 41% 67% 54% de las organizaciones prioriza las capacidades de analítica self-service logró una implementación exitosa señala a la calidad de los datos como la principal barrera reporta falta de capacitación y adopción por parte de los usuarios La brecha entre aspiración y realidad refleja desafíos organizacionales más profundos. Según nuestro panel de expertos, la mayoría de las organizaciones aún no tiene la madurez necesaria ni la confianza en la calidad de sus datos como para habilitar un entorno verdaderamente autónomo. Perspectiva de experto de DataArt ­ Marcos Mauro, Executive VP LATAM Business Vemos que cada vez más empresas en LATAM están formando equipos de ingeniería en IA con presupuestos que ya alcanzan varios millones de dólares. Pero este desarrollo no es solo para atender necesidades propias. Están creando soluciones para abordar desafíos muy locales, desde la agricultura hasta la innovación urbana, algo que no habíamos visto hasta ahora. Esto está llevando los límites de la tecnología desarrollada en la región mucho más allá, y está transformando la mentalidad de los líderes, que están dejando de seguir tendencias para empezar a marcarlas. Así, el output tecnológico de LATAM empieza a compararse con el de otras partes del mundo. Pero el verdadero desafío no está en la tecnología: las leyes de protección de datos y los marcos regulatorios dispares entre países siguen siendo barreras para construir soluciones regionales. Y ahí está el punto con la analítica avanzada self-service: no alcanza con tener buenas herramientas, también hay que entender bien el contexto en el que se aplican". Confianza y calidad como condiciones clave Para que la analítica self-service funcione realmente, no alcanza con tener capacidades técnicas: hace falta que la organización confíe en la calidad de los datos y en los procesos de gobernanza. Esto genera un círculo virtuoso: a medida que se mejora la gobernanza, se habilita un acceso más amplio a los datos, lo que a su vez incrementa la demanda por procesos de gobernanza más sólidos. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 9 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Implicancias de la industria y predicciones Predicciones a corto plazo (de 12 a 18 meses) 1. Ola de inversión en gobernanza Las organizaciones van a incrementar significativamente sus inversiones en gobernanza de datos a medida que los fracasos en proyectos de IA generen impactos reales en el negocio. Se espera que el gasto en gobernanza crezca entre un 200% y 300%, al reconocerse como un requisito fundamental para el éxito de la IA, y no como una mejora opcional. 2. Aceleración del modelo de asesoría Los servicios tradicionales de ingeniería de software evolucionarán rápidamente hacia modelos de asesoría integrados con la IA. Las compañías que no hagan esta transición quedarán en desventaja competitiva, ya que los clientes buscarán productividad aumentada por la IA y orientación estratégica. 3. Despegue de la IA en producción El porcentaje de pilotos de IA que alcanzan la etapa de producción (hoy en 11%) crecerá a un 25­ 30% a medida que las organizaciones desarrollen marcos de gobernanza más sólidos y estrategias de implementación realistas. El éxito estará directamente correlacionado con el nivel de madurez en gobernanza. Cambios a mediano plazo (de 18 a 36 meses) 1. Estándares regulatorios de gobernanza Comenzarán a emerger estándares de gobernanza de IA específicos por industria, impulsados por regulaciones y la presión competitiva. Los early adopters de sectores regulados establecerán marcos que se transformarán en referencias para toda la industria. 2. Consolidación de infraestructura Las organizaciones tenderán a consolidarse en torno a menos plataformas cloud-native, más integradas, que ofrezcan capacidades de IA y analítica de punta a punta. La elección de plataforma será una decisión estratégica con implicancias competitivas de largo plazo. 3. Transformación del mercado de habilidades El mercado del talento tecnológico se dividirá entre roles integrados con la IA que requieran pensamiento estratégico y roles de ejecución tradicional con valor decreciente. Las habilidades en asesoría de IA recibirán primas salariales que superarán el 40­60%. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 10 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Implicancias a largo plazo (de 3 a 5 años) 1. Modelos de negocio IA-nativos Como planteó George Roukas: "Las compañías que mejor entienden y más se familiarizan con la IA generativa están apostando fuerte por la integración de datos. Esto aplica tanto a gigantes como Google u OpenAI como a pymes. Estas últimas deben anticiparse a qué tipo de empresa tienen que convertirse para competir con nuevos jugadores que ya vienen con capacidades GenAI, sin la herencia de procesos obsoletos. Para lograrlo, necesitan encontrar los datos adecuados, internos y externos, y ponerlos al servicio de sus modelos GenAI". 2. Los datos como barrera competitiva Las organizaciones que logren una gobernanza e integración de datos superiores establecerán ventajas competitivas sostenibles, difíciles de replicar por sus competidores. 3. Estándares de transparencia y responsabilidad La transparencia y explicabilidad en la IA dejarán de ser "buenas prácticas" para transformarse en requisitos de negocio, impulsados tanto por regulaciones como por las expectativas de los clientes. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 11 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Recomendaciones y próximos pasos Para organizaciones que recién comienzan su camino con la IA Acciones inmediatas (de 0 a 6 meses): Evaluar la gobernanza de datos: antes de invertir en IA, es clave establecer métricas base de calidad de datos y marcos de gobernanza sólidos. Identificar casos de uso relevantes: Como señaló Kevin Shea, "No alcanza con definir el caso de éxito; también hay que asignar responsables para la validación, la supervisión y el back". Establecer responsables claros: definir estructuras claras de propiedad y responsabilidad sobre los datos antes de implementar soluciones de IA. Construcción de fundamentos (de 6 a 18 meses): Implementar gestión de metadatos: invertir en catalogación de datos y sistemas de metadatos como condición previa para el éxito de la IA. Desarrollar marcos de validación: crear enfoques sistemáticos para validar y monitorear modelos de IA. Armar equipos interdisciplinarios: formar equipos que combinen conocimiento del negocio con capacidades técnicas en IA. Para organizaciones en etapa de escalamiento Prioridades estratégicas: Escalar con foco en gobernanza: ampliar las capacidades de gobernanza antes de escalar las implementaciones de la IA para evitar fallas de calidad y cumpliemiento regulatorio. Desarrollar capacidades de asesoría: Transformar los equipos técnicos hacia roles de acompañamiento estratégico, en lugar de reemplazar el criterio humano. Consolidar plataformas: estandarizar el uso de plataformas cloud-native integradas que soporten flujos de trabajo de la IA de punta a punta. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 12 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Mitigación de riesgos: Integrar seguridad y privacidad: abordar la advertencia de Mike Peterson sobre "abrir la caja de Pandora en cuanto a riesgos de seguridad y privacidad" mediante arquitecturas proactivas de ciberseguridad. Invertir en gestión del cambio: asignar recursos significativos a programas de capacitación y transformación organizacional. Definir una estrategia de asociación: elegir socios en función de su alineación con principios de gobernanza y visión estratégica más allá de sus capacidades técnicas inmediatas. Para líderes tecnológicos y CDOs Imperativos de liderazgo: Educación ejecutiva: asegurar que el liderazgo comprenda la naturaleza probabilística de los resultados generados por la IA, en contraste con los sistemas deterministas tradicionales. Reasignación presupuestaria: redirigir los presupuestos para priorizar la gobernanza y las capacidades de asesoría por sobre los recursos tradicionales de desarrollo. Redefinir métricas de éxito: establecer métricas que midan el impacto real de la IA en el negocio, no solo la implementación técnica. Desarrollo organizacional: Transformación cultural: fomentar una cultura que combine innovación con responsabilidad. Estrategia de asociación y desarrollo de talento: desarrollar relaciones con proveedores basadas en principios de gobernanza y capacidades de asesoría, no solo en soluciones tecnológicas inmediatas. Desarrollo de talento: invertir en la capacitación y evolución de los equipos actuales en lugar de reemplazar completamente el talento existente. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 13 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Insights inesperados y perspectivas contrarias Sección destacada: la paradoja de la productividad en IA Insight contracorriente: aunque las herramientas de IA mejoran notablemente la productividad individual de los desarrolladores, esto no siempre se traduce en una reducción proporcional de los costos organizacionales. Perspectiva del asesor externo ­ Mike Peterson, Chief Technology Advisor La codificación asistida por la IA tiene el potencial de aumentar la productividad entre un 20% y un 50%, pero eso no significa automáticamente una baja de costos. Hoy se habla demasiado de la IA, lo cual es típico cuando hay grandes inversiones en tecnologías emergentes sin comprender del todo sus implicancias. La IA generativa ha aumentado la conciencia sobre el pipeline de la IA, pero la realidad es más matizada: las ganancias en productividad suelen venir acompañadas de mayor complejidad en pruebas, integración y control de calidad". Análisis de experto DataArt ­ Scott Rayburn, Chief Marketing Officer La IA puede habilitar modelos predictivos de ROI para marketing y ventas. Por ejemplo, prever que una inversión de 1 millón genere 1.5 millones en ingresos. Pero lo cierto es que, si la IA puede hacer el 90% del trabajo, ese 10% restante requiere input humano para asegurar alineación estratégica y control de calidad. Desarrollamos un generador de contenido de marketing con genAI apoyado en una vector database, pero el aporte humano no es un ítem más de la lista, es lo que separa una implementación exitosa de una automatización mediocre". Implicancia: las organizaciones deberían planificar mejoras de productividad que habiliten trabajo de mayor valor, en lugar de buscar únicamente la baja de costos vía reducción de personal. Sección destacada: la gobernanza como ventaja competitiva Hallazgo inesperado: las organizaciones en industrias reguladas (como salud o finanzas) pueden tener ventajas inesperadas en la implementación de la IA debido a sus marcos de gobernanza ya existentes. Análisis de cliente ­ Kevin Shea, Head of Quality, CellPort Software En CellPort, nuestro foco inmediato está en mitigar riesgos de cumplimiento regulatorio en datos no estructurados, especialmente la entrada involuntaria de PII en campos de texto libre, lo que representa una exposición significativa ante la HIPAA. No estamos corriendo a adoptar la IA, pero sí estamos construyendo un modelo de gobernanza que nos permita avanzar con intención. Eso incluye SOPs, trazabilidad y marcos de validación que escalen con la complejidad del sistema. A fines de 2025, esperamos tener unos pocos casos de uso de IA operativos donde la auditabilidad, la clasificación de riesgos y el control de cambios estén integrados desde el diseño. Para nosotros, la IA responsable no se trata solo de capacidad técnica, sino de alineación regulatoria y confianza del cliente". Implicancia: las capacidades de gobernanza, habitualmente vistas como una carga burocrática, se están transformando en una ventaja competitiva clave en mercados impulsados por la IA. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 14 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Sección destacada: el rebalanceo global del talento Tendencia emergente: las herramientas de la IA están democratizando el acceso a capacidades de desarrollo de alta calidad en todo el mundo, reduciendo las ventajas tradicionales ligadas a la ubicación geográfica. Esto abre nuevas oportunidades para que las organizaciones accedan al talento humano sin importar dónde se encuentre, dando más valor a la capacidad de pensamiento estratégico y al conocimiento profundo del negocio. Deep dive de experto DataArt ­ Sheetal Kale, Head of DataArt India India genera una enorme cantidad de datos gracias a su población masiva y diversa, el acceso asequible a internet y el uso intensivo del móvil. Estos 'datos de platino' son ideales para desarrollar la IA y probarla en contextos reales. Pero lo interesante es que la diversidad demográfica, lingüística y regional de India produce datasets que fortalecen la robustez e inclusividad de los modelos de la IA. Tanto el sector público como el privado están invirtiendo fuertemente en la IA, desde agricultura y salud hasta edtech y planificación urbana, lo que permite que saltemos etapas y evitemos las limitaciones de sistemas heredados. La conversación sobre talento está cambiando, porque la diversidad en los datos genera mejores resultados en la IA". Implicancia: La ventaja competitiva ya no está en tener acceso a desarrolladores talentosos, sino en contar con capacidades de asesoramiento estratégico y expertise profunda en el dominio. La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 15 Resumen ejecutivo Metodología y perfil de los expertos Principales categorías de tendencias Implicancias para la Recomendaciones y industria y predicciones acciones sugeridas Hallazgos sorprendentes Conclusión y y perspectivas contrarias perspectivas a futuro Conclusión y perspectivas a futuro La realidad de los tres horizontes Nuestra investigación identifica tres horizontes claros en la adopción de la IA empresarial: Horizonte 1 (actual): la era de los cimientos de gobernanza Las organizaciones deben priorizar la gobernanza de datos, los marcos de calidad y la preparación organizacional antes de avanzar con implementaciones complejas de la IA. El éxito empieza con trabajo poco glamoroso, pero esencial, que habilita la innovación futura. Horizonte 2 (de 18 a 36 meses): la fase de aceleración de integración Las compañías con bases sólidas en gobernanza lograrán ventajas competitivas al integrar la IA en sus flujos de trabajo y establecer alianzas impulsadas por asesoramiento estratégico. La brecha entre organizaciones preparadas y no preparadas se ampliará considerablemente. Horizonte 3 (de 3 a 5 años): la era del modelo de negocio IA-nativo Successful organizations will operate as if built from the ground up with AI, creating new business models that leverage data and AI as core competitive advantages rather than supporting technologies. The Strategic Imperative El camino hacia adelante exige balancear la ambición de innovación con disciplina en la ejecución. Las organizaciones deben resistir la tentación de saltear los fundamentos de gobernanza mientras avanzan agresivamente en el desarrollo de capacidades de la IA. Las compañías que prosperen serán aquellas que entiendan que la IA no es solo una solución tecnológica, sino una transformación profunda del modelo de negocio, que requiere nuevos enfoques en gobernanza, talento y pensamiento estratégico. Conclusión: El éxito en la IA depende más de la madurez organizacional y de la gobernanza que del nivel de sofisticación tecnológica. Las organizaciones que invierten hoy en estos fundamentos dominarán sus mercados mañana. Este reporte se basa en una investigación propietaria realizada por DataArt a principios de 2025. Para más información o para conversar sobre estrategias de implementación, contacta al equipo de DataArt: sales.latam@dataart.com La realidad detrás de los datos: Reporte 2025 sobre la adopción de datos e IA 16