Veeam lanza modelo de madurez para cerrar la brecha de confianza en la gestión de datos e IA

En el marco del evento VeeamON NYC, Veeam Software ha presentado su nuevo Modelo de Madurez de Confianza en Datos e IA. Este marco de trabajo, validado por investigaciones de mercado y clientes, surge para ayudar a las organizaciones a evaluar y fortalecer la operatividad de la inteligencia artificial en un entorno donde esta tecnología evoluciona rápidamente hacia agentes autónomos que operan a la velocidad de la máquina.

A pesar de que la mayoría de las empresas ya han implementado herramientas de IA, existe una desconexión crítica entre la percepción de seguridad y la capacidad real de gestión. Según datos de la compañía, aunque el 80% de los líderes afirma poder escalar la IA de forma segura, solo uno de cada tres posee pruebas auditables para demostrarlo ante un consejo de administración o regulador.

El riesgo de la autonomía sin gobernanza

La brecha de confianza se está convirtiendo en un riesgo significativo a medida que los agentes de IA comienzan a tomar decisiones autónomas sobre datos empresariales a gran escala. El estudio realizado por Emerald Research Group indica que las organizaciones han priorizado la adopción tecnológica por encima de la creación de marcos de identidad y gobernabilidad sólidos.

El desafío actual no reside únicamente en el uso de la IA, sino en si sus acciones pueden ser comprendidas, controladas y validadas de manera transparente. El modelo de Veeam aborda esta problemática evaluando la madurez en 12 dimensiones y trazando el progreso a través de 5 etapas, desde la fase inicial (ad hoc) hasta el liderazgo estratégico.

Hallazgos clave sobre la preparación operativa

La investigación, basada en las opiniones de 300 altos directivos de tecnología y riesgos, revela una realidad operativa compleja:

• Integración profunda: El 70% de las empresas ya considera la IA como fundamental para sus operaciones diarias y toma de decisiones.
• Obstáculos en la ejecución: El 52% de las organizaciones ha reducido sus iniciativas de IA en los últimos 18 meses debido a barreras operativas, no tecnológicas.
• Falta de talento y calidad: Las principales limitaciones incluyen la escasez de conocimientos en aprendizaje automático (43%) y dificultades en la integración con sistemas existentes (33%).
• Deficiencia en auditoría: Aunque el 90% de las empresas tiene políticas de gobernanza, menos de una tercera parte podría generar evidencia de auditoría inmediata si fuera necesario.

Los cuatro pilares de la confianza demostrable

Para transitar de la experimentación a una IA responsable y lista para la producción, el modelo organiza la preparación en cuatro áreas fundamentales:

1. Comprensión: Lograr visibilidad total sobre la procedencia de los datos y los activos de IA.
2. Seguridad: Implementar controles estrictos de identidad, acceso y privacidad de datos.
3. Resiliencia: Garantizar el respaldo y la continuidad operativa de los servicios dependientes de la IA.
4. Potenciación: Preparar datos confiables para un desarrollo responsable.

Anand Eswaran, CEO de Veeam, enfatiza que la confianza por sí sola no es suficiente para escalar en un mundo impulsado por agentes; se requieren capacidades operativas auditables para justificar las decisiones de la IA.

Disponibilidad del servicio de consultoría

El modelo se aplica mediante la Evaluación de Madurez de Confianza en Datos e IA, un servicio de consultoría especializado que genera un perfil detallado de la organización, comparativas con el sector y una hoja de ruta pragmática para fortalecer la gobernanza. Este servicio estará disponible a nivel mundial a finales de 2026, ampliándose progresivamente a través de la red de socios de Veeam.