La rápida incorporación del director de Inteligencia Artificial (Chief AI Officer o CAIO) a la alta dirección corporativa respondió a una expectativa clara de los consejos de administración: liderar la transformación tecnológica y rentabilizar las multimillonarias inversiones en IA. Sin embargo, la ejecución Tropieza con un principio elemental de la informática: la calidad de los resultados depende directamente de la calidad de los datos de entrada (garbage in, garbage out).
De acuerdo con recientes investigaciones de IBM, el fracaso o éxito de las iniciativas agénticas y de IA generativa está condicionado a la alineación entre el CAIO y el director de Datos (Chief Data Officer o CDO), así como a la potestad de ambas visiones para exigir estándares horizontales en toda la organización.
Poca confianza en la base de datos patentada
La fricción estructural entre ambas jefaturas destruye el valor potencial de las herramientas avanzadas. Mientras el CDO suele carecer de los recursos y la autoridad para imponer políticas de gobernanza de datos entre departamentos con formatos heterogéneos, el CAIO intenta desplegar casos de uso rentables sobre insumos desestructurados e inaccesibles.
Los datos del Estudio del CDO 2025 de IBM —que encuestó a más de 1.700 ejecutivos de datos en 19 industrias— muestran que solo el 26% de los CDO confía en que sus capacidades actuales de datos pueden respaldar nuevas fuentes de ingresos basadas en IA.
Esta cifra contrasta con las metas de la alta gerencia: el Estudio del CEO 2026 de la misma firma señala que los directores ejecutivos que integran datos patentados en modelos personalizados y agentes proyectan que un 13% adicional de sus ingresos provendrá de nuevos productos y servicios para 2030.
El colapso del ROI por silos organizacionales
Las expectativas de la mesa directiva no se están traduciendo en ejecución efectiva. Según registros de IBM, solo el 25% de los proyectos de IA alcanzó el ROI previsto en los últimos años, y apenas un 16% logró escalar a nivel empresarial. Por su parte, mediciones de Forrester estiman que un 31% de las organizaciones experimentó caídas en sus ingresos atribuibles a silos departamentales y datos inexactos.
Ed Lovely, vicepresidente de Transformación Empresarial de IBM y ex-CDO, advierte sobre la naturaleza del problema: «El valor de la IA comienza fundamentalmente con los datos. Si los datos son erróneos, la IA es deficiente. El bloqueador más común es que todos viven en sus propios silos verticales. La IA une las cosas horizontalmente, y para entregar casos de uso con un gran ROI, hay que evaluar los datos y los flujos de trabajo de extremo a extremo».
La incapacidad para escalar productos de IA suele diagnosticarse equivocadamente como un fallo del modelo algorítmico, cuando en realidad refleja una deficiencia previa en la propiedad, arquitectura y gobernanza de los datos.
Hacia una responsabilidad compartida de los datos
Para superar el estancamiento de las iniciativas de IA, IBM plantea reestructurar el modelo de gobernanza hacia una responsabilidad compartida entre el CAIO y el CDO:
- Gestión de los datos como activo financiero: Tratamiento de la arquitectura de datos como el cimiento directo de los ingresos de la empresa.
- Propiedad del proceso end-to-end: Establecimiento de flujos de trabajo horizontales que crucen las distintas áreas operativas, evitando reestructuraciones posteriores de los productos digitales.
- Rediseño de estándares operativos: Adecuación de los procesos de gestión para garantizar que los insumos requeridos por los modelos de IA estén disponibles en tiempo y formato de manera transversal.
