En un contexto de consolidación tecnológica, una nueva investigación desarrollada por IDC y presentada por NetApp revela que la madurez de las organizaciones en el uso de inteligencia artificial (IA) depende en gran medida de su capacidad para preparar datos y construir infraestructuras escalables y seguras.
Según los resultados del estudio, realizado entre enero de 2024 y junio de 2025 con más de 1.200 responsables globales de TI, la diferencia entre obtener mejoras puntuales y lograr un impacto empresarial sostenido reside en prácticas consolidadas de gestión de datos e inversiones estratégicas en arquitectura tecnológica.
La calidad del dato como punto de partida
El estudio sitúa el foco en la infraestructura de datos como elemento crítico para ampliar el uso de la IA más allá de los entornos de prueba. En 2024, un 63 % de las empresas reconocía que su almacenamiento requería una renovación significativa. Un año después, la cifra se ha reducido al 37 %, aunque el 84 % de las organizaciones sigue considerando que sus sistemas no están plenamente optimizados para soportar cargas de trabajo de inteligencia artificial.
La investigación identifica una evolución clara en la conversación tecnológica dentro de las compañías: de las dudas sobre la viabilidad de la IA a una presión creciente por demostrar su retorno económico. Esta exigencia obliga a las organizaciones a reorientar sus prioridades hacia la calidad del dato, la integración de medidas de seguridad desde las primeras fases del desarrollo y el rediseño de sus infraestructuras TI.
Ventaja competitiva para quienes alcanzan mayor madurez
A partir de un modelo de madurez que clasifica a las organizaciones en cuatro niveles (Emergentes, Pioneros, Líderes y Maestros en IA), el estudio destaca que las compañías mejor posicionadas en este ciclo («Maestros en IA») registran mejoras medias del 24,1 % en ingresos y del 25,4 % en ahorro de costes frente a sus equivalentes menos avanzados.
Además de disponer de arquitecturas más robustas, estas organizaciones también han incrementado significativamente su inversión en ciberseguridad. El 62 % de las empresas clasificadas como “Maestros en IA” aumentaron sus presupuestos en esta área durante el último año, frente al 16 % de las compañías clasificadas en los niveles más bajos de madurez.
La IA agéntica amplía la brecha entre líderes y rezagados
La consolidación de sistemas de IA agéntica, aquellos capaces de operar de manera autónoma en múltiples entornos, está ampliando la distancia entre las organizaciones más maduras y aquellas que abordan la IA de forma parcial o fragmentada. Mientras las primeras ya despliegan iniciativas con capacidad de integración y escalabilidad en toda la empresa, las segundas permanecen ancladas en proyectos aislados centrados exclusivamente en herramientas de generación de contenido o automatización específica.
El informe advierte que este enfoque limitado resulta insuficiente ante la creciente complejidad de la IA moderna, que requiere una convergencia efectiva entre gobernanza, seguridad, almacenamiento y accesibilidad del dato.
Infraestructura moderna, clave para pasar de pilotos a producción
Los resultados del estudio subrayan que las iniciativas exitosas de IA empresarial no se apoyan exclusivamente en algoritmos o modelos, sino en la modernización de los canales de datos, los marcos normativos internos, los sistemas de almacenamiento y los protocolos de seguridad. Según Dave Pearson, vicepresidente de investigación de IDC para soluciones de infraestructura, las compañías que han evolucionado estos aspectos son las que están llevando sus desarrollos desde fases piloto hasta implementaciones funcionales a escala empresarial.
En esta línea, el estudio detecta un desplazamiento hacia arquitecturas basadas en la nube, automatizadas y con sensibilidad contextual respecto a los datos. Este tipo de soluciones permiten abordar requisitos como la escalabilidad, la velocidad de despliegue o la adaptabilidad, que se vuelven esenciales para maximizar el valor derivado de las operaciones basadas en inteligencia artificial.
Sector y tamaño de empresa, determinantes en la preparación para la IA
Una de las conclusiones más relevantes del análisis es que el nivel de madurez en IA está directamente vinculado con el tamaño de la empresa y el sector en el que opera. Las grandes corporaciones disponen de mayores recursos para adoptar modelos de infraestructura inteligente, así como para desarrollar estrategias de gobernanza de datos más integrales.
Sectores intensivos en datos —como servicios financieros, telecomunicaciones o energía— lideran la implementación de prácticas avanzadas, mientras que industrias con menor grado de digitalización continúan rezagadas tanto en preparación como en inversión.
Diferencia entre expectativa e impacto
El análisis comparativo entre los estudios de 2024 y 2025 realizado por IDC pone de manifiesto una divergencia cada vez mayor entre las expectativas generadas en torno a la IA y los beneficios empresariales reales. Mientras muchas organizaciones menos maduras informan de mejoras parciales en indicadores operativos, los casos de éxito sostenido se concentran en aquellas compañías que han abordado la IA desde una perspectiva estructural y no exclusivamente tecnológica.
Esto incluye no solo la inversión en sistemas de almacenamiento y procesamiento, sino también el rediseño de los flujos de datos, la formación especializada de los equipos y la integración de políticas de seguridad y privacidad desde la fase de diseño.
Un camino hacia la consolidación empresarial de la IA
El estudio también ofrece una visión estratégica sobre la evolución de la IA en el ámbito corporativo. En la medida en que la inteligencia artificial se incorpora a procesos clave, deja de ser un componente aislado para convertirse en un factor estructural que requiere coordinación entre múltiples áreas de negocio. Esta transformación implica redefinir la relación entre TI, operaciones, finanzas y gestión de riesgos, entre otros.
La madurez en IA no se logra únicamente por acumulación tecnológica, sino mediante un proceso de integración gradual en el que la preparación de los datos, la adecuación de la infraestructura y el alineamiento organizativo determinan la capacidad de una empresa para convertir la IA en valor operativo medible.
