El nuevo informe State of Data and Analytics 2025 , publicado por Salesforce, lanza una advertencia clara: la mayoría de las organizaciones no están preparadas para escalar la IA empresarial debido a la fragilidad de sus datos. Aunque casi todas han iniciado el despliegue de herramientas de IA en sus operaciones diarias, persisten problemas estructurales que comprometen su eficacia.
El 84 % de los líderes técnicos reconoce que su estrategia de datos necesita una reforma integral para garantizar resultados fiables y sostenibles en IA
Este desfase no solo es técnico. Mientras que un 63 % de los directivos considera que sus compañías son muy orientadas a los datos, el mismo porcentaje de responsables de datos y analytics admite que tienen dificultades para traducir esos datos en decisiones de negocio. Esta contradicción evidencia una brecha creciente entre la visión declarada y la ejecución efectiva en torno al dato.
Los cimientos débiles de la IA
Los datos, en teoría, son el nuevo motor de las decisiones empresariales. Sin embargo, en la práctica, una parte sustancial de ellos es incompleta, está desactualizada o carece del contexto necesario. El resultado son modelos de IA que generan resultados erróneos o engañosos. De hecho, el 89 % de los responsables de datos afirma haber sufrido consecuencias directas por el uso de datos defectuosos en sistemas de IA empresarial, y más de la mitad admite haber malgastado recursos entrenando modelos con información poco fiable.
La presión por implementar la IA empresarial rápidamente agrava el problema. Dos tercios de los líderes de datos aseguran sentirse forzados a acelerar los despliegues, aunque el 42 % reconoce no tener plena confianza en la precisión o relevancia de los resultados obtenidos.
La paradoja del dato: volumen creciente, confianza menguante
La cantidad de datos crece a un ritmo del 30 % anual, pero su utilidad no evoluciona al mismo ritmo. Un cuarto de todos los datos que gestionan las empresas se considera directamente “no confiable”, y cerca del 20 % permanece atrapado en silos inaccesibles. Más preocupante aún: el 70 % de los líderes cree que las mejores ideas y oportunidades se ocultan precisamente en ese 20 % de datos inaccesibles.
Esta paradoja se traduce en decisiones equivocadas, oportunidades perdidas y una frustración creciente entre empleados. Solo la mitad de los directivos afirma ser capaz de generar insights en tiempo y forma. Un 32 % reconoce haberse apoyado en decisiones instintivas ante la falta de datos accesibles o útiles. Incluso los equipos con competencias técnicas limitadas se ven forzados a extraer conclusiones directamente de sistemas complejos, lo que expone a las organizaciones a interpretaciones erróneas y contradicciones internas.
El auge de la IA agentica y su exigencia de contexto
A medida que la IA evoluciona hacia sistemas más autónomos —los llamados agentes—, la exigencia sobre la calidad, accesibilidad y contextualización de los datos se vuelve crítica. La IA agentica no se limita a procesar información, sino que actúa de forma proactiva, automatizando decisiones en tiempo real. Esto requiere que los datos sean no solo precisos, sino también comprensibles para personas y máquinas.
Según el informe, el 93 % de los directivos empresariales cree que podrían desempeñar mejor su trabajo si pudieran interactuar con los datos mediante lenguaje natural. En paralelo, el 88 % de los líderes de analytics considera que los avances en IA empresarial están redefiniendo los criterios de evaluación de plataformas analíticas, priorizando aquellas que permiten acciones en tiempo real, analítica componible y, sobre todo, una integración fluida con agentes inteligentes.
Estrategias emergentes: zero copy, semántica y datos no estructurados
Frente al colapso de los enfoques tradicionales como el ETL, muchas empresas están adoptando arquitecturas zero copy, que permiten acceder a datos distribuidos sin necesidad de moverlos o duplicarlos. Esta estrategia no solo reduce costes de almacenamiento, sino que también desbloquea información atrapada en sistemas antiguos o desconectados.
Los beneficios son tangibles. Las organizaciones que aplican este enfoque tienen un 34 % más de probabilidad de lograr éxito en sus iniciativas de IA y un 25 % más de opciones de ofrecer experiencias superiores al cliente, según el estudio.
En paralelo, crece el interés por la explotación del dato no estructurado. Cerca del 80 % de la información empresarial escapa a los formatos tradicionales y sigue infrautilizada. No obstante, el 70 % de los líderes cree que es precisamente en esos datos —textos, imágenes, sensores, contenidos sociales— donde residen las ideas más valiosas.
Gobierno del dato: el eslabón más débil
Aunque el despliegue de IA empresarial genera nuevas demandas de seguridad, cumplimiento normativo y ética, la gobernanza no está al nivel requerido. Solo el 43 % de los responsables de datos ha establecido marcos formales de gobierno del dato, y un 57 % admite no tener aún directrices claras para una IA ética. Además, el 80 % reconoce que sus políticas de gobernanza varían según el entorno o departamento, lo que añade fragmentación a un panorama ya complejo.
Curiosamente, los propios agentes de IA emergen como una posible solución. Algunos líderes ven en estos sistemas una oportunidad para automatizar tareas de control, integridad y cumplimiento. Sin embargo, solo el 35 % de las empresas cuenta hoy con planes formales de respuesta ante incidentes relacionados con datos.
Del experimento a la ejecución: claves para el futuro
Para Salesforce, la conclusión es clara: las empresas que traten los datos y la IA como partes de una misma estrategia integrada serán las únicas capaces de superar la fase experimental y traducir el potencial tecnológico en impacto medible. Esto implica, por un lado, reforzar los cimientos de calidad, contexto y acceso, y por otro, permitir que la IA actúe como catalizador para descubrir, activar y gobernar el dato en tiempo real.
“Agentic AI no es la próxima tecnología, es la próxima revolución”, afirmó Marc Benioff, CEO de Salesforce, en su última keynote de Dreamforce. “Pero para aprovecharla, hay que empezar por los datos. Sin datos fiables, no hay contexto; sin contexto, no hay valor”.
La advertencia no es nueva, pero ahora adquiere un nuevo matiz. La diferencia entre escalar la IA empresarial o quedarse atrás ya no depende del algoritmo, sino del dato. Y en la mayoría de las organizaciones, ese terreno sigue siendo inestable.
