En muchas empresas, la conversación sobre inteligencia artificial empieza con una pregunta ambiciosa: ¿conviene desarrollar un modelo propio para diferenciarse? Rick Vanover, vicepresidente de Estrategia de Producto de Veeam, plantea que la respuesta puede ser menos espectacular y más práctica: comenzar con herramientas ya disponibles, siempre que exista una base clara de datos, seguridad y gobernabilidad.
El artículo de opinión sostiene que una solución de IA “suficientemente buena” puede generar valor operativo antes que un desarrollo personalizado, sobre todo cuando los equipos todavía no están listos para administrar sus costos, riesgos y obligaciones normativas. La recomendación no es renunciar a crear tecnología propia, sino decidirlo después de comprobar qué necesita el negocio y de construir controles que permitan adoptar la IA con confianza.
La adopción puede avanzar más rápido que la protección
Vanover cita el Informe sobre Confianza y Resiliencia de Datos 2026 de Veeam, según el cual 43% de las empresas reconoce que la adopción de IA avanza más rápido que su capacidad para proteger datos y modelos. En ese escenario, sumar un sistema personalizado desde el inicio puede ampliar la complejidad y los riesgos, especialmente si la organización aún no ha definido cómo cuidará la información que alimenta esas herramientas.
Para muchos casos de uso, los copilotos preconfigurados y los modelos de propósito general pueden automatizar tareas repetibles y optimizar flujos de trabajo sin exigir una reestructuración total de los sistemas empresariales. De acuerdo con el planteamiento del autor, estas soluciones suelen permitir una implementación más rápida y un retorno de inversión (ROI) más fácil de evaluar que un proyecto construido desde cero.
El costo oculto de construir una IA a la medida
La promesa de diferenciarse puede llevar a los equipos directivos a preferir herramientas propias por temor a que usar los mismos productos que otras compañías los deje atrás. Sin embargo, Vanover advierte que esa decisión también transfiere a la empresa el trabajo de preparar y organizar sus datos, mantener el sistema, atender el cumplimiento normativo y proteger cada componente agregado a su infraestructura.
El texto remite a un análisis del MIT, citado por Vanover, que indica que las empresas que adquieren herramientas de proveedores especializados o las desarrollan mediante alianzas tienen éxito aproximadamente 67% de las veces; los proyectos internos, en cambio, lo consiguen cerca de un tercio de las ocasiones. La comparación subraya que el resultado depende tanto de la forma de adopción como de la tecnología elegida.
Además del desarrollo inicial, una solución a la medida exige limpiar, estructurar y organizar la información para que los sistemas puedan utilizarla. Si esa preparación no se contempla desde el principio, el proyecto puede acumular costos y retrasos mientras la empresa asume directamente las tareas de gobernabilidad y seguridad.
Una ruta gradual para obtener valor de la IA
La propuesta de Vanover parte de elegir sistemas preconfigurados que correspondan a necesidades concretas. Su adopción puede elevar la eficiencia sin cambiar por completo las plataformas empresariales y facilitar que los equipos aprendan a utilizarlos. Los resultados iniciales, siempre que puedan medirse, también ayudan a decidir qué procesos conviene escalar y cuáles requieren otro enfoque.
El autor recomienda comenzar con tareas comunes de alto impacto potencial, dar seguimiento al uso y los resultados, y ampliar los proyectos únicamente cuando existan controles repetibles. Esto no descarta que una herramienta propietaria llegue a ser pertinente: plantea que esa decisión se tome cuando la organización tenga evidencia de sus necesidades y una estrategia de adopción más madura.
Gobernabilidad y resiliencia como punto de partida
Antes de escalar el uso de IA, las empresas necesitan saber dónde están sus datos, quién puede acceder a ellos, cómo se emplean y con qué rapidez podrían recuperarse ante un problema. Vanover propone establecer responsables y rutas de escalamiento, además de parámetros de rendimiento y límites de riesgo que permitan revisar el funcionamiento de cada sistema.
Entre los controles que menciona están una arquitectura Zero Trust, el monitoreo y registro continuos, la gestión de identidades y accesos y protocolos de recuperación probados. La resiliencia de los datos y la gobernabilidad deben integrarse desde el inicio para que las herramientas puedan operar con seguridad y crecer sin perder supervisión.
En conjunto, el argumento de Vanover es que la adopción empresarial de IA no necesita comenzar con el proyecto más complejo. Una herramienta lista para usarse puede ser un primer paso razonable si resuelve una necesidad real y está respaldada por datos confiables, controles definidos y resultados medibles. La inversión en soluciones propias puede evaluarse después, con una base más sólida para decidir si aporta una ventaja concreta.
Rick Vanover es vicepresidente de Estrategia de Producto de Veeam Software; el artículo de opinión fue distribuido por la agencia Omnicom.
Para más noticias de tecnología, cultura geek, gadgets y entretenimiento, visita: GeekAndLife.com.mx
Descubre más contenido en nuestras redes: Instagram | YouTube | TikTok
Fuente: PR