Veeam presentó un nuevo Modelo de Madurez de Confianza en Datos e IA para medir qué tan preparadas están las organizaciones para operar inteligencia artificial de manera segura, gobernable y auditable.
La compañía aseguró que existe una brecha creciente entre la velocidad de adopción de IA y la capacidad real de las empresas para controlar, explicar y proteger esas implementaciones dentro de sus operaciones.
El hallazgo principal: aunque el 80% de los líderes empresariales afirma estar preparado para escalar IA de forma segura, solo una minoría puede demostrarlo con evidencia auditable.
El modelo fue presentado durante VeeamON 2026 en Nueva York y se basa en un estudio realizado por Emerald Research Group entre 300 altos ejecutivos responsables de tecnología, seguridad, datos y riesgos corporativos.
La IA avanza más rápido que la gobernabilidad
Según el estudio, casi 7 de cada 10 compañías ya integraron IA en múltiples áreas del negocio o la consideran parte crítica de sus operaciones.
Sin embargo, el reporte revela que muchas organizaciones todavía no cuentan con marcos sólidos de identidad, gobernabilidad, auditoría y protección de datos capaces de soportar entornos donde agentes de IA toman decisiones de forma autónoma.
Además, casi la mitad de los ejecutivos reconoció que su confianza en la preparación para IA se basa más en intuición que en evidencia verificable.
La discusión empresarial ya no está centrada en adoptar IA, sino en demostrar que puede operar bajo controles reales.
Anand Eswaran, CEO de Veeam, aseguró que las organizaciones enfrentan un desafío creciente a medida que la IA empieza a tomar decisiones sobre datos empresariales a gran velocidad.
“La confianza en la IA es alta, pero la confianza por sí sola no es suficiente para escalar”, afirmó Eswaran.
El ejecutivo agregó que muchas compañías tienen dificultades para demostrar su preparación ante juntas directivas, auditorías y reguladores.
Proyectos frenados y dificultades operativas
El estudio también mostró que el crecimiento de la IA está encontrando obstáculos operativos dentro de las organizaciones.
El 52% de las empresas reportó haber reducido iniciativas relacionadas con IA durante los últimos 18 meses, mientras 4 de cada 10 reconocieron retrasos y 28% suspendió proyectos completamente.
Entre las principales barreras aparecen:
| Problema identificado | Porcentaje |
|---|
| Falta de conocimientos en IA y machine learning | 43% |
| Dificultad de integración con sistemas existentes | 33% |
| Incertidumbre regulatoria | 25% |
| Problemas de calidad de datos | 20% |
| Falta de explicabilidad | 19% |
Datos y resiliencia: el nuevo riesgo empresarial
El modelo de Veeam evalúa preparación empresarial en cuatro pilares: comprensión de datos, seguridad, resiliencia y capacidad de potenciar IA responsable.
La compañía también alertó que muchas organizaciones todavía no protegen adecuadamente los datos utilizados por sistemas de inteligencia artificial.
Krista Case, analista principal de theCUBE Research, aseguró que la infraestructura de datos sigue siendo uno de los puntos más vulnerables.
“El éxito de la IA depende de la solidez de la base de datos, pero es precisamente ahí donde las empresas se encuentran expuestas”, señaló Case.
La analista agregó que menos de una tercera parte de las organizaciones realiza respaldos adecuados sobre datos generados por IA, aumentando exposición frente a ransomware, corrupción y manipulación de información.
La IA entra en una etapa más exigente
El lanzamiento del modelo refleja un cambio importante dentro del mercado corporativo: la conversación sobre inteligencia artificial empieza a desplazarse desde experimentación hacia control, cumplimiento y resiliencia operativa.
La capacidad de demostrar gobernabilidad y trazabilidad será uno de los factores que definirá qué empresas podrán escalar IA de manera sostenible durante los próximos años.
