Evento

Cumbre de Datos y Análisis de Gartner 2026: Cómo llevar con éxito la IA de la fase piloto a la producción.

Michael Curry, presidente de Modernización de Datos en Rocket Software, compartió los 5 cambios clave necesarios para escalar la IA, pasando de la fase experimental a un impacto empresarial. Descubra las ideas principales de su sesión a continuación.

Lleva las conclusiones de tu sesión a tu organización.

 

Cabina de Rocket

 

En la Cumbre de Datos y Análisis de Gartner de 2026, escuchamos que las empresas no tienen un "problema de IA", sino un problema de acceso, confianza y control de datos. Los proyectos piloto se estancan al toparse con datos heredados, documentos protegidos y restricciones de gobernanza. Se nos informó que la forma en que respondemos a estos problemas está directamente relacionada con grandes desafíos como escalar la IA, gestionar la disrupción y equilibrar el riesgo con la gobernanza. Rocket está aquí para ayudarte a convertir estas ideas en acciones, liberando el potencial de tus datos para impulsar un éxito real y duradero.

 

Tres acciones que puedes ejecutar rápidamente

Las organizaciones pueden lograr un progreso real y rápido mediante:

  • Definición de acuerdos de nivel de servicio (SLA) de confianza para sus 10 conjuntos de datos más críticos.
  • Implementar patrones de recuperación controlados tanto en los datos como en el contenido.
  • Desarrollar modelos iniciales de semántica y productos de datos que los agentes de IA puedan utilizar de inmediato.

Esto genera impulso, reduce la necesidad de rehacer el trabajo y disminuye el riesgo de experimentación con IA. Rocket está aquí para ayudarte a convertir esos conocimientos en acciones concretas, liberando el potencial de tus datos para lograr un éxito real y duradero.

Hable con un experto

Conclusiones clave de la cumbre de datos y análisis de Gartner de 2026

  • La preparación para la IA comienza con la confianza, no con los modelos: confianza en la calidad, el origen, la seguridad y el contexto de los datos. Las organizaciones deben formalizar acuerdos de nivel de servicio (SLA) que garanticen una entrega de datos coherente y controlada en todas las iniciativas de modernización e IA.
  • La recuperación controlada debe ser una capacidad estratégica: la IA obliga a las empresas a gestionar la recuperación de datos estructurados, contenido no estructurado y conocimiento almacenado en mainframes. Quienes consideren la recuperación controlada como un pilar arquitectónico fundamental, y no como un control añadido, serán los que triunfen.
  • La soberanía de los datos debe pasar de estar basada en la ubicación a estar basada en el uso: los marcos de soberanía tradicionales se desmoronan ante los patrones de acceso dinámicos de la IA. Las empresas necesitan una soberanía adaptativa basada en el uso, donde las reglas se ajusten al contexto de uso, no al sistema, la región o el límite de almacenamiento.
  • La semántica es la nueva interfaz para los agentes de IA: Los agentes de IA no pueden funcionar con tablas sin procesar ni esquemas heredados. Necesitan una semántica preparada para agentes —significado claro, relaciones e intención— expresada a través de metadatos controlados, modelos de conocimiento y productos de datos bien diseñados.
  • Los productos de datos deben estar alineados con la IA, no solo preparados para el análisis: las empresas necesitan productos de datos enriquecidos con semántica legible por máquina, diseñados para la generación aumentada por recuperación (RAG), la orquestación de agentes y la inteligencia de aprendizaje automático continua, no solo paneles de control o resultados ETL.
Contenido relacionado
video

La ventaja de la IA: maximizar los datos del mainframe para el análisis

A pesar de sus limitaciones, los datos de los sistemas centrales ofrecen una ventaja competitiva.

Ver ahora
Insight

De los silos a la estrategia: Desbloqueando el verdadero potencial de los datos

La función de la gestión de datos hoy en día no consiste simplemente en acumular y almacenar datos, sino en visualizarlos, confiar en ellos y extraer el máximo valor para obtener ventajas empresariales, independientemente de dónde se encuentren.

Leer ahora
Insight

Más allá del lado comprador: Sus datos de mainframe no están estancados. Su estrategia sí lo está.

Supera los cuellos de botella en el manejo de datos y convierte los sistemas centrales en una ventaja competitiva.

Leer ahora