De la cumbre a la estrategia: Un vistazo al Gartner D&A Summit 2026

Del 9 al 11 de marzo, Rocket participó en la Cumbre de Datos y Análisis de Gartner en Orlando, Florida. Este año, el tema fue "Valor a la velocidad de la IA: Navegando el presente y el futuro", y los más de 3000 proveedores, líderes de datos, CIO y tecnólogos que asistieron lo plasmaron en sus ideas y preguntas.

Los tres días de la cumbre estuvieron repletos de conversaciones estimulantes con clientes, socios y colegas. Tanto en la sesión que moderé, como durante los almuerzos y las reuniones informales, o en los pasillos entre los foros, el tema recurrente fue cómo resolver los problemas de acceso, confianza y control de los datos.

Ahora que el evento ha terminado, la prioridad es la ejecución. A continuación, te mostramos cómo traducir las conclusiones del informe de Gartner sobre datos y análisis en acciones concretas e inmediatas para la estrategia de datos de tu organización.

Aprovechar todo el potencial de sus datos

Organicé una sesión titulada "Del piloto a la producción: 5 cambios para un entorno de datos preparado para la IA". Observé un patrón común que muchos experimentan: logramos que un piloto de IA funcione bien en una demostración, pero luego se topa con el obstáculo de la transición del piloto a la producción. Es entonces cuando se pone a prueba la confianza, los datos y el contenido no coinciden, los controles se convierten en una barrera y los éxitos iniciales se estancan.

Me centré en los cambios prácticos que los equipos están implementando para superar las barreras, especialmente a medida que los modelos de lógica de negocio (LLM) y los flujos de trabajo basados ​​en agentes se generalizan en las operaciones reales. Mi objetivo era identificar y clarificar los problemas que enfrentan los profesionales a diario, como la falta de confianza cuantificable, la desconexión de datos y contenido, y la debilidad de los controles de uso. Los agentes acceden a tablas sin procesar, los esquemas evolucionan y se rompen, las automatizaciones fallan y, debido a la ausencia de mecanismos de control, los usuarios detectan los fallos, poniendo en riesgo su confianza y la de la empresa.

Aquí encontrará un análisis exhaustivo de los 5 cambios clave que identifiqué para escalar la IA desde la fase experimental hasta su impacto en las empresas.

A lo que todo esto equivale

En el evento, un tema recurrente fue que la IA amplifica los datos erróneos más rápido que cualquier otra tecnología anterior. Mi principal conclusión de la Cumbre de Datos y Análisis de Gartner es que si no confías en tus conjuntos de datos principales, tampoco lo harás en los resultados de tu IA.

Un concepto que me llamó la atención en la presentación de Gartner fue el de "política como código", como base práctica para gobernar este nuevo panorama. En un entorno altamente distribuido y basado en agentes, la gobernanza no puede depender únicamente de controles centralizados. Las políticas deben acompañar a los datos, garantizando que la protección, el acceso y el cumplimiento se apliquen en el punto de uso, independientemente de dónde se encuentren esos datos.

Al mismo tiempo, la confianza en los datos sigue siendo un pilar fundamental. A medida que las organizaciones avanzan hacia datos preparados para la IA, capacidades como el linaje y la monitorización de la calidad de los datos ya no son opcionales, sino esenciales. Sin una visibilidad clara del origen de los datos y sin confianza en su integridad, los sistemas basados ​​en agentes corren el riesgo de amplificar los errores a gran escala. Las organizaciones deben incorporar formalmente la «confianza» en los acuerdos de nivel de servicio (SLA) que garanticen una entrega de datos coherente y controlada en todas las iniciativas de modernización e IA.

Muchos equipos están experimentando con GenAI, pero lo hacen de forma desconectada de la gobernanza, y ahí es donde surgen los problemas. En lugar de permitir que los modelos de IA extraigan información de cualquier fuente o la integren indiscriminadamente, debemos definir métodos estandarizados y controlados para que los sistemas recuperen información.

Lo que está quedando claro es que una gestión de datos sólida es fundamental. Las fronteras tradicionales entre datos estructurados y no estructurados comienzan a difuminarse, especialmente a medida que los agentes consumen y generan información en diversos formatos. Las organizaciones están empezando a considerar los datos de forma más integral, centrándose menos en el tipo y más en la usabilidad, el contexto y la gobernanza. Aquí es donde el contexto, otro tema clave en la cumbre, cobra verdadera importancia. Los agentes de IA no solo necesitan acceso a los datos, sino también contexto y estructura. Las organizaciones que avanzan más rápido son aquellas que logran que sus datos sean accesibles e interpretables para la IA.

Lo que más importa

Si bien el camino a seguir aún puede estar en evolución, la urgencia de actuar es constante. A medida que los líderes impulsan iniciativas, es fundamental comprender claramente su posición actual y sus objetivos futuros, y desarrollar una estrategia práctica para alcanzarlos. Esto implica definir objetivos precisos, establecer planes de gestión de datos y arquitectura, y colaborar con los aliados estratégicos adecuados para lograr el éxito.

Rocket está diseñado para ayudarte a convertir estos conocimientos en acciones concretas, liberando el potencial de tus datos para lograr un éxito real y duradero. Aprende a aprovechar la IA con éxito y a optimizar todo tu ecosistema de datos para el futuro.