El summit de Data & Analytics de Gartner en Sídney, celebrado el 16 y 17 de junio, volvió a poner sobre la mesa el mismo problema: las empresas que no consiguen retorno de sus proyectos de IA no fallan por la tecnología. Fallan por falta de claridad estratégica y por alimentar sus modelos con datos que no están en condiciones.
Uno de los hallazgos que Gartner ha sostenido en sus eventos de 2026 es que las empresas con iniciativas de IA exitosas invierten hasta cuatro veces más en fundamentos de datos y analítica que las que no obtienen resultados. El problema no es el modelo de IA elegido. Es que los datos que entran en ese modelo son inconsistentes, incompletos o duplicados.
Para una empresa mediana, esto tiene una traducción directa: antes de contratar cualquier herramienta de IA, hay que auditar el estado de los datos que esa herramienta va a consumir. Un agente de IA entrenado con datos fragmentados de CRM no mejora el seguimiento comercial — lo automatiza mal. El proceso antes de la herramienta es la decisión que más impacta en el retorno.
Gartner define dato listo para IA como aquel cuya aptitud para un caso de uso específico puede demostrarse de forma contextual y continua. No basta con que los datos estén disponibles: tienen que ser precisos, estar correctamente etiquetados y actualizarse de forma automática — no mediante exportaciones manuales o actualizaciones periódicas del equipo de TI.
Las organizaciones con baja madurez de gobernanza de datos tienen significativamente más probabilidades de no obtener valor de la IA, según el análisis de los analistas del summit. Esto aplica tanto a grandes corporaciones como a empresas medianas: el tamaño no reduce el riesgo — la calidad de los datos de entrada, sí.
La señal de acción concreta para Carla y Marta es esta: si tu empresa ha lanzado un piloto de IA en el último año y los resultados son decepcionantes, el primer diagnóstico no es el proveedor ni el modelo — es el estado de los datos que le estás dando. Antes de renovar contratos o cambiar de plataforma, una auditoría de datos es el primer paso.