Lo que se necesita para construir un fundamento de datos preparados para la IA: Insights de Think 2026

La inteligencia para la IA está evolucionando.

Donde antes había un simple énfasis en el acceso a los datos, hoy en día los estándares para los datos preparados para la IA son más altos. Las empresas que avanzan más allá de la experimentación con IA hacia la transformación de la IA están transmitiendo datos en tiempo real, enriqueciéndolos con contexto y garantizando que sean confiables.

“La inteligencia debe evolucionar de simplemente estar disponible a ser algo que sea aplicable en la práctica”, explicó Rob Thomas, vicepresidente sénior de software y director comercial de IBM, durante su conferencia principal en Think 2026. “Sin eso, la IA solo amplificará la fragmentación que existe en muchas organizaciones”.

Durante la conferencia, Thomas, y otros líderes y socios de IBM explicaron cómo watsonx.data de IBM y Confluent, la plataforma líder de transmisión de datos recientemente adquirida por IBM, están ayudando a las empresas a superar la fragmentación y otros desafíos de datos, impulsando el rendimiento de IA a escala.

“Confluent proporciona la infraestructura de eventos en tiempo real, capturando y distribuyendo los datos a medida que se producen”, dijo Scott Brokaw, vicepresidente de producto de IBM para la integración de watsonx.data, durante una sesión de Think sobre la creación de una arquitectura más inteligente para la IA. “IBM está reuniendo esos datos, gobernándolos, enriqueciéndolos y preparándolos para que la IA actúe sobre ellos”.

Jay Kreps, cofundador y director ejecutivo (CEO) de Confluent, se unió a la conferencia principal de Thomas para explicar cómo las empresas están eliminando los silos de datos y obteniendo valor de los datos empresariales.

Los datos han “pasado de algo que está encerrado en sistemas individuales a algo que realmente fluye a través de las organizaciones y que potencia a muchos de los actores”, dijo Kreps.

Señaló historias de éxito como Marriott, que utilizó la tecnología de Confluent para unir fuentes de datos dispares para elevar las experiencias de los clientes.

La cadena hotelera recopiló “todos los datos que tenían sobre los clientes (toda la personalización, los programas de lealtad, el marketing) para unir todo lo que sabía sobre las personas que se alojaban ahí e intentar optimizar esa experiencia”, dijo Kreps. Según él, esta importante iniciativa generó más de 250 millones de dólares en ingresos.

Para Suresh Visvanathan, director de operaciones del grupo Nationwide Building Society, con sede en el Reino Unido, un proveedor de servicios financieros de venta minorista, aprovechar los datos oportunos en toda la empresa consiste en “jugar a la ofensiva y a la defensiva”.

La ofensiva consistía en ofrecer personalización a los clientes, y hacerlo rápido.  “Si no podemos hacerlo por un cliente cuando lo necesita, es un poco tarde”, dijo Visvanathan, invitado a la sesión de Thomas.

Por el lado de la defensiva, los datos en tiempo real han ayudado a la empresa a abordar problemas menores antes de que se conviertan en problemas mayores. “La observabilidad es algo importante en nuestra industria, como lo es en muchas otras”, dijo. “Y entonces, su capacidad para averiguar si un cajero automático o la aplicación móvil no funcionan, en qué parte de la cadena alimentaria se está descomponiendo realmente y cómo reacciona se convierte en una misión crítica”.

No son solo las grandes empresas como Marriott y Nationwide Building Society las que están pasando de la fase experimental de la IA a obtener resultados transformadores. Las empresas de IA de cualquier tamaño, independientemente de dónde se encuentren en sus recorridos de IA, pueden tomar medidas para aprovechar el valor de sus datos empresariales a través del contexto y la gobernanza en tiempo real.

Las empresas pueden comenzar poco a poco: identificar un caso de uso con el potencial de tener un gran impacto. Pueden construir una base para la capacidad de IA, una que puedan escalar por dominio más adelante, a través de lo que Sean Falconer, jefe de IA y producto de Confluent, llama “enfoque fundamentalmente diferente de los datos”.

Falconer, quien se unió a la sesión de Brokaw, dijo que en lugar de procesar y gobernar los datos en sentido descendente, las empresas exitosas han “desplazado ese problema más cerca de la fuente de los datos, donde se crean y donde ya se transmiten”.

“El resultado es que son capaces de crear productos de datos en tiempo real, reutilizables y universales”, dijo Falconer. “Estos activos de datos totalmente gobernados son accesibles instantáneamente en el momento en que los necesitan”.

El enfoque correcto de los datos puede impulsar una de las tecnologías de IA más poderosas de la actualidad: los agentes de IA. Por ejemplo, Jay Kreps de Confluent explicó que los agentes podrían diseñarse para manejar las quejas de los clientes con respecto a la entrega de alimentos.

“Podemos conectarnos a los sistemas de origen para tener esta información, las aplicaciones y la base de datos, capturar estos cambios en tiempo real, poder tomar el flujo de quejas que llegan y combinarlo en tiempo real con todo el contexto sobre la entrega”, incluidos detalles sobre el cliente y el conductor.

¿El resultado? Un agente tiene la información necesaria para determinar los siguientes pasos clave, como emitir reembolsos o enviar una alerta de fraude.

“Al final, ese agente tiene el contexto completo de lo que está sucediendo en todo el negocio: solo las cosas que queremos, no las cosas que no”, dijo Kreps. “[Se trata de] datos bien gobernados y bien estructurados sobre los que actuar”.

Además, esos mismos datos que potencian las decisiones en tiempo real del agente también se pueden obtener para otros insights que pueden brindar valor adicional a través de watsonx.data.

“Puedo tomar los datos que fluyen en tiempo real, sobre los que estoy actuando, y puedo exponerlos a todas las capacidades de inteligencia y los tipos de preguntas que van a surgir naturalmente”, dijo Kreps. “Puedo analizar esto y tratar de averiguar qué está sucediendo realmente en producción, ¿qué es lo que está haciendo nuestro agente? ¿Cuáles son los tipos de clientes que están llegando? …¿Cuál es la tendencia general?”

“Hemos hecho una gran integración con watsonx.data, y esto es increíblemente poderoso”, dijo Kreps.

El ejemplo de entrega de alimentos muestra lo que sucede con el enfoque correcto para la gestión de datos. ¿Pero qué ocurre cuando falta ese enfoque?

Durante su sesión, Brokaw demostró cómo los datos confiables, oportunos y contextualizados pueden marcar la diferencia entre el negocio habitual y las interrupciones graves en un entorno de agentes. Ofreció un escenario típico en el comercio electrónico: procesar pedidos de clientes nocturnos.

Tradicionalmente, cuando un artículo está agotado después de haberlo pedido, un planificador de cumplimiento humano puede notar el problema, llamar al cliente y emitir un reembolso. La situación no es ideal, pero al menos está contenida, dijo Brokaw.

Sin embargo, las circunstancias pueden cambiar drásticamente cuando un agente de IA está a cargo. Los agentes de IA necesitan acceso a los datos correctos: datos en tiempo real para la toma de decisiones oportuna y datos históricos para fundamentar la comprensión de tendencias y anomalías. Sin esa inteligencia, la plataforma de la empresa podría seguir aceptando pedidos.

“Para cuando alguien se da cuenta, no es un pedido [incumplido], sino cientos o incluso miles, el agente no contuvo el problema. En realidad, amplificó el problema”, dijo Brokaw. “El error del agente exige un nuevo enfoque para la gestión de datos, uno que esté diseñado tanto para humanos como para agentes”.

Watsonx.data y Confluent potencian este nuevo enfoque. En la nueva pila de datos de IBM, Confluent, con capacidades de transmisión de datos en tiempo real basadas en las tecnologías Kafka y Flink, puede garantizar que un agente opere con datos actualizados en lugar de información obsoleta. Luego, en la capa de contexto de la pila de datos, “los datos se vuelven inteligentes”, dijo Brokaw.

La nueva función Context de watsonx.data permite a los sistemas de IA acceder a la información, ya sea estructurada o no estructurada, en entornos distribuidos. OpenRAG en watsonx.data ayuda a transformar documentos empresariales en conocimientos preparados para la IA para flujos de trabajo de recuperación y razonamiento, mejorando la forma en que los agentes descubren y usan el contexto empresarial relevante. Y el Real-Time Context Engine de Confluent ofrece datos empresariales enriquecidos a los sistemas de IA a través del protocolo de contexto del modelo.

Mientras los datos se curan y sirven, también se gobiernan, y watsonx.data aplica definiciones compartidas, monitorea las señales de calidad de los datos y el linaje, y aplica políticas de gobernanza. “Las decisiones que toman los agentes son decisiones en las que hay que poder confiar cuando los agentes actúan de manera autónoma a la velocidad de la máquina”, dijo Brokaw. “La gobernanza no puede ser posterior al hecho”.

Con los avances en la entrega de datos oportunos, contextuales y confiables a la IA, el mundo empresarial está experimentando una experiencia en “el centro de gravedad de los datos”, dijo Brokaw. “Hemos construido la base: señal en tiempo real dentro, contexto confiable fuera”.