Mirando hacia el futuro, las pequeñas y medianas empresas que necesiten implementar herramientas de big data e inteligencia artificial (IA) enfrentarán diversos retos iniciales. Entre ellos, destaca una barrera tecnológica que incluye el aprendizaje en el uso de estas herramientas, la estandarización de bases de datos y la adopción de criterios claros para búsquedas y análisis. Esta brecha podría dificultar la conexión entre las necesidades de los usuarios y los resultados esperados de la tecnología.

“Por otra parte, los costos asociados a la implementación de estas soluciones aún no se dimensionan completamente. No se suelen considerar factores como las curvas de aprendizaje o la automatización de procesos. Adoptarlas como una inversión estratégica hoy puede traducirse en ahorros significativos a futuro”, explica Rodrigo Roa, de Data Observatory. La implementación requiere entrenamiento en infraestructuras locales o en la nube, así como la actualización constante de contenidos y aplicaciones.

Otro desafío importante será gestionar la gran variedad de datos y fuentes de información, tanto abiertas como por suscripción, para maximizar el valor que estas herramientas puedan ofrecer a los clientes. “El verdadero reto está en identificar por dónde comenzar y qué preguntas de negocio deben responderse con big data e IA. A partir de ahí, es clave priorizar los quick-wins que permitan un retorno de inversión rápido. También hay desafíos relacionados con los costos de almacenamiento, la protección de datos, el sesgo en los algoritmos y la ética”, añade Seguel, de la Universidad Adolfo Ibáñez.

A medida que big data e IA evolucionan, también lo hacen los desafíos vinculados a la privacidad y seguridad de los datos, especialmente frente a regulaciones como el GDPR en Europa y normativas similares en otras regiones. “Otro reto crucial es garantizar la calidad e integridad de los datos, ya que recolectar grandes volúmenes no siempre asegura información útil o precisa”, concluye Cristián López, de Unitti.