Las empresas se apresuran a adoptar la IA, pero gran parte de los datos que necesitan estas herramientas sigue atrapada dentro de sistemas heredados, software propietario y aplicaciones que no tienen interfaces modernas. Ran Cherniavsky, CEO y cofundador de Unfold, afirma que esa brecha se ha convertido en el problema central de la IA empresarial, y que su empresa está diseñada para cerrarla.

\n

¿Por qué las herramientas tradicionales de integración no funcionan para la IA?

Las herramientas tradicionales de integración conectaban sistemas, pero lo hacían de manera limitada. Movían los datos un campo a la vez, a través de lo que el proveedor decidiera exponer. Cherniavsky dijo que ese modelo nunca fue diseñado para la IA.

\n

“La IA necesita acceso a todo lo que un ser humano puede ver en un sistema, y a la comprensión de lo que significa”, afirmó. “Y lo necesita rápido, sin un proyecto para cada campo. Ese es un problema distinto”.

\n

Los costos aparecen mucho antes de que se lance un proyecto de IA. Las compañías contratan consultores especializados para mapear a mano los campos de un sistema. Los analistas extraen informes limitados y los unen en Excel. Los pilotos de IA se estancan porque el modelo solo ve la parte que expone la API y, entonces, da respuestas incorrectas.

\n

“En realidad, estás alquilando acceso a tus propios datos a través de la interfaz de otra persona”, dijo Cherniavsky.

\n

También señaló la seguridad. Si nadie puede leer lo que está dentro de un sistema, nadie puede tener la certeza de que es seguro. Cherniavsky afirmó que ese riesgo suele ser invisible hasta que causa un problema.

\n

Cherniavsky dijo que la adopción de la IA es hoy donde más presión existe, y donde los datos bloqueados le cuestan más a las empresas. La seguridad y la modernización enfrentan el mismo problema de fondo, argumentó. Citando a Gartner, señaló que el 45 % de los sistemas centrales todavía funciona en mainframes o en arquitecturas cliente/servidor locales, y que el 34 % de las organizaciones ya no modifica sus aplicaciones centrales porque modernizarlas es demasiado riesgoso. Resolver el acceso a los datos y su contexto para la IA, afirmó, ayuda mucho a resolver los otros dos.

\n

Unfold funciona como lo haría un empleado. En lugar de depender solo de una API, utiliza la interfaz de usuario, los informes, las exportaciones y los archivos que una aplicación ya expone. La compañía estudia cada sistema, mapea dónde vive cada dato y cómo se mueve, y luego construye un recolector determinista de solo lectura que obtiene los datos a través de los propios permisos del sistema. Cherniavsky dijo que el enfoque funciona en mainframes AS/400, ERP locales y productos SaaS modernos que solo exponen una parte de sus datos. La incorporación de cada sistema toma hasta 14 días.

\n

¿Por qué los datos empresariales necesitan contexto antes de que la IA los pueda usar?

El acceso por sí solo no basta, afirmó Cherniavsky. Los datos sin contexto son ruido. En el ERP JD Edwards de Oracle, por ejemplo, las tablas guardan números en lugar de nombres, y los campos de estado contienen códigos que pocas personas recuerdan haber definido. Dos sistemas pueden referirse al mismo cliente con nombres distintos.

\n

Unfold aprende cada sistema de la misma manera que lo haría un empleado capacitado: identifica qué significa cada objeto, cómo se relacionan entre sí, qué reglas de negocio y excepciones se aplican y cómo las personas usan realmente el software. La compañía construye un catálogo de cada objeto de datos, con su significado de negocio y su ruta completa dentro del sistema. Cherniavsky dijo que ese conocimiento a menudo residía en expertos en la materia, socios de implementación y proveedores, y que gran parte de él se perdió cuando esas personas se fueron.

\n

Una vez que se entiende cada sistema, Unfold mapea los datos en un único esquema empresarial canónico. Cherniavsky dio un ejemplo: el mismo cliente se identifica como KUNNR en SAP y como Account en Salesforce. La compañía mantiene los datos en los sistemas de origen del propio cliente y registra su linaje, de modo que sabe de dónde vino cada campo y cómo fue transformado.

\n

Cherniavsky afirmó que Unfold no compite con plataformas de datos como Splunk, Snowflake y Databricks. “No reemplazamos las plataformas de datos; las alimentamos”, dijo. La compañía puede entregar datos a un lago de datos, un almacén de datos o agentes de IA del cliente, incluso mediante un conector con Claude y Gemini.

\n

Cherniavsky describió varios usos por parte de clientes. Un minorista global necesita datos de punto de venta de sistemas AS/400 en más de diez países para alimentar su detección de fraude, que hoy funciona con Gemini Enterprise. El regulador de un país ordenó a la compañía suspender sus ventas hasta que ese control estuviera implementado. Una aseguradora estadounidense de las diez más grandes había pedido a contratistas que mapearan a mano los campos del sistema de reclamaciones hacia su base de datos, seguidos de ingenieros que construyeran el proceso ETL. Cherniavsky dijo que ese trabajo tomaba semanas y que Unfold lo completa automáticamente en días.

\n

Un grupo de concesionarios de vehículos con varias sedes tenía sus datos de repuestos, servicio y garantías bloqueados detrás de informes en su sistema de gestión de concesionarios. Ahora, su propietario puede preguntar en lenguaje sencillo cuánto tiempo hace que se deben los montos de garantía a la empresa.

\n

Cherniavsky afirmó que los clientes miden el valor de tres maneras: tiempo, costo y resultados que antes no eran posibles. El tiempo significa días en lugar de meses. El costo incluye a los consultores, los servicios profesionales y la ingeniería que ya no son necesarios. Los resultados incluyen respuestas que abarcan varios sistemas.

\n

Gartner afirma que, hasta 2030, el mayor desafío acumulativo de la IA agéntica será el acceso y el control de los datos. La firma de investigación también trata las plataformas de contexto de IA como un mercado independiente, que crecerá de 28.000 millones de dólares en 2026 a 78.000 millones en 2030, y señala que esas plataformas están limitadas por lo que logran extraer de los sistemas de registro.

\n

¿Cómo deben las empresas empezar a dar a la IA acceso a los datos bloqueados?

El consejo de Cherniavsky a las empresas es comenzar con un resultado de negocio, no con un proyecto de datos. Elijan una iniciativa de IA bloqueada por un sistema que no se puede leer, resuelvan ese problema y luego amplíen sistema por sistema. Las compañías no deberían esperar a que terminen primero los proyectos de modernización, dijo, y deberían tratar el conocimiento que hay dentro de sus sistemas como un activo antes de que las personas que los comprenden se vayan.

Cet article a été rédigé avec l'assistance de l'IA.
News Factory APP - actualités agentiques pour booster votre SEO et AEO.