Autor: Redacción

Seis de cada diez proyectos de inteligencia artificial fracasan o no alcanzan sus objetivos no por fallas en los modelos, sino por problemas en la gestión de los datos que los alimentan, según advirtió Gartner. La cifra pone en el centro del debate una capacidad que muchas organizaciones latinoamericanas todavía tratan como tarea pendiente: la gobernanza de datos.

El diagnóstico de Gartner no es nuevo en su dirección, pero sí en su magnitud. Cuando una empresa decide implementar un modelo de lenguaje, un sistema de recomendación o cualquier herramienta de analítica avanzada, el supuesto implícito es que los datos de entrenamiento y operación son confiables, están bien catalogados y tienen un propietario claro. En la mayoría de las organizaciones de la región, ese supuesto es falso. Los datos llegan de silos desconectados, sin linaje trazable, con definiciones inconsistentes entre áreas y sin un data steward —responsable temático del dato— que garantice su calidad antes de que el modelo los consuma.

Por qué el dato roto destruye al modelo, no al revés

Un modelo de inteligencia artificial es, en términos operativos, una función matemática que generaliza patrones a partir de datos históricos. Si esos datos contienen duplicados, valores ausentes sin criterio de imputación, o categorías definidas de forma distinta en cada sistema de origen, el modelo aprende esos errores y los amplifica. El fenómeno tiene nombre en la industria: garbage in, garbage out. Lo que Gartner señala es que ese “garbage” no es un accidente técnico: es el resultado predecible de organizaciones que invierten en infraestructura de IA antes de haber resuelto su arquitectura de gobierno del dato.

El marco DAMA-DMBOK identifica once áreas de conocimiento en gobernanza de datos —desde la arquitectura y el modelado hasta la calidad, la seguridad y el ciclo de vida del dato—. Las organizaciones que lanzan proyectos de IA sin haber madurado al menos las áreas de calidad de datos, catálogo y linaje están operando sin los cimientos mínimos. El EDM Council, a través de su certificación CDMC (Cloud Data Management Capabilities), también establece que la trazabilidad del dato —saber de dónde viene, cómo fue transformado y quién lo aprobó para uso analítico— es una capacidad de nivel básico, no avanzado.

Cuándo aplica esta advertencia / cuándo NO

La advertencia de Gartner aplica directamente a proyectos de IA que operan sobre datos internos de la organización: modelos predictivos de riesgo crediticio, sistemas de detección de fraude, motores de recomendación, analítica de clientes o automatización de procesos con datos históricos. El riesgo es más alto cuando los datos provienen de múltiples sistemas legados con escasa integración. En cambio, el problema es menos crítico —aunque no inexistente— en implementaciones que usan modelos fundacionales pre-entrenados con datos propietarios externos, donde el riesgo de dato roto se desplaza al proveedor del modelo. Tampoco aplica de la misma forma a proyectos de IA que operan sobre datos sintéticos o en entornos de laboratorio sin implicancias operativas.

El estado de la gobernanza de datos en América Latina

En la región, la brecha es estructural. Muchos bancos colombianos y mexicanos que reportan ante la Superintendencia Financiera de Colombia o la CNBV operan con modelos de scoring crediticio cuya trazabilidad de datos es, en el mejor caso, parcial. En Brasil, la LGPD (Lei Geral de Proteção de Dados, Ley 13.709/2018) obliga a las empresas a documentar el tratamiento de datos personales, lo que ha empujado a algunas organizaciones a construir catálogos de datos reactivamente —para cumplir con la ley— sin integrarlos a una estrategia de gobernanza más amplia. En Argentina, la Ley 25.326 de Protección de Datos Personales está en proceso de modernización, y el debate sobre su reforma incluye requisitos de documentación de tratamientos que, si se aprueban, tendrán el mismo efecto de forzar estructuras mínimas de gobierno del dato.

La paradoja regional es que la presión regulatoria de privacidad está creando, como efecto secundario, las condiciones para una gobernanza de datos más sólida. Las organizaciones que construyen sus registros de actividades de tratamiento (RAT) para cumplir con LGPD o con la normativa de la AAIP argentina están, sin saberlo, construyendo un inventario de datos que puede convertirse en el punto de partida de un catálogo de datos institucional.

Tres capacidades que un CDO debe tener antes de aprobar un proyecto de IA

Si el número de Gartner tiene alguna utilidad práctica, es como criterio de evaluación previa. Antes de aprobar el presupuesto de un proyecto de IA, un Chief Data Officer debería poder responder afirmativamente a tres preguntas concretas: primero, si los datos de entrenamiento tienen un data steward identificado que pueda certificar su calidad y origen; segundo, si existe linaje documentado que permita rastrear cada campo crítico desde su fuente hasta el modelo; y tercero, si hay un proceso de monitoreo de calidad de datos en producción, no solo en el momento del entrenamiento inicial. Si alguna de esas tres respuestas es negativa, el proyecto tiene una probabilidad estadísticamente documentada —según Gartner— de estar entre el 60% que no cumplirá sus objetivos. La decisión de avanzar de todas formas es legítima, pero debe tomarse con esa información sobre la mesa.

Para profundizar en los marcos de madurez aplicables, el DAMA-DMBOK2 y el framework CDMC del EDM Council son los estándares de referencia que cualquier equipo de gobernanza puede usar como línea de base antes de comprometer recursos en IA.

El Global Regulatory Council (GRC) anunció la creación de un consejo dedicado a la gobernanza de datos de emisiones en el sector marítimo, con el objetivo de estandarizar la recolección, calidad y reporte de información climática a escala global. La iniciativa responde a una brecha estructural que los reguladores y operadores del sector ya no pueden ignorar: los datos sobre emisiones que circulan entre armadores, puertos y autoridades nacionales son, con frecuencia, inconsistentes, incompletos o incomparables.

La gobernanza de datos de emisiones es el conjunto de políticas, roles, procesos y controles que determinan cómo se captura, valida, almacena y reporta la información sobre gases de efecto invernadero generados por operaciones —en este caso, principalmente por buques y flotas comerciales. Sin una capa de gobierno clara sobre esos datos, las declaraciones de descarbonización se vuelven inauditables: una empresa puede reportar reducciones que ningún tercero puede verificar de forma independiente.

Por qué el sector marítimo necesita un consejo específico para datos de emisiones

El transporte marítimo mueve aproximadamente el 80% del comercio mundial y representa, según estimaciones de la Organización Marítima Internacional (OMI), cerca del 2,9% de las emisiones globales de CO₂. La fragmentación regulatoria es intensa: conviven el sistema EU MRV (Monitoring, Reporting and Verification) de la Unión Europea, el sistema IMO DCS (Data Collection System) y marcos nacionales que en muchos casos no son interoperables. El resultado es que un mismo buque puede reportar datos de consumo de combustible bajo tres esquemas distintos con metodologías incompatibles, generando inconsistencias que distorsionan los inventarios de emisiones sectoriales. El nuevo consejo del GRC apunta, según se informó, a crear criterios comunes de definición, recolección y auditoría de datos que puedan funcionar como capa transversal sobre esos regímenes existentes.

Mecanismo: qué hace concretamente un consejo de gobernanza de datos en este contexto

Un órgano de este tipo opera, en la práctica, como un comité de data stewardship sectorial. Sus funciones típicas incluyen la definición de un glosario común (¿qué se entiende exactamente por “emisión verificada” versus “emisión estimada”?), el establecimiento de reglas de ownership sobre los datos a lo largo de la cadena —quién es responsable del dato desde el sensor en sala de máquinas hasta el registro en la plataforma de reporte—, y la validación de metodologías de cálculo. Bajo el marco DAMA-DMBOK, esto equivale a activar las disciplinas de Calidad de Datos y Gestión de Metadatos con alcance interorganizacional, lo que es considerablemente más complejo que hacerlo dentro de una sola empresa porque implica acordar estándares entre actores con incentivos distintos: armadores, navieras, clasificadoras y reguladores.

Cuándo aplica este modelo de gobernanza / cuándo NO

Este enfoque de consejo sectorial es pertinente cuando el problema de calidad de datos no puede resolverse dentro de una sola organización porque los datos cruzan fronteras organizacionales antes de ser usados para decisiones regulatorias o comerciales. Aplica en sectores con múltiples actores interdependientes: marítimo, energía, cadenas de suministro, salud pública. No aplica —o aplica de forma muy limitada— cuando el problema es interno: si los datos de emisiones son capturados y reportados por una sola empresa bajo un único marco regulatorio, la solución es un programa interno de calidad de datos con un data steward designado, no un consejo interinstitucional. La distinción importa porque los consejos sectoriales tienen costos de coordinación altos y tienden a avanzar lentamente; usarlos para problemas que pueden resolverse internamente es un error de diseño frecuente.

La perspectiva de América Latina: puertos y flotas bajo marcos de reporte disímiles

Para los países latinoamericanos con actividad portuaria significativa —Brasil, México, Chile, Panamá, Argentina— la iniciativa del GRC tiene implicancias directas. Las flotas que hacen escala en puertos europeos ya están sujetas al EU MRV; las que operan exclusivamente en rutas regionales quedan bajo el IMO DCS y las normativas nacionales, que en la mayoría de los casos carecen de requisitos de verificación independiente de los datos. En Brasil, la ANTAQ (Agência Nacional de Transportes Aquaviários) regula el sector pero no ha establecido aún un esquema de data governance para emisiones equiparable al EU MRV. En Argentina, la Subsecretaría de Puertos y Vías Navegables tampoco cuenta con un marco estandarizado de recolección de datos de emisiones para la flota fluvial y de cabotaje. Eso significa que operadores latinoamericanos que quieran acceder a mercados o financiamiento verde en los próximos años tendrán que adaptar sus sistemas de datos a estándares que se están definiendo hoy en foros como el que impulsa el GRC, sin haber participado activamente en su diseño.

Para quienes administran datos en organizaciones del sector marítimo o de logística regional, el movimiento del GRC es una señal de que los estándares de reporte de emisiones van a converger —y que el costo de no tener una arquitectura de datos de emisiones auditables hoy será, en pocos años, el costo de rehacerla bajo presión regulatoria. La referencia para profundizar es el marco de reporte del IMO DCS y la regulación EU MRV (Reglamento UE 2015/757), ambos disponibles en los sitios oficiales de la OMI y la Comisión Europea.

Los datos de salud son la categoría más sensible que gestiona cualquier organización, y los marcos genéricos de gobernanza de datos rara vez alcanzan para protegerlos y aprovecharlos al mismo tiempo. La gobernanza de datos clínicos requiere controles específicos sobre calidad, acceso, linaje y consentimiento que van más allá de las políticas corporativas estándar.

Cuando un hospital o una aseguradora habla de “dato de paciente”, está hablando de información que puede determinar un diagnóstico, condicionar una cobertura o alimentar un modelo predictivo de riesgo. Ese dato no es equivalente a un registro de cliente en un CRM: tiene ciclos de vida que duran décadas, múltiples custodios simultáneos —médico tratante, institución, laboratorio, pagador— y restricciones de uso que emanan tanto de la ética clínica como del derecho. Sin una arquitectura de gobernanza diseñada para esa complejidad, el dato clínico se vuelve un pasivo antes que un activo.

Por qué el dato clínico rompe los modelos de gobernanza convencionales

Un framework como DAMA-DMBOK define las disciplinas de gobernanza —calidad, seguridad, arquitectura, metadatos— de forma transversal a industrias. Pero en salud esas disciplinas se cargan con requisitos adicionales que no aparecen en ningún otro sector: el consentimiento informado como condición de tratamiento de datos, la obligación de conservar ciertos registros por plazos fijados por norma (en muchos países, entre cinco y diez años como mínimo), y la necesidad de auditar no solo quién accedió al dato sino con qué propósito clínico lo hizo. El concepto de data stewardship —la asignación de responsabilidad sobre un dominio de datos a una persona o rol específico— adquiere en salud una dimensión ética que va más allá del cumplimiento técnico.

A esto se suma la fragmentación. Un sistema de salud típico de mediana escala opera con al menos tres o cuatro sistemas de origen —historia clínica electrónica, laboratorio, imágenes, facturación— que rara vez comparten identificadores únicos de paciente, formatos de fecha o catálogos de códigos diagnósticos. Sin data lineage claro que trace el recorrido de cada registro desde su origen hasta su uso en un dashboard o un modelo, cualquier decisión clínica basada en datos acumula un riesgo silencioso de inconsistencia.

Los tres controles que ningún programa de salud debería omitir

Los programas de gobernanza de datos más maduros en el sector identifican al menos tres controles que funcionan como base mínima operativa:

• Clasificación de datos con etiquetas de sensibilidad clínica: no todos los datos de un expediente tienen el mismo nivel de exposición. Diagnósticos de salud mental, información genética o datos de adicciones requieren controles de acceso más restrictivos que, por ejemplo, la fecha de una consulta de rutina. Un catálogo de datos sin clasificación granular impide aplicar controles diferenciados.
• Gobierno del consentimiento como dato estructurado: el consentimiento del paciente no puede vivir solo como un PDF escaneado en el expediente. Para ser gobernable, debe estar registrado como metadato vinculado al dato que autoriza, con fecha, alcance y posibilidad de revocación trazable.
• Data quality checks en punto de captura: los errores de calidad en salud —un peso en libras donde se esperan kilogramos, una fecha de nacimiento con año incorrecto— tienen consecuencias clínicas directas. Las reglas de calidad deben ejecutarse en el momento de ingreso del dato, no como limpieza posterior.

El marco regulatorio en América Latina: obligaciones que ya están vigentes

En Brasil, la Lei Geral de Proteção de Dados (LGPD) clasifica los datos de salud como datos sensibles y exige base legal específica para su tratamiento —consentimiento explícito o necesidad de tutela de la salud—, con obligaciones reforzadas de seguridad. La Autoridade Nacional de Proteção de Dados (ANPD) ha señalado al sector salud como prioritario en su agenda de fiscalización. En Argentina, la Ley 25.326 de Protección de los Datos Personales establece que los archivos de datos médicos solo pueden ser recolectados con finalidad directamente vinculada al tratamiento del paciente, y su acceso está restringido al personal sanitario bajo secreto profesional. La Agencia de Acceso a la Información Pública (AAIP) tiene competencia para sancionar el uso indebido de esos registros. En México, la LFPDPPP y su reglamento incluyen a los datos de salud en la categoría de datos sensibles, con requisitos de aviso de privacidad reforzado y consentimiento expreso. Ninguno de estos marcos es opcional: son el piso desde el que debe construirse cualquier programa de gobernanza en la región.

La convergencia entre regulación de protección de datos y estándares de interoperabilidad clínica —como HL7 FHIR, que define cómo se intercambian registros entre sistemas— está presionando a los equipos de datos de salud a integrar capacidades de gobernanza que antes eran independientes. Un CDO de una red hospitalaria hoy necesita hablar tanto de ISO/IEC 27001 como de FHIR R4 y de los requisitos de la ANPD o la AAIP en la misma reunión.

Cuándo aplica este tipo de gobernanza especializada y cuándo no

La gobernanza de datos clínicos aplica a cualquier organización que trate datos de salud como parte de su operación principal: hospitales, clínicas, laboratorios, aseguradoras de salud, empresas de telemedicina y proveedores de tecnología que procesen esos datos por cuenta de instituciones médicas. No aplica —o aplica de forma marginal— a empresas que solo recopilan datos de bienestar general sin correlato clínico, como aplicaciones de fitness que no integran diagnósticos ni prescripciones. La distinción importa porque define si las obligaciones de las leyes de datos sensibles rigen plenamente o solo de forma parcial.

Para los equipos que gestionan datos de salud en la región, el punto de partida concreto es auditar el catálogo de datos existente contra las categorías de sensibilidad definidas por la regulación local, identificar qué datos carecen de data steward asignado y qué consentimientos no tienen registro estructurado. Esas tres brechas son las que más frecuentemente generan exposición regulatoria y degradan la calidad de los datos disponibles para la toma de decisiones clínicas.

El marco regulatorio latinoamericano ya establece obligaciones concretas sobre datos de salud; la pregunta para cada organización no es si debe cumplirlas, sino si su programa de gobernanza actual tiene la granularidad necesaria para hacerlo de forma demostrable ante una autoridad de control.