Lo primero son los cimientos: Por qué la creación de una infraestructura de TI resiliente es necesaria para estar preparado para la IA

Preparadas estratégicamente, pero con incertidumbre operativa. Así es como el 42 % de las organizaciones describen su propio nivel de preparación en materia de IA cuando se trata de comparar la estrategia con la infraestructura, los datos, el riesgo y el talento, según el informe de Deloitte «El estado de la IA en la empresa 2026». A medida que se acelera la adopción de la IA, las organizaciones se enfrentan a una presión cada vez mayor por parte de la junta directiva para que dejen atrás las etapas piloto y demuestren que la IA genera resultados comerciales medibles. Lo que esa presión no toma en cuenta es si la infraestructura subyacente puede soportar lo que se le exige.
Por qué fracasan las iniciativas de inteligencia artificial
Para pasar de la ambición a la acción, los equipos de TI deben ―en primer lugar― realizar el trabajo menos llamativo de identificar los activos que poseen, documentar las dependencias, mantener datos precisos y gestionar correctamente los permisos. En la actualidad, la mayoría de las organizaciones están implementando la IA en datos y sistemas que nunca fueron diseñados para ello... y lo están descubriendo a la fuerza.
Supongamos que un técnico le pide a un agente de IA que elimine el acceso que los empleados ya no necesitan. Para hacerlo de manera segura, debe saber quién tiene acceso a qué en dicho momento, cuál de esos accesos se está utilizando realmente, quién otorgó el acceso y qué acciones está autorizada a realizar la IA. Todos estos detalles provienen de los registros de la organización, no de la IA. Y cuando esos registros están incompletos, alguien puede perder un acceso crítico en medio de su turno.
Los fundamentos de la IA operativa
Toda organización debe contar con estos fundamentos antes de que la IA se integre más profundamente en las operaciones empresariales:
Datos confiables
La IA necesita datos confiables para tomar las decisiones correctas. Esto podría suponer mantener un inventario preciso de los activos y la información actualizada sobre su configuración, un historial confiable de tickets, logs completos de auditoría y acceso, así como el estado preciso de los parches y las actualizaciones de cada sistema. Mantener datos precisos y confiables debe ser la prioridad principal de los equipos de TI que deseen estar preparados para la IA. Un ingeniero que sepa que la base de datos de gestión de configuración (CMDB) muestra información incorrecta puede obtener directamente la información correcta a través de la máquina anfitriona, sin rectificar los datos en la CMDB. Esto podría ser una solución temporal, pero la IA no contará con este contexto ni con ese instinto. Simplemente tomará los datos actuales tal como están y actuará en consecuencia.
Relaciones y contexto confiables
Tener acceso a un contexto organizacional confiable permite que la IA comprenda la relación entre las capas centrales de TI —infraestructura, sistemas, aplicaciones y servicios— para ejecutar un comando de manera segura. Por ejemplo, la IA debe ser capaz de razonar a lo largo de toda la infraestructura de TI para determinar qué aplicaciones están asignadas a un servidor, qué servicios organizacionales se ejecutan en esas aplicaciones y qué componentes de TI podrían verse afectados por una acción automatizada. El contexto no está disponible cuando no existe una asignación de relaciones establecida entre estas capas. Este contexto lo proporciona la CMDB. Se conoce como la única fuente de verdad y brinda a una organización visibilidad sobre sus activos tecnológicos y, aún más importante, sobre las relaciones entre ellos.
Controles sólidos de identidad y acceso
Un agente de IA necesitará acceso a sistemas, aplicaciones y datos para ejecutar una tarea. ¿Pero cómo sabe un agente de IA no solo lo que se puede hacer, sino también lo que se le permite hacer? A menos que una organización cuente con controles sólidos de identidad y acceso, no puede permitir que los agentes de IA actúen de manera segura. El control de acceso basado en roles (RBAC), el principio del privilegio mínimo (PoLP) y el acceso justo a tiempo (JIT) son algunos de los controles de acceso que permiten a los equipos limitar los permisos a la acción específica y no otorgar más de lo necesario.
Higiene de integración
Es aquí donde muchas iniciativas de IA fracasan silenciosamente. Un agente puede ser capaz de razonar ―es decir, analizar, correlacionar y recomendar― en toda la empresa, pero solo puede actuar ―es decir, ejecutar tareas― si la empresa está conectada. Por ejemplo, supongamos que existe una vulnerabilidad de alta gravedad en una máquina anfitriona. Para aplicar el parche, el agente necesita razonar a través de los distintos dominios para saber qué está instalado en esa máquina y su nivel de parches, quién tiene acceso a ella y si se trata de un acceso privilegiado, si alguien reportó un incidente relacionado y si este patrón ha causado interrupciones del servicio anteriormente. Para tomar medidas, la organización debe contar con API que no solo permitan al agente recuperar información de un sistema, sino que también le permitan realizar acciones masivas. Lo anterior va desde cerrar tickets y aplicar parches hasta revocar accesos.
Gobernanza y responsabilidad
Asignar la responsabilidad y contar con una política de gobernanza sólida hará que las iniciativas de IA sean auditables y explicables. Los equipos deben decidir quién será responsable de la precisión de los datos y quién de la decisión del agente de IA. En otras palabras, quién establece los límites y el marco de decisión, y quién será responsable de las consecuencias si algo sale mal. Cuando una recomendación de IA resulta ser errónea, la explicabilidad es fundamental: por qué el agente llegó a esa conclusión, qué fuentes lo influyeron, qué acciones tomó, quién la aprobó y cómo revertirla.
Conclusión
Las organizaciones mejor posicionadas para la IA no son aquellas con los proyectos piloto más ambiciosos. Son aquellas que han consolidado sus fundamentos de TI, han permitido que cada proyecto piloto les indique qué deben mejorar a continuación y, finalmente, han ampliado su alcance. Datos precisos, dependencias mapeadas en la CMDB, controles sólidos de identidad y acceso, integraciones contextuales profundas y una responsabilidad clara son los cimientos que toda organización debe establecer antes de comenzar a trabajar con la IA. Solo cuando las bases son sólidas, una organización puede implementar la IA para lograr resultados comerciales significativos.