Los programas de protección de datos asumen una mayor responsabilidad operativa dentro de la empresa. Un nuevo estudio de referencia global de Cisco muestra mandatos en expansión, inversiones crecientes y una presión persistente en torno a la calidad de los datos, la responsabilidad y la gestión de datos transfronterizos relacionados con los sistemas de IA.
Los programas de privacidad están creciendo con la demanda de IA
Los proyectos de IA han ampliado el alcance del trabajo de protección de datos en la mayoría de las empresas durante el año pasado. El presupuesto ha seguido este cambio, con gastos adicionales planificados a medida que la IA pase de pilotos a sistemas de producción.
Los equipos de privacidad ahora soportan responsabilidades más amplias. Estos incluyen la adquisición de datos para la capacitación de modelos, la supervisión de casos de uso de IA y la coordinación de esfuerzos de gobernanza en toda la empresa. El estudio muestra que las funciones de privacidad se están acercando a las operaciones centrales donde se accede, comparte y reutiliza los datos a gran escala.
Los participantes vinculan las inversiones en protección de datos con resultados tangibles. En cada región e industria están surgiendo una innovación más rápida, una mejor coordinación y una mayor confianza de los clientes. Estos patrones sugieren que los programas de privacidad ahora operan como infraestructura central en lugar de esfuerzos de cumplimiento independientes.
La madurez de la gobernanza no llega a ser aceptada
Muchas empresas han establecido comités directivos o grupos de trabajo para supervisar el uso de la IA. Sólo una minoría describe estas estructuras como proactivas o bien integradas entre los equipos comerciales, legales y técnicos.
La responsabilidad de la gobernanza suele recaer en TI o en la seguridad, lo que deja lagunas en la propiedad y participación de los ejecutivos en el producto. Sin embargo, el valor de la gobernanza es ampliamente reconocido, particularmente en términos de calidad del producto, preparación regulatoria y alineación con los valores corporativos.
Los equipos de privacidad brindan orientación sobre políticas, auditorías de datos y evaluaciones de riesgos que influyen en la arquitectura y la implementación de los sistemas de IA. Las actividades de gestión se llevan a cabo cada vez más durante procesos de trabajo rutinarios en lugar de a través de documentos de políticas estáticos.
La transparencia supera las marcas formales de cumplimiento
Las expectativas de los clientes con respecto al uso de datos aumentan constantemente a medida que los sistemas de inteligencia artificial manejan cada vez más información personal y de comportamiento. La necesidad de transparencia ha aumentado en la forma en que se recopilan, procesan y utilizan los datos en los servicios impulsados por la IA.
Las explicaciones sobre el uso de datos tienen más peso que las afirmaciones formales de cumplimiento o los mensajes de prevención de infracciones. Los paneles, las divulgaciones contractuales y las explicaciones directas brindan a los usuarios una mayor visibilidad de las prácticas de gestión de datos.
Los clientes están más dispuestos a compartir datos cuando las políticas son fáciles de entender. Las leyes de protección de datos también contribuyen a esta comodidad, especialmente en el contexto de la IA, donde el uso de datos puede parecer opaco.
La localización complica las operaciones globales
Las normas de suministro de datos transfronterizos siguen siendo un desafío constante, especialmente para las empresas multinacionales. Los requisitos de localización de datos aumentan los costos y la fricción operativa, lo que afecta el diseño de la infraestructura, la gestión de entrega y los cronogramas de implementación.
Los sistemas de inteligencia artificial dependen de grandes conjuntos de datos distribuidos, lo que aumenta la necesidad de movimiento de datos a través de fronteras, mientras que las regulaciones impulsan el almacenamiento local. Los impactos comunes incluyen una implementación más lenta de los servicios, infraestructura duplicada y tensión sobre el personal técnico.
Las opiniones sobre la seguridad de los datos evolucionan constantemente. La confianza en el almacenamiento estrictamente local se ha suavizado, mientras que ha aumentado la confianza en los proveedores que manejan flujos de datos globales. Muchos apoyan enfoques internacionales que permiten el movimiento de datos bajo principios de gobernanza compartida.
«Para aprovechar las oportunidades de la IA, las organizaciones (83%) están presionando para avanzar hacia estándares internacionales armonizados», dijo Harvey Jang, vicepresidente y director de protección de datos de Cisco. «Reconocen que la coherencia global es una necesidad económica para garantizar que los datos puedan fluir de forma segura y al mismo tiempo mantener el alto nivel de protección requerido para la confianza».
La calidad de los datos y la interfaz de protección IP como puntos débiles
La inteligencia artificial revela lagunas en la disciplina de los datos que eran más fáciles de abordar en sistemas anteriores. El acceso a datos relevantes y de alta calidad cuando es necesario sigue siendo difícil. La preparación y clasificación de datos todavía requiere un esfuerzo significativo, lo que ralentiza el desarrollo y despliegue de la inteligencia artificial.
La protección de la propiedad intelectual es una preocupación seria. La sensibilidad a los datos de capacitación y el riesgo de exponer información de propiedad o de clientes aumenta a medida que los modelos se basan en conjuntos de datos más amplios y trascienden los límites organizacionales.
Los sistemas de etiquetado existen en muchos entornos, aunque menos equipos los describen como completos o automatizados. Los procesos manuales y la cobertura parcial crean puntos ciegos que dificultan la gestión y el seguimiento.
La IA generativa está cambiando la forma en que utilizamos los datos
La demanda de datos continúa creciendo a medida que la IA generativa y agencial se expande más allá de la experimentación. Las fuentes de datos incluyen syslogs, datos de clientes, telemetría, conjuntos de datos sintéticos y colecciones creadas específicamente para capacitación.
La calidad de los datos y la propiedad poco clara siguen siendo las mayores barreras para obtener datos de entrenamiento de IA. Las reglas de localización añaden complejidad cuando los conjuntos de datos abarcan jurisdicciones.
Los enfoques de gobernanza están cada vez más cerca de su uso real. Las prohibiciones totales de herramientas de inteligencia artificial son cada vez más raras. La guía del usuario, el control de acceso y las salvaguardas operan cada vez más en el momento en que se ingresan datos o se utilizan modelos.
La gestión de proveedores es cada vez más importante
La confianza en la transparencia de los proveedores con respecto al uso de datos y el comportamiento del sistema está generalizada, y la transparencia se ha convertido en una expectativa básica.
Los mecanismos formales de rendición de cuentas no están a la altura de estas expectativas. Aproximadamente la mitad exige condiciones contractuales detalladas sobre la propiedad y la responsabilidad de los datos. Los equipos fortalecen la supervisión de los proveedores, monitorean el cumplimiento de los principios de gobernanza y buscan una certificación independiente al momento de realizar el abastecimiento.
Los proveedores de servicios están cada vez más dispuestos a negociar las condiciones de uso de datos, lo que refleja un mercado que se adapta a las necesidades de gestión corporativa.
