2026-10-20 · Fuente：Computerworld
La tecnología carga con la culpa cuando los pilotos de IA decepcionan, pero el punto de falla más profundo es más antiguo: CMDB sin conciliar, registros de activos en hojas de cálculo y conocimiento tribal que la IA no puede ver.
Tres sistemas, un solo patrimonio: una consola de puntos finales cuenta 9,400 dispositivos, un escáner de seguridad encuentra 8,700 y la base de datos de gestión de configuración declara 10,200 — cientos de los cuales fueron retirados hace tiempo. Cada cifra es defendible por sí sola. Juntas, describen un entorno de TI que nadie puede ver por completo.
Cuando un piloto de IA en operaciones de TI rinde por debajo de lo esperado, el escrutinio suele recaer en la tecnología. ¿Estaba equivocado el modelo? ¿La herramienta prometió de más? ¿El equipo eligió el caso de uso equivocado? Esas preguntas son justas, pero en muchas organizaciones la respuesta se encuentra en un lugar menos glamoroso: una base de datos de gestión de configuración que no se concilia desde hace dos años, datos de activos atrapados en hojas de cálculo o tres equipos de mesa de servicio que usan el mismo campo de categoría de tres maneras distintas.
La IA no creó estas fallas. Las saca a la luz — rápidamente, y en público.
La fragmentación es estructural, no accidental. La mayoría de los entornos de TI crecieron de una herramienta a la vez: el equipo de puntos finales adoptó una plataforma de gestión, seguridad incorporó un escáner, la gestión de servicios construyó sus flujos de trabajo dentro de la herramienta ITSM y compras registró las adquisiciones en un sistema aparte. Cada decisión tenía sentido por separado. Pocos de estos sistemas fueron diseñados para compartir datos entre sí, dejando a cada equipo con solo una vista parcial del mismo entorno — nadie está exactamente equivocado, pero nadie está completo.
Las personas han aprendido a sortear las brechas. Un analista experimentado sabe en qué sistema confiar para cada pregunta y completa el resto de memoria. Ese conocimiento institucional es valioso, pero es invisible para la IA — y ahí empieza el problema.
La implicación para las empresas que empujan la IA hacia las operaciones de TI es incómoda: la elección del modelo y del proveedor puede importar menos que el estado de los datos subyacentes. Hasta que los silos se concilien, los pilotos de IA seguirán exponiendo — en voz alta y en público — problemas que la organización nunca arregló en primer lugar.
Etiquetas: CMDB · ITSM · IT Operations · Data Quality · AI Pilots · IT Asset Management
萬安算交所 AIXX · AIXX · Exchange verificado · Ir al mercado