Ali Ghodsi, cofundador y CEO de Databricks, tiene un mensaje para los ejecutivos que invierten grandes sumas en los últimos modelos de IA de frontera: la tecnología no es el cuello de botella. En su opinión, el problema de la mayoría de las empresas no es que la IA carezca de inteligencia, sino que no se le ha proporcionado nada útil sobre el negocio que se supone que debe servir.

Durante una aparición en Bloomberg Tech, Ghodsi argumentó que la generación actual de modelos de IA ya supera lo que la mayoría de las empresas puede aprovechar en la práctica. La brecha entre lo que estos sistemas pueden hacer y lo que las empresas realmente obtienen de ellos, dijo, se reduce a un solo factor: el contexto.

La paradoja del 90%

Ghodsi citó una desconexión sorprendente que ha observado al realizar encuestas a las audiencias durante sus presentaciones de 2026. Solo alrededor del 10% de los encuestados cree que la inteligencia artificial general ha llegado. Sin embargo, cerca del 90% dice que los modelos de IA que usan a diario ya son más inteligentes que la mayoría de sus colegas.

"No necesitamos que la IA sea más inteligente", afirmó Ghodsi. "Simplemente le falta contexto".

El contexto que describió es lo que él llama "contexto empresarial": los datos propietarios, el conocimiento institucional, los flujos de trabajo de toma de decisiones y la lógica de negocio que hacen que las operaciones de una empresa sean únicas. En otras palabras, los modelos son de propósito general; el ingrediente que falta es el conocimiento específico del negocio que no pueden conocer por sí mismos.

El argumento de la infraestructura de datos

Databricks basa su negocio en ayudar a las empresas a organizar, gestionar y activar sus datos. Su cartera de clientes incluye AT&T, Rivian, Adidas, Mercedes-Benz, Unilever, Virgin y Bayer.

Ghodsi enfatizó que las empresas necesitan construir su propio "contexto empresarial" y "ontología" —un mapa estructurado de cómo se relacionan entre sí los datos, las entidades y los procesos de una empresa— en lugar de asumir que simplemente pueden comprar una solución de IA llave en mano. En su planteamiento, la inversión decisiva en IA no es el acceso a un modelo más inteligente, sino el trabajo interno que permite a un modelo actuar según cómo funciona realmente el negocio. Databricks ha estado desarrollando herramientas diseñadas precisamente para este propósito. Su plataforma Genie, por ejemplo, se presenta como una forma de capturar los datos, las decisiones y los flujos de trabajo empresariales que los sistemas de IA necesitan para pasar de demostraciones impresionantes a automatización real.

Agregó que, incluso si el avance de la IA se detuviera por completo hoy, la mayoría de las empresas seguirían teniendo a su disposición años de mejoras de productividad simplemente poniendo en orden sus datos existentes.

Una década de cirugía organizacional

La estimación de Ghodsi para lograr la adopción completa de IA empresarial es de potencialmente una década, incluso para las empresas centradas en tecnología. Ese cronograma refleja la realidad de que integrar la IA en un negocio no es una simple instalación de software. Es un proyecto de reingeniería organizacional que afecta procesos, roles, incentivos y cultura.

Para las empresas que evalúan este argumento, la pregunta a corto plazo no es qué modelo licenciar, sino qué tan rápido pueden organizarse, conectarse y ser utilizados sus datos por los sistemas de IA. Cómo dividan las empresas su gasto en IA entre el acceso a modelos y la preparación interna de datos será un indicador de si la visión de Ghodsi gana terreno.

A partir de septiembre de 2026, Ghodsi ha continuado difundiendo este mensaje, argumentando que las empresas deberían centrarse en los desafíos prácticos de la IA en lugar de en los riesgos existenciales.

Fuente: CryptoBriefing