NTT DATA publicó una nueva investigación titulada Global AI Report 2026 de NTT DATA: A Playbook for Private and Sovereign AI. El estudio muestra cómo la IA empresarial está superando las capacidades de la arquitectura y la infraestructura sobre las que se sustenta, a medida que se fortalecen los requisitos de privacidad y soberanía de los datos. Así mismo, revela una creciente brecha entre las empresas que están rediseñando sus entornos de IA para priorizar el control, la proximidad y la seguridad de los datos, y aquellas que siguen incorporando IA en entornos que no fueron concebidos para cumplir estos requisitos.
El informe se basa en dos estudios que involucraron a cerca de 5.000 altos responsables de toma de decisiones en más de una docena de sectores, más de 30 mercados y cinco regiones. Forma parte de la serie global de investigaciones de NTT DATA sobre las estrategias que diferencian a los líderes en IA del resto del mercado.
Durante años, la arquitectura empresarial se centró en mover datos entre sistemas, nubes, aplicaciones y fronteras con cada vez mayor rapidez y eficiencia. Sin embargo, la IA está poniendo de manifiesto los límites de ese modelo. Los datos sensibles deben protegerse, las cargas de trabajo deben ejecutarse dentro de jurisdicciones definidas y los modelos deben gobernarse bajo controles más estrictos. Los datos ya no pueden moverse siempre con la velocidad y flexibilidad que muchos sistemas de IA requieren, lo que convierte su jurisdicción en una restricción arquitectónica clave. Como resultado, la IA privada y la IA soberana se han convertido en consideraciones críticas.
El informe revela una brecha entre lo que las organizaciones saben que necesitan y lo que realmente están preparadas para construir:
- Más del 95% de los encuestados afirma que la IA privada y la IA soberana son importantes, pero solo el 29% está priorizando la IA soberana de forma concreta y a corto plazo.
- Aproximadamente el 35% de los Chief AI Officers (CAIO) identifica como principal barrera para la adopción la construcción, integración y gestión de modelos de IA complejos en entornos privados o soberanos, mientras que cerca del 60% de los líderes de IA considera que las restricciones transfronterizas sobre los datos representan un desafío significativo.
- Solo el 38% afirma tener un alto nivel de confianza en su postura de seguridad en la nube, una base crítica tanto para la IA privada como para la IA soberana.
La IA privada y la IA soberana están relacionadas, pero no son lo mismo. La IA privada se centra en proteger los datos empresariales sensibles, controlar el acceso y limitar la exposición. La IA soberana se enfoca en garantizar que los sistemas de IA, los datos y los entornos operativos cumplan con requisitos jurisdiccionales, regulatorios o de control nacional y regional.
“A medida que la IA evoluciona, los enfoques de IA privada y soberana están poniendo a prueba el nivel de preparación de las organizaciones”, afirmó Abhijit Dubey, CEO y Chief AI Officer de NTT DATA, Inc. “Las organizaciones que están teniendo éxito van más allá del cumplimiento normativo y la mitigación de riesgos. Están construyendo la base operativa necesaria para una IA capaz de funcionar en distintos mercados, jurisdicciones y entornos empresariales. Nuestra investigación demuestra que los líderes en IA están avanzando más rápido al considerar la arquitectura, la infraestructura y la gobernanza como requisitos estratégicos”.
Estos son los cinco cambios que, según el estudio, están definiendo la próxima etapa de la IA empresarial:
1. La IA se está encontrando con un límite, y no es el modelo: la IA requiere ahora un mayor control sobre la capacidad de computación, el acceso a los datos, la seguridad y la localización de las cargas de trabajo, poniendo de relieve las limitaciones de infraestructuras diseñadas para flujos de datos centralizados y sin fronteras.
2. La jurisdicción de los datos se ha convertido en una restricción arquitectónica: los datos pueden seguir moviéndose, pero no siempre de la forma que la IA necesita. La IA depende del acceso continuo y del movimiento constante, no obstante, la jurisdicción determina dónde residen los datos, dónde se ejecutan los modelos y cómo se diseñan y gobiernan los sistemas.
3. Todos reconocen el cambio, pero pocos están actuando: más del 95% de las organizaciones reconoce la importancia de la IA privada y soberana, pero solo alrededor de un tercio está priorizando la IA soberana de forma concreta y a corto plazo.
4. Los líderes están rediseñando y avanzando con decisión, generando una brecha competitiva: las organizaciones líderes están alineando la infraestructura, la gobernanza y los modelos operativos desde etapas tempranas. Esto les permite avanzar más rápidamente desde proyectos piloto hacia despliegues a escala, mientras que otras organizaciones siguen luchando por adaptarse.
5. La IA privada y soberana depende de ecosistemas altamente orquestados: más de la mitad de las organizaciones señala la complejidad de la integración como su principal desafío. A medida que buscan un mayor control, también aumenta la complejidad y la interdependencia entre los socios que conforman su ecosistema de IA.
“La soberanía y la privacidad suelen asociarse con ‘independencia’, pero en realidad requieren ecosistemas extremadamente coordinados: ninguna organización resuelve sola la combinación de infraestructura, nube, modelos, seguridad, gobernanza y cumplimiento regulatorio”, señaló Alberto Otero Chief AI Officer Iberia, International Organizations, LATAM and Consulting in Benelux & France de NTT DATA. «El diferencial va a estar en la capacidad de orquestar ese ecosistema sin perder control, agilidad ni capacidad de innovación”.
En conjunto, la IA privada y la IA soberana están transformando la manera en que los sistemas de IA se diseñan, gobiernan y escalan. Las organizaciones que acometen estos rediseños de forma temprana están mejor posicionadas para operar en entornos regulados, distribuidos y sensibles a los datos. Aquellas que incorporen IA sobre arquitecturas que no fueron concebidas para el control, la proximidad o las restricciones de flujo de datos podrían tener dificultades para convertir sus ambiciones en IA en valor sostenible.
