La adopción de inteligencia artificial avanza con rapidez en las organizaciones, pero detrás de cada modelo, aplicación o agente existe un elemento que determina buena parte de sus resultados: los datos. Su calidad, disponibilidad, contexto, seguridad y capacidad de recuperación empiezan a ocupar un lugar central en las conversaciones sobre cómo llevar la IA de los pilotos a operaciones reales.
Ese fue uno de los principales temas de conversación de VeeamON Tour Bogotá 2026, encuentro que reunió a clientes, socios, líderes tecnológicos y expertos de la industria para analizar los retos que plantea la evolución hacia entornos cada vez más automatizados y agénticos.
La discusión propuesta por la compañía parte de una idea: las empresas no enfrentan únicamente un desafío de adopción de inteligencia artificial, sino también uno de confianza. A medida que los agentes de IA pueden ejecutar acciones de manera autónoma y a una velocidad que supera la capacidad de respuesta humana, aumenta la necesidad de saber qué información utilizan, qué permisos tienen, qué decisiones pueden tomar y cómo recuperar los datos si algo sale mal.
De acuerdo con el reporte Data and AI Trust Gap de Veeam, el 88% de las organizaciones ya utiliza o está piloteando agentes de IA, mientras que solo 7% considera que está realmente preparado para ello. Además, 95% de las organizaciones consultadas afirma que los desafíos relacionados con los datos ya han frenado su avance en inteligencia artificial.
Las cifras muestran una diferencia entre el ritmo con el que las empresas están incorporando IA y su capacidad para administrar los datos que hacen posible esos proyectos.
Mauricio González, vicepresidente para América Latina y el Caribe de Veeam, explicó durante el encuentro que la compañía observa una evolución en el problema que deben resolver las organizaciones.
‘Las organizaciones no tienen solamente un problema de adopción de IA: tienen un problema de confianza en IA’, señaló González. Según explicó, para que estas tecnologías puedan generar valor de manera sostenible, las compañías necesitan confiar tanto en los datos que alimentan los sistemas como en su capacidad para prepararlos, protegerlos, gobernarlos y recuperarlos.
La compañía recordó que, con el crecimiento del ransomware, la recuperación pasó a convertirse en una prioridad para las organizaciones. El desafío dejó de ser únicamente almacenar o proteger la información y pasó a incluir la capacidad de recuperar una organización de manera rápida después de un incidente.
Ahora, con la expansión de los agentes de IA, aparece una nueva dimensión.
Los sistemas pueden procesar información y ejecutar acciones a una velocidad muy superior a la de los procesos tradicionales. Esa velocidad puede representar una ventaja para las empresas, pero también amplificar los efectos de un error, una configuración incorrecta, un acceso no autorizado o una decisión tomada sobre información equivocada.
‘Los datos son lo que van a alimentar esta IA’, explicó González durante la conversación. Por eso, antes de pensar únicamente en el modelo o en la aplicación, las organizaciones necesitan comprender el contexto de la información que utilizan.
Cuando el problema no es solo tener datos, sino conocerlos
Uno de los puntos planteados durante el evento fue que no todos los datos tienen el mismo nivel de sensibilidad, relevancia o autorización.
Un archivo aparentemente común puede contener información financiera, documentos de identidad, datos personales o información confidencial. Si un sistema de IA puede acceder a ese archivo sin que existan políticas adecuadas, la organización puede terminar exponiendo información que no debería estar disponible para determinados usuarios o aplicaciones.
Por ello, la pregunta comienza a cambiar. Ya no se trata solamente de saber si una organización tiene respaldo de sus datos, sino de entender qué información posee, dónde está almacenada, quién puede acceder a ella, qué aplicaciones o agentes la utilizan y bajo qué políticas.
En la conversación, González planteó precisamente la necesidad de contextualizar los datos para establecer reglas sobre quién puede acceder a determinada información y qué puede hacer un agente de IA con ella.
Esto adquiere especial relevancia con herramientas de IA integradas a plataformas empresariales. Durante el evento se mencionó el caso de Microsoft 365 y herramientas como Copilot: el hecho de que una organización habilite una capacidad de IA no significa que esa tecnología opere de manera aislada. Su utilidad depende de la información a la que puede acceder y de los permisos que tenga dentro del entorno corporativo.
La falta de controles puede generar situaciones en las que información que anteriormente permanecía distribuida o poco accesible pueda ser encontrada y presentada rápidamente por un sistema de IA.
Para la organización, uno de los cambios más importantes que trae la llamada era agéntica no necesariamente consiste en la aparición de riesgos completamente nuevos, sino en la velocidad y autonomía con la que pueden materializarse riesgos que ya existían.
Un error humano, una eliminación accidental o una configuración incorrecta podían ocurrir antes de la llegada de la IA. La diferencia es que ahora determinadas acciones pueden ser ejecutadas de forma autónoma y en segundos.
Durante VeeamON Tour Bogotá, González utilizó como ejemplo un incidente reportado en el mercado en el que un agente habría eliminado un tenant, provocando una interrupción de servicios. Más allá del caso particular, el ejemplo buscó ilustrar el tipo de escenario que las organizaciones deben considerar cuando delegan determinadas acciones a sistemas automatizados.
La pregunta que surge entonces es qué ocurre después de una acción incorrecta.
Una organización no solo necesita impedir determinados comportamientos. También requiere mecanismos para identificar lo ocurrido y regresar a un estado confiable de la información.
De ahí que la recuperación vuelva a adquirir relevancia, pero ahora vinculada con la seguridad, la gobernanza y el contexto de los datos.
Una plataforma para conectar seguridad, gobernanza y resiliencia
Como parte de la visión presentada durante el tour, los voceros también hablaron de Veeam DataAI™ Command Platform como una capa orientada a la confianza de datos e IA en ambientes empresariales. La propuesta busca integrar capacidades que tradicionalmente podían administrarse por separado: resiliencia de datos, postura de seguridad, gobernanza, privacidad y cumplimiento.
La lógica detrás de esta integración es que estos procesos están relacionados. La seguridad necesita saber qué información existe y dónde se encuentra. La gobernanza requiere conocer quién puede utilizarla. El cumplimiento establece condiciones sobre cómo debe ser administrada. Y la resiliencia debe permitir recuperar información confiable cuando ocurre un incidente.
Para empresa, administrar estas capacidades en silos puede dificultar la respuesta frente a los nuevos escenarios que plantea la IA. La compañía plantea, por ello, una plataforma que permita observar el ciclo completo de los datos.
Entre las capacidades planteadas se encuentran la identificación de riesgos asociados con la IA, incluidos comportamientos no autorizados y exposición de información; la identificación de datos R.O.T. —redundantes, obsoletos o triviales—; el control de Shadow AI; la aplicación de políticas sobre los datos utilizados por personas, aplicaciones y agentes; y la recuperación de información limpia mediante mecanismos inmutables y de recuperación point-in-time.
El objetivo es que la organización pueda mantener control sobre sus datos incluso cuando estos son utilizados por nuevas aplicaciones y agentes.
El desafío de los datos R.O.T. y la Shadow AI
La expansión de la inteligencia artificial también vuelve más importante saber qué información existe realmente dentro de una organización.
Los datos redundantes, obsoletos o triviales —conocidos como R.O.T.— pueden incrementar la superficie de información disponible para sistemas y aplicaciones sin necesariamente aportar valor.
A esto se suma la llamada Shadow AI: el uso de herramientas de inteligencia artificial que no necesariamente han pasado por los procesos formales de aprobación y gobierno de la organización.
Para los equipos de tecnología y seguridad, esto introduce una dificultad adicional. No basta con establecer políticas sobre las herramientas oficiales si la organización desconoce qué aplicaciones de IA están utilizando sus colaboradores y qué información están introduciendo en ellas.
La gestión del contexto de los datos, por tanto, se convierte en una pieza necesaria para establecer controles más precisos.
Security AI y la evolución de la propuesta de Veeam
En este proceso, la empresa también destacó la adquisición de Security AI, realizada en diciembre del año anterior, como parte de su estrategia para incorporar capacidades relacionadas con Data Security Posture Management, contextualización de datos, cumplimiento, gobernanza e identidad.
La integración de estas capacidades responde a la intención de ampliar la plataforma de Veeam más allá de la protección y recuperación tradicional.
González explicó que el objetivo es evitar que las organizaciones tengan diferentes herramientas aisladas para administrar los datos dependiendo de si estos están en una nube específica, en ambientes locales o en plataformas de distintos proveedores.
La apuesta, según la compañía, es avanzar hacia una plataforma que pueda operar transversalmente en ambientes híbridos y multicloud.
Uno de los primeros desarrollos mencionados durante el evento fue Intelligent RevUps, descrito como un plugin para Office 365 que busca ayudar a comprender el contexto de la información almacenada en entornos como SharePoint, OneDrive y correo electrónico, para posteriormente establecer políticas que permitan controlar su utilización por herramientas de IA.
La discusión sobre recuperación de datos también está cambiando.
Alejandro Rojas, Jefe de Infraestructura Tecnológica de la Universidad de los Andes, quien participó en el encuentro, explicó que para una organización no debería ser suficiente responder afirmativamente a la pregunta de si existe un backup.
La pregunta relevante es cuánto tiempo puede transcurrir antes de recuperar la información y cuánto dato está dispuesta a perder la organización cuando ocurre un incidente. Esta diferencia entre tener una copia y contar con una estrategia efectiva de recuperación es particularmente importante para sistemas críticos.
En una universidad, por ejemplo, existen momentos en los que la disponibilidad de los sistemas adquiere un valor especial: procesos de matrícula, publicación de notas y otras actividades vinculadas con el calendario académico.
El caso presentado durante el evento mostró cómo una estrategia de resiliencia puede construirse alrededor de esos momentos de negocio, en lugar de limitarse a una perspectiva exclusivamente tecnológica.
Multicloud y libertad para mover los sistemas
Otro de los temas destacados en el caso de la Universidad de los Andes fue la necesidad de operar en ambientes multicloud sin quedar atada a un único proveedor.
La universidad explicó que ha trabajado con arquitecturas distribuidas entre su centro de datos y diferentes nubes, lo que requiere herramientas que permitan mover sistemas entre ambientes sin tener que reconstruir las aplicaciones desde cero.
Uno de los resultados descritos durante la sesión fue la posibilidad de trasladar un sistema core desde el centro de datos hacia una nube y posteriormente moverlo hacia una tecnología nativa de nube sin tener que realizar nuevamente una implementación a nivel de aplicación.
De acuerdo con el caso presentado, esta capacidad permitió evitar la participación del área funcional en los procesos de migración y, según la universidad, representó un ahorro de tiempo equivalente a cerca de un año de proyecto frente a un proceso tradicional de implementación.
Más allá de la migración como objetivo tecnológico, la experiencia muestra otro de los conceptos planteados por Veeam: la libertad sobre los datos y los sistemas puede convertirse en una herramienta para reducir dependencia tecnológica y facilitar decisiones sobre dónde deben operar las cargas de trabajo.
De respaldo a nuevos casos de uso
La conversación también puso sobre la mesa una transformación en la manera de entender las inversiones en protección de datos. Para la organización, el respaldo y la recuperación siguen siendo fundamentales, pero dejan de ser el único caso de uso.
La infraestructura de resiliencia puede convertirse en una base para habilitar migraciones, cambios de plataforma, movimientos entre nubes y otros procesos que requieren mantener disponibles los sistemas y reducir el impacto sobre el negocio.
En el caso de la Universidad de los Andes, esta capacidad fue utilizada precisamente para facilitar movimientos tecnológicos sin tener que repetir procesos funcionales completos. La institución explicó que esto le permitió decidir dónde quería que estuvieran sus sistemas sin quedar condicionada por el proveedor sobre el que estaban virtualizados.
El concepto de libertad de los datos forma parte de principios que la compañía ha mantenido desde años anteriores y que ahora busca llevar a los nuevos escenarios tecnológicos.
La regulación añade otra presión
La confianza en los datos también está relacionada con el cumplimiento normativo. Durante el evento se destacó el crecimiento de las regulaciones orientadas a la protección de la información personal y a la responsabilidad de las organizaciones sobre los datos que administran.
En América Latina, señalaron avances regulatorios en países como Brasil, Chile, Ecuador y Panamá, entre otros. La compañía destacó especialmente que en algunos mercados ya existen mecanismos de sanción para organizaciones que no cumplen con determinadas obligaciones.
La expansión de estas regulaciones agrega una dimensión adicional al desafío de administrar datos para IA: las organizaciones necesitan conocer qué información tienen, dónde está, quién puede utilizarla y bajo qué condiciones puede ser procesada.
Esto resulta particularmente relevante cuando la información empieza a circular entre aplicaciones, nubes, modelos y agentes automatizados.
Colombia frente a una nueva etapa de la IA empresarial
Para las organizaciones colombianas, esta discusión ocurre mientras avanzan simultáneamente la adopción de inteligencia artificial, la modernización de aplicaciones, las arquitecturas híbridas y multicloud y la automatización de procesos.
La combinación genera una realidad compleja: las empresas quieren aprovechar las capacidades de la IA, pero deben hacerlo sin perder control sobre información crítica.
El desafío no consiste únicamente en seleccionar un modelo o implementar una herramienta de IA. También implica construir las condiciones para que esa tecnología pueda operar sobre datos confiables y dentro de límites definidos por la organización.
Esto lleva la conversación desde la pregunta ‘¿qué puede hacer la IA?’ hacia otras preguntas igualmente relevantes: ¿con qué datos lo está haciendo?, ¿qué información puede consultar?, ¿qué decisiones puede ejecutar?, ¿quién controla esas acciones?, ¿cómo se demuestra el cumplimiento de las políticas? y, finalmente, ¿qué ocurre si algo sale mal?
El mensaje central de VeeamON Tour Bogotá apunta a una transformación en la concepción de la resiliencia. Durante años, la conversación estuvo concentrada en proteger la información frente a ransomware, fallas, errores humanos y otros incidentes. Ahora, esos riesgos permanecen, pero se suman escenarios asociados con sistemas capaces de actuar de manera autónoma.
La IA no elimina los riesgos tradicionales. Puede hacer que algunos de ellos ocurran con mayor velocidad y tengan un impacto mayor.
Por eso, su propuesta consiste en integrar seguridad, gobernanza, cumplimiento, privacidad y resiliencia alrededor de los datos que utilizan las organizaciones.
La confianza, desde esta perspectiva, no se limita a saber que existe un respaldo. Significa conocer los datos, comprender su contexto, controlar quién y qué puede utilizarlos, establecer políticas, detectar comportamientos de riesgo y contar con la capacidad de recuperar información confiable cuando sea necesario. El reto para las empresas será encontrar el equilibrio entre velocidad e innovación y los controles necesarios para operar con seguridad. Si los agentes de IA van a participar cada vez más en procesos críticos, la capacidad de recuperar rápidamente y volver a un estado confiable deja de ser únicamente una función de continuidad: se convierte en parte de la infraestructura necesaria para que la inteligencia artificial pueda escalar dentro de las organizaciones.
