Las empresas están invirtiendo ingentes capitales en soluciones basadas en la inteligencia artificial, con el objetivo de obtener valor concreto de sus inmensas cantidades de datos. Los números hablan claro: en 2025, Gartner prevé que las inversiones totales superen los 1.500 millones de dólares y que alcancen, en 2026, los 2.000 millones. En Italia, el panorama es igualmente dinámico: según el reporte Assintel 2025, el gasto en soluciones de IA registrará este año un crecimiento de cerca del 35%. 

 El valor de la IA y la dificultad de “scaling”

Si salimos de la cantidad de inversiones y probamos a cuantificar el valor que las empresas obtienen de ellas, la situación es diferente: si los proyectos individuales pueden registrar un ROI muy interesante, BCG sostiene que, a pesar de las experimentaciones, “solo el 5% está generando valor a gran escala — y casi el 60% declara haber registrado hasta ahora un impacto mínimo o nulo”. Obviamente esta afirmación debe ser interpretada: la IA tiene un potencial inmenso, pero las empresas que logran escalar sus beneficios más allá del caso de uso específico son pocas, a pesar de que la misma fuente afirme que el 35% de las empresas ya ha entrado en la fase de scaling y, por lo tanto, comience a obtener un valor sistémico.

¿Por qué las empresas tienen dificultades para escalar la IA haciéndola trasversal en sus propios procesos primarios y parte de la cultura empresarial? Dependiendo de la perspectiva de observación, las causas pueden ser diversas, pero una de ellas es seguramente la carencia de data literacy.

 Data literacy: el estado actual y por qué es necesario invertir en ella 

 Para desarrollar un discurso coherente sobre la alfabetización de los datos, conviene partir del contexto: de qué estamos hablando, cuántas empresas son conscientes de su centralidad y cuánto está efectivamente difundida la data literacy en el interior de las organizaciones. 

 Qué es la data literacy

Los analistas coinciden en definir la data literacy como la capacidad de leer, interpretar y comunicar los datos en el contexto del negocio, transformándolos en informaciones útiles para tomar decisiones estratégicas y operativas.

La data literacy no es, sin embargo, la pura y simple capacidad de leer gráficos básicos, sino la de trabajar con los datos de propia competencia y extraer insight significativos para resolver problemas o tomar decisiones mejores. No es una habilidad reservada a los data scientists, ya que todos los roles pueden y deben tomar decisiones data-driven.

Según Gartner, la escasa alfabetización de los datos es uno de los principales obstáculos para el éxito de las iniciativas de Data & Analytics – incluso el segundo mayor impedimento según los Chief Data Officers de las principales sociedades mundiales. El motivo es sencillo: una organización puede invertir en tecnologías avanzadas e innovadoras, pero sin competencias difundidas para usar los datos, las decisiones continúan basándose más en la intuición que en las evidencias. El tema, en tal sentido, se entrelaza con el de la AI adoption: si las personas no desarrollan competencias y capacidades de interpretación y de empleo del dato, tenderán también a usar menos las soluciones avanzadas que la empresa pone a su disposición.

Afortunadamente, crece la conciencia por parte del management, que está empezando a traducir esta urgencia en iniciativas concretas: el 83% de las organizaciones ya ha iniciado o está planificando programas estructurados de data literacy, una señal clara de que el tema es ahora percibido como palanca estratégica y no más como actividad accesoria. La urgencia, por su parte, es subrayada por otros datos: por ejemplo, según un estudio de Harvard Business Review, solo el 25% de los trabajadores se siente preparado en sus propios data skill.

Data literacy, inversiones y eficacia por potenciar  

Aclarado el contexto, y sobre todo el hecho de que solo un empleado de cada cuatro declara tener competencias adecuadas sobre los datos, vale la pena profundizar más y entender por qué la data literacy es tan mejorable.

Recursos y presupuesto limitados 

Las empresas no invierten poco en formación, pero vista la revolución traída por los datos, deberían ciertamente enfocarse más en la data literacy. Los analistas estiman que las empresas gastan entre el 2% y el 5% de la masa salarial en formación y desarrollo de las competencias, un porcentaje insuficiente para sostener una AI transformation tan pervasiva como aquella a la que estamos asistiendo. Esto se traduce en cursos reducidos, iniciativas no continuativas e incapacidad de cubrir a toda la población empresarial. 

Resistencia al cambio y temor a volverse irrelevantes 

La baja alfabetización de los datos depende también de la resistencia al cambio. Muchas personas viven los cambios digitales con temor a equivocarse, a ser evaluadas y a tener que esforzarse más para obtener las mismas cosas. Es la natural comfort zone que se activa cuando cada uno de nosotros percibe un cambio en las competencias requeridas o en los procesos cotidianos.

La IA amplifica enormemente este fenómeno porque, además de la resistencia natural, la llegada de la inteligencia artificial es interpretada por muchos como un riesgo para el propio rol. Esta percepción genera resistencia pasiva y reduce la adopción de cualquier herramienta ligada a los datos. 

Sponsorship limitada   

Existe después un tema cultural que no siempre se afronta con suficiente lucidez: muchos líderes sostienen desear una empresa data-driven pero no logran, con sus comportamientos cotidianos, hacer pasar el mensaje de que el uso de los datos debe guiar todas las decisiones, no solo las estratégicas. El resultado es que el análisis de los datos queda confinado a la cúpula, mientras que en las actividades operativas se continúa decidiendo como siempre, frustrando de hecho cualquier intento de difusión. 

Formación poco eficaz 

Algunos programas de data literacy fallan porque no tienen en cuenta cómo las personas trabajan hoy. Pensar que los empleados, con mayor razón en la era del trabajo híbrido, puedan dedicar horas y horas a sesiones presenciales en el aula es irrealista. El resultado es una formación esporádica, desconectada del trabajo cotidiano, a menudo teórica y poco envolvente. 

Cómo elevar realmente la data literacy en la empresa: 4 pasos clave 

Vistos los desafíos, ¿cómo debe abordarse un camino de data literacy? Las mejores prácticas disponibles convergen en cuatro puntos clave.

Evaluar el nivel actual y fijar objetivos claros

Las organizaciones más maduras conducen assessments formales para entender el nivel de data literacy y qué competencias faltan para alcanzar niveles satisfactorios. Como testimonio de la urgencia existente, el 87% de las empresas ya ha ejecutado una evaluación de su propio estado del arte.

Esta fase sirve también para definir objetivos medibles: no "usar los datos para decidir", sino fijar indicadores concretos para evaluar el avance de los empleados hacia el uso de los datos y, por tanto, la transformación de la empresa en una data-driven company. 

Obtener el máximo soporte de la dirección 

Ya hemos subrayado cómo muchas iniciativas fallan por falta de soporte (adecuado) por parte de la cúpula. Un endorsement formal no basta: sirve un compromiso cotidiano, en los comportamientos y en la comunicación interna.

Las empresas que funcionan son aquellas en las que el CEO, CIO o Chief Data Officer muestran cómo toman decisiones basadas en los datos, comparten resultados obtenidos, hacen visible el uso de las herramientas analíticas. Esto crea un efecto dominó potente: si el liderazgo usa cotidianamente los datos, los equipos harán lo mismo. 

Formación moderna 

También a propósito de la formación, hemos subrayado cómo las dinámicas de antaño no se adaptan a los ritmos y al enfoque laboral moderno. Afortunadamente, el mercado es rico en soluciones:

• plataformas de micro-learning basadas en videos breves y píldoras de pocos minutos
• ejercitaciones sobre datos reales de la empresa, no sobre ejemplos abstractos
• test periódicos para consolidar las competencias
• gamificación para aumentar el compromiso y la retention
• caminos personalizados por rol (managers, analistas, equipos operativos)
• learning on demand accesible “cuando sirve”, no solo en el aula

Medir resultados y continuar evolucionando 

El mundo de los datos no conoce pausas. Después de la primera ola formativa, sirve un monitoreo estructurado: tasas de utilización de las herramientas, número de decisiones guiadas por datos, incremento de las competencias medido con test periódicos y cambios en los hábitos consolidados. 

El rol de Kirey: hacer de la IA una inversión de valor, a 360 grados 

En Kirey, somos conscientes de que el valor de los datos y de la IA no depende solo de las tecnologías adoptadas, sino de la capacidad de la empresa de utilizarlas de modo consciente, cotidiano y orientado al resultado. Por esto, acompañamos a las organizaciones en caminos de AI transformation a 360 grados, partiendo de necesidades concretas y soluciones puntuales, para después evolucionar hacia una transformación sistémica que involucra procesos, competencias y cultura.

Nuestra expertise combina competencias tecnológicas de alto nivel y un enfoque fuertemente consultivo. Soportamos a las organizaciones en el camino hacia un modelo data-driven que hace del uso de los datos no una iniciativa episódica o la solución a un problema específico, sino un hábito cotidiano.

Contáctanos para descubrir cómo podemos ayudarte a transformar la tecnología en un valor concreto para tu organización.