Ian Leysen, CEO y Co-Fundador de Datadobi – Serie de Entrevistas

Ian Leysen, CEO y Co-Fundador de Datadobi, es un ejecutivo tecnológico con más de tres décadas de experiencia en ingeniería de software, aseguramiento de calidad y gestión de datos empresariales. Co-fundó Datadobi en 2009 después de pasar ocho años en EMC como Gerente Senior de Aseguramiento de Calidad, precedido por cargos de liderazgo en Mediagenix y Wave Research. A lo largo de su carrera, Leysen se ha centrado intensamente en construir organizaciones de ingeniería de software de alta calidad, habiendo creado tres equipos de aseguramiento de calidad desde cero. En Datadobi, supervisa una empresa enfocada en ayudar a grandes organizaciones a gestionar, gobernar, migrar y proteger datos no estructurados en entornos locales, en la nube y híbridos. La compañía ha evolucionado más allá de sus raíces en la migración de datos a gran escala para ofrecer StorageMAP, una plataforma neutral de proveedores diseñada para proporcionar a las organizaciones mayor visibilidad y control sobre complejos patrimonios de datos no estructurados, incluida la preparación de datos empresariales para iniciativas de IA.

Datadobi ayuda a las empresas a obtener mayor visibilidad y control sobre los volúmenes de datos no estructurados que crecen rápidamente. Su software puede escanear miles de millones de archivos para identificar datos obsoletos, duplicados, brechas de propiedad y riesgos potenciales, mientras aplica metadatos y etiquetas de clasificación que respaldan la gobernanza y políticas automatizadas de archivado, eliminación y retención. Esto se ha vuelto cada vez más importante a medida que las organizaciones preparan sus datos empresariales para la IA generativa, donde la información poco comprendida o desactualizada puede introducir ruido, problemas de cumplimiento y riesgos de seguridad. Datadobi también permite a las compañías identificar conjuntos de datos potencialmente valiosos, organizarlos para su uso posterior y mover la información seleccionada a lagos de datos o lakehouses manteniendo la trazabilidad y la gobernanza. Además, la plataforma brinda información sobre los costos de almacenamiento y el impacto de carbono, ayudando a las organizaciones a tomar decisiones más informadas sobre qué datos conservar y dónde deben residir.

Pasó ocho años liderando el aseguramiento de calidad en EMC antes de cofundar Datadobi en 2010. ¿Qué observó en los entornos de almacenamiento y datos empresariales a gran escala que le convenció de que había una empresa por crear, y cómo ha evolucionado esa visión original a medida que los datos no estructurados se han vuelto cada vez más importantes para la IA?

En EMC, pasé años observando cómo las empresas invertían fuertemente en infraestructura de almacenamiento sin casi ninguna visibilidad de lo que realmente estaba almacenado. Éramos excepcionales ayudando a los clientes a almacenar y proteger datos, pero nadie hacía la pregunta más difícil: ¿qué es este dato, quién es su propietario, alguien aún lo necesita y cuál es su valor? Esa brecha entre la capacidad de la infraestructura y la comprensión de los datos era la oportunidad. Creámos Datadobi para ayudar a las organizaciones a mover y gestionar datos no estructurados de manera inteligente, no solo trasladarlos de un arreglo a otro.

Lo que ha cambiado son las apuestas. Hace quince años, un recurso de archivos no gestionado era un problema de costos y cumplimiento. Hoy, ese mismo recurso no gestionado se convierte en una responsabilidad en el momento en que alguien dirige un modelo o agente de IA hacia él. Los datos no estructurados han pasado de ser simplemente lo que las organizaciones almacenan a ser lo que determina si sus iniciativas de IA tienen éxito o fracasan. Nuestra idea original, de que la infraestructura de almacenamiento por sí sola no puede decirle lo que sus datos significan para el negocio, no ha cambiado. Simplemente se ha vuelto urgente de una manera que nunca lo fue antes.

Ha argumentado que la IA generativa no creó el problema de los datos empresariales, sino que expuso y aceleró problemas que han existido durante décadas. ¿Cuáles son las mayores debilidades que la IA está revelando ahora en la forma en que las organizaciones han gestionado históricamente sus datos?

Las organizaciones han tenido dificultades para comprender sus datos empresariales durante décadas. La IA no creó esa dificultad, simplemente eliminó los lugares donde solía ocultarse. Cuando los datos permanecían silenciosamente en un recurso de archivos o en un archivo, nadie tenía que rendir cuentas de lo que contenían. En el momento en que se dirige un modelo de lenguaje grande o una canalización RAG hacia ellos, cada debilidad se vuelve visible y con consecuencias.

El mayor desafío es que la mayoría de las organizaciones han estado gestionando el almacenamiento, no los datos. Saben dónde están sus volúmenes y contenedores, pero no qué hay dentro de ellos: qué archivos están obsoletos, cuáles contienen información sensible o regulada, cuáles están duplicados decenas de veces en todo el entorno y quién tiene realmente acceso. La IA también está revelando cuán fragmentada se ha vuelto la propiedad. Los datos se acumulan en sistemas locales, múltiples nubes y repositorios SaaS, y nadie posee la visión completa. Estos no son problemas nuevos. La IA simplemente ha hecho que el costo de ignorarlos sea inmediato y visible.

Las organizaciones a menudo concentran sus inversiones en IA en modelos más potentes, GPUs e infraestructura. ¿Por qué más capacidad de cómputo o almacenamiento no pueden resolver un problema subyacente de preparación de datos, y en qué deberían invertir las empresas en su lugar?

Más capacidad de cómputo hace que una respuesta incorrecta llegue más rápido. No la hace más precisa, segura o conforme. Las GPUs y la infraestructura de almacenamiento ejecutan decisiones, pero no las generan. Si alimenta a un modelo potente con datos obsoletos, duplicados, con permisos incorrectos o sensibles, obtendrá un modelo potente que produce resultados poco fiables o riesgosos a gran escala, y lo hace rápidamente.

Creemos que el mercado ha llegado a un punto de inflexión importante: históricamente, las organizaciones optimizaban el almacenamiento; cada vez más, necesitan optimizar los datos. Eso implica invertir en la disciplina que se sitúa por encima de la capa de infraestructura, la capacidad de ver todo su patrimonio de datos, comprender qué es cada pieza de dato y quién es responsable de ella, decidir qué debe conservarse, moverse, archivarse o eliminarse, y luego ejecutar esa decisión de manera consistente. El gasto en infraestructura sin esa disciplina solo significa que las organizaciones pueden hacer lo incorrecto más rápido.

Ese es precisamente el problema que nuestra plataforma de gestión de datos no estructurados fue creada para resolver. Proporciona a las organizaciones una vista única de los almacenamientos locales, en la nube y SaaS, clasifica los datos mediante etiquetado y análisis de metadatos para que los equipos puedan ver qué es redundante, obsoleto o realmente valioso, y luego ejecuta decisiones, migrando, archivando o eliminando datos, a través de flujos de trabajo impulsados por políticas que operan de forma continua en lugar de ser un proyecto puntual. Esa combinación de visibilidad, clasificación y ejecución consistente es lo que transforma “tenemos muchos datos” en “sabemos exactamente qué tenemos y qué hacer con ello”.

“Datos listos para IA” se ha convertido en una frase común en la industria. Desde su perspectiva, ¿qué hace que los datos no estructurados estén realmente listos para IA, y qué criterios deben usar las organizaciones antes de permitir que los datos ingresen a una IA generativa, a la generación aumentada por recuperación (RAG) o a una canalización de entrenamiento?

Los datos listos para IA son aquellos que una organización ya ha validado, no solo los que posee. En la práctica, eso significa que la organización puede responder con confianza a una serie de preguntas antes de que esos datos lleguen a un modelo o una canalización: ¿Son estos datos precisos y actuales, o han estado sin tocar durante años? ¿Están duplicados en otro lugar de manera que sesguen o contradigan los resultados? ¿Contienen información sensible, regulada o personal que no debería exponerse? ¿Quién tiene permiso para acceder a ellos, y ese permiso sigue reflejando quién debería poder hacerlo? ¿Aportan realmente valor comercial al caso de uso, o son solo ruido?

Sin respuestas a esas preguntas, alimentar datos a una IA generativa o a una canalización RAG solo significa trasladar su problema de gobernanza aguas abajo, a un sistema que es mucho mejor para revelar lo que encuentra que sus recursos de archivos jamás fueron. La preparación para IA es una disciplina de inteligencia de datos, no una casilla que se marca una sola vez antes de iniciar un proyecto.

Las empresas pueden tener miles de millones de archivos distribuidos en infraestructura local, múltiples nubes, archivos y unidades de negocio. ¿Cómo pueden determinar qué datos contienen un valor comercial significativo y cuáles son redundantes, obsoletos, triviales o simplemente ruido que podría degradar el rendimiento de la IA?

En esa escala, nadie va a responder esa pregunta archivo por archivo, y la revisión manual no es una estrategia viable. Las organizaciones necesitan primero visibilidad a nivel empresarial: una vista única y precisa de los repositorios locales, en la nube y SaaS, porque no se puede tomar una decisión sobre datos que no se pueden ver. A partir de ahí, se trata de aplicar inteligencia de datos para clasificar lo que realmente está en el entorno, de modo que los datos ROT (redundantes, obsoletos y triviales) se identifiquen y separen de los datos que realmente aportan valor comercial.

Ahí es donde la disciplina debe ir más allá de la mera visibilidad. Ver sus datos es necesario pero no suficiente. Las organizaciones deben avanzar comprendiendo qué son esos datos y qué significan, decidiendo qué debe suceder con ellos —conservar, mover, archivar, eliminar o utilizarlos para impulsar la IA— y luego ejecutar esa decisión de manera consistente en miles de millones de objetos. Saltar directamente de la visibilidad a la ingestión por IA es precisamente cómo el ruido termina degradando el rendimiento del modelo y cómo los datos realmente valiosos quedan enterrados en él.

La seguridad y la gobernanza se vuelven especialmente importantes cuando los sistemas de IA pueden revelar información que antes era difícil de descubrir para los empleados. ¿Cómo deben las organizaciones evaluar permisos, información sensible, propiedad y riesgos regulatorios antes de exponer los datos empresariales a los sistemas de IA?

Esta es una de las áreas donde la IA ha cambiado más el cálculo de riesgos. Un archivo con permisos excesivos o obsoletos solía ser una exposición teórica, porque, en la práctica, una persona tendría que saber que existía y buscarlo. Un sistema de IA con acceso amplio puede revelar ese mismo archivo a cualquiera que haga la pregunta adecuada, al instante. La oscuridad nunca fue un control real, pero la IA ha eliminado el último fragmento de protección que accidentalmente proporcionaba.

Antes de que cualquier dato se exponga a un sistema de IA, las organizaciones necesitan una visión clara de quién tiene acceso a él y si ese acceso sigue teniendo sentido, qué información sensible o regulada contiene, quién es su propietario y responsable, y qué obligaciones regulatorias le corresponden —como la residencia de datos, la retención y los requisitos de privacidad, entre otros. Esa evaluación no puede ser una auditoría única antes del lanzamiento. Los datos empresariales cambian continuamente, por lo que los permisos, la propiedad y el riesgo deben revisarse de forma continua, no solo en el momento en que un proyecto de IA se pone en marcha.

Datadobi aboga por cambiar la conversación de gestionar la infraestructura de almacenamiento a gestionar los datos como un activo empresarial. ¿Cómo se ve esa transición en la práctica y cómo cambia la relación entre los equipos de TI, los equipos de datos, los líderes de seguridad y las unidades de negocio?

En la práctica, significa que la conversación deja de centrarse en capacidad, niveles y tiempo de actividad, y comienza a enfocarse en resultados: reducción de costos, reducción de riesgos, cumplimiento normativo y habilitación de IA. Antes se trataban como iniciativas separadas, cada una con sus propias herramientas y propietarios. Creemos que esa visión está cada vez más desactualizada. Todas dependen de comprender los mismos datos empresariales subyacentes, y lo que se necesita es un nuevo modelo operativo centrado en los datos que los conecte, en lugar de tratar cada iniciativa como si dependiera de un sistema separado e aislado. Nuestra plataforma es la forma en que implementamos ese modelo operativo.

Eso naturalmente cambia quién está en la sala. TI ya no es el único propietario de la conversación, porque las decisiones sobre qué datos conservar, mover o exponer a la IA son decisiones empresariales, informadas por la inteligencia de datos, no decisiones de infraestructura. Los líderes de seguridad y cumplimiento necesitan visibilidad del mismo panorama de datos que gestiona TI. Las unidades de negocio necesitan una voz en qué datos realmente importan para sus resultados. La gestión de datos deja de ser una función de back‑office de TI y se convierte en una disciplina operativa compartida entre TI, seguridad y el negocio, tomando decisiones basadas en la misma información.

Un desafío de la IA empresarial es que los datos cambian constantemente. ¿La preparación para IA es algo que las organizaciones pueden lograr una sola vez, o requiere un proceso continuo de descubrimiento, clasificación, gobernanza, archivado y movimiento de datos a medida que evolucionan?

Es continuo, punto final. Los datos empresariales cambian continuamente, se crean nuevos archivos, los permisos cambian, los empleados se incorporan y salen, las regulaciones evolucionan, por lo que la gestión de datos debe convertirse en una capacidad operativa continua en lugar de una secuencia de proyectos independientes. Tratar la preparación para IA como una limpieza única antes del lanzamiento de un proyecto es como declarar que un edificio está seguro después de una única visita de cerrajero y nunca volver a revisar las puertas.

Lo que las organizaciones necesitan es una disciplina operativa que avance continuamente a través de la visibilidad, la comprensión, la decisión y la ejecución, descubriendo qué datos existen, clasificándolos y comprendiendo su naturaleza, decidiendo qué debe suceder con ellos y luego actuando sobre esa decisión de forma recurrente. Las organizaciones que superen a sus pares serán aquellas que puedan mover ese ciclo de forma continua y a escala empresarial, no aquellas que traten la preparación para IA como un proyecto con una fecha de finalización.

A medida que las empresas despliegan cada vez más agentes de IA que pueden buscar en sistemas y tomar acciones autónomas, ¿la gestión de datos no estructurados se vuelve aún más importante? ¿Qué nuevos riesgos surgen cuando un agente de IA puede acceder a información dispersa en toda la organización en lugar de simplemente responder a una solicitud de usuario?

Se vuelve significativamente más importante, porque un agente cambia la naturaleza de la exposición. Un chatbot que responde a una sola solicitud está limitado a lo que una persona pregunta y ve. Un agente que puede buscar en sistemas y tomar acciones autónomas puede recorrer mucho más del entorno que cualquier empleado individual típicamente haría, y puede actuar sobre lo que encuentra, moviendo, compartiendo o usando datos, sin que un humano revise necesariamente cada paso.

Eso introduce un riesgo que va más allá del simple descubrimiento. Si un agente tiene acceso a datos que no debería (archivos con permisos incorrectos, registros sensibles obsoletos, información que debería haberse archivado o eliminado hace años), puede actuar sobre esos datos a velocidad y escala de máquina, no solo mostrarlos a un usuario curioso. Las organizaciones que despliegan agentes con mayor éxito son aquellas que trataron la gobernanza de datos como un requisito previo, no como una reflexión posterior, porque un agente explotará fielmente cualquier brecha existente en su inteligencia de datos.

Para una empresa que ha acumulado décadas de datos no estructurados y desea escalar sus iniciativas de IA, ¿qué pasos prácticos recomendaría tomar primero y qué errores deben evitar los líderes al comenzar a controlar su patrimonio de datos?

Comience con la visibilidad. No se pueden tomar buenas decisiones sobre datos que no se pueden ver, por lo que el primer paso práctico es obtener una imagen precisa y a nivel empresarial de qué datos existen en los entornos locales, en la nube y SaaS. A partir de ahí, pase a comprender y clasificar esos datos para saber qué es valioso, qué es sensible y qué es simplemente ruido, antes de pasar a decisiones sobre retención, migración, archivado o eliminación.

También hay una realidad presupuestaria que los líderes no pueden ignorar. La mayoría de los CIO no disponen de un presupuesto separado e ilimitado para IA; trabajan con un fondo fijo de dinero que ahora compite con todo lo demás que mantiene el negocio en funcionamiento. El impulso de financiar la IA reduciendo la inversión en la infraestructura existente es la decisión equivocada, porque esa misma infraestructura, almacenamiento, canalizaciones de datos y gobernanza son exactamente de lo que depende la IA para tener éxito. El camino más sostenible es crear margen dentro del patrimonio existente: mejorar la visibilidad y reducir el desperdicio de almacenamiento mediante el tipo de optimización de datos para la que está diseñada StorageMAP libera presupuesto real, sin tocar la capacidad que las iniciativas de IA realmente necesitarán.

El error más grande que veo es que las organizaciones pasan directamente a la ejecución, apuntando la IA a su patrimonio de datos o lanzando un proyecto de limpieza, sin antes construir esa base de visibilidad y comprensión. El segundo error es tratar esto como una iniciativa única en lugar de una capacidad operativa; los datos siguen cambiando, por lo que la disciplina debe ser continua. Y el tercero es dejarlo como un ejercicio puramente técnico. Las organizaciones que tienen éxito tratan esto como una decisión empresarial, con TI, seguridad y las partes interesadas del negocio alineadas sobre el valor de los datos y lo que debe suceder con ellos, no solo como un proyecto de migración o almacenamiento entregado exclusivamente a TI.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deben visitar Datadobi.