Aplicaciones 🇷🇺 13.08.2026 16:04

Nexign: las empresas rusas tardan en adoptar la IA para la detección de anomalías

Un estudio de Nexign revela que, aunque el 79% de las empresas rusas utilizan herramientas de monitoreo de infraestructura de TI, solo el 17% emplea modelos de aprendizaje automático para la detección de anomalías. Las principales barreras incluyen la falta de experiencia interna, la mala calidad de los datos y la dificultad para calcular el retorno de la inversión. El sector financiero muestra más interés, mientras que las pequeñas y medianas empresas se quedan atrás.
La investigación de Nexign muestra que el monitoreo de la infraestructura de TI se ha convertido en un estándar para las empresas rusas, con un 79% de las compañías encuestadas utilizando software especializado para rastrear el estado de los sistemas. Las métricas más demandadas incluyen la carga de CPU, memoria y red (89%), errores y fallas de aplicaciones (86%) y demoras en la respuesta de servicios (70%). Sin embargo, solo el 17% utiliza herramientas de aprendizaje automático para la detección automática de anomalías, a pesar de reconocer consecuencias como multas regulatorias, daño reputacional y pérdida de clientes. El sector financiero es más proactivo, ejecutando proyectos piloto, mientras que otras industrias adoptan un enfoque de esperar y ver, y las pequeñas empresas son las menos preparadas, en parte debido a la falta de procesos básicos de monitoreo. Los expertos señalan que la barrera es organizativa y económica, más que tecnológica. Existen herramientas de aprendizaje automático disponibles, pero su implementación requiere procesos maduros, personal especializado y datos normalizados de alta calidad. Además, muchos proyectos no logran obtener financiación debido a la dificultad de calcular los beneficios económicos. Maxim Nartov, director de desarrollo de negocio en Nexign, enfatiza que a medida que los entornos de TI se vuelven más complejos, con más servicios e infraestructura distribuida, la detección tradicional de anomalías se vuelve más difícil, y la integración del aprendizaje automático en las plataformas de monitoreo se profundizará en los próximos años.
Fuente: CNews — original
Nuestros artículos anteriores sobre este tema ↓
Noticias frescas