Qué debe ordenar una empresa antes de implementar inteligencia artificial

La inteligencia artificial no ordena datos desordenados. Los hereda. Y después hereda la culpa.

Una empresa recibe una propuesta de IA, la contrata, y seis meses después el proyecto está parado. La conclusión habitual es que la herramienta no servía. Casi nunca es eso.

Este artículo no trata de qué modelo elegir. Trata de lo que conviene tener resuelto antes de esa conversación, porque es lo que decide si el proyecto va a funcionar.

El problema casi nunca es el modelo

Un sistema de IA hace tres cosas: recibe datos, encuentra patrones y produce una salida. Si los datos que recibe describen mal la realidad de la empresa, la salida describirá mal la realidad de la empresa. Con mucha seguridad y en muy buen formato.

Eso es lo que hace peligrosa una implementación prematura: no falla de forma ruidosa. Entrega números que parecen buenos, y alguien toma decisiones con ellos.

La pregunta útil antes de contratar nada no es «¿qué IA necesito?». Es «¿qué pregunta quiero responder, y tengo los datos para responderla?».

Lo que tiene que existir antes

Una fuente única para cada dato

Si las ventas del mes están en un ERP, en una hoja de cálculo del área comercial y en un informe que se arma a mano, hay tres cifras. Antes de automatizar nada hay que decidir cuál manda.

La señal de alarma es fácil de reconocer: cuando dos áreas presentan el mismo indicador en la misma reunión y los números no coinciden, y la conversación se va a explicar la diferencia en lugar de a decidir.

No hace falta un sistema único. Hace falta que, para cada dato, esté claro cuál es el sistema de referencia.

Definiciones que todos usen igual

«Cliente activo» puede significar que compró este mes, que compró en los últimos doce meses, o que tiene contrato vigente aunque no compre. Las tres son razonables. Si conviven sin declararse, cualquier análisis que las mezcle es ruido.

Este trabajo no es técnico y no lo puede hacer un proveedor externo solo: requiere que alguien de la empresa decida y lo escriba. Suele ser la parte más incómoda y la que más valor produce, porque obliga a acordar cosas que llevaban años sin acordarse.

Histórico suficiente

Para detectar un patrón hay que haberlo visto repetirse. Un negocio con estacionalidad marcada necesita varios ciclos completos antes de que un modelo pueda distinguir una tendencia de una temporada alta.

Cuánto histórico hace falta depende del caso, y desconfía de quien te dé una cifra universal sin preguntar por tu negocio. Pero la pregunta que sí conviene hacerse es concreta: ¿cuántas veces ha ocurrido ya lo que quiero predecir? Si la respuesta es «tres o cuatro», todavía no toca.

Un proceso que alguien sepa describir

Automatizar un proceso que nadie sabe explicar entero produce una automatización que nadie sabe corregir cuando falle.

La prueba es sencilla: pide a alguien que dibuje el proceso en una pizarra, de principio a fin, incluidas las excepciones. Si aparecen tres «depende» seguidos y nadie sabe de qué dependen, el proceso todavía no está listo para automatizarse. Y si nadie puede dibujarlo, tampoco está listo para medirse.

Tres señales de que todavía no toca

1. Nadie sabe decir qué decisión cambiaría. Si la respuesta a «¿qué harías distinto con esta información?» es vaga, el proyecto no tiene destinatario. Un tablero que nadie usa para decidir es un gasto recurrente.
2. Los datos se corrigen a mano cada mes. Si alguien depura una hoja antes de cada informe, esa depuración es parte del proceso y hoy vive en su cabeza. Automatizar sin recogerla produce resultados peores que los actuales.
3. La urgencia viene de fuera. «Tenemos que hacer algo con IA» no es un problema de negocio. Es una respuesta a una conversación, y suele producir proyectos que se abandonan.

Por dónde empezar cuando sí toca

Por algo pequeño, medible y con dueño.

Un buen primer caso tiene cuatro rasgos: responde a una pregunta que alguien se hace de verdad; los datos necesarios ya existen; el resultado se puede comprobar contra la realidad en semanas, no en años; y hay una persona concreta que va a usarlo.

Ese último punto es el que más proyectos salva. Una herramienta sin usuario asignado no se adopta, por buena que sea.

Y una recomendación que ahorra dinero: antes de contratar un modelo, comprueba si la pregunta se responde con una consulta bien hecha sobre datos bien ordenados. Buena parte de lo que se pide como «proyecto de IA» es, en realidad, un problema de datos que nadie ha ordenado. Cuando de verdad hace falta un modelo, se nota: la pregunta no se puede responder con una regla.

El orden importa

Ordenar datos no es un paso previo aburrido antes de la parte interesante. Es la parte que decide el resultado.

Una empresa con fuentes claras, definiciones acordadas e histórico limpio puede implementar IA cuando quiera, y cambiar de herramienta sin rehacerlo todo. Una empresa sin eso comprará una herramienta cada dos años y tendrá el mismo problema cada vez.

Dónde seguir

En Datos y analítica trabajamos justamente ese orden previo: consolidación, depuración, modelamiento e indicadores que se pueden defender. En Inteligencia empresarial con IA aplicamos IA sobre información ya estructurada, nunca como punto de partida. Y si el problema está en el proceso antes que en los datos, empieza por Automatización y digitalización.

Si no tienes claro en cuál de las tres estás, cuéntanos el caso y te decimos por dónde empezaríamos.