Preparación de los datos: la respuesta acertada, aunque incómoda

Digital & AI2025-10-177 min de lecturaAtlas Strategy Group

Pregúntele a un proveedor de IA si los datos de la empresa están preparados y le responderá con una diapositiva que incluye la palabra «recorrido». Pregunte con franqueza y la respuesta suele ser «todavía no»: esa respuesta marca la diferencia entre las empresas cuyas iniciativas de IA generan un valor cada vez mayor y aquellas cuya IA solo sirve para hacer demostraciones. La preparación de los datos es el tema menos atractivo del sector y el que mejor permite anticipar los resultados: casi todos los proyectos de IA decepcionantes se deben no al modelo, sino a los datos que se le proporcionaron.

Qué significa realmente estar «preparado»

Localizables:Los datos existen y alguien puede encontrarlos en sistemas identificados y con responsables asignados; no están en el portátil del gerente que se marchó. La mayoría de las empresas medianas no supera esta prueba antes siquiera de hablar de tecnología.
Coherentes:Lo mismo se llama igual en todos los sistemas; el cliente tiene una única identidad; los estados significan lo que indican. La empresa que maneja cuatro definiciones de «cliente activo» aún no tiene datos: tiene cuatro hábitos disfrazados de base de datos.
Lo bastante completos:No «grandes», sino suficientes. Diez meses de historial limpio del proceso que se va a automatizar valen más que diez años de ruido. La preparación depende del caso de uso, por eso la auditoría se realiza después de laseleccióny no antes.
Legalmente en regla:Existen permisos para utilizar los datos con el fin previsto y se comprueban antes de iniciar el proyecto, no durante la revisión de su lanzamiento por parte del abogado.

Por qué nadie quiere oír la respuesta sincera

La auditoría honesta sienta mal porque retrasa el proyecto: el presupuesto está aprobado, la estrategia ya se ha anunciado y, entonces, aparece un documento que dice que primero hacen falta dos trimestres para poner los cimientos. La opción más cómoda —empezar de todos modos y arreglar los datos «sobre la marcha»— es la forma de que esos dos trimestres se conviertan en dos años dentro del proyecto, sin que nadie lo perciba y a precios de proyecto. Las empresas que tienen éxito tratan el «todavía no» como el primer entregable del proyecto: una limpieza acotada y con un plazo definido, centrada exactamente en los casos de uso seleccionados —la lista preliminar de la evaluación, no todo el historial de la empresa; el trabajo de preparación permite prescindir de todo lo demás.

La preparación de los datos es el único aspecto de una estrategia de IA en el que «ya lo arreglaremos más adelante» acaba costando más que solucionarlo ahora.

La versión pragmática

La auditoría pragmática se dimensiona en función de la ambición: para cada caso de uso candidato, se evalúan en cuestión de semanas las cuatro condiciones —que los datos sean localizables, coherentes, suficientes y limpios— y se entrega una lista de medidas correctivas con su coste. Es el punto de partida dela evaluación de oportunidades, la mitad menos visible dela cuestión del P&Ly la fase inicial estándar dela práctica de IA— porque la elección del modelo, del proveedor y de la arquitectura importa menos que la base sobre la que se sustentan, y «todavía no» solo es una mala respuesta cuando se ignora.