La semana pasada tuve una reunión con el director de una empresa mediana, unos cuarenta empleados, que quería "meter IA" en su negocio. Le pregunté dónde tenía sus datos de clientes. Me dijo que en el CRM. Le pregunté dónde estaban las comunicaciones con esos clientes. En el email. ¿Y las propuestas comerciales? En una carpeta de Drive compartida. ¿Y los contratos firmados? En otra carpeta. ¿Y las incidencias de soporte? En un Excel. ¿Y el histórico de facturación? En el programa de contabilidad.
Le pregunté si alguna de esas herramientas hablaba con las otras. Se quedó callado un segundo y me dijo: "Bueno, la gente lo conecta todo en su cabeza."
Ahí está el problema. La gente lo conecta en su cabeza. Y la IA no tiene acceso a la cabeza de la gente.
El caos invisible
La verdad es que casi todas las empresas que conozco tienen este problema. No importa el tamaño. He visto startups de cinco personas con datos en siete herramientas distintas y empresas de quinientos empleados con la misma fragmentación pero multiplicada por cien.
Y lo interesante es que nadie lo ve como un problema. Funciona. La gente sabe dónde buscar las cosas. Cuando alguien necesita cruzar información, abre tres pestañas, consulta dos sistemas y monta un Excel manual. Tarda una hora en algo que debería llevar treinta segundos, pero como siempre se ha hecho así, nadie se cuestiona el proceso.
Hasta que quieres meter IA. Y entonces descubres que tu IA no puede funcionar como sistema operativo si no tiene acceso a la información. Un chatbot sin contexto es como un consultor al que contratas pero no le dejas ver los números. Te va a decir cosas genéricas porque no puede decir otra cosa.
Ontología: la palabra fea que nadie quiere escuchar
Hay un concepto que viene de la filosofía griega pero que es tremendamente práctico en este contexto: la ontología. Aristóteles se dedicó a clasificar todo lo que existía en categorías y relaciones. No por deporte intelectual, sino porque entendió que para razonar sobre algo primero necesitas organizarlo.
En el mundo de los datos, una ontología es simplemente la forma en que organizas y conectas tu información para que tenga sentido como un todo. Qué es un cliente, qué es un proyecto, cómo se relacionan entre sí, qué propiedades tiene cada uno. Suena abstracto pero es de lo más terrenal.
Piensa en tu negocio. Tienes clientes. Esos clientes tienen contratos. Esos contratos generan facturas. Esas facturas tienen líneas de servicio. Esos servicios tienen incidencias. Esas incidencias tienen resoluciones. Todo conectado.
Ahora piensa en cómo está almacenada esa información. El cliente está en el CRM. El contrato en una carpeta de Drive. La factura en contabilidad. La incidencia en un Excel. La resolución en un email. Cinco sistemas distintos, cada uno con su formato, su nomenclatura, su lógica. La relación entre ellos existe solo en la cabeza de Carmen de administración, que lleva quince años y se sabe de memoria qué factura corresponde a qué contrato.
El día que Carmen se vaya de vacaciones, estáis perdidos. Y la IA, que no tiene la memoria de Carmen, está perdida desde el primer día.
El primer paso no es IA. Es fontanería.
Esto lo digo mucho y sé que no es lo que la gente quiere oír. Quieren oír que hay una herramienta mágica que se conecta a todo y resuelve el caos. Pero no existe. Al menos no todavía.
Entender cómo funciona la herramienta significa entender que la IA necesita datos estructurados para funcionar bien. Y estructurar tus datos es trabajo tuyo, no de la IA.
El primer paso es siempre el mismo: hacer un inventario de dónde vive tu información. No un inventario bonito para una presentación. Un inventario real, sucio, honesto. Qué datos tienes, en qué herramienta están, quién los mantiene, cómo se actualizan, cómo se relacionan entre sí.
Te garantizo que el resultado te va a deprimir un poco. Porque vas a descubrir que hay información duplicada en tres sitios, que hay datos que no se actualizan desde 2023, que hay hojas de cálculo que solo entiende la persona que las creó y que hay decisiones de negocio que se toman basándose en información incompleta o directamente incorrecta.
Y eso está bien. Porque ahora lo ves. Y lo que ves, lo puedes arreglar.
Las tres capas de datos que toda empresa tiene (y no sabe)
En mi experiencia, la información de cualquier empresa se puede organizar en tres capas.
Capa uno: datos transaccionales. Son los hechos. Facturas, pedidos, contratos, nóminas, movimientos. Suelen estar en sistemas específicos (ERP, CRM, contabilidad) y generalmente están razonablemente bien estructurados. Es la capa más fácil.
Capa dos: datos de comunicación. Emails, mensajes de Slack, llamadas, notas de reuniones. Aquí es donde vive el contexto. El "por qué" detrás de los números. Esta capa es un desastre en casi todas las empresas. Información valiosísima enterrada en buzones de correo que nadie va a buscar nunca.
Capa tres: conocimiento tácito. Lo que la gente sabe pero no ha escrito en ningún sitio. Los criterios para tomar decisiones. Las excepciones que "todo el mundo conoce". Los procesos que se hacen "porque siempre se han hecho así". Esta es la capa más valiosa y la más difícil de capturar.
La IA puede hacer cosas espectaculares con la capa uno. Cosas interesantes con la capa dos. Y casi nada con la capa tres. Pero la capa tres es la que determina si las otras dos tienen sentido.
Un ejemplo que duele
Te cuento algo de mi propia experiencia. Cuando monté mis ochenta agentes de IA, el primer mes fue básicamente de fontanería de datos. No de IA. De datos.
Tenía información en bases de datos SQLite, en archivos JSON, en APIs de terceros, en carpetas con miles de documentos. Cada sistema tenía su propio formato, su propia nomenclatura, sus propias convenciones. Un libro podía ser "Dune – Frank Herbert.epub" en un sitio y "Herbert, Frank – Dune (1965).epub" en otro y "dune_herbert_es.epub" en un tercero.
Antes de que ningún agente pudiera hacer nada útil, tuve que construir una capa de normalización. Un punto de verdad centralizado. Una base de datos que dijera: este libro es este libro, independientemente de cómo se llame el archivo en cada sistema. Con un identificador único, metadatos limpios y relaciones claras con el resto de la información.
Eso me llevó semanas. No tiene nada de sexy. No hay IA por ningún lado. Es puro trabajo de definir qué es qué y cómo se conecta con qué. Es, literalmente, ontología aplicada.
Pero una vez que esa capa existía, los agentes podían hacer cosas que antes eran imposibles. Detectar duplicados entre ciento cincuenta mil libros. Clasificar automáticamente un archivo nuevo comparándolo con todo lo existente. Cruzar información de catálogos externos con el inventario interno. Todo eso funciona porque los datos están limpios y conectados. Sin esa base, los agentes serían inútiles.
Lo que le dije al director
Volviendo al director con el que tuve la reunión. No le vendí nada de IA. Le dije que antes de pensar en inteligencia artificial necesitaba hacer tres cosas.
Primera: elegir una fuente de verdad. Un sistema donde viva la versión canónica de cada dato. No diecisiete copias en diecisiete sitios. Una. Las demás pueden ser copias, espejos, vistas. Pero la fuente de verdad es una.
Segunda: conectar, no migrar. No le dije que tirara sus herramientas. La gente está cómoda con sus herramientas y forzar un cambio es receta para el desastre. Lo que sí le dije es que necesitaba que esas herramientas hablaran entre sí. APIs, integraciones, sincronizaciones automáticas. Que la información fluya en vez de estar estancada en silos.
Tercera: documentar el conocimiento tácito. Eso que solo Carmen sabe. Esas reglas que no están escritas en ningún sitio. Esos criterios de decisión que viven en la cabeza de la gente. Hay que sacarlos de ahí y ponerlos en un formato que un sistema pueda entender. No para reemplazar a Carmen. Para no depender exclusivamente de que Carmen esté disponible.
Le dije que eso le llevaría tres meses. Y que después de esos tres meses, cuando tuviera sus datos ordenados, conectados y documentados, la IA haría cosas que hoy le parecerían ciencia ficción. Pero que sin esa base, cualquier inversión en IA sería tirar el dinero.
Benedict Evans lo explica bien
Hay una idea de Benedict Evans que me parece clave: la IA no crea valor nuevo a partir de la nada. Amplifica el valor que ya existe en tus datos y tus procesos. Si tus datos son un caos, la IA amplifica el caos. Si tus datos están ordenados, la IA amplifica el orden.
Es la misma idea que aplico cuando hablo de metahumanos: la IA multiplica lo que ya tienes. Si tienes cero, multiplica cero. Si tienes una base sólida, multiplica esa base.
Y eso es lo que hace que el trabajo de datos sea tan ingrato y tan importante a la vez. Nadie te va a dar un premio por limpiar un Excel. Nadie va a aplaudir porque hayas conectado tu CRM con tu programa de facturación. Pero sin ese trabajo, todo lo que venga después se construye sobre arena.
El test rápido
Si quieres saber en qué estado están los datos de tu empresa, hazte estas tres preguntas:
Si le pido a alguien nuevo que busque toda la información sobre un cliente concreto, ¿cuántas herramientas tiene que abrir? Si la respuesta es más de dos, tienes un problema de fragmentación.
Si la persona que más sabe de un proceso se va de vacaciones dos semanas, ¿puede otra persona hacer ese trabajo exactamente igual? Si la respuesta es no, tienes un problema de conocimiento tácito.
Si quiero saber cuántos clientes han tenido más de tres incidencias en el último trimestre, ¿puedo obtener esa respuesta en menos de cinco minutos? Si la respuesta es no, tienes un problema de conectividad entre datos.
Cada "no" es una barrera para que la IA pueda hacer algo útil en tu empresa. Y cada barrera que eliminas es un paso hacia un sistema donde la IA deja de ser un juguete y empieza a ser una herramienta de verdad.
Antes de gastar un euro en IA
Sé que este post no es el más emocionante que he escrito. No hay historias de agentes autónomos ni predicciones sobre el futuro. Pero honestamente creo que es de los más importantes. Porque he visto a demasiada gente gastar dinero, tiempo y esperanza en herramientas de IA que nunca van a funcionar porque el problema no está en la herramienta. Está debajo. En los cimientos. En los datos que nadie quiere ordenar porque no es glamuroso.
Simon Wardley tiene una frase que me encanta: "todo el mundo quiere la parte bonita de la estrategia, nadie quiere hacer el mapa". Pues con la IA pasa exactamente lo mismo. Todo el mundo quiere los resultados espectaculares. Nadie quiere hacer el trabajo de fontanería que los hace posibles.
Así que si estás pensando en meter IA en tu negocio, hazme un favor: antes de comprar nada, antes de contratar a nadie, antes de apuntarte a ningún curso, siéntate una tarde con un café y haz el inventario de tus datos. Dónde están, cómo se conectan, qué falta.
Esa tarde va a ser la inversión más rentable que hagas este año. Aunque no lo parezca.
Deja un comentario ¡Tu opinión me interesa!