"Vamos a ver lo de la IA cuando tengamos los datos ordenados."
Escucho alguna versión de esa frase muy seguido. Normalmente viene de un dueño que conoce su negocio de punta a punta y al que le da un poco de vergüenza la carpeta compartida.
Lo entiendo. Pero tampoco he visto nunca que esa limpieza ocurra sola.
Piensa en la última vez que alguien en tu empresa dijo "ahora sí, vamos a organizar el Drive". Quizás apareció una nueva estructura de carpetas. Quizás hubo una reunión al respecto. Tres semanas después, las carpetas nuevas estaban justo al lado de las viejas, y ahora había dos lugares donde buscar en vez de uno.
Una limpieza sin fecha límite y sin recompensa siempre pierde contra el trabajo de los clientes. Y así debe ser, la verdad. Los clientes son los que pagan las cuentas.
Así que esta es mi postura, y voy a dedicar el resto del artículo a defenderla: tener datos desordenados no es motivo para postergar la integración de IA. Un proyecto de IA pequeño y concreto es la mejor excusa que vas a tener para ordenarlos.
La estadística que asusta, bien leída
En febrero de 2025, Gartner publicó una predicción que ahora aparece en muchas presentaciones de ventas. Hasta 2026, las organizaciones abandonarán el 60% de los proyectos de IA que no estén respaldados por datos listos para IA. En el mismo comunicado, el 63% de los líderes de gestión de datos dijo que no tenía las prácticas de datos adecuadas para IA o que no estaba seguro.
La gente lee eso y entiende "arregla todos tus datos primero o vas a fracasar".
Eso no es lo que dice. Los proyectos en riesgo son aquellos cuyos datos no sirven para ese proyecto. Estar listo tiene que ver con servir para una tarea concreta. No es un estado de gracia de toda la empresa en el que cada archivo tiene un nombre lógico y cada hoja de cálculo cuadra.
Una empresa de administración de propiedades de 12 personas no necesita "datos listos para IA" en abstracto. Necesita que los contratos de arrendamiento y el registro de mantenimiento sean lo bastante legibles para responder "¿quién arregló la caldera de Elm Street el invierno pasado y cuánto le pagamos?". Mucho más acotado. Mucho más factible.
No eres el único con desorden
Si te sirve de consuelo, nadie tiene los datos limpios.
Tadhg Nagle, Thomas Redman y David Sammon pidieron a varios ejecutivos que tomaran los últimos 100 registros creados por su propio departamento y revisaran cada uno en busca de errores. En su artículo en Harvard Business Review, solo el 3% de los puntajes obtenidos alcanzó siquiera un estándar laxo de calidad aceptable. Al combinar 75 de estas evaluaciones en una amplia variedad de organizaciones, informaron después que el 47% de los registros recién creados tenía al menos un error crítico.
Casi la mitad. De los registros nuevos.
Así que cuando me dices que tu lista de precios existe en cuatro versiones y que la correcta está adjunta a un correo de marzo, no me sorprende. Es un martes cualquiera.
Cómo se ve "lo suficientemente listo" (para el dueño)
Olvídate de toda la empresa por un minuto. Elige una tarea que te encantaría delegar y responde cuatro preguntas sobre ella.
1. ¿Podría hacerla alguien recién contratado solo con los archivos? Imagina a un temporal muy capaz que empieza el lunes. Si podría sacarla adelante con un par de indicaciones ("los precios están en esta hoja, ignora la pestaña vieja"), vas bien. Si la respuesta solo está en la cabeza de María, primero tenemos que sacarla de ahí. Eso suele ser una conversación de una hora, no un proyecto.
2. ¿Hay un lugar al que llamarías la fuente de verdad? No el único lugar. Solo el que gana cuando dos fuentes no coinciden. "La lista de artículos de QuickBooks le gana al catálogo en PDF" es una respuesta perfectamente válida.
3. ¿Alguien puede detectar una respuesta incorrecta en dos minutos? Si tu cotizador puede echarle un vistazo a un borrador de cotización y ver qué está mal, ya tienes un control de calidad.
4. ¿Ocurre al menos una vez por semana? Automatizar tareas mensuales también puede valer la pena. Las semanales se pagan más rápido y, cuando fallan, la gente lo nota enseguida.
¿Casi todas son sí? Entonces tus datos están listos para esa tarea. Hoy. Con todo y desorden.
Qué significa "desordenado" en la práctica (para la persona técnica)
Si eres a quien llaman cuando algo se rompe, esta parte es para ti. Esto es lo que solemos encontrar en empresas de 10 a 100 personas y cómo lo manejamos. Nada de esto requiere un data warehouse.
| El desorden | ¿Bloquea la IA? | Qué hacemos |
|---|---|---|
Price_List_FINAL_v3 (2).xlsx y sus primos | Solo si nadie elige una ganadora | Definir una fuente por campo, ignorar el resto y registrar qué archivo se usó |
| PDF escaneados de 2014 | En realidad no | OCR al momento de la ingesta, con un enlace a la página original |
| Hojas de cálculo hechas para personas (celdas combinadas, notas en la columna Z) | A veces | Convertirlas a un esquema definido y fallar de forma visible en las filas que no encajan |
| Campos del CRM llenos de texto libre | No | Tratarlos como texto y buscar por significado en vez de por coincidencia exacta |
| Permisos de carpetas que nadie ha revisado desde 2019 | Sí, por seguridad | Mapear primero los roles y luego filtrar la recuperación por rol antes de que algo llegue al modelo |
| El mismo cliente escrito de tres formas distintas | Apenas | Coincidencia aproximada más una lista corta de alias que aprueba una persona |
Detrás de esa tabla hay algunos hábitos.
Mantén separados los datos estructurados y los no estructurados. Los precios, las cantidades y las tarifas se leen de tablas en el momento en que se necesitan. Los contratos, los correos y las propuestas antiguas se dividen en fragmentos y se convierten en embeddings para poder buscarlos. El peor error que veo en las soluciones caseras es un modelo que cita un precio que "encontró" en el PDF de una propuesta de 2023 mientras la tabla de precios vigente está ahí mismo, sin usar.
Deja por escrito el mapa de fuentes. Puede ser un archivo de configuración pequeñito:
price: quickbooks.items # siempre gana
product_specs: drive:/Catalog/2026/ # el archivo más reciente por fecha de modificación
past_jobs: drive:/Jobs/**/*.pdf # solo para búsqueda, nunca se usa para precios
client_info: hubspot.companies
Aburrido. De eso se trata. Cuando un resultado se ve mal, sabes exactamente dónde buscar.
Marca, no adivines. Si un artículo no tiene precio, el sistema debe detenerse y preguntar. Un modelo producirá encantado una cifra que parece creíble, y tu capa de validación es la que se encarga de rechazarla.
Ten un conjunto de pruebas. Treinta o cuarenta casos reales del pasado con resultados correctos conocidos. Cuando alguien cambie el nombre de una columna de una hoja de cálculo (lo va a hacer), vuelves a correr el conjunto y te enteras en cinco minutos, no por un cliente.
Un pequeño ejemplo de nuestro propio trabajo
Uno de nuestros clientes diseña instalaciones de gas natural. Cinco personas. Cada trabajo requiere formularios legales que se llenan a partir de los archivos del proyecto, y cada formulario tomaba una hora o más a mano.
Les construimos un llenador de formularios que convierte esos archivos del proyecto en un borrador del formulario en segundos. Cuando cambia un archivo de origen, el borrador se actualiza para coincidir.
Fíjate en lo que esa última frase exige sin decirlo. Un borrador solo puede seguir a su archivo de origen si todos están de acuerdo en cuál es el archivo de origen, campo por campo. Alguien tiene que tomar esa decisión una vez, para un formulario real, con una herramienta funcionando del otro lado.
Ese es el patrón. El proyecto obliga a tomar un puñado de decisiones pequeñas y concretas sobre tus datos, y esas decisiones se mantienen porque, si no se respetan, algo se rompe a la vista de todos. Una "semana de limpieza" nunca tiene ese tipo de presión detrás.
Donde yo mismo me llevaría la contraria
Hay problemas que de verdad hay que resolver primero.
Si la información no existe en absoluto (por ejemplo, nadie registra las horas reales de los trabajos, así que no hay con qué comparar los estimados), ningún modelo la va a sacar de la nada. Empieza a registrarla ahora, aunque sea en una hoja de cálculo sencilla, y vuelve en tres meses.
Si estás en el sector salud y los datos son información de salud protegida (PHI), esa es otra conversación. No firmamos Business Associate Agreements, así que no tocamos PHI. Mejor que lo escuches de mí ahora y no en una tercera llamada. (Nuestra página de confianza cubre el resto).
Y si los permisos de tus carpetas son tierra de nadie, resuelve eso antes de conectar cualquier cosa. Una herramienta de búsqueda con IA que respete fielmente unos permisos mal configurados le mostrará la carpeta de nómina a quien se lo pida.
Esos sí son obstáculos reales. "Nuestros archivos tienen nombres pésimos" no es uno de ellos.
Prueba esto antes del viernes
Toma la tarea que elegiste antes y hazla una vez a mano. Anota cada archivo, pestaña y sistema que abras en el camino, incluido el momento en que le escribes a un compañero para preguntarle cuál es la versión vigente.
Esa lista es el mapa de datos de tu primer proyecto. La mayoría de la gente se sorprende dos veces: por lo corta que es y por cuántos de los archivos que aparecen en ella tienen un gemelo.
Trae la lista a una llamada y normalmente podemos decirte en unos veinte minutos si tus datos están lo suficientemente listos. Si quieres una respuesta por escrito y con números, nuestra auditoría Plan tiene un precio fijo de $750 y se acredita por completo al desarrollo si decides avanzar. O simplemente agenda una llamada gratuita de 20 minutos.
Trae la carpeta desordenada. Hemos visto cosas peores.