Cómo saber si tus datos están preparados para la IA

Los modelos de lenguaje son cada vez mejores y más baratos. Lo que no ha cambiado es que responden con lo que les das: si los datos de la empresa están duplicados, mal definidos o repartidos en sitios que no se hablan, la IA dará respuestas muy seguras y muy equivocadas. Y una respuesta equivocada dicha con seguridad es peor que ninguna, porque alguien la usará para decidir.

Antes de conectar ChatGPT, Claude o un agente propio a tus datos, conviene hacerse estas siete preguntas.

• ¿Están tus datos en un mismo sitio? Si para responder «cuánto hemos vendido este trimestre por canal» hay que cruzar a mano el CRM, GA4 y el ERP, la IA tendrá el mismo problema.
• ¿Hay una sola definición para cada cifra? Si «venta» significa una cosa para finanzas y otra para el equipo comercial, la IA elegirá una sin avisar.
• ¿Las definiciones están escritas? Un modelo no adivina que «cliente activo» es quien ha comprado en los últimos doce meses. Necesita una capa semántica o, como mínimo, un documento que lo diga.
• ¿Te fías de la calidad? Duplicados, campos vacíos y fechas imposibles pasan desapercibidos en un informe y se amplifican en una conversación.
• ¿Cada persona ve solo lo suyo? Si un comercial no puede ver las cuentas de otro en el CRM, tampoco debería poder preguntarle a la IA por ellas. Los permisos tienen que viajar con los datos.
• ¿Dónde quedan los datos personales? Hay que saber si los datos salen de tu entorno, quién los procesa y cómo encaja con el RGPD.
• ¿Sabes qué quieres preguntar? «Poner IA» no es un caso de uso. «Que el equipo comercial sepa en segundos qué cuentas llevan un mes sin actividad» sí lo es.

Si respondes que sí a casi todo, estás en un buen punto para un primer caso de uso acotado, como un copiloto de ventas o la analítica conversacional.

Si fallan las tres primeras, el trabajo empieza antes de la IA: unificar las fuentes y escribir las definiciones. Es lo que hacemos en la estrategia de datos, y no es tiempo perdido: esos mismos datos ordenados mejoran también tus cuadros de mando.

Si fallan los permisos o la privacidad, no conectes nada todavía. Es lo único que no se arregla después sin riesgo.

Muchos proyectos de IA empiezan eligiendo el modelo o la plataforma y buscando después qué hacer con ellos. Funciona mejor al revés: primero la pregunta del negocio, luego los datos que hacen falta para responderla y, al final, la herramienta. Así el primer proyecto es pequeño, se mide y, si funciona, se amplía.