La inteligencia artificial ha pasado, en muy poco tiempo, de estar reservada a proyectos concretos a convertirse en una tecnología accesible para prácticamente cualquier empresa. Hoy es relativamente sencillo incorporar un asistente, automatizar tareas o introducir capacidades de inteligencia artificial en procesos que hasta hace poco requerían una intervención completamente manual.
Esta facilidad de acceso abre muchas posibilidades, pero también obliga a plantearse una cuestión previa que a veces queda en segundo plano: ¿con qué información va a trabajar esa inteligencia artificial?
No se trata únicamente de disponer de grandes volúmenes de datos. Las empresas llevan años generándolos y almacenándolos. El verdadero reto está en determinar cuáles son fiables, dónde se encuentran, cómo se relacionan entre sí y si representan adecuadamente la realidad sobre la que queremos decidir.
El problema no suele ser la falta de información
Las empresas generan actualmente una enorme cantidad de información. La dificultad aparece cuando una parte se encuentra en el sistema de gestión, otra en aplicaciones específicas, otra en documentos u hojas de cálculo y otra permanece en el conocimiento de las personas que gestionan diariamente el negocio.
Esta situación no es nueva. Las empresas llevan años trabajando para integrar sistemas y mejorar la calidad de la información. Lo que cambia con la inteligencia artificial es la relevancia que adquiere ese trabajo.
Una persona con experiencia puede advertir que un dato no encaja, consultar a otro departamento o tener en cuenta una excepción conocida. Un sistema automatizado necesita que ese contexto esté disponible y pueda interpretarlo.
Disponer de datos no significa estar preparado para utilizarlos
Tener mucha información histórica no significa necesariamente estar preparado para utilizar inteligencia artificial. También importa conocer la procedencia de los datos, quién puede modificarlos, qué información debe prevalecer cuando existen discrepancias y cómo se relacionan con el resto de los procesos.
Pensemos, por ejemplo, en una empresa que quiere utilizarla para analizar márgenes, anticipar problemas de suministro o identificar clientes con riesgo de impago. Para hacerlo correctamente no basta con facilitar facturas, pedidos o movimientos de almacén. Es necesario entender también las relaciones entre esos datos y las circunstancias que explican cómo funciona realmente el negocio.
Una deuda vencida puede indicar un problema de cobro, pero también puede existir un acuerdo comercial con el cliente. Una caída del margen puede responder a una anomalía o a una decisión consciente. Una desviación asociada a un lote puede requerir una actuación inmediata o estar plenamente justificada.
“El dato puede ser correcto y, sin embargo, conducir a una conclusión equivocada si se interpreta fuera de contexto”.
El valor del sistema de gestión
En este escenario, los sistemas de gestión adquieren una relevancia especial. Su valor no está únicamente en almacenar información, sino en relacionarla con los procesos que le dan sentido.
Clientes, pedidos, productos, lotes, proveedores, incidencias o condiciones comerciales forman parte de una misma realidad empresarial. Esa relación permite pasar del dato aislado a una visión más completa de lo que está ocurriendo.
El reto no será únicamente disponer de inteligencia artificial, sino conseguir que pueda trabajar de forma fiable con el conocimiento real de cada organización.
La gobernanza será tan importante como la tecnología
Hasta ahora, buena parte de las aplicaciones de inteligencia artificial se han centrado en responder preguntas, resumir información o formular recomendaciones. Sin embargo, estamos entrando en una etapa en la que los agentes pueden intervenir directamente sobre los sistemas: generar tareas, modificar información, iniciar procesos o ejecutar acciones.
En ese momento, el debate cambia. Ya no basta con preguntarse si la inteligencia artificial tiene acceso al dato adecuado. Será necesario definir también a qué información puede acceder, qué acciones puede realizar y bajo qué condiciones.
Las empresas deberán establecer qué acciones pueden automatizarse, cuáles requieren autorización y cuáles deben mantenerse bajo supervisión humana. También será imprescindible mantener la trazabilidad: si un sistema ejecuta una acción, la empresa deberá poder conocer qué hizo, qué información utilizó y bajo qué criterios actuó.
La inteligencia artificial no reduce la importancia del control interno si no que lo hace todavía más necesario.
Ordenar antes de acelerar
Nada de esto implica retrasar la adopción de la inteligencia artificial. Las empresas deben experimentar e incorporarla allí donde aporte valor, pero hacerlo de forma sólida exige algo más que tecnología.
Antes de abordar proyectos ambiciosos, conviene hacerse algunas preguntas: ¿sabemos qué datos son realmente fiables?, ¿conocemos su origen?, ¿somos capaces de relacionarlos entre los distintos procesos de la empresa?, ¿tenemos claro quién puede acceder a ellos y modificarlos?
La inteligencia artificial puede ayudarnos a analizar, automatizar y decidir mejor, pero su utilidad dependerá de la calidad, el contexto y la fiabilidad de los datos.
Antes de preguntarnos hasta dónde puede llegar la IA, debemos preguntarnos hasta qué punto conocemos y gobernamos nuestros propios datos.
