Preparar datos para IA: qué necesita la IA de tu empresa
Aprende a preparar los datos para la IA de tu empresa: define fuentes, asegura la calidad, gestiona permisos y aplica reglas de negocio mediante un checklist de 20 puntos.
Qué datos necesita tu IA (y cómo prepararlos)
La preparación de datos no pasa por volcar toda la infraestructura digital de la compañía en un modelo. La clave reside en la precisión: para cada proceso automatizable, el sistema requiere cuatro pilares innegociables: las fuentes con la respuesta real, los metadatos de trazabilidad, los permisos de acceso y las reglas de negocio que transforman la información bruta en una decisión operativa.
En resumen
- La IA no falla por falta de datos, sino por falta de contexto: es la Deuda de Contexto.
- Se prepara el dato de dos procesos, no el de toda la empresa.
- Importan cinco familias: maestros, transaccionales, documentales, conversacionales y de reglas.
- Sin metadatos de origen, fecha y propietario, el Cerebro Empresarial no puede citar y nadie confía en él.
- Los permisos se heredan del origen: un Superagente nunca ve más que la persona a la que releva.
¿Por qué la IA de tu empresa responde mal aunque tengas muchos datos?
Porque el modelo no conoce tu negocio. Sabe redactar un correo, pero no qué descuento tiene pactado tu cliente desde 2021 ni qué proveedor incumplió el plazo.
Ese vacío tiene nombre: Deuda de Contexto. Es el coste que paga una empresa cada vez que su IA responde sin conocer sus datos, sus reglas y su histórico: revisiones manuales, errores y proyectos abandonados.
El mercado apunta igual: alrededor del 49 % de las empresas ya da acceso a herramientas de IA a buena parte de su plantilla, según los datos de adopción de Deloitte recogidos en los AI Overview de Google. Dar acceso es fácil; dar contexto es el trabajo.
¿Qué tipos de datos necesita realmente la IA?
Cinco familias, cada una con una función distinta.
| Familia | Ejemplos | Qué aporta | Fuente habitual |
|---|---|---|---|
| Maestros | Clientes, productos, proveedores, tarifas | Vocabulario del negocio | ERP, CRM |
| Transaccionales | Pedidos, facturas, albaranes, incidencias | Histórico y patrones | ERP, contabilidad |
| Documentales | Contratos, ofertas, fichas técnicas | Condiciones y matices | Gestor documental |
| Conversacionales | Tickets, correos, notas de visita | Intención y contexto | Helpdesk, correo, CRM |
| De reglas | Descuentos, SLA, políticas, umbrales | Criterio de decisión | Cabeza de las personas |
La quinta familia es la que casi nadie tiene documentada y la que más determina el resultado: las reglas viven en la cabeza de tres o cuatro personas. Extraerlas es la mitad del trabajo de la Cartografía de la Ruta NEXT-5.
¿Cómo se hace el inventario de fuentes?
En orden, y en dos semanas de trabajo:
- Listar los sistemas del proceso elegido: ERP, CRM, correo, carpetas compartidas, hojas de cálculo, helpdesk.
- Identificar el propietario de cada fuente: quién decide qué es correcto ahí dentro.
- Medir volumen y antigüedad: cuántos registros, desde qué año y con qué frecuencia se actualizan.
- Marcar la fuente de verdad cuando el mismo dato vive en tres sitios. Solo una gana.
- Clasificar por sensibilidad: público, interno, confidencial, datos personales.
- Detectar el dato huérfano: el Excel del que depende un proceso.
- Estimar el esfuerzo de conexión: API, exportación, lectura o digitalización.
Al terminar debes poder responder: si un agente decide hoy, ¿de qué fuente saca el dato y quién responde de que sea correcto?
¿Qué calidad de dato hace falta para empezar?
No hace falta el dato perfecto: hace falta el dato trazable. Cuatro umbrales, según nuestra experiencia en proyectos de NextAI:
- Cobertura: el 80 % de los casos históricos, representado en las fuentes conectadas.
- Duplicidad: bajo el 5 % en el maestro se puede trabajar; por encima, se deduplica antes.
- Frescura: menos de 24 horas de retraso en datos que alimentan decisiones operativas.
- Trazabilidad: el 100 % de los fragmentos con origen, fecha y propietario. Sin excepción.
Una respuesta sin fuente citable es inutilizable en la empresa, y es la principal causa de alucinaciones percibidas.
¿Qué hacer con los datos personales y confidenciales?
Tres decisiones antes de indexar nada.
- Minimizar. Si el proceso no necesita el DNI o el teléfono, esos campos no entran en el índice.
- Heredar permisos. El acceso se resuelve por rol desde el sistema origen; el índice no puede ser una puerta trasera.
- Registrar. Cada consulta y cada acción queda con usuario, fecha, fuente y resultado.
Las categorías especiales, como los datos de salud, exigen base legal específica y análisis previo. RGPD y EU AI Act imponen obligaciones distintas según uso y riesgo: valida cada caso con un asesor legal antes de conectar la fuente.
¿Cómo se convierte un documento en algo que la IA pueda usar?
El paso técnico que más cambia el resultado y menos atención recibe es el troceado.
- Trocear por unidad semántica, no por caracteres: una cláusula, un apartado, una ficha.
- Conservar la jerarquía: título, sección y versión viajan con el fragmento.
- Enriquecer con metadatos: cliente, producto, vigencia y estado (vigente, derogado, borrador).
- Marcar lo caducado: un contrato vencido se excluye de la respuesta, no se borra del histórico.
- Añadir el grafo: Cliente → Contrato → Producto → Precio → Margen, para responder lo que ningún texto dice.
Un índice sin fechas de vigencia responderá con la tarifa del año pasado: el error más caro y frecuente.
¿Cómo es esto en una empresa española real?
Ejemplo con cifras representativas de proyectos de NextAI: correduría de seguros de Murcia, 45 empleados y 11.000 pólizas en cartera.
- Punto de partida: condiciones en PDF, comunicaciones en tres buzones y un maestro con un 11 % de duplicados. IMAN inicial de 29 sobre 100.
- Preparación: deduplicación del maestro hasta el 2 %, indexación de las 11.000 pólizas con vigencia y compañía, y extracción de 34 reglas de renovación.
- Resultado: la respuesta a una consulta de cobertura pasó de 18 minutos a menos de 2, y las renovaciones preparadas sin intervención humana alcanzaron un RAO del 61 % a los cuatro meses.
El trabajo de datos ocupó 6 de las 13 semanas: la proporción habitual.
¿Qué checklist hay que superar antes de conectar los datos?
| # | Comprobación | Estado |
|---|---|---|
| 1 | Proceso objetivo definido y medido | |
| 2 | Fuentes listadas con propietario | |
| 3 | Fuente de verdad designada | |
| 4 | Volumen e histórico conocidos | |
| 5 | Duplicados del maestro bajo el 5 % | |
| 6 | Fechas, moneda y unidades unificadas | |
| 7 | Documentos con fecha de vigencia | |
| 8 | Versiones obsoletas marcadas | |
| 9 | Reglas de negocio escritas | |
| 10 | Excepciones documentadas | |
| 11 | Clasificación por sensibilidad | |
| 12 | Datos personales minimizados | |
| 13 | Permisos por rol heredados | |
| 14 | Registro de accesos activado | |
| 15 | Metadatos por fragmento | |
| 16 | Troceado por unidad semántica | |
| 17 | Grafo de relaciones definido | |
| 18 | Preguntas de evaluación definidas | |
| 19 | Frecuencia de actualización | |
| 20 | Responsable de mantenimiento |
Con 15 de 20 se puede empezar. Por debajo de 10, la fase de datos necesita cuatro semanas más.
Cómo lo hace NextAI
NextAI trata el dato dentro de la fase 2 de la Ruta NEXT-5, no como proyecto separado. El inventario se acota a los procesos priorizados en la Cartografía y se integra en el Cerebro Empresarial con permisos heredados, metadatos completos y evaluación medible.
El IMAN puntúa el eje Datos sobre 20 y marca qué falta para llegar al Nivel 3 de la Escala AI-Native. El calendario, en el plan de 90 días.
Preguntas frecuentes
¿Cuántos datos hacen falta para implantar IA en una empresa? Menos de los que se cree. Para un proceso administrativo bastan de 12 a 24 meses de histórico y cuatro o cinco fuentes bien conectadas. Lo determinante no es el volumen, sino que el 80 % de los casos habituales esté cubierto y que cada dato sea trazable.
¿Hay que limpiar todos los datos antes de empezar? No. Limpiar toda la empresa primero es la vía más rápida para no empezar nunca. Se limpia lo que los dos procesos elegidos necesitan, se mide y se amplía. La calidad del dato mejora cuando ya hay un agente usándolo a diario.
¿Puede la IA usar los correos y los documentos de la empresa? Sí, y suelen ser la fuente más valiosa porque contienen las condiciones reales. La condición es que los permisos se hereden del origen, que los datos personales se minimicen y que cada respuesta cite el documento del que sale. Valida el tratamiento con un asesor legal.
¿Qué es más importante, la cantidad o los metadatos? Los metadatos. Un índice pequeño con origen, fecha, versión y propietario da respuestas citables y auditables. Uno enorme sin metadatos produce respuestas que nadie puede verificar y nadie acaba usando.
¿Quién debe encargarse de preparar los datos? Un responsable de sistemas para los accesos y una persona de negocio por proceso que valide qué es correcto. El proveedor aporta arquitectura y evaluación; la fuente de verdad la decide la empresa.
Para evaluar la madurez de tu infraestructura, utiliza el IMAN o solicita nuestra Auditoría Digital gratuita para identificar puntos críticos de mejora.