Tu proyecto de IA probablemente funciona con datos que ya posees.
La mayoría de las empresas no necesitan nuevos datos para empezar con la IA; necesitan hacer que la información que ya tienen sea accesible, actualizada y propiedad suya.
Comenzar desde una pregunta, no desde un archivo
La intuición nos impulsa a inventariar todo antes de empezar. Resiste esta tentación. Una auditoría completa de datos tarda meses, genera una hoja de cálculo que nadie lee y retrasa la parte que te habría enseñado más.
Elige una decisión o una tarea recurrente. ¿Cómo preparamos el precio para un trabajo no estándar? ¿Qué le decimos a un cliente cuyo pedido se retrasa? ¿Qué cláusula podemos ceder en un contrato con un proveedor? Luego, prepara solo la información que alimente esa tarea. Aprenderás más sobre el estado de tus datos a partir de veinte documentos que realmente usas que de un mapa completo de documentos que no lo haces.
¿Qué significa realmente "listo"?
Para un conjunto determinado de documentos, cuatro cosas deben ser ciertas:
- Encontrable. El sistema puede acceder a él sin que alguien envíe un archivo. Una unidad compartida, una base de datos, una carpeta exportada — el mecanismo importa menos que el hecho de que exista en un lugar accesible.
- Actual. Existe una versión autorizada y todos están de acuerdo en cuál es.
- Con permiso. El acceso está controlado por quien lo solicita, no por si el sistema tiene o no el archivo.
- Describido. Cada documento incluye quién lo produjo, cuándo y para qué sirve.
Nada de esta lista es técnico. Todo es organizativo, por eso suele entregarse a las personas equivocadas.
El problema de la versión es el caro
Si existen tres listas de precios y dos están obsoletas, una persona nota las fechas y elige la correcta. Un sistema no lo hará. Responderá desde la versión que leyó, con la misma confianza que usa cuando tiene razón, y alguien citará a un cliente con tarifas de 2023.
La solución es poco glamurosa pero duradera. Designa un propietario por conjunto de documentos. Que declaren la versión canónica, archiven el resto en un lugar al que el sistema no pueda acceder y asuman la responsabilidad de mantenerla actualizada. Así, tu proyecto de IA mejorará. Si decides omitir la IA, tu empresa también lo hará, lo cual es una buena señal de que estás trabajando en la dirección correcta.
La mayor parte de tu conocimiento más valioso nunca se escribió
Las respuestas que dan tus mejores personas rara vez están en el manual. Están en entradas de soporte, respuestas a correos electrónicos de ventas y el mensaje donde un colega explicó por qué este cliente específico recibe una excepción.
Comienza a capturar eso en el formato que ya tiene. Recopila las veinte preguntas que tu equipo responde con más frecuencia y anota las respuestas reales — cortas, con fecha, atribuidas. Treinta buenas respuestas harán más por un sistema inicial que un documento de doscientas páginas que nadie ha abierto desde la última reorganización.
Decide lo que el sistema nunca debe ver
Antes de conectar algo, traza una línea. Datos salariales, información sanitaria, registros de clientes no redactados, asuntos bajo privilegio legal. Decide qué se mantiene fuera, anótalo y haz que la exclusión sea estructural — almacenamiento separado, permisos separados — en lugar de una instrucción que el sistema deba seguir.
Luego, decide cómo funciona el acceso. Si un supervisor puede ver un documento y un aprendiz no, eso debe ser así cuando ambos lo soliciten a través de una ventana de chat. Los sistemas que responden de la misma manera a todos pueden responderle eventualmente a la persona equivocada.
Establece una fecha de caducidad
La información antigua es el modo de fallo silencioso. Una política que expiró en 2024 permanece en la carpeta indefinidamente y parece autorizada. Asigna una fecha de revisión y un revisor nombrado a cada conjunto de documentos. Cuando un documento caduque, se eliminará hasta que alguien lo reautorice.
¿Qué esperar?
Preparar datos para un flujo de trabajo lleva semanas, no trimestres, y el segundo flujo de trabajo será más rápido porque los hábitos de propiedad ya estarán establecidos. Evalúa el progreso en dos aspectos: con qué frecuencia la respuesta del sistema es correcta y con qué frecuencia puedes rastrear esa respuesta hasta un documento específico. El segundo aspecto es más importante al principio. Una respuesta que no se puede rastrear no puede corregirse.
Esta es la parte menos visible de adoptar la IA y, de manera fiable, la más pesada. También es donde pasamos las primeras semanas de la mayoría de nuestros proyectos, porque un buen modelo que lee información desordenada produce errores bien escritos y confiados — y estos son más difíciles de detectar que los obvios.