editor web
Las empresas están acelerando la adopción de la inteligencia artificial (IA) para analizar información, automatizar tareas y apoyar decisiones. Sin embargo, uno de los principales obstáculos puede residir en los datos que ya poseen. Una herramienta de IA puede revisar miles de registros en segundos. Pero si están incompletos, duplicados, desactualizados o usan definiciones contradictorias, la velocidad no convierte el resultado en una buena decisión.
La inteligencia artificial empresarial no solo necesita más información. También debe comprender qué significan los datos, cómo se relacionan, de dónde provienen, quién puede utilizarlos y qué reglas debe respetar antes de recomendar o ejecutar una acción. Un mismo indicador puede tener distintas interpretaciones. El término “ventas”, por ejemplo, podría referirse a pedidos recibidos, productos entregados, facturas emitidas, ingresos reconocidos o pagos cobrados. Sin una definición compartida, una respuesta generada por inteligencia artificial puede parecer convincente y ser técnicamente consistente, pero no responder a la pregunta que la dirección intentaba resolver.
“La inteligencia artificial empresarial no puede operar de manera confiable con datos sin contexto. Antes de pedirle a un agente que recomiende o ejecute una acción, la organización debe asegurarse de que comprenda qué significan los datos, cómo se relacionan y cuáles son las reglas que debe respetar”, señaló Cristobal Vergara, Director de la región Andina Centroamérica y Caribe de SAP.
Costa Rica ofrece una muestra clara de la brecha entre la adopción y la gobernanza de la IA. Según el estudio Caracterización del Sector TIC Costa Rica 2025, elaborado por la Promotora del Comercio Exterior de Costa Rica (PROCOMER) a partir de una muestra de 86 empresas, el 76% de las compañías del sector ya utiliza herramientas de inteligencia artificial generativa o agentes digitales para apoyar sus operaciones, pero solo el 9% cuenta con políticas formales para gobernar su uso. La diferencia evidencia que la adopción tecnológica puede avanzar mucho más rápido que los controles, las reglas y los procesos necesarios para administrarla de forma confiable.
La fragmentación puede permanecer oculta
Al crecer, una empresa puede incorporar subsidiarias, unidades de negocio, canales, aplicaciones y proveedores tecnológicos. Como resultado, la información sobre clientes, productos, empleados y proveedores queda distribuida entre sistemas. Esto es especialmente relevante para organizaciones centroamericanas con operaciones en varios países. Cada filial puede utilizar aplicaciones, códigos o metodologías diferentes, aunque formen parte de la misma empresa.
Un mismo cliente puede aparecer con nombres distintos en Ventas, Finanzas y Servicio. Una dirección puede estar actualizada en una aplicación y desactualizada en otra. Dos departamentos pueden calcular el mismo indicador con criterios diferentes. Durante años, estas inconsistencias pudieron resolverse con conciliaciones manuales, hojas de cálculo y conocimiento experto. Pero cuando la inteligencia artificial usa esa información para recomendar o ejecutar acciones, contar con una versión confiable y gobernada se vuelve urgente.
El riesgo ya no se limita a una respuesta incorrecta. Un agente con información incompleta podría generar una previsión inexacta, priorizar al proveedor equivocado, aplicar una política desactualizada o iniciar una acción contra el cliente incorrecto.
El contexto convierte los datos en decisiones
Para apoyar un proceso empresarial, la inteligencia artificial necesita comprender relaciones que no son evidentes en un registro aislado. No basta con conocer el precio de un producto. También puede ser necesario saber qué contrato lo regula, qué proveedor lo entrega, cuánto inventario existe, qué margen genera y quién puede modificar su precio. Ese contexto incluye definiciones, jerarquías, permisos, políticas y relaciones entre procesos. Permite que la IA distinga entre una respuesta estadísticamente probable y una decisión que tenga sentido para la organización.
Durante SAP Sapphire 2026, SAP presentó avances de SAP Business Data Cloud orientados a unificar y gobernar información de SAP y de terceros, conservando el contexto empresarial que necesitan las aplicaciones y los agentes de inteligencia artificial. La compañía también anunció capacidades para armonizar registros y gobernar datos maestros, para que los agentes trabajen con información verificada y alineada con las políticas de la empresa.
El problema aumenta cuando la IA comienza a actuar
La calidad de los datos es importante, pero adquiere otra dimensión cuando la inteligencia artificial deja de responder preguntas y comienza a participar en procesos. Un error en un reporte puede detectarse antes de tomar una decisión. Un agente, en cambio, podría usar la información para actualizar un registro, iniciar una comunicación, priorizar una tarea o activar un flujo. La IA puede acelerar el análisis y la ejecución. Pero esa misma velocidad también puede ampliar una inconsistencia que antes se limitaba a una hoja de cálculo o a un departamento.
Por ello, la estrategia de IA no debería limitarse a elegir un modelo o aplicación. También debe incluir calidad de datos, definiciones comunes, gobernanza y revisión de los procesos que sustentarán las decisiones.
Cinco preguntas antes de ampliar el uso de la IA
Antes de permitir que la inteligencia artificial participe en procesos importantes, las organizaciones deberían responder:
- ¿Existe una definición común de los principales indicadores? Ventas, ingresos, rentabilidad, clientes activos e inventario deben significar lo mismo para las áreas que los utilizan.
- ¿Cuántas versiones existen de un cliente, un proveedor o un producto? Los registros duplicados pueden generar análisis imprecisos y acciones incorrectas.
- ¿Se conoce el origen de cada dato? La organización debe identificar quién generó la información, cuándo fue actualizada y qué modificaciones recibió.
- ¿Están definidos los permisos y las responsabilidades? No todos los usuarios ni todos los agentes deberían poder consultar, modificar ni utilizar la misma información.
- ¿Puede explicarse cómo se formuló la recomendación? Las decisiones relevantes deben ser trazables, auditables y comprensibles para las personas responsables.
La inteligencia artificial puede reducir el tiempo para interpretar información, identificar tendencias y coordinar tareas. Sin embargo, también hace urgente resolver problemas ocultos durante años tras reportes manuales y sistemas desconectados.
La pregunta para las empresas ya no es solo qué puede hacer la inteligencia artificial. También deben determinar si cuentan con los datos, el contexto y los controles necesarios para hacerlo de manera confiable.
