Qué datos necesitás antes de implementar IA
Cómo saber si tu organización está lista en términos de datos, qué mínimos hacen falta según el tipo de proyecto y cómo avanzar sin esperar a tener todo ordenado.
"Primero tenemos que ordenar los datos" es la frase que más proyectos de inteligencia artificial posterga. A veces es correcta y a veces es una forma elegante de no empezar nunca.
La respuesta real depende del tipo de proyecto, porque los requisitos de datos varían muchísimo entre un caso y otro.
Tres niveles de exigencia
Nivel bajo: trabajo sobre texto y documentos. Asistentes sobre documentación interna, extracción de datos de facturas, resúmenes, redacción de borradores, clasificación de consultas. Lo único que hace falta es acceso a los documentos y que estén vigentes. No se requiere historia, ni integración, ni estructura.
Es el nivel donde está la mayoría de los casos de uso rentables, y por eso conviene empezar ahí.
Nivel medio: automatización de procesos. Flujos que leen de un sistema y escriben en otro. Lo que hace falta acá es acceso técnico, idealmente por API, permisos definidos y datos maestros consistentes entre sistemas.
Nivel alto: modelos predictivos. Pronóstico de demanda, scoring, detección de anomalías, mantenimiento predictivo. Requieren historia suficiente, granularidad adecuada y una definición estable de las variables. Es el nivel donde la calidad de los datos determina el resultado por completo.
Un error frecuente es evaluar la preparación de la organización según los requisitos del nivel alto, concluir que no se está listo, y postergar también los casos del nivel bajo que no tenían ese problema.
El chequeo de cuatro preguntas
Para un caso de uso concreto, cuatro preguntas alcanzan para saber si es viable:
- ¿Dónde está la información? En qué sistema, en qué formato, quién es el dueño.
- ¿Se puede acceder? Con API, con exportación programada, o solo manualmente. Esto condiciona el alcance más que cualquier otra cosa.
- ¿Está actualizada y es confiable? Si dos sistemas dicen cosas distintas sobre el mismo cliente, hay que resolver cuál manda antes de automatizar.
- ¿Está permitido usarla? Datos personales, información de clientes, restricciones contractuales o regulatorias.
Si las cuatro respuestas son razonables, el caso es viable. Si una falla, suele ser más barato cambiar de caso de uso que resolver el problema de datos.
Los problemas más frecuentes
Identificadores inconsistentes. El mismo cliente con tres códigos, el mismo producto con nombres distintos en cada sistema. Es el problema número uno y el que más tiempo consume.
Campos libres donde debería haber categorías. Un campo de texto donde cada persona escribe lo que quiere hace imposible cualquier análisis agregado. Es reparable, pero hay que saberlo de antemano.
Documentación desactualizada. Para asistentes internos, este es el riesgo principal: el sistema va a responder con seguridad según políticas que ya no están vigentes.
Permisos sin definir. Cuando un asistente accede a documentación interna, hereda la pregunta de quién puede ver qué. Si eso nunca se definió, el proyecto lo va a obligar a definirlo.
La estrategia que funciona: ordenar por caso de uso
En lugar de un proyecto general de calidad de datos, conviene elegir un caso de uso con valor claro y ordenar solamente las fuentes que ese caso necesita.
Tiene tres ventajas. El alcance es acotado y se termina. El beneficio se ve, lo que justifica seguir. Y el orden que se construye queda disponible para los casos siguientes, que suelen necesitar las mismas fuentes.
Después de tres o cuatro proyectos encarados así, la organización termina con buena parte de sus datos ordenados, pero cada paso se pagó solo.
Lo que sí conviene hacer desde el principio
Dos cosas, ambas baratas:
- Un inventario simple de fuentes: qué sistemas hay, qué información tiene cada uno, quién es el responsable. Una planilla alcanza.
- Una política de acceso a información interna: qué es público dentro de la empresa, qué es restringido y quién autoriza.
Nada de esto requiere tecnología. Requiere media docena de conversaciones y que alguien las escriba.
Preguntas frecuentes
¿Hace falta tener un data warehouse antes de usar IA?
No para la mayoría de los casos. Los proyectos basados en documentos, texto o procesos acotados funcionan con acceso directo a las fuentes. Un almacén centralizado es necesario cuando se requiere análisis transversal de varios sistemas.
¿Cuánta historia hace falta?
Depende del caso. Para pronósticos y modelos predictivos, dos o tres años. Para asistentes sobre documentación, búsqueda o generación de texto, no hace falta historia: alcanza con que la documentación esté vigente.
¿Qué hacemos si los datos están desordenados?
Elegir un caso de uso que dependa de pocas fuentes y ordenar solo esas. Un proyecto de limpieza general de datos sin un caso concreto detrás casi nunca se termina.