Gobierno de datos antes que IA: 5 cosas que ordenar antes de invertir

Gobierno de datos antes que IA: 5 cosas que ordenar antes de invertir

Hoy casi todas las gerencias tienen el mismo punto en la lista de pendientes: "hacer algo con IA". Asistentes que respondan preguntas de negocio, agentes que ejecuten tareas, modelos que proyecten ventas. La promesa es enorme y la presión por subirse, también.

Pero hay una pregunta que casi nadie hace antes de invertir: ¿de dónde va a sacar la verdad esa IA?

Porque una IA no es mágica. Es un sistema que consulta tus datos y responde sobre ellos. Si tus datos están dispersos, duplicados, sin dueño y sin una definición común, la IA no te va a avisar. Va a responder igual, con seguridad y en buen castellano… y muchas veces va a estar equivocada. Ese es el problema más caro de la IA mal implementada: no que falle de forma evidente, sino que acierte el tono y falle el dato, y nadie lo note hasta que ya se tomó una decisión sobre esa base.

El gobierno de datos no es lo opuesto a la IA ni un paso burocrático previo. Es lo que hace que la IA sea confiable. Antes de invertir, vale la pena revisar estos cinco puntos.

1. Una definición común de cada concepto de negocio

Suena básico, pero es donde se cae el 80% de los proyectos. Si para Comercial un "cliente activo" es uno que compró en los últimos 12 meses, para Finanzas es uno con factura pagada y para Operaciones es uno con contrato vigente, entonces tienes tres verdades distintas conviviendo en la misma empresa.

Cuando una persona pregunta "¿cuántos clientes activos tenemos?", cada área responde distinto y todos tienen razón a su manera. Una IA que consulta esos datos va a elegir una definición —probablemente sin que sepas cuál— y responder con total seguridad.

Qué ordenar: un diccionario de negocio con las definiciones críticas acordadas y documentadas. No es un documento de TI; es un acuerdo entre áreas.

2. Dueños de datos claros

¿Quién es responsable de que el dato de "facturación" esté correcto? Si la respuesta es "TI" o "nadie en particular", ahí hay un problema. TI administra la infraestructura, pero no debería ser dueño del significado del dato de negocio.

Sin un dueño asignado por cada dominio de datos (ventas, finanzas, clientes, operaciones), no hay a quién acudir cuando algo no cuadra, y los errores se vuelven crónicos porque no son responsabilidad de nadie.

Qué ordenar: asignar dueños de datos por dominio, con la responsabilidad explícita de velar por su calidad y definición. La IA hereda la calidad de esa responsabilidad.

3. Calidad real, no calidad asumida

Casi todos creen que sus datos están "más o menos bien" hasta que los miran de cerca: clientes duplicados con pequeñas variaciones en el nombre, campos vacíos, formatos inconsistentes, registros que nunca se dieron de baja.

Un humano experimentado intuye estos errores y los corrige mentalmente al leer un reporte. Una IA no. Toma el dato tal cual está y razona sobre él. Si tienes el mismo cliente cargado tres veces, para la IA son tres clientes.

Qué ordenar: un diagnóstico honesto de calidad sobre los dominios que la IA va a consultar primero. No tiene que estar todo perfecto, pero sí tienes que saber dónde están los huecos antes de que la IA los amplifique.

4. Trazabilidad: saber de dónde viene cada dato

Cuando la IA entrega un número, alguien va a preguntar "¿de dónde salió esto?". Si la respuesta es "de una planilla que armó alguien que ya no está", perdiste la confianza en ese instante.

La trazabilidad —saber el origen de cada dato y por qué transformaciones pasó— es lo que permite auditar una respuesta y defenderla frente a un directorio o un regulador. Sin ella, la IA es una caja negra que escupe números que nadie puede respaldar.

Qué ordenar: que los datos críticos vivan en una capa gobernada y trazable, no en planillas sueltas que se contradicen entre sí. Esto es, además, lo que separa una iniciativa de IA seria de un experimento que no escala.

5. Accesos controlados: que la IA no vea lo que no debe

Una IA con acceso indiscriminado a los datos es un riesgo, no una ventaja. Si un asistente puede responder preguntas usando información de remuneraciones, márgenes confidenciales o datos personales de clientes a cualquiera que pregunte, tienes un problema de seguridad y de cumplimiento esperando a ocurrir.

Qué ordenar: definir qué datos puede consultar la IA y para quién, con los mismos criterios de acceso que aplicarías a una persona. El gobierno de accesos no frena a la IA; la hace usable en serio dentro de la empresa.

La IA no reemplaza el orden: lo exige

La buena noticia es que ninguno de estos cinco puntos es exclusivo de la IA. Son los fundamentos de cualquier empresa que quiere tomar decisiones con datos confiables. La IA solo hace que su ausencia se note más rápido y duela más caro.

Por eso lo planteamos al revés de como suele venderse: no inviertas en IA para después ordenar los datos. Ordena lo justo y necesario para que la IA tenga una fuente confiable que consultar. Ese orden mínimo es lo que separa una IA que ayuda a decidir de una que confunde con seguridad.

En Henley acompañamos ese paso previo —gobierno de datos, definición de dominios, trazabilidad y una capa de datos confiable— para que cuando llegue la IA, tenga de dónde tomar la verdad.

¿Quieres saber qué tan lista está tu empresa para dar el salto a la IA? Conversemos sobre el estado de tus datos antes de invertir.