Hay una frase que se oye en casi todas las primeras reuniones sobre IA: “Antes de pensar en eso, tenemos que ordenar nuestros datos”. Parece prudente. En la mayoría de los casos, es el motivo por el que no pasa nada durante dos años.
Lo que dice Gartner, y lo que no dice
En febrero de 2025, Gartner publicó dos cifras que circulan desde entonces. En una encuesta hecha en julio de 2024 a responsables de gestión de datos, el 63 % de las organizaciones dijo no confiar en sus prácticas de datos para la IA. Y la consultora previó que el 60 % de los proyectos de IA sin datos preparados para IA se abandonarían antes de que acabe 2026 (Gartner, 2025).
A primera vista, esto parece dar la razón a quienes quieren ordenarlo todo primero. Pero la propia idea de Gartner de “datos preparados para IA” se define por caso de uso: los datos están listos cuando sirven al problema concreto que se quiere resolver.
Unos datos listos para la IA no son unos datos perfectos. Son unos datos adecuados para una pregunta concreta.
El problema de los proyectos interminables
Los proyectos de “primero ordenar los datos” tienen un defecto de fondo: no tienen un criterio para saber cuándo parar. Sin un uso concreto, no hay forma de decidir qué es lo bastante bueno. Se normaliza todo, se documenta todo, y cuando por fin se llega a la IA, las prioridades de la empresa ya han cambiado.
Los datos se ordenan mejor al revés, a partir de una pregunta. Cuando sabes que quieres prever roturas de stock por tienda, sabes exactamente qué campos tienen que estar bien y cuáles pueden esperar.
Lo que enseña la mejor competición de previsión
La competición M5, organizada por investigadores de la Universidad de Nicosia con datos reales de Walmart, es un buen ejemplo. Los métodos ganadores usaron el historial de ventas tal y como existía, con decenas de miles de series de productos y tiendas (42.840 en total), y le añadieron información que ya estaba disponible: precios, promociones y calendario de eventos (Makridakis, Spiliotis y Assimakopoulos, 2022). La mejora vino de aprovechar bien los datos que ya había.
Lo que de verdad necesitas tener
- Acceso. Alguien con autoridad para dar acceso de lectura a los sistemas relevantes. Suele ser el paso más lento, y no tiene nada de técnico.
- Suficiente historial. Para prever, ejemplos del pasado. Para automatizar una tarea, ejemplos de cómo se hace hoy.
- Un identificador común. Un código de cliente, artículo o transporte que conecte el ERP con el correo y las hojas de cálculo.
Lo que se resuelve por el camino
Duplicados, nombres escritos de formas distintas, información en PDF y correos, hojas de cálculo paralelas: todo esto se puede tratar con el proyecto en marcha. Los modelos actuales manejan bien estas imperfecciones, y el propio proyecto muestra cuáles importan de verdad. El plan de calidad de datos que sale de ahí tiene prioridades marcadas por el uso real.
Fuentes
- Gartner (2025). Lack of AI-Ready Data Puts AI Projects at Risk (nota de prensa, 26 de febrero de 2025, resumido por Freevacy). Freevacy.
- Makridakis, S., Spiliotis, E., Assimakopoulos, V. (2022). M5 accuracy competition: Results, findings, and conclusions. International Journal of Forecasting, 38(4), 1346-1364.