La incorporación de la Inteligencia Artificial a los procesos empresariales está poniendo de relieve la importancia de contar con información fiable, indicadores compartidos y responsabilidades claramente definidas. Más allá de las capacidades de los modelos, el reto para las organizaciones reside en garantizar que las decisiones se apoyen en datos consistentes, trazables y alineados con los objetivos del negocio, al tiempo que se optimizan las inversiones necesarias para su implantación.
Estas cuestiones centraron el Think Tank «De la gobernanza del dato a la IA fiable: cómo construir una base común para decidir mejor y reducir costes» impulsado por Strategy y organizado por Dir&Ge. Durante el encuentro, los directivos analizaron los desafíos de la gobernanza del dato, los distintos niveles de confianza que exige el uso de la IA y las condiciones necesarias para desarrollar soluciones escalables sin incrementar innecesariamente los costes.
La fiabilidad debe responder al impacto de cada decisión
Nuria Giménez, Director Data (Consumer Data) for EU en Coca-Cola Europe, destacó la importancia de definir el propósito empresarial de la IA antes de multiplicar sus aplicaciones y casos de uso. «Hemos confundido la creación de casos de uso con el propósito que la IA debe tener en la organización». Asimismo, señaló que la estandarización tecnológica puede contribuir a reducir los costes, aunque no debe confundirse con el control de las aplicaciones: «Estandarizar herramientas reduce mucho los costes, pero no debemos confundir estandarización con control. Una misma herramienta puede tener aplicaciones locales diferentes y el coste ser exactamente el mismo».
En el ámbito del marketing de precisión, puso el acento en la importancia de utilizar correctamente los datos de los consumidores, respetar las condiciones de su consentimiento y evitar que una segmentación inadecuada genere inversiones poco eficientes. Recordó, además, que la preparación de los datos, su seguimiento y la adopción de las herramientas forman parte del esfuerzo económico de la IA, más allá del consumo tecnológico.
Una base común para decidir con la misma información
David Valladares, Account Executive de Strategy, destacó el papel de la gobernanza y de la capa semántica para garantizar que la información conserve el mismo significado en los distintos canales y aplicaciones. Explicó que la coexistencia de distintas versiones del dato ha sido una constante en las organizaciones, donde cada departamento ha trabajado con su propio cuadro de mando. “Ahora, con la IA, es más fácil generar contenidos. La clave está en tener un gobierno del dato y una capa semántica común para todos, que garantice que el dato sea exactamente el mismo si lo recibimos a través de un agente, de un cuadro de mando o de un informe”.
La proliferación de agentes y asistentes inteligentes facilita el acceso a las respuestas, pero no resuelve por sí sola las diferencias entre indicadores que utilizan las distintas áreas. Para que las nuevas herramientas ayuden a decidir mejor, la consistencia debe estar garantizada desde la información que las alimenta.
La trazabilidad empieza en el origen del dato
Ricardo Lobo, Head of Innovation de Aleática, explicó que la trazabilidad debe abarcar todo el recorrido del dato, desde su captura en sensores y contadores en el ámbito operativo hasta su utilización en los informes ejecutivos. «En ese recorrido, el dato se va desvirtuando. Por eso estamos proponiendo una arquitectura que combina una ontología con procesos y flujos automatizados».
Desde su experiencia, defendió la importancia de estructurar y estandarizar la información desde el momento de su recogida, incorporando controles que permitan detectar inconsistencias antes de que se trasladen a los informes y a las decisiones.
Escalar exige retorno, integración y responsabilidad sobre los datos
La selección de los proyectos y la capacidad de llevarlos más allá de la fase piloto fueron otros de los retos abordados durante el encuentro. Christopher Tapia, Digital & Tech Procurement Delivery Lead – Business Platforms de Roche, situó el foco en la viabilidad de las soluciones y en el impacto que pueden generar. «La inversión no es el problema en sí; el ROI es el problema. Arrancamos con muchos pilotos, poca interconectividad y todos trabajando en silos».
Señaló también la importancia de definir qué soluciones tienen mayor viabilidad, elegir adecuadamente el ecosistema tecnológico y comenzar con pilotos acotados que permitan aprender antes de ampliar su alcance. En los procesos de mayor impacto, la supervisión humana y la trazabilidad resultan necesarias para convertir las recomendaciones de la IA en decisiones operativas.
En esa misma línea, Carlos Peinado, Data & AI Transformation Manager de Parques Reunidos, amplió el análisis a los costes que suelen quedar fuera del cálculo económico de la IA. «Cuando hablamos de costes, se mira mucho al proveedor y a los tokens. El problema es que se olvida el coste de limpiar el dato y el coste de mantenimiento del producto a futuro». En cuanto a la gobernanza, situó la responsabilidad de definir los indicadores y acordar su significado en las áreas de negocio, sin trasladar a los equipos tecnológicos la decisión sobre qué cifra es la correcta.
Una arquitectura compartida para una IA fiable y eficiente
Las aportaciones del encuentro pusieron de relieve que avanzar hacia una IA fiable y económicamente viable requiere decidir qué información es válida, quién responde por ella, cómo se comprueban los resultados y qué iniciativas justifican los recursos necesarios. El objetivo es convertir esa base compartida en una herramienta para priorizar inversiones, reducir esfuerzos redundantes y orientar la innovación hacia necesidades concretas del negocio.
Como cierre, David Valladares incidió en el valor de contar con una arquitectura semántica compartida que permita integrar la información y comprobar su procedencia: «La idea es crear una capa semántica universal: desde una capa común para todo el negocio y todos los sistemas puedes conectar herramientas heredadas y otras más modernas, y consolidar la información en una visión única.» Añadió que esta arquitectura permite rastrear el origen de las respuestas generadas por un agente hasta llegar al indicador y a la consulta que las sustentan.
Impulsado por:
Galería de imágenes:
