Primero los datos, después la IA: el orden que sí funciona

Llevo más de ocho años trabajando con datos y, en todo ese tiempo, la conversación ha cambiado muchísimo. Antes me preguntaban por reportes. Hoy casi todas las reuniones empiezan igual: "queremos implementar IA".

Mi respuesta casi siempre es la misma frase que acompaña mi marca:

Para que esto funcione las bases son los datos, el resto se complementa con IA.

No es una postura en contra de la IA. Es justo lo contrario: es la condición para que la IA funcione de verdad.

La IA amplifica lo que ya existe

Un modelo de lenguaje, un agente o un clasificador automático no corrigen el desorden: lo multiplican. Si los datos de clientes están duplicados, el asistente responderá con información duplicada. Si cada área calcula "ventas" de forma distinta, la automatización repetirá esa contradicción, solo que más rápido y con más confianza.

Por eso muchos proyectos se ven increíbles en la demo y se caen en producción. La demo usa diez ejemplos limpios; la operación diaria usa los datos reales.

El orden en que trabajo

Con los años he convertido esa idea en un método de tres etapas que aplico tanto con empresas como con personas:

1. Diagnóstico y soporte. Empiezo donde empecé mi carrera: escuchando a quien sufre el problema. Mapeo procesos, inventario las fuentes de datos y priorizo por impacto, no por moda.
2. Estructuración de datos. Modelos claros, pipelines ETL/ELT confiables, controles de calidad y una sola fuente de verdad. Es la parte menos vistosa y la que más valor genera.
3. Automatización e IA. Con la base lista, la IA deja de ser un experimento y se convierte en resultados medibles: asistentes que responden con información correcta, procesos que se ejecutan solos y decisiones más rápidas.

Saltarse la segunda etapa es la forma más rápida de gastar presupuesto en IA sin ver retorno.

¿Significa esto que hay que esperar meses?

No. Ordenar los datos no es un proyecto eterno ni hay que tener "todo perfecto". Se trata de preparar los datos que el caso de uso necesita. Si el objetivo es automatizar la lectura de facturas, no hace falta migrar todo el ERP: hace falta que proveedores, montos y fechas sean confiables.

Ese enfoque por caso de uso permite avanzar rápido sin construir sobre arena.

Cómo empezar

Si estás evaluando un proyecto de IA, te propongo tres pasos sencillos:

• Elige un proceso concreto que hoy consuma horas de trabajo manual.
• Revisa qué datos usa ese proceso y qué tan confiables son. Puedes apoyarte en este checklist de 10 preguntas para auditar tus datos.
• Define cómo medirás el éxito antes de escribir una sola línea de código.

Si quieres revisarlo juntos, puedes ver mis servicios para empresas y personas o agendar una consultoría inicial de 30 minutos.