
Cuando un proyecto de inteligencia artificial no da los resultados esperados, la causa rara vez es el modelo. Lo más habitual es que los datos estén incompletos, duplicados, dispersos o que nadie sepa con seguridad cuáles son los correctos. Preparar los datos no es un paso previo aburrido: es la parte que más pesa en el resultado.
1. Calidad del dato
Un dato útil es aquel en el que se puede confiar. Cuatro preguntas ayudan a medirlo:
- Completitud: ¿faltan campos importantes?
- Exactitud: ¿los valores reflejan la realidad?
- Consistencia: ¿el mismo cliente o producto se identifica igual en todos los sistemas?
- Actualidad: ¿se actualiza con la frecuencia que exige el negocio?
Conviene definir indicadores simples para cada dominio de datos y medirlos de forma periódica, en lugar de limpiar una sola vez.
2. Gobierno del dato
El gobierno define quién es responsable de cada dato y cómo se usa:
- Responsables: cada conjunto de datos importante tiene una persona de negocio que responde por él.
- Catálogo: un lugar donde se describe qué datos existen, qué significan y de dónde vienen.
- Accesos: quién puede ver qué, con trazabilidad.
- Cumplimiento: tratamiento de datos personales conforme al RGPD y principio de minimización, es decir, usar solo los datos necesarios.
3. Arquitectura
Una arquitectura preparada para IA permite conectar las fuentes (aplicaciones, ficheros, sensores), integrar los datos de forma fiable, almacenarlos de manera segura y ofrecerlos a las personas y a los modelos que los necesitan. No hace falta una gran plataforma desde el primer día: lo importante es que crezca de forma ordenada y que no dependa de copias manuales.
Cómo empezar
- Elige un dominio de datos crítico para un caso de uso concreto, por ejemplo clientes o pedidos.
- Nombra a su responsable y documenta su significado.
- Define dos o tres indicadores de calidad y mídelos.
- Automatiza los controles para detectar problemas pronto.
- Amplía a otros dominios cuando el primero funcione.
Idea clave
Los datos no se preparan para la IA, se preparan para el negocio, y la IA se beneficia de ello. Una buena base de datos facilita también los informes, las integraciones y el cumplimiento normativo. Si quieres valorar el estado de tus datos antes de lanzar un proyecto de IA, en XIATrust podemos ayudarte a hacerlo.


