Casos y guías
Datos

¿Puedo usar IA si tengo los datos desordenados?

Victoria Vives
Victoria VivesAI Director, Aetheron Labs
Lectura: 5 min

Sí, y es la situación normal, no la excepción. Precisamente lo que aportan los modelos de lenguaje frente a la automatización clásica es que toleran formatos dispares: PDF, Excel, correos, escaneos.

Lo que sí hace falta es acceso a ejemplos reales y un criterio claro de qué significa que el resultado esté bien. Eso no lo suple ninguna tecnología.

¿Por qué antes sí hacía falta ordenar los datos?

Porque una automatización tradicional espera un formato exacto: si la factura cambia de plantilla, el proceso se rompe. Por eso los proyectos empezaban con meses de normalización antes de automatizar nada.

Un agente con modelos de lenguaje funciona al revés: entiende el documento aunque cambie de forma, y devuelve los datos en la estructura que tú necesitas. La normalización deja de ser un requisito previo y se convierte en un resultado del propio proceso.

¿Dónde sí es un problema el desorden?

En tres sitios concretos:

  • Cuando hay varias versiones contradictorias del mismo dato y nadie sabe cuál es la buena: eso no lo decide un sistema, lo decide la empresa.
  • Cuando el dato simplemente no se registra en ningún sitio; ahí el primer proyecto es empezar a registrarlo.
  • Cuando los permisos no están claros y no se puede saber quién debería ver qué.

¿Cómo se empieza en la práctica?

Con una muestra de treinta o cuarenta casos reales del proceso, elegidos a propósito con sus casos raros incluidos. Se pasa el proceso sobre ellos, se compara con lo que habría hecho la persona y se ajusta.

Ese ejercicio revela dos cosas muy rápido: qué porcentaje del trabajo se puede delegar hoy y qué criterios de la empresa nunca se habían escrito.

¿Y el proyecto de ordenar los datos, se queda sin hacer?

No, pero deja de ser el cuello de botella. Es más fácil justificar y dirigir la limpieza de datos cuando ya hay un proceso funcionando que señala qué datos importan de verdad.

En la práctica, muchas empresas descubren que la mitad de los campos que pensaban normalizar no se usan para nada.

Si quieres saber si tu caso es de los que se pueden abordar ya, el diagnóstico operativo lo dice con los documentos reales en la mano.

Ver el AI Opportunity Sprint

Preguntas frecuentes

¿Necesito un data warehouse antes de empezar?
Para procesos documentales, no. Para analítica —márgenes, rentabilidad, predicción— sí suele hacer falta consolidar datos en un mismo sitio, porque ahí el valor está justamente en cruzar fuentes que hoy están separadas.
¿Cuánto tiempo de mi equipo requiere la fase inicial?
Unas pocas horas de la persona que hace el trabajo hoy: para explicar el criterio, revisar los primeros resultados y señalar los casos raros. Es la inversión de tiempo con más impacto en el resultado final.
¿Qué pasa con los datos personales?
Se tratan con el mismo criterio que en cualquier otro sistema: minimizar lo que se envía, dejar claro dónde se procesa y no usar datos reales donde basten datos de prueba. Conviene definirlo antes de empezar, no después.

Seguir leyendo